💡 站外导读：当AI还在比拼对话与推理时，OpenAI已瞄准更艰巨的挑战：让AI像人类一样操作电脑、处理专业工作。GPT-5.4的发布，标志着大模型从“助手”向“执行者”的关键进化。它首次将原生计算机操作、百万级上下文处理、深度网页搜索等能力融为一体，并在多个权威测试中首次超越人类基线。这不仅是技术的飞跃，更预示着知识工作自动化和智能体（Agent）应用即将迎来爆发，企业效率革命已进入深水区。
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，绝非一次常规的模型升级，而是OpenAI在AI Agent（智能体）赛道投下的一枚战略级‘核弹’。它清晰地勾勒出下一代AI的核心形态：一个能够自主规划、操作工具、与环境交互并完成复杂任务的‘数字员工’。其‘原生计算机操作’能力是最大亮点，通过截图理解并执行鼠标键盘操作，这意味着AI首次打通了与数字世界的‘物理接口’，为RPA、企业流程自动化开辟了全新范式。同时，百万Token上下文与工具调用的优化，解决了Agent在长周期任务中的记忆与执行瓶颈。这表明，AI竞争已从‘模型智商’比拼，转向‘任务完成效能’的全面较量。未来，企业核心竞争力或将取决于其‘AI员工’的部署深度与工作流整合能力，一个由AI驱动的超自动化时代正在加速到来。
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。