💡 站外导读：当AI还在争论谁更会聊天时，OpenAI已经悄然改写了游戏规则。GPT-5.4的发布，标志着大模型从「知识问答」正式迈入「任务执行」时代。它不再只是回答你的问题，而是直接操作你的电脑——点击鼠标、敲击键盘、跨应用完成整套工作流。在OSWorld测试中，它以75%成功率首次超越人类基线，这意味着AI已经具备了独立完成复杂办公任务的能力。对于企业用户和开发者而言，这不仅是技术迭代，更是一次生产力范式的根本性转移。
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的发布释放了一个清晰信号：AI Agent不再是概念炒作，而是即将落地的生产力工具。OpenAI将推理、编程、计算机操作、深度搜索和百万Token上下文整合进单一模型，本质上是在构建一个「数字员工」的基础设施。从行业视角看，这将率先冲击知识密集型岗位——投行建模、法律文档、数据分析等领域的自动化门槛被大幅拉低。更值得关注的是其工具调用机制的优化，Token消耗降低47%意味着企业级部署成本的实质性下降。中国AI厂商需要警惕的是，当OpenAI开始在「完成任务」维度拉开差距时，单纯的语言能力竞争已不再是核心战场。下一步的关键，在于谁能率先构建起完整的Agent生态——包括企业系统对接、行业知识沉淀和安全合规框架。这才是真正的护城河。
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。