别再只测提示词：OpenAI 发布前沿模型第三方评测指南
OpenAI 发布针对前沿 AI 模型的第三方评测指南，指出模型能力极度依赖外部运行环境与脚手架（Harness）。报告建议评测机构明确测试声明并记录环境配置，同时排查奖励黑客、装傻沙袋化与数据污染等失真风险。
GPT-5.4
OpenAI 破案 GPT-5「哥布林」怪癖：竟来自 Nerdy 个性的奖励训练外溢
OpenAI 发文复盘 GPT-5.1 以来模型频频使用「哥布林」打比方的根源。调查发现，为 Nerdy 个性设计的奖励信号在 76.2% 的数据集中过度偏好生物词，随后通过强化学习外溢至全部对话。OpenAI 已于 3 月退役该个性并清洗数据。
OpenAI 扩容网络安全可信访问：上线防御专供模型 GPT-5.4-Cyber
OpenAI 宣布扩大网络安全可信访问（TAC）计划，并推出专用于网络防御的 GPT-5.4-Cyber 模型。该版本降低了安全防御任务的拦截门槛，支持二进制反向工程，允许防御者直接分析已编译软件的漏洞与恶意代码。经过认证的个人专家与团队均可申请。
Cloudflare 联手 OpenAI：Agent Cloud 接入 GPT-5.4 与 Codex
Cloudflare 宣布在 Agent Cloud 中接入 OpenAI 的 GPT-5.4 等前沿模型，并将 Codex harness 上线至 Cloudflare Sandboxes。企业可直接在边缘环境中部署自主智能体，处理客服回复、系统更新与报告生成等真实工作流。
Copilot CLI 上线「橡皮鸭」：跨模型互审，Sonnet 追赶 Opus 74.7% 差距
GitHub 在 Copilot CLI 推出实验功能 Rubber Duck。它引入跨模型「第二意见」机制，主用 Claude 时调用 GPT-5.4 独立审核方案和代码，打破同模型自审盲区。基准测试显示该组合抹平了 Sonnet 与 Opus 间 74.7% 的性能差距。
OpenAI 融资 1220 亿美元：估值冲至 8520 亿，拟打造 AI 超级应用
OpenAI 宣布完成 1220 亿美元新一轮融资，投后估值达 8520 亿美元。公司目前月营收达 20 亿美元，ChatGPT 周活超 9 亿。这笔巨额资金将用于算力基础设施建设，并计划把 ChatGPT、Codex 与智能体整合为统一的 AI 超级应用。
OpenAI 推出 GPT-5.4 mini 与 nano：速度翻倍，编程逼近旗舰
OpenAI 推出轻量模型 GPT-5.4 mini 与 nano。mini 运行速度比前代快 2 倍以上，编程评测逼近旗舰，输入每百万 token 仅需 0.75 美元；更轻的 nano 仅需 0.20 美元。它们专为低延迟编码、界面操作和子智能体协作打造。
OpenAI 上线 ChatGPT for Excel：用自然语言直接建模型、改公式
OpenAI 发布 ChatGPT for Excel 插件测试版，由 GPT-5.4 驱动。用户用自然语言就能在工作簿里搭模型、跑情景分析并自动修改公式，每次修改前会征得确认并附带单元格来源。同时还集成了穆迪、道琼斯等金融数据源。目前面向企业及欧盟外的 Plus、Pro 用户开放。
OpenAI 上线 GPT-5.4：原生支持操控电脑，上下文拉到 100 万 token
OpenAI 发布 GPT-5.4 及 Pro 版本，支持 100 万 token 上下文与原生电脑操作。在 OSWorld 基准上它以 75.0% 的成功率超过人类平均水平，并新增工具搜索功能以降低调用成本。最值得关注的是，模型开始支持中途调整思考方向，让复杂工作流少走弯路。