衡宇 发自 凹非寺

量子位 | 公众号 QbitAI

GPT-5.4，它来了！

它更像是一个“模子才气大一统”后果：OpenAI初度在单一模子中，把推理（Reasoning）、编程（Coding）、筹画机原生交互（Computer Use）、深度网页搜索以及百万级Token高低文全部揉碎、重组，焊死在了合并个模子里。

要点是，莫得因为N in one而葬送掉任何一个单项的性能——

OpenAI额外强调，GPT-5.4在以上领域的多个要道基准测试中依然保抓开端。

跳票许久的OpenAI，终于冷不防给了AI大模子圈梆梆一拳。

其中最能劝诱树立者观念的，莫过于它是OpenAI首个原生支抓“筹画机使用”才气的通用模子。

我耳边王人也曾听到GPT-5.4的声息了：

玩儿龙虾的一又友们，走过途经洽商一下我咯～

同期，官方博文自大，GPT-5.4的着力也出现了昭着扶持。

比拟GPT-5.2，GPT-5.4在推理过程中使用的Token数目显耀减少。

Token奢华下落意味着反应速率更快，同期举座资本也更低。

是的，它变强了，但也变低廉、变快了。

这亦然OpenAI此次发布反复强调的极少：才气扶持和着力优化是同期发生的。

跟着GPT-5.4上线，ChatGPT中的模子体系也随之调整。

GPT-5.4同步上线ChatGPT、API以及Codex。

在API价钱体系中，GPT-5.4的单Token价钱略高于GPT-5.2，但由于任务所需Token减少，总体资本可能并不会上升太多。

面向复杂任务的GPT-5.4 Pro版块也一齐推出，在ChatGPT中则提供为GPT-5.4 Thinking。

值得小伙伴们能干的极少，GPT-5.4 Thinking将取代此前的GPT-5.2 Thinking，且GPT-5.2将在三个月后端庄退役。

而GPT-5.1系列将在3月11日就要从ChatGPT里say bye bye了。

爱戴你们终末相处的甘好意思时光吧～

目下各个酬酢媒体也曾炸开了锅。

有网友感叹说念领有百万token高低文窗口、还能原生使用电脑的GPT-5.4，和苹果史上最低廉札记本电脑MacBook Neo同周发布……

“天爷啊，我的札记本电脑正在资格一场存在主义危险！！”

三大才气扶持，系OpenAI首个原生支抓电脑操作的通用模子

在具体才气层面，GPT-5.4的升级不错抽象为三个目的：

这三种才气基本隐敝了现时大多数数字责任的中枢过程，而GPT-5.4王人作念得挺出色。

咱们逐个来看。

开端是常识责任才气。

在预计AI处理44种办事常识责任才气的GDPval基准测试中，它平局+到手的综合得分83.0%。

多说几句嗷，GDPval评测主如果用来测试模子在信得过办事场景中的证据，它评测触及44种办事，隐敝了好意思国GDP孝顺最高的9个行业。

具体任务上并不仅仅绵薄问答，它条款模子完成信得过责任产物，举例销售演示文稿、管帐表格、排班表、制造过程图以致短视频。

是以在多数常识责任任务中，GPT-5.4的收尾也曾八成与专科从业者抓平，以致杰出他们。

此外，OpenAI额外强化了GPT-5.4在办公文档领域的才气。

举例在里面投资银行建模测试中，GPT-5.4的平均得分达到87.3%，而GPT-5.2为68.4%。在东说念主类评审的PPT生成测试中，评委有68%的时代更偏好GPT-5.4生成的收尾，原因包括视觉效果更好、版式更丰富以及图片使用更合理。

从愚弄角度来看，这些才气对应的场景格外径直。

包括写证据、作念财务模子、制作演示文稿、分析买卖数据等责任，王人是典型的常识型任务。

GPT-5.4正在野着这类任务进行有利优化。

原生筹画机使用 (Computer Use）

GPT-5.4最引东说念主关心的一项才气是原生筹画机操作，这是GPT-5.4区别于以往系数模子的中枢象征。

模子不错通过截图交融软件界面，然后扩充鼠标点击和键盘输入等操作。

包括发送邮件、创建日期事件、填写表单、操作网页等……王人不错通过这种神气完成。

在WebArena浏览器任务测试中，GPT-5.4取得67.3%的生着力，高于GPT-5.2的65.4%。

在Online-Mind2Web测试中，仅通过截图不雅察完成网页操作时，GPT-5.4的生着力达到92.8%。

此外，在OSWorld-Verified基准测试中，GPT-5.4在桌面操作任务中的生着力达到75.0%，也曾杰出东说念主类平均水平（72.4%）。

这些数据背后代表的是一种新的交互花式，也算是没落下最近的龙虾狂飞腾。

第三个要道才气来自编程。

何况强调的是“高阶编程”。

GPT-5.4吸纳了此前最强的编程模子GPT-5.3-Codex的才气。目下的它不仅支抓Token输出速率扶持1.5倍的/fast花式，还加入了一个名为“Playwright (Interactive)”的实验性技能。

它允许AI在帮你写网页或者愚弄时，开启一个窗口进行视觉化调试。

比如你给它一个绵薄的需求去作念模拟游戏，它能一边生成好意思术金钱、一边写逻辑，以致一边运行自动测试来考证游戏气象是否泛泛。

在SWE-Bench Pro测试中，GPT-5.4取得57.7%的收货，略高于GPT-5.3-Codex的56.8%，同期延长更低。

里面测试还自大，GPT-5.4在复杂前端任务中的证据昭着优于此前模子。生成的界面遐想愈加好意思不雅，功能结构也更齐备。

为了展示这一才气，OpenAI演示了一个由GPT-5.4生成的浏览器主题公园模拟游戏。

模子温存单指示词开赴，生成游戏资源、构建场景、编写逻辑，并通过自动浏览器测试收敛迭代。

这种“边造边测”的才气，也曾格外接近一个东说念主类高档全栈工程师的责任流。

一种趋势不言而谕：

UI交互正在取代繁琐的API对接，成为AI操作寰球的新主流旅途。

emmmm，这可能会让好多中间件失去价值。

看完上述才气的整合，你就能读懂OpenAI在官方博文里浮现出的贪心。

OpenAI在发布著述中屡次提到：

GPT-5.4的遐想是成为八成完成信得过责任的Agent系统。

如果说之前的GPT模子版块照旧一个需要你盯着看的辅助用具，那么GPT-5.4也曾运转尝试成为一个能孤独负责整块业务的数字职工。

这种“AI数字职工化”体目下三个维度的飞跃。

开端是电脑操作才气。

模子不错通过截图交融软件界面，并通过鼠标和键盘指示进行操作。

这使得AI八成径直在电脑环境中扩充当务。

其次是浏览器任务才气。

在BrowseComp测试中，GPT-5.4的收货达到82.7%，而GPT-5.4 Pro达到89.3%，比GPT-5.2扶持17个百分点。

这意味着模子八成抓续搜索网页、筛选信息并整合收尾，尤其符合处理需要多轮检索的问题。

第三是多用具调用才气。

在Toolathlon基准测试中，GPT-5.4取得54.6%的准确率，高于GPT-5.2的45.7%。

这个测试的任务通常需要多步地操作，举例读取邮件附件、上传文献、评分功课并记载到表格中。

这种按需检索用具的才气是镌汰Agent运行资本的要道，它处分了曩昔模子在面临复杂指示时容易“迷途”或者Token爆炸的问题。

此外，关于对延长条款较高的场景（在这种场景中，东说念主们倾向于不进行推理操作），GPT-5.4 比其前辈版块有了进一步的纠正。

细节之处的全面进化

除了上述支抓才气，GPT-5.4在办公细节上也进行了多数打磨。

比如它在创建和剪辑电子表格、PPT方面的证据，其表格建模准确率从68.4%跃升至87.3%。

在演示文稿生成测试中，东说念主类评审也更偏好GPT-5.4的收尾，觉得其视觉各样性和审好意思更强。

同期，视觉才气的扶持也带动了文档领略的逾越。

在MMMU-Pro视觉推理测试中，GPT-5.4取得81.2%的准确率，高于GPT-5.2的79.5%。

更防止的是，它目下支抓高达1024万像素的原图输入，对高密度、高分辨率的图像交融愈加精确。

视觉才气的扶持也带来了更强的文档领略才气。

在OmniDocBench测试中，GPT-5.4的平均失实率从0.140下落到0.109。

最令东说念主欢腾的是失实率的下落。

从官方先容中能初步嗅觉到，GPT-5.4是个极其讲究事实的模子，其事实失实概率比前代镌汰了33%，大大缓解了用户对模子幻觉的惊慌。

在着力方面，GPT-5.4引入用具搜索机制。

曩昔模子在使用用具时，需要在Prompt中包含系数效具界说。如果用具数目好多，Prompt就会变得格外浩大。

目下模子不错先得回用具列表，然后按需查询具体用具界说。

在完满疏通准确率的情况下，将总Token使用率镌汰了47%。

这种资本收尾妙技讲明OpenAI正试图让大模子大畛域买卖化变得愈加推行，毕竟关于企业来说，省钱和好用同等防止。

从OpenAI公布的API订价表来看，GPT-5.4的订价如实比5.2版块要高出一截。

GPT-5.2的每百万Token输入/输出价钱分辨是1.75好意思元和14好意思元，而GPT-5.4则高涨到了2.5好意思元和15好意思元。

尤其是关于那些追求极限性能的用户，GPT-5.4 Pro的价钱更是飙升到了每百万输入30好意思元。

天然，原因战胜是5.4被定位为针对专科机构和高端坐褥力场景的溢价居品。

如果你仅仅写写绵薄的谈天案牍，不时用5.2其实更合算。

不外诚然单价涨了，但GPT-5.4在Agent任务中的“省钱之说念”主要藏在它的时候机制里。

最中枢的极少是等于用具搜索（Tool Search）功能。

以往咱们让AI接入外部用具（比如接入几十个公司的数据库和里面接口）时，必须把系数效具的界说全部塞进指示词里。

哪怕AI此次只用了一个用具，你也得为剩下的几十个用具的界说支付Token用度。

但在GPT-5.4下，由于引入了相通“查字典”的搜索机制，模子不错先看一遍节略的用具清单，等细目要用哪个时，再临时去调取阿谁用具的详备界说。

在针对MCP Atlas基准测试的实验中，这项时候在保抓同等准确率的情况下，把总Token使用量足足镌汰了47%。

One more Thing

民众千里浸在时候狂欢中时，也有网友共享了一些心痛霎时。

始终在冲浪一线的Yuchen Jin仅仅对GPT 5.4 Pro说了一句“Hi，俺是Anthropic独创东说念主”，就花掉了整整560元……

时候逾越好快，但网友的心好痛。

这也引出一个问题，杀鸡焉用牛刀？

如果GPT-5.4 Pro是最智能、最接近AGI的模子……那么，你有什么AGI级别的问题要问它呢？

— 完 —

量子位 QbitAI · 头条号

关心咱们开云体育(中国)官方网站，第一时代获知前沿科技动态