💡 站外导读：当AI还在为“幻觉”和“指令遵循”挣扎时，OpenAI已悄然完成一次范式跳跃。GPT-5.4的发布，标志着大模型竞争正式从“会聊天”进入“会干活”阶段。它不再是一个被动的问答工具，而是一个能像人一样操作电脑、处理复杂多步骤任务的“数字员工”。OSWorld测试75%的成功率首次超越人类，GDPval测试83%的任务达到专家水准，这些冰冷数字背后，是知识工作者工作方式被重塑的滚烫现实。在AIGC应用寻求落地的今天，GPT-5.4直接瞄准了企业效率的最后堡垒——那些需要跨应用、长上下文、强逻辑的复杂工作流。
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，远不止一次模型迭代。它揭示了OpenAI清晰的战略转向：从打造一个无所不知的“大脑”，转向构建一个无所不能的“数字代理”（Agent）。其核心突破在于“原生计算机操作”与“深度知识工作”的整合，这实质上是将GUI（图形用户界面）操作与LLM的推理能力熔于一炉，打通了AI从“思考”到“行动”的最后一公里。这或将催生全新的软件交互范式——未来应用可能首先为AI Agent设计，而非人类。同时，“智能工具调用”与“Token消耗降低47%”的组合拳，精准击中了企业级AI应用成本高、流程僵化的痛点。可以预见，GPT-5.4将成为RPA（机器人流程自动化）和智能办公赛道的“iPhone时刻”，迫使整个行业重新评估人机协作的边界。对于从业者而言，关键已非是否使用AI，而是如何围绕这种新型的“AI劳动力”重构业务流程与组织架构。这不仅是技术升级，更是一场深刻的生产力革命。
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。