OpenAI 上線 GPT-5.4：原生支援操控電腦，上下文拉到 100 萬 token

過去讓大模型做複雜任務，最怕兩件事：一是它在螢幕前抓瞎，根本碰不到你桌面的軟體；二是它思考跑偏了，你只能乾瞪眼等它廢話幾百字再推倒重來。

OpenAI 試圖一次性解決這兩個痛點，正式釋出了新一代旗艦模型 GPT-5.4 以及追求極致效能的 GPT-5.4 Pro。新模型同時登陸 ChatGPT、API 和 Codex，不僅把上下文視窗直接拉到了 100 萬 token，更拿出了原生操控電腦的能力。

替你敲鍵盤、點滑鼠，甚至打贏人類

GPT-5.4 最大的技術突破，在於它不再只是個打字機，而是真正能接管桌面系統的操作者。

在衡量桌面系統導航能力的權威基準 OSWorld-Verified 上，GPT-5.4 憑藉截圖識別與鍵鼠模擬，拿下了 75.0% 的成功率。這個成績不僅遠超上一代 GPT-5.2 的 47.3%，還越過了人類 72.4% 的平均基準線。

在瀏覽器操作測試 WebArena-Verified 上，它取得了 67.3% 的成績；在僅靠截圖感知的 Online-Mind2Web 上，成功率更是衝到了 92.8%。

為了看清桌面上的微小元素，OpenAI 還給它配了高解析度影像感知，最高支援 1024 萬畫素的原圖輸入。開發者甚至能給它設定自定義確認策略，一旦遇到敏感操作就停下來等人點頭。

針對寫程式碼的 Codex，官方還順手放出了一個實驗性的互動式 Playwright 技能，模型一邊寫前端程式碼，一邊就能自己開啟網頁抓 bug。

工具別一次全塞給它，思路走偏還能隨時拽回來

操控電腦解決了動作問題，接下來的關鍵是怎麼讓多步驟工作更便宜、更聽話。

以前接入多個工具或 MCP 伺服器時，所有函式的定義都得塞在 prompt 開頭，動輒浪費幾千上萬 token。GPT-5.4 在 API 裡引入了工具搜尋機制，先給模型一份輕量索引，等它確定要用什麼工具，再去即時檢索具體定義。

在 Scale 的 MCP Atlas 基準測試中，接上 36 個 MCP 伺服器後，這種機制讓總 token 消耗直接降低了 47%，準確率完全沒掉。

對於普通使用者，ChatGPT 裡的 GPT-5.4 Thinking 帶來了一個極其實用的改變：中途調整方向。

它在處理複雜問題時會先亮出思考大綱，如果你發現它理解歪了，不需要掐斷重來，直接在它生成的半道上補充指令，它就會原地拐彎。加上幻覺率相比 GPT-5.2 下降了 33%，以及在初級投行分析師表格建模任務上拿到 87.3% 的得分，應付嚴肅職場任務靠譜了不少。

為什麼重要

我們認為，GPT-5.4 是大模型從對話介面走向實體勞動力的一次關鍵卡位。

對普通白領和開發者來說，它的吸引力非常直接。以前的 AI 只能給你寫段公式或者提點建議，最後複製貼上、點開軟體跑流程還得自己動手。現在 100 萬 token 的超大底子加上原生電腦操作，意味著你可以把一整套涉及查郵件、填 Excel、做 PPT 的連環工作直接甩給它。

中途打斷和工具搜尋這兩個細節尤其聰明。它們不是在刷虛無縹緲的跑分，而是在實打實地解決真實落地時的兩大死穴：響應太貴和無法干預。

對行業而言，OpenAI 直接把戰場拉到了 Anthropic 最先開闢的電腦使用領域，而且在 OSWorld 上直接反超了人類基準。接下來各大模型廠商如果只拿上下文長度和做題分數說話，在企業級市場恐怕很難再賣出好價錢。

不過隱患依然存在。75.0% 的成功率雖然超過了人類平均，但放在動輒涉及真實資產和系統配置的企業核心流程裡，每四次操作仍可能搞砸一次。自定義確認機制雖然在防範風險，但如果每一步都要人類盯著確認，自動化帶來的生產力紅利就會大打折扣。怎麼把這剩下的 25% 容錯率填平，依然是各家接下來必須死磕的硬骨頭。