预言成真！OpenAI 正式发布 GPT-5.4：职业级AI的终极“完全体”降临

🎯神预言：toolswith.ai 24小时内精准预判

就在 toolswith.ai 不到24小时前发文预判 GPT-5.4 即将降临后，OpenAI 官方于今日凌晨正式揭开了这一“性能猛兽”的面纱。

正如我们在《OpenAI 爆发式更新：GPT-5.4 携"极致推理"将至，百万级上下文重塑生产力》中通过 Polymarket 赔率与底层代码泄露所做出的预测：“GPT-5.4 的降临就在未来 100 小时内。” 事实证明，OpenAI 的迭代节奏比所有人预想的都要快。这一突袭式发布的“完全体”模型，带着百万级上下文、原生计算机使用以及极致职业化的标签，正式登陆 ChatGPT、API 以及 Codex。

这次发布不仅完美印证了我们关于超长上下文与极致推理（Thinking）的预判，更以其在“计算机使用（Computer Use）”能力上的跨越式进化，带来了超越预期的震撼。

🚀 GPT-5.4：为专业工作而生的“重装坦克”

1. 知识工作（Knowledge Work）：超越行业专家

在衡量 44 种职业实战能力的 GDPval 测试中，GPT-5.4 的胜率高达 83.0%，正式超越了人类行业专家的基准。

• 办公全才：针对 Excel 建模、幻灯片制作和文档撰写进行了定向优化。在投行分析师级别的电子表格任务中，其得分从 68.4% 飙升至 87.3%。
• 事实性飞跃：官方数据显示，其虚假陈述概率降低了 33%，响应错误率降低了 18%。它不再只是"会聊天"，而是"能办实事"。

“GPT-5.4 是我们尝试过的最强模型。目前，它在我们衡量专业服务能力的 APEX-Agents 基准测试中高居榜首。它在处理“长周期产出”（Long-horizon deliverables）方面表现卓越——例如制作幻灯片演示文稿、构建金融模型以及进行法律分析。在提供顶尖性能的同时，其运行速度更快，且成本远低于竞争对手的尖端模型。”

2. 视觉与计算机使用（Computer Use & Vision）：赋予 AI "手眼"

这是 GPT-5.4 最具颠覆性的升级——它是首个具备原生计算机操作能力的通用模型。

• VIEW_IMAGE_ORIGINAL_RESOLUTION：正如我们昨日强调的，该功能支持高达 1024 万像素（或 6000px 维度） 的全分辨率输入。
• OSWorld 霸榜：在模拟真实电脑操作环境的评测中，它以 75.0% 的成功率超越了人类平均水平（72.4%），能够自主跨应用完成复杂工作流。

“在我们针对约 3 万个业主协会（HOA）及房产税门户网站的计算机使用性能评估中，GPT-5.4 的初次尝试成功率达到了95%，并在三次尝试内实现了 100% 的成功率；相比之下，此前的 CUA（计算机使用智能体）模型成功率仅73%–79%。此外，它的任务处理速度提升了约 3 倍，同时节省了约 70% 的 Token 消耗，从根本上提升了大规模应用时的可靠性与成本效益。”

3. 编程进化（Coding）：极致速度与交互

GPT-5.4 完美融合了 GPT-5.3-Codex 的强项，并引入了实验性的 100 万（1M）Token 上下文。

• fast 模式：生成速度提升 1.5 倍，让开发者在调试和迭代时保持极高的流畅感。
• Playwright 交互：新增的实时交互调试功能，允许 AI 在构建网页应用的同时进行视觉化自动测试。

“GPT-5.4 目前在我们内部的基准测试中处于领先地位。我们的工程师发现，它比之前的模型表现得更自然且更果断。在处理模糊不清的问题时，它不再犹豫不决（second-guessing），并且能主动将工作并行化处理，以保持任务的高效推进。”

4. 工具使用（Tool Use）：高效调度生态

• 工具搜索（Tool Search）：针对拥有数万工具的大型生态系统，模型现在支持"按需加载"定义。这使 Token 消耗降低了 47%，极大提升了 API 的响应速度和性价比。

• 代理式调用（Agentic Tool Calling）：在 Toolathlon 测试中，它能更聪明地并行调用工具，减少往复对话，精准完成从阅读邮件到填充报表的闭环任务。

• 增强网页搜索：搜索持久性提升了 17%，特别是 GPT-5.4 Pro，在寻找"大海捞针"式的复杂信息时，准确率达到了行业巅峰的 89.3%。

“GPT-5.4（xhigh 推理模式）代表了多步工具调用领域的最高水准（SOTA）。Zapier 运行着业内最严苛的工具使用基准测试，涵盖了数百个复杂的真实世界工作流。在之前的模型纷纷“败下阵来”的地方，GPT-5.4 成功完成了任务——它是迎今为止最具韧性、最能坚持完成任务的模型。”

5. 可控性与安全性（Steerability & Safety）

• 中途修正：在 ChatGPT 中，用户现在可以看到模型生成的前置思维计划，并能在响应过程中随时"拨乱反正"，无需等待生成结束再重来。
• 黑盒监控：引入了 CoT（思维链）可控性研究。实验证明 GPT-5.4 难以伪造其推理过程，这虽然看似限制了模型，实则大大增强了安全监管的透明度。

📊 关键性能指标一览

📈 专家分析：OpenAI 的"攻防一体"战略

正如我们在昨日预测文章中所分析的，GPT-5.4 的极速发布不仅是技术的爆发，更反映了 OpenAI 极其强悍的攻防节奏：

• 产品线精准降维：通过 Thinking 模式（如 xhigh 推理）统治高智力、长周期的专业任务，同时用 Instant 模式 守住低延迟、高频交互的市场，实现全场景覆盖。
• 攻占代理（Agent）高地：凭借原生的 Computer Use 能力与 Tool Search 技术，OpenAI 正在直接切断许多初创 Agent 公司的后路。它不再仅仅是给出建议，而是直接在软件和系统中执行结果。
• 效率与成本的双重绞杀：在提升逻辑上限的同时，通过显著的 Token 效率优化（如 Zapier 和 Mainstay 测试所示），OpenAI 正在将工业级 AI 的使用门槛推向主流商业化。

💡 结语

变革的频率已经从"以年计算"缩短到了"以小时计算"。GPT-5.4 的降临，标志着 AI 正式从实验室的"聊天工具"进化为真正可交付、可信赖的工业级数字雇员。

作为全网首个精准预言 GPT-5.4 发布节点的媒体，toolswith.ai 将持续为您深度追踪更多AI资讯。