💡 站外导读：在AI从“聊天工具”向“生产力引擎”转型的关键节点，OpenAI发布了GPT-5.4，一个旨在彻底重塑专业工作流程的旗舰模型。面对企业日益复杂的知识处理、跨应用协作与海量数据分析需求，现有AI工具往往“偏科”严重。GPT-5.4的核心突破在于，首次将顶尖的推理能力、编程能力、原生计算机操控能力、深度信息搜索与百万级超长上下文处理融为一体，且在各项基准测试中均达到或超越人类专家水平。这不仅标志着AI技术栈的深度整合，更预示着“AI同事”时代正加速到来，专业工作的自动化边界被推向全新高度。
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，绝非一次简单的模型迭代，而是OpenAI对AI生产力范式的一次重新定义。其核心战略意义在于“能力整合”与“闭环执行”。过去，我们需要分别调用编程模型、浏览器插件和文档助手；而GPT-5.4将这些能力原生集成，形成了从“理解需求”到“规划任务”，再到“操作电脑执行”的完整闭环。这直接指向了AI发展的下一阶段：**自主Agent**。它不再是被动回答问题的“顾问”，而是能主动操作数字世界的“员工”。OSWorld测试首超人类，更是将“AI替代论”从理论推演拉入了可量化的现实。对企业而言，这意味着RPA（机器人流程自动化）的智能化跃迁；对开发者，它是一个能“边写边测”的超级编程伙伴。然而，这也对企业的数据安全、工作流重构提出了更高要求。GPT-5.4像一把钥匙，打开了“AI原生工作流程”的大门，如何设计与之匹配的人机协作机制，将成为下一阶段的竞争焦点。
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。