OpenAI 上线 GPT-5.4：原生支持操控电脑，上下文拉到 100 万 token

过去让大模型做复杂任务，最怕两件事：一是它在屏幕前抓瞎，根本碰不到你桌面的软件；二是它思考跑偏了，你只能干瞪眼等它废话几百字再推倒重来。

OpenAI 试图一次性解决这两个痛点，正式发布了新一代旗舰模型 GPT-5.4 以及追求极致性能的 GPT-5.4 Pro。新模型同时登陆 ChatGPT、API 和 Codex，不仅把上下文窗口直接拉到了 100 万 token，更拿出了原生操控电脑的能力。

替你敲键盘、点鼠标，甚至打赢人类

GPT-5.4 最大的技术突破，在于它不再只是个打字机，而是真正能接管桌面系统的操作者。

在衡量桌面系统导航能力的权威基准 OSWorld-Verified 上，GPT-5.4 凭借截图识别与键鼠模拟，拿下了 75.0% 的成功率。这个成绩不仅远超上一代 GPT-5.2 的 47.3%，还越过了人类 72.4% 的平均基准线。

在浏览器操作测试 WebArena-Verified 上，它取得了 67.3% 的成绩；在仅靠截图感知的 Online-Mind2Web 上，成功率更是冲到了 92.8%。

为了看清桌面上的微小元素，OpenAI 还给它配了高分辨率图像感知，最高支持 1024 万像素的原图输入。开发者甚至能给它设定自定义确认策略，一旦遇到敏感操作就停下来等人点头。

针对写代码的 Codex，官方还顺手放出了一个实验性的交互式 Playwright 技能，模型一边写前端代码，一边就能自己打开网页抓 bug。

工具别一次全塞给它，思路走偏还能随时拽回来

操控电脑解决了动作问题，接下来的关键是怎么让多步骤工作更便宜、更听话。

以前接入多个工具或 MCP 服务器时，所有函数的定义都得塞在 prompt 开头，动辄浪费几千上万 token。GPT-5.4 在 API 里引入了工具搜索机制，先给模型一份轻量索引，等它确定要用什么工具，再去即时检索具体定义。

在 Scale 的 MCP Atlas 基准测试中，接上 36 个 MCP 服务器后，这种机制让总 token 消耗直接降低了 47%，准确率完全没掉。

对于普通用户，ChatGPT 里的 GPT-5.4 Thinking 带来了一个极其实用的改变：中途调整方向。

它在处理复杂问题时会先亮出思考大纲，如果你发现它理解歪了，不需要掐断重来，直接在它生成的半道上补充指令，它就会原地拐弯。加上幻觉率相比 GPT-5.2 下降了 33%，以及在初级投行分析师表格建模任务上拿到 87.3% 的得分，应付严肃职场任务靠谱了不少。

为什么重要

我们认为，GPT-5.4 是大模型从对话界面走向实体劳动力的一次关键卡位。

对普通白领和开发者来说，它的吸引力非常直接。以前的 AI 只能给你写段公式或者提点建议，最后复制粘贴、点开软件跑流程还得自己动手。现在 100 万 token 的超大底子加上原生电脑操作，意味着你可以把一整套涉及查邮件、填 Excel、做 PPT 的连环工作直接甩给它。

中途打断和工具搜索这两个细节尤其聪明。它们不是在刷虚无缥缈的跑分，而是在实打实地解决真实落地时的两大死穴：响应太贵和无法干预。

对行业而言，OpenAI 直接把战场拉到了 Anthropic 最先开辟的电脑使用领域，而且在 OSWorld 上直接反超了人类基准。接下来各大模型厂商如果只拿上下文长度和做题分数说话，在企业级市场恐怕很难再卖出好价钱。

不过隐患依然存在。75.0% 的成功率虽然超过了人类平均，但放在动辄涉及真实资产和系统配置的企业核心流程里，每四次操作仍可能搞砸一次。自定义确认机制虽然在防范风险，但如果每一步都要人类盯着确认，自动化带来的生产力红利就会大打折扣。怎么把这剩下的 25% 容错率填平，依然是各家接下来必须死磕的硬骨头。