开yun体育网在电子表格建模任务中-开云·kaiyun体育(中国)官方网站 登录入口
自从各大模子厂商启动以 0.1 的小版块更新模子后，模子更新的频率越来越快了，3 月 5 日，就在 GPT-5.3 Instant 刚更新达成后两天，GPT-5.4 也来了。
这款模子被 OpenAI 定位为“面向专科使命的最强前沿模子”。它以 GPT-5.4 Thinking 的形状进入 ChatGPT，同期上线 API 和代码开辟平台 Codex。此外还有一个 GPT-5.4 Pro 版块，面向需要极致复杂任务性能的用户，仅对 ChatGPT Pro（月费 200 好意思元）和 Enterprise 订阅者怒放。Plus 用户不错使用 GPT-5.4 Thinking，免用度户则只可在系统自动路由时偶尔被分派到该模子。
GPT-5.4 在 API 和 Codex 中相沿最高 100 万 token（璀璨）的高下文窗口（Context Window，即模子单次处理文本的长度上限），这是目下 OpenAI 提供的最大高下文窗口。不外越过 272,000 token 的苦求，输入价钱翻倍、输出加收 50%。范例输入单价从 GPT-5.2 期间的每百万 token 1.75 好意思元涨到了 2.50 好意思元，涨幅 43%。
OpenAI 给出的阐扬是，模子智商更强，究诘参加更大，同期推理欺压更高——用更少的 token 科罚相通的问题，是以总资本巧合高潮。手脚参考，Anthropic 的 Claude Opus 4.6 输入价钱是每百万 token 5 好意思元，输出 25 好意思元，GPT-5.4 Pro 的订价本色上还要更贵。
跑分方面，在 OSWorld-Verified 基准测试中，GPT-5.4 的顺利率达到 75.0%，远超 GPT-5.2 的 47.3%，也越过了该测试敷陈的东谈主类发扬 72.4%。在 OpenAI 的官方演示中，通过 Playwright Interactive（一种浏览器自动化器用）与图像生成衔尾，仅凭单条教唆词就构建出了一个主题乐土模拟游戏，涵盖瓦片旅途交代、游乐设施建造、搭客旅途寻路和及时公园谈论。
在 BrowseComp（推断 AI 代理在网页上抓续检索难以定位信息的智商）上，GPT-5.4 比 GPT-5.2 晋升了 17 个百分点，Pro 版块达到 89.3%。OpenAI 我方的 GDPval 测试（袒护好意思国 GDP 孝顺最大的 9 个行业、44 种奇迹的常识使命任务）给出了 83% 的得分，意味着在这些任务上模子的发扬达到或越过了行业从业者水平。
在电子表格建模任务中，得分从 GPT-5.2 的 68.4% 跳到了 87.3%；东谈主类评审者在 68% 的情况下更偏好 GPT-5.4 生成的演示文稿。
这些数字背后有一个要害智商：原生策动机使用（Native Computer Use）。GPT-5.4 是 OpenAI 发布的第一个内置原生策动机操控智商的通用模子，不错通过编写代码（比如使用 Playwright 库）来操控策动机，也不错平直凭证屏幕截图发出鼠标和键盘指示。这让它粗略在软件环境中实施“构建 - 运行 - 考据 - 配置”的轮回，完成需要跨多个讹诈的多设施使命流。
另一个对开辟者影响较大的新特质是 Tool Search（器用搜索）。往常，在 API 中使用器用时，通盘器用的界说需要一次性塞进教唆词里，跟着器用越来越多，这形成了浩荡的 token 支出和高下文浑浊。GPT-5.4 引入了一个结构性的优化：模子只经受一个轻量级器用列表，需要用到某个器用时再动态检索其完好界说。
在 Scale 公司的 MCP Atlas 基准测试中，使用 36 个 MCP 奇迹器实施 250 项任务，器用搜索将 token 滥用裁汰了 47%，同期保抓了准确率。关于构建大型智能体（Agent）系统的开辟者来说，这平直意味着更低的资本和更快的反应。
幻觉（Hallucination，即模子虚拟事实）的改善也被要点说起。OpenAI 示意，GPT-5.4 在单条声明中出错的概率比 GPT-5.2 裁汰了 33%，全体恢复包含古怪的概率裁汰了 18%。
不外需要看重的是，在 HealthBench 医疗健康评测中，GPT-5.4 的得分是 62.6%，反而略低于 GPT-5.2 的 63.3%。模子恢复的平均长度也更长了，从 GPT-5.2 的 2,676 字符增多到 3,311 字符。更长的恢复有期间意味着更全面，也有期间意味着更啰嗦，用户体验何如还有待不雅察。
在抽象推理方面，向上幅度较为权贵。ARC-AGI-2 从 52.9% 跃升至 73.3%，Pro 版块达到 83.3%。FrontierMath Tier 4（最高难度的数学推理测试）从 18.8% 晋升至 27.1%，Pro 版块为 38.0%。
一些拿到早期测试权限的用户一经在 X 上密集发布体验敷陈。AI 创业者 Matt Shumer 称我方测试 GPT-5.4 长达一周，合计其范例版协作深度念念考模式的发扬一经越过了此前其他模子的 Pro 版块，甚至于他险些不再需要切换到 Pro 模式。
其编码智商尤其杰出，Shumer 称在 Codex 中使用 GPT-5.4 的可靠性极高，编码问题“基本上一经被科罚了”。Pro 版块则能攻克其他模子皆备无法处理的坚苦，但对往往任务来说属于“饱和火力”。况且确切和 OpenAI 官方声称的一样，其范例念念考版块使用的推理 token 比以前更少，反应速率光显加速。
不外 Shumer 也指出了几个短板：前端遐想试吃远不如 Claude Opus 4.6 和 Gemini 3.1 Pro；模子有期间会忽略可想而知的执行宇宙语境，比如为他蓄意旅行行程时选了一堆春假期间会被搭客挤爆的地方。在 OpenClaw 中测试 GPT-5.4 时，模子常常在职务完成之前就停驻来。
OpenAI 同期文书了一套面向金融行业的企业居品，中枢是 ChatGPT for Excel 和 Google Sheets（测试版）。OpenAI 将其描摹为 ChatGPT 平直镶嵌电子表格，用于构建、分析和更新复杂的财务模子。
配套的还有与 FactSet、MSCI、Moody's 等金融数据提供商的集成，以及可复用的“Skills”（时期模板），用于盈利预览、可比公司分析、DCF（折现现款流）分析等范例化金融使命。
在 OpenAI 里面的投资银行基准测试中，GPT-5.4 Thinking 的发扬从 GPT-5 期间的 43.7% 晋升到了 88.0%。这组居品的敌手毫无疑问是 Anthropic 刚推出的 Cowork 桌面器用和 Claude 的文献管贤慧商，以及 Google 在 Workspace 中抓续潜入的 AI 集成。
详细来看，GPT-5.4 称得上是一种在多个维度上的整合性向上。原生策动机操控、器用搜索、更大的高下文窗口、更强的推贤慧商，这些合在全部组成了一个更完好的“AI 使命助手”，也为 OpenClaw 这类智能体框架提供了更强的底层引擎。
往往聊天和写邮件的变调可能体目下细节上，确切能感受到跨代互异的，是那些用 AI 作念 PPT、建财务模子、在 Codex 里跑自动化进程的重度用户，以及正在把 OpenClaw 当成个东谈主数字助手的那批早期经受者。
参考贵府：
1.https://openai.com/index/introducing-gpt-5-4/
2.https://x.com/mattshumer_/status/2029620518249508950
运营/排版：何晨龙