3月6日消息,OpenAI 正式发布旗舰模型 GPT-5.4,并将其定位为"面向专业工作最强大且最高效的前沿模型"。该模型已在 ChatGPT、API 和 Codex 三大平台同步上线,标志着 OpenAI 在推理、编程和智能代理工作流领域迈出重要一步。
三个版本同步推出
GPT-5.4 此次发布包含三个版本:标准版 GPT-5.4 面向 API 和开发者工具;GPT-5.4 Thinking 作为推理增强版登陆 ChatGPT,面向 Plus、Team 和 Pro 订阅用户开放;GPT-5.4 Pro 则为需要最高性能的复杂任务场景而设计,面向 ChatGPT Pro($200/月)和 Enterprise 用户。免费用户也可在系统自动路由时使用 GPT-5.4。GPT-5.4 Thinking 将逐步取代 GPT-5.2 Thinking,后者将在三个月内退役。
百万级上下文窗口
GPT-5.4 在 API 和 Codex 中支持最高 105 万 token 的上下文窗口,是 OpenAI 迄今提供的最大上下文容量。标准上下文上限为 272K token,超过部分按 2 倍输入费率和 1.5 倍输出费率计费。超长上下文使智能代理能够在单次请求中分析完整代码库、大量文档集或复杂的多步骤任务轨迹。
首个内置计算机操控能力的通用模型
GPT-5.4 是 OpenAI 发布的首个具备原生计算机操控能力的通用模型。该模型能够通过 Playwright 等库编写自动化代码,也能根据屏幕截图直接发出鼠标和键盘指令,使 AI 代理可以跨应用程序执行复杂工作流。在计算机操控基准测试 OSWorld-Verified 上,GPT-5.4 取得了 75.0% 的行业最高分,超越了人类测试者通常达到的 72.4%,相比 GPT-5.2 的 47.3% 实现了跨越式提升。
工具搜索:大幅降低 Token 消耗
GPT-5.4 在 API 端引入了全新的"工具搜索"(Tool Search)机制。此前,开发者需要在提示中预先定义所有可用工具,随着工具生态扩大,这一过程会消耗大量 token。新机制下,模型仅接收一份轻量级工具列表和搜索能力,按需检索具体工具定义。在 Scale 的 MCP Atlas 基准测试中,启用 36 个 MCP 服务器执行 250 项任务时,工具搜索模式在保持相同准确率的前提下,将总 token 使用量降低了 47%,对大规模企业部署的成本优化意义显著。
编程与专业工作能力大幅提升
GPT-5.4 融合了 GPT-5.3-Codex 领先的编程能力,同时强化了在电子表格、演示文稿和文档等专业任务上的表现。在 OpenAI 内部的投行分析师级电子表格建模基准中,GPT-5.4 达到 87.3% 的平均分,远超 GPT-5.2 的 68.4%。在衡量 44 个职业知识工作能力的 GDPval 基准上,GPT-5.4 在 83.0% 的对比中达到或超越了行业专业人员水平。在 Mercor 的 APEX-Agents 基准(测试法律和金融领域专业技能)中同样位居榜首。
准确性与安全性提升
GPT-5.4 在减少幻觉和事实错误方面取得明显进展:单条声明的错误率比 GPT-5.2 降低了 33%,完整回答的错误率降低了 18%。此外,OpenAI 引入了新的安全评估体系来测试模型的思维链,研究表明 GPT-5.4 Thinking 版本不太可能隐藏其推理过程,思维链监控仍然是有效的安全工具。ChatGPT 中的 Thinking 版本还新增了推理计划预览功能,用户可在模型生成过程中调整方向,减少反复沟通的成本。
API 定价
GPT-5.4 的每 token 价格高于 GPT-5.2,但更高的 token 效率有助于降低许多任务的总体成本。标准 API 费率下,批处理和 Flex 定价为标准价格的一半,优先处理为标准价格的两倍。在 Codex 中,/fast 模式可将 GPT-5.4 的输出速度提升至 1.5 倍,同时保持同等智能水平。
行业影响
GPT-5.4 的发布正值 AI 行业竞争白热化之际。该模型在计算机操控、工具调用效率和专业工作流方面的突破,直接对标 Anthropic 的 Claude Cowork 和 Claude Code 等竞品。百万级上下文窗口也使 OpenAI 在这一关键指标上追上了 Google Gemini 和 Anthropic Claude。随着 AI 模型从"回答问题"向"持续执行专业工作流"演进,GPT-5.4 代表了 OpenAI 在智能代理时代的最新押注。