💡 站外导读：当AI还停留在‘回答问题’的层面，GPT-5.4已率先迈入‘完成任务’的新纪元。这款OpenAI最新旗舰模型，首次将推理、编程、原生计算机操作等核心能力融合进单一模型，且未牺牲任何单项性能。它不仅能理解屏幕截图，更能像人一样操作鼠标键盘，独立完成跨应用的复杂工作流程——从制作PPT到财务建模，从发送邮件到批量数据录入。在OSWorld测试中，它以75%的成功率首次超越人类水平，标志着AI智能体从‘思考者’向‘执行者’的关键跃迁。
GPT-5.4是OpenAI推出的旗舰AI模型，定位为”专为专业工作设计的最强前沿模型”。模型首次将推理、编程、原生计算机操作、深度网页搜索和百万Token上下文整合进单一模型，且未牺牲任何单项性能。在OSWorld电脑操作测试中，以75%成功率首次超越人类水平；在GDPval知识工作测试中，83%的任务达到或超过专业人士水准。GPT-5.4支持截图理解界面并执行鼠标键盘操作，可独立完成跨应用复杂任务，标志着AI从”回答问题”向”完成任务”的关键转变。
GDPval 测试：83.0% 的任务达到或超过行业专家水平（GPT-5.2 仅 70.9%）。
投行级表格建模：87.3%（GPT-5.2 为 68.4%）。
PPT 生成：人类评审68% 更偏好 GPT-5.4。
OSWorld-Verified：75.0% 成功率，首次超越人类基线 72.4%，GPT-5.2 仅 47.3%。
WebArena-Verified：67.3%，浏览器任务处理能力领先。
Online-Mind2Web：92.8%，纯截图观察即可精准操作网页。
BrowseComp：82.7%（Pro 版高达 89.3%），较 GPT-5.2（65.8%）提升 17 个百分点，创业界新高。
Toolathlon：54.6%（GPT-5.2 为 45.7%），多步骤工具调用更准确。
Token 消耗：降低 47%，工具搜索机制在保持同等准确率下大幅降本。
GPQA Diamond：92.8%（Pro 版 94.4%），科学问答接近满分。
Humanity’s Last Exam（带工具）：52.1%（Pro 版 58.7%），高难度综合测试表现突出。
ARC-AGI-2：73.3%（Pro 版 83.3%），抽象推理能力大幅跃升，GPT-5.2 Pro 仅 54.2%。
单条事实错误概率：降低 33%。
完整回答出错率：降低 18%，成为 OpenAI 迄今最 factual 的模型。
gpt-5.4 或 gpt-5.4-pro 模型端点，支持最高 100 万 Token 上下文和工具搜索功能，按 Token 用量计费。/fast 开启加速模式，或使用实验性 1M 上下文窗口处理大型代码项目，支持 Playwright Interactive 可视化调试。Plus/Business订阅：含 GPT-5.4 Thinking（每周3000次）。
Pro订阅：含 GPT-5.4 Pro（不限量）。
GPT-5.4：输入 $2.50/百万Token，缓存输入 $0.25/百万Token，输出 $15/百万Token。
GPT-5.4 Pro：输入 $30/百万Token，输出 $180/百万Token。
GPT-5.4的发布，标志着AI竞赛的焦点正从‘模型能力’转向‘任务完成度’。它不再仅仅是更聪明的聊天伙伴，而是能够接管具体工作流的‘数字员工’。其‘原生计算机操作’能力是真正的游戏规则改变者——AI首次具备了与真实软件环境交互的‘手和脚’，这为RPA、自动化办公甚至软件开发开辟了全新范式。从战略上看，OpenAI正在构建一个闭环：用强大的基础模型理解任务，用Agent能力执行任务，再用海量任务数据反哺模型进化。这种‘模型-环境-数据’的飞轮效应，可能迅速拉大其与竞争对手的差距。对于企业而言，这预示着‘人机协作’将进入‘人机分工’的新阶段，那些重复性高、流程清晰的‘知识工作’将首先被重构。未来，评估一个AI模型的价值，将不再只看其考试分数，而要看它能‘完成’多少项真实世界的工作。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。