如果非要用一句话形容GPT-5.4，"撸起袖子干活的学霸"这个标签其实挺准的。GPT-5.4在2026年3月5日正式发布Sznews，OpenAI将其定位为目前面向专业工作推出的能力最强、效率最高的前沿模型之一Tencent Cloud。这一代没有搞什么颠覆性的大招，而是把该补的短板一一补上，然后在效率和Agent能力上做了相当扎实的升级。
这次升级的核心逻辑
GPT-5.4整合了GPT-5.3-Codex的前沿编程能力，同时在工具调用、软件环境操作以及涉及表格、演示文稿和文档等专业任务的处理方式上都有改进。Sznews这意味着你不再需要在通用模型和代码专精模型之间做取舍，一个模型把两件事都干了。
OpenAI对推理效率的执念由来已久。他们认为真正聪明的人不是靠"想得更久"来解决问题，而是靠对复杂问题的有效分解、精准洞察和果断决策。从GPT-5到5.4，这条路线一直没变，只是越走越深。
改进的地方
Token效率是这次升级最值得说道的一块。GPT-5.4是迄今为止OpenAI最省Token的推理模型，解决同样的问题，消耗的推理Token比GPT-5.2少得多Sznews——平均下来压到了17K左右，大幅低于同级别竞争对手。但要说清楚：这不是所有问题都更省，而是模型学会了更有效地分配算力。遇到复杂问题或条件繁多的指令，GPT-5.4照样会跑到40K甚至接近80K；但在不太需要智力、主要考验专注度的上下文类任务上，消耗就明显低于5.2，尤其是数学计算，极端情况下只有上一代的一半。
与此同时，GPT-5.4还引入了Tool Search机制，重构了工具调用的方式。以前给模型配工具，所有工具定义都得塞进prompt里，工具一多光定义就能吃掉上万Token。新机制让模型按需查找工具定义，在工具密集型工作流中能大幅降低Token消耗，同时也更快。Zhihu
指令遵循方面，作为面向Agent开发的模型，GPT-5.4在复杂多条件场景下可以稳定遵循几乎全部指令，但多轮工况下基本和上一代持平，没有质的飞跃。
可读性这个点看起来不起眼，但实际用起来体感差别挺明显的。从GPT-5到5.2，如果没有特别要求，模型给的答案往往就是冷冷的几个字。GPT-5.4 Thinking现在会先给出一个思考计划，你可以在它回答的过程中随时插嘴、补充信息、调整方向，模型会把新指令融入进去继续生成Sznews，输出里也默认带上了一定的过程解释。当然，GPT-5.4对"过程要写多详细"这件事还把握得不太稳定，有时精炼，有时冗长，偶尔还会带着推理草稿一起甩出来。
没解决的问题
GPT-5.4和Claude Opus 4.6是2026年3月最强的两个模型，各有擅长领域，但GPT-5.4自己也有明显短板。 上下文幻觉比预想中复杂。GPT-5.4在Codex和API中支持最高100万Token的超长上下文Sznews，这是个很大的上限，但在实际使用中，5K、10K长度的信息抽取测试里都会出现问题，每一轮会错几处，而且每轮出错的位置还不同Zhihu。哪怕文本不长，也有一定概率疏忽，这在Agent模式下尤其棘手——需要智力不高但中间步骤特别多的任务，稳定性会明显下滑。
洞察力方面，GPT-5.2这块就比GPT-5和5.1弱，5.4有所恢复，但还没回到自己的最好水平。背后的原因大概是：5.1靠消耗大量Token来跑高分，而5.4为了省Token，在训练阶段就注入了"不要过度发散"的倾向。OpenAI还没找到在较低Token预算下保留较高直觉洞察的方法，这条路仍在摸索中。
复杂计算也出现了问题。或许是受幻觉影响，GPT-5.4在长步骤复杂计算时，错误率比上一代有所上升，下限很差，几乎不像GPT系列该有的表现。
把这些放到更大的背景下看，OpenAI和Anthropic的路子正在越来越明显地分叉。OpenAI不遗余力地推进自家Codex桌面版，GPT-5.4与Codex深度结合，成为桌面Agent场景的重要驱动力Sznews，野心和方向已经很明朗。
GPT-5.4在定价上也给出了压力，API标准输入15/百万Token Workbuddycn，约为Claude Opus 4.6输出Token成本的40%。考虑到Agent应用本来就是Token黑洞，这个降本幅度对推动实际落地的意义不小。 GPT-5.4不是什么超级大招，就是一次带有明确应用倾向的常规升级。但这已经够了——对于正在爆发的Agent市场来说，再浇一桶汽油，火还会更旺一些。
AI 速览
