我要投稿

AI越来越牛马了，GPT-5.4 发布！可以操作电脑

发布日期：2026-03-06 07:29:12 浏览次数： 2288

作者：迷幻小蘑菇啊

微信搜一搜，关注“迷幻小蘑菇啊”

OPENAI · 2026年3月5日

GPT-5.4

真正能干活的AI

融合推理、编程与智能体能力的

新一代旗舰模型。
更准、更快、更省 token，

一次交付复杂工作。

GDPval83%

上下文1M

幻觉率↓33%

不是更大的模型，
是更会干活的模型。

GPT-5.4 把 GPT-5.3-Codex 的顶级编程能力、GPT-5.2 的深度推理、以及全新的智能体工作流——融入一个统一的前沿模型。

01 · SIX KEY UPGRADES

六项核心升级

每一项都直接指向同一个目标：让 AI 真正完成复杂工作。

33%幻觉降低幅度 · vs GPT-5.2

有史以来最准确的模型

在用户标记事实错误的真实对话集上测试，GPT-5.4 的单条信息出错概率降低 33%，完整回复的错误率降低 18%。不是跑分提升，是真实用户场景里，错得更少了。

🔍 翻译成人话：幻觉是大模型的「刹车距离」——你不关心引擎马力多大，你关心紧急制动时车能不能停住。33% 的幻觉降低，意味着你可以更放心地把 AI 输出直接用于工作，而不是花大量时间逐条核查。

1Mtokens 上下文窗口

一次读完一本《哈利·波特》还有余量

从 GPT-5 的 400K 跃升至 1M tokens，容量提升 2.5 倍。可以在单次请求中分析整个代码仓库、数百页法律合同、或一整套财务报表。不需要切片，不需要分批——给它全部，它全部理解。

📐 翻译成人话：1M tokens ≈ 75 万个英文单词 ≈ 约 3 本长篇小说。对开发者来说，这意味着可以把整个中型项目的代码库一次性喂给模型审查。

原生Computer Use 能力

第一个能直接操作电脑的主力模型

GPT-5.4 是 OpenAI 发布的第一个内置原生计算机使用能力的通用模型。它不只是生成文本——它可以操作软件、点击按钮、填写表单，在「构建→运行→验证→修复」的循环中完成复杂任务。

🤖 意味着什么：之前的 AI 模型像只能口头指导的顾问。GPT-5.4 更像一个可以坐到你电脑前亲自操作的助手——能独立完成多步骤工作流，包括跨应用程序协作。

省 Token推理效率大幅提升

用更少的 Token 解决同样的问题

GPT-5.4 是 OpenAI 迄今最高效的推理模型。解决同一个问题所消耗的 token 显著少于 GPT-5.2——直接意味着更快的响应速度和更低的使用成本。

💰 算笔账：此前有开发者测试，GPT-5 系列在编程任务上消耗的 token 比竞品少约 90%。GPT-5.4 在此基础上进一步优化，高频调用场景下的成本差异巨大。

Tool Search

在海量工具中，自动找到最合适的那一个

面对庞大的工具和连接器生态，GPT-5.4 引入了 Tool Search——模型不再需要预先定义所有可用工具，而是可以智能搜索并调用最适合当前任务的工具。让智能体在真实业务环境中的「执行力」跃升了一个量级。

前置计划

先给你看它的计划，让你中途调整方向

GPT-5.4 Thinking 新增「前置计划展示」——在开始深度思考前，先给你看它打算怎么做。你可以在执行过程中调整方向，不需要等全部做完再推倒重来。

🎯 解决真实痛点：以前和 AI 协作最大的时间成本不是等待生成，而是「生成完了不满意→再解释→再等→又不对」的循环。前置计划让你在源头介入，大幅减少无效迭代。

02 · VS PREVIOUS GEN

相比 GPT-5.2，提升了

GPT-5.2 发布于 2025年12月。仅三个月后，GPT-5.4 实现跨代升级。

维度

GPT-5.2

GPT-5.4 ✦

上下文窗口

400K

1M · ×2.5

编程能力

强

融合 Codex 顶级

计算机操作

不支持

原生支持

幻觉率（单条）

基线

↓ 33%

幻觉率（全文）

基线

↓ 18%

Token 效率

基线

显著优化

工具调用

传统 Tool Use

+ Tool Search

思考过程

黑盒

前置计划 · 可调整

GDPval

—

83% 历史新高

"GPT-5.4 在法律文件密集型工作上树立了新标准。在 BigLaw Bench 评估中得分 91%。"

— 外部法律评估机构

03 · COMPETITIVE EDGE

竞争格局中的位置

2026年3月，前沿模型竞争从未如此激烈。

GPT-5.4 选择了一个很明确的赛道：干活。

能力维度

Claude 4.6

Gemini 2.5

GPT-5.4 ✦

上下文窗口

200K / 1M beta

1M 原生

编程能力

SWE-bench ~80%

强 · Codex竞品

融合 5.3-Codex

知识工作基准

—

GDPval 83%

法律专业评估

—

BigLaw 91%

智能体基准

Claude Code 强

—

APEX #1

计算机操作

Computer Use API

Mariner 实验

原生内置 ✦

Token 效率

低token高质量

中等

同任务消耗最少

工具生态

MCP 协议

函数调用

Tool Search 智能发现

思考透明度

思考摘要

思考模式

前置计划 · 可中途调整

幻觉控制

保守拒绝策略

Grounding 搜索

单条 ↓33% · 全文 ↓18%

API 定价区间

$5/$25 per M

$1.25~$10 per M

待公布 · 预期有竞争力

📊 说明：以上对比基于各厂商官方公布数据与第三方评测报告综合整理。Claude 4.6 指 Anthropic Claude Opus 4.6（2026.02 发布），Gemini 2.5 指 Google Gemini 2.5 Pro。「—」表示该厂商未公布同类基准测试数据。部分能力项因评测标准不统一，仅做定性参考。

"GPT-5.4 擅长创建长周期交付物——演示文稿、财务模型、法律分析。在更快速度和更低成本下，实现了顶级性能。"

— Brendan Foody, Mercor CEO · APEX-Agents 基准第一名

APEX-Agents #1GDPval 83%BigLaw Bench 91%融合 Codex 编程原生 Computer UseTool Search

04 · MEDIA REACTIONS

全网怎么说

"GPT-5.4 来了——OpenAI 刚刚让所有其他 AI 模型看起来很慢。"

— Tom's Guide

"这个更新让 OpenAI 在向 Google 和 Anthropic 的快节奏 AI 竞赛中保持了压力。"

— Axios

"GPT-5.4 在 83% 的情况下胜过办公室白领——覆盖 44 个职业。"

— Axios 引述 OpenAI GDPval 数据

"Thinking 版本的欺骗倾向更低，说明思维链监控仍然是有效的安全工具。"