GPT-5.4 发布：首个原生支持计算机操作的通用模型

OpenAI 发布 GPT-5.4，将其定位为首个具备原生计算机使用能力的通用模型，在 OSWorld-Verified 基准上达到 75% 的任务成功率，超过人类基准。同时在专业知识工作、幻觉率和工具搜索效率上均有明显提升。

一、发布概况

OpenAI 正式发布 GPT-5.4，这是其最新的前沿模型，已在 ChatGPT、Codex 和 API 中全面上线。

GPT-5.4 把此前编码模型和通用模型的能力整合为单一模型，是 AI 能力的一次重要整合。

二、原生计算机操作能力

GPT-5.4 是 OpenAI 首个具有原生计算机使用能力的通用模型。

它可以通过截图、鼠标和键盘操作桌面和网页浏览器，在 OSWorld-Verified 基准测试中达到 75% 的任务成功率，高于上一代的 47.3%，也超过了 72.4% 的人类基准。

具体来说，它可以自动导航桌面环境、跨应用程序执行复杂工作流、通过代码库操作计算机，以及根据截图发出鼠标和键盘命令。

三、专业知识工作能力

在覆盖 44 个职业知识工作的测试中，GPT-5.4 在 83% 的比较中匹配或超越行业专业人士，而上一代仅为 70.9%。

几个突出领域包括：电子表格建模在投资银行分析师级别的任务中平均得分 87.3%；演示文稿创建有 68% 的人类评审者更偏好它生成的结果；法律文档分析在专业基准评估中得分 91%。

四、更低的幻觉率

GPT-5.4 是目前准确性最高的模型之一。

个别声明的错误率降低了 33%，完整响应中包含错误的可能性降低了 18%。对需要引用事实的工作场景来说，这类改进比跑分提升更实用。

五、工具搜索与长上下文

GPT-5.4 引入了工具搜索功能，允许模型在需要时动态查找工具定义，而不是在每个请求中预先加载全部工具。

在相关基准测试中，这一功能把总 token 使用量减少了 47%，同时保持相同的准确性。对工具数量多的代理系统来说，这意味着显著的成本下降。

长上下文方面，GPT-5.4 支持最多 100 万 token，标准版本支持 27.2 万输入 token，使代理能够在长时间跨度内规划、执行和验证任务。

六、可用范围与定价

在 ChatGPT 中，Plus、Team 和 Pro 用户可以使用 GPT-5.4 Thinking。在 API 中作为独立模型提供，另有面向最复杂任务的加强版本。

API 定价高于上一代，但由于 token 效率提升，完成同类任务的总成本可能更低。这一点需要按实际工作负载测算，而不是只看单价。