本文系基于公開資料撰寫，僅作為信息交流之用，不構(gòu)成任何投資建議

OpenAI明里暗里預(yù)熱了很久的GPT-5.4，終于在上周五正式亮相了。它的能力提升自不必說，但有意思的是，這次發(fā)布的新版本，和當(dāng)下爆火的應(yīng)用“龍蝦”（OpenClaw），有著剪不斷的關(guān)聯(lián)。而這一切的核心，就藏在OpenAI官方介紹中反復(fù)強(qiáng)調(diào)的一個關(guān)鍵能力上：“Computer-Use”（計算機(jī)使用）。

在展開之前，我們先亮出核心觀點，也是本文想要傳達(dá)的主旨：透過GPT-5.4，我們可以看到，OpenAI正在打造的，早已不是一個更聰明的聊天模型，而是一個全新的“AI操作系統(tǒng)”（AI OS）。

從長上下文、工具調(diào)用到原生操控電腦，這一切都是在為這個“操作系統(tǒng)”鋪路。當(dāng)世界還在為OpenClaw的爆火而歡呼，為Agent的概念而興奮時，OpenAI已經(jīng)將Agent的核心能力（Computer-Use）內(nèi)建于模型底層。

世界或許還渾然不知，但我們正站在一個新時代的起點：AI即將從“產(chǎn)品應(yīng)用”蛻變?yōu)椤安僮髌脚_”。

01

操作系統(tǒng)”的內(nèi)核：推理+編碼+工作流

相比Google的Gemini 精通于世界知識，OpenAI 的ChatGPT系列經(jīng)常會被定義為“理科生”。

雖然自升級到 GPT-5 以后，它給人提供情緒價值的能力略有減弱，但編程和數(shù)學(xué)能力仍然極為出色。

這一次，為了讓能力溢出的 AI 能夠在 Agent 時代順利落地到具體應(yīng)用上，GPT-5.4 實現(xiàn)了一項核心技術(shù)突破：

將推理、編碼、智能體工作流三方面能力整合至單一模型架構(gòu)之中 。

簡單來說，GPT-5.4 更全能了，而且在特定領(lǐng)域的能力也更強(qiáng)了，它不再是一個單一功能的工具，而是一個具備通用能力的“操作系統(tǒng)內(nèi)核”。

在推理層面，為了更好地落實到應(yīng)用層面、讓模型具備執(zhí)行復(fù)雜任務(wù)的能力，OpenAI 特意強(qiáng)化了 GPT-5.4 的上下文理解能力。

面對 100萬 token 量級的復(fù)雜任務(wù)（相當(dāng)于可以一次性處理整套項目文檔或長時財務(wù)記錄），模型能夠整合海量的數(shù)據(jù)并正確進(jìn)行信息去重 。對于單條事實聲稱的錯誤率相比 GPT-5.2 降低了 33%，在高專業(yè)度場景下的輸出更加可信。

除此之外，GPT-5.4 已經(jīng)可以在 CodeX 中設(shè)置支持 1M 的上下文窗口，不過需要用戶在 config.toml 中手動設(shè)置，否則默認(rèn)仍為 256k。

具體到知識工作，在面向 44 種職業(yè)的 GDPval 基準(zhǔn)測試中，GPT-5.4 能夠在 83% 以上的場景中達(dá)到甚至超越行業(yè)專家水平 。

相比于 GPT-5.2 的 70.9% 水平，這一提升幅度已經(jīng)十分顯著。不過令人有些疑惑的是，GPT-5.4 的 Pro 版本模型反而表現(xiàn)略遜于 GPT-5.4。（官方解釋為 Pro 版本更側(cè)重于極端復(fù)雜任務(wù)的穩(wěn)定性，而非通用場景的平均分）

為了更好地讓 GPT-5.4 融入人們的實際工作場景，OpenAI 在官方介紹中直觀展現(xiàn)了新版本模型在電子表格、文檔和幻燈片三個場景的專業(yè)級表現(xiàn)：

除此之外，GPT-5.4 取得的顯著進(jìn)步，在金融和法律等高專業(yè)度領(lǐng)域也發(fā)揮了至關(guān)重要的作用。

多家國際機(jī)構(gòu)的反饋顯示，新模型在財務(wù)建模、合同分析、長周期任務(wù)執(zhí)行中準(zhǔn)確率提升的同時，用戶與 AI 的交互頻次也減少了很多，顯著縮短了任務(wù)完成時間。

針對最受開發(fā)者關(guān)注的編碼場景，GPT-5.4 保持了與 GPT-5.3-Codex 生成同等質(zhì)量代碼的能力，沒有顯著的提升。不過，新增加的“/fast”模式能夠?qū)崿F(xiàn)約 1.5倍 的token 生成速度。

智能體方面，工具調(diào)用能力是智能體完成任務(wù)的核心，新引入的“工具搜索 (Tool Search)”機(jī)制讓模型能夠在數(shù)萬個工具的大型生態(tài)中按需調(diào)用能力，在準(zhǔn)確率保持不變的情況下token消耗量驚人地下降了47%。

這正是“操作系統(tǒng)”調(diào)度底層資源的方式，高效且精準(zhǔn)。

02

原生計算機(jī)操作：從理解到執(zhí)行，這就是“操作系統(tǒng)”的界面

AI 的形態(tài)已經(jīng)從大語言模型演進(jìn)到了智能體，想要實現(xiàn)產(chǎn)品的商業(yè)化就必須讓 AI 能真正幫人們做事。

于是，全球的AI企業(yè)不約而同地將目光放到了用戶PC的控制權(quán)上。

但是，各種桌面端代理發(fā)布一段時間后，下載率和留存率其實都不理想。哪怕是對于 ChatGPT 的 9.56 億月活用戶而言，也有很多人不愿意單獨(dú)下載一個桌面端代理軟件 。

大家早已習(xí)慣和 AI（大語言模型）聊天，卻還沒適應(yīng)讓 AI（智能體代理）接管電腦。

于是，OpenAI想出了一個天才般的點子：讓用戶每天都在用的大模型操控電腦，不用專門下載安裝。

于是，GPT-5.4 順理成章地成為了第一個具備原生計算機(jī)操作能力的通用模型 。

原理其實并不復(fù)雜，它能夠根據(jù)屏幕截圖發(fā)出鼠標(biāo)鍵盤指令，也可以通過 Playwright 等庫編寫代碼來直接操作軟件系統(tǒng) 。

相比于需要專門訓(xùn)練才能使用的 PC 端代理助手不同，GPT-5.4 選擇將操控電腦的能力直接內(nèi)建于通用架構(gòu)之中，開發(fā)者在同一模型中即可無縫切換推理、編碼或執(zhí)行任務(wù)。正如“操作系統(tǒng)”天然擁有底層硬件（鍵鼠、屏幕）的驅(qū)動一樣。

一提到操控電腦，那安全問題就不可回避。

GPT-5.4 的行為可通過開發(fā)者的輸入進(jìn)行精細(xì)化調(diào)節(jié)，以此適應(yīng)不同應(yīng)用場景的需求 。

為了確保安全，開發(fā)者可以配置自定義的安全確認(rèn)策略，根據(jù)任務(wù)風(fēng)險等級設(shè)置不同的操作確認(rèn)機(jī)制。

數(shù)據(jù)查詢、代碼編寫等低風(fēng)險任務(wù)設(shè)置成自動執(zhí)行，資金操作、文件刪改則必須人工確認(rèn)，既能保證系統(tǒng)安全，又能提升工作流的執(zhí)行效率。

在 OSWorld-Verified 基準(zhǔn)測試中，GPT-5.4 實現(xiàn)了 75% 的成功率，超越人類基準(zhǔn)（72.4%） 的同時，大幅領(lǐng)先于前代 GPT-5.2 的 47.3% 水平，足以證明新模型在 PC 端任務(wù)場景中的實用和可靠 。

而在瀏覽器自動化方面，GPT-5.4 在 WebArena-Verified 和 Online-Mind2Web 測試中，依靠截圖為主的方法分別得到 67.3% 和 92.8% 的成功率。

這就意味著，模型即便不訪問網(wǎng)頁底層架構(gòu)，僅憑視覺信息即可完成復(fù)雜的網(wǎng)頁交互任務(wù)，這主要?dú)w功于底層視覺感知能力的系統(tǒng)性提升。

傳統(tǒng)多模態(tài)領(lǐng)域的提升相對較小，MMMU-Pro 視覺理解與推理測試中，模型的準(zhǔn)確率從 79.5% 提升至 81.2%；但對于結(jié)構(gòu)化信息的識別能力則顯著提升，模型在 OmniDocBench 文檔解析基準(zhǔn)測試中的平均錯誤率從 0.140 降至 0.109 。

也就是說，模型更善于處理復(fù)雜的 PDF、掃描文檔等工作環(huán)境中常見的文件類型，不會像以前一樣一遇到表格和插圖就束手無策。

針對高密度的界面和精細(xì)操作的需求，GPT-5.4 新增的“original”圖像輸入級別支持最高 1024 萬像素的全保真感知。

根據(jù)用戶反饋，模型在處理企業(yè)級 ERP 系統(tǒng)、財務(wù)報表或工程設(shè)計軟件等復(fù)雜界面時，高分辨率模式下的界面元素定位準(zhǔn)確率和點擊操作成功率都有顯著提升。

03

實際測試：操作系統(tǒng)之戰(zhàn)，從一張昂貴入場券開始

在這份官方介紹中，OpenAI 試圖用大量基準(zhǔn)測試的跑分結(jié)果和知名機(jī)構(gòu)的專業(yè)評價來證明模型能力之強(qiáng)大。

盡管人們普遍不太信任基準(zhǔn)測試的分?jǐn)?shù)，但幾項實際測試的結(jié)果卻證明了 OpenAI 所言非虛。

首先是 Artificial Analysis 的評測榜單，如預(yù)想一般，智能程度、編碼能力、代理能力同時登頂：

如果這還不足夠具有說服力，那還可以看看 X 平臺上的一項綜合性測試：

原視頻鏈接：

https://x.com/angaisb_/status/2029635731585372598?s=46&t=E5aK_KpbsE6EAIfDJWZvzQ

這是 X 平臺上用戶 @Angaisb_ 用 GPT-5.4 編寫的 Minecraft 游戲，無論是主視角的行動邏輯（奔跑、跳躍、搭建），還是游戲中方塊的材質(zhì)和美觀程度，幾乎都無可挑剔。

一個 demo 中展示出的內(nèi)容，已經(jīng)與 Minecraft 初期版本的質(zhì)量相差無幾。

由此可見，GPT-5.4 的功能是實打?qū)嵉膹?qiáng)大，也確實具備相當(dāng)高的實際價值。

但俗話說得好，一分錢一分貨，如此強(qiáng)大的功能自然意味著極其高昂的費(fèi)用。

相比 GPT-5.2，價格漲幅相當(dāng)驚人，甚至有用戶在模型剛發(fā)布后的幾個小時內(nèi)表示，僅僅是打了個招呼問了個問題，幾百美元就不翼而飛了 。

如此強(qiáng)大的能力和高昂的定價，似乎與 OpenAI 官方定義的“能力溢出”有些自相矛盾。

如今，OpenClaw 帶動了 token 成本極其低廉的國產(chǎn)大模型爆火，GPT 系列產(chǎn)品已經(jīng)跌出使用量排行榜的前十，為何 OpenAI 還敢給 GPT-5.4 定下如此高的價格？

算力資源的緊張自然不必多說，但更深層的答案或許藏在 OpenAI 近期商業(yè)化策略的微妙轉(zhuǎn)向之中。

據(jù)悉，OpenAI 正在縮減 ChatGPT 應(yīng)用內(nèi)的直接購買方案，不再將聊天界面作為閉環(huán)交易的核心場景，而是優(yōu)先支持外部應(yīng)用處理購買行為 。

這表明，OpenAI 正在從“直接面向消費(fèi)者變現(xiàn)”轉(zhuǎn)向“通過生態(tài)環(huán)境間接獲利”。

OpenAI 將 GPT-5.4 定位為專業(yè)的基礎(chǔ)設(shè)施，通過能力溢價篩選出高價值的客戶；而普通用戶的變現(xiàn)需求，則交給 Notion、Cursor 等集成 ChatGPT 能力的第三方生態(tài)來承接，無需直接承擔(dān)高昂的 API 成本即可通過合作伙伴的產(chǎn)品間接體驗?zāi)Ｐ湍芰?。

而熟悉桌面智能代理的朋友可能會注意到，GPT-5.4 的原生計算機(jī)操作能力其實與 OpenClaw 的思路高度相似：AI 需要看懂界面、操作軟件、完成任務(wù)。

不過，GPT-5.4 更進(jìn)一步，讓用戶跳過下載安裝和配置底層大模型等無法省略的步驟，直接體驗“開箱即用”，試圖取代當(dāng)下這款最潮流的智能代理產(chǎn)品 。

但這并非易事。若要取代 OpenClaw，OpenAI 要么解決 Agent 代理快速消耗 token 的問題，要么降低 token 成本。而目前看來，前者的希望會更大一些。

總體來看，OpenAI 的選擇已經(jīng)十分清晰：用高定價篩選高價值客戶，用生態(tài)合作和無門檻產(chǎn)品覆蓋大眾市場，用效率優(yōu)化證明“貴有貴的道理”。

但對于普通用戶來說，最好的策略仍然是：保持關(guān)注、理性評估、按需選擇。不必急于直接購買高價 API，極致的性價比才是 Agent 時代的方向。

然而，我們最不能忽視那個正在發(fā)生的、靜悄悄的革命：OpenAI正在打造的，是一個以“Computer-Use”為核心，整合了長上下文、工具調(diào)用、推理與編碼能力的“AI操作系統(tǒng)”。

當(dāng)這個“操作系統(tǒng)”逐漸成熟，今天關(guān)于價格和OpenClaw的討論，都將只是歷史的注腳。世界還在為某一款應(yīng)用的爆火而狂歡，但真正的操作系統(tǒng)之戰(zhàn)，已經(jīng)打響了。

轉(zhuǎn)載開白 | 商務(wù)合作 | 內(nèi)容交流
請?zhí)砑游⑿牛簀induan008
添加微信請備注姓名公司與來意