GPT-5.4是否真正超越人类智能?全网观点大PK
2026年3月,OpenAI发布GPT-5.4,宣称其在OSWorld-Verified测试中以75.0%成功率首次超越人类基线(72.4%),并在GDPval知识工作测试中达83.0%胜率。这一“超越人类”的声明引发激烈争议:一方认为AI已实质性跨越智能门槛,另一方则质疑其仅在特定任务上表现优异,远未达到人类通用智能水平。4
观点PK
AI已实质性超越人类
58% 支持GPT-5.4在OSWorld-Verified测试中以75.0%成功率超越人类72.4%的基线,首次在计算机操作任务上系统性胜出。
在GDPval涵盖44个职业的真实工作任务中,GPT-5.4在83.0%的项目上达到或超过专业人士水平,证明其具备类人专业能力。
GPT-5.4原生集成计算机操控、百万token上下文和极限推理,能自主完成端到端任务闭环,标志着从'对话工具'向'数字员工'的质变。


仅窄域优势未达通用
42% 支持GPT-5在Bengio团队的AGI评估框架中总分仅57分(满分100),长期记忆等核心认知能力得0分,呈现'高分低能'特征。
AI缺乏具身经验、因果建模和主动假设验证能力,其'理解'仅为无接地的符号操作,无法进行真正的人类式推理。
当前AI创造力呈现'平庸的稳定性',顶尖人类在创造力上仍显著碾压所有顶级模型,AI尚未具备原创理论构建能力。
01AI已实质性超越人类58%提及
- 操作能力超越人类:GPT-5.4首次在计算机操作任务上系统性超越人类基线。 知乎用户表示:'在OSWorld桌面操作测试中,GPT-5.4以75%的成功率首次超越了人类平均水平(72.4%)。' 知乎用户提到:'GPT-5.4在OSWorld-Verified基准测试中得分达到75.0%,直接超越人类专业操作者水平。' 抖音用户 @☀️ 表示:'凭借原生电脑操作能力这一颠覆性突破,模型可直观理解屏幕、精准操控鼠标与键盘,操作准确率首次超越人类。'171826
- 专业任务匹敌专家:GPT-5.4在真实职场任务中系统性超越人类平均水平。 知乎用户表示:'在GDPval测试中——该测试涵盖44个职业的知识工作任务,包括销售演示文稿、财务建模、法律分析等真实工作产出——GPT-5.4在83.0%的比较中达到或超越行业专业人士水平。' 微信公众号 @君伟说 提到:'在核心的专业知识工作基准测试GDPval中,GPT-5.4得分达到83.0%,较上代提升了近13个百分点。超8成的任务里,行业从业者认为GPT-5.4的产出达到或超过了人类专业人士的水准。' 知乎用户表示:'GDPval测的是AI在真实工作场景里的表现,不是那种学术题,是你每天真实会遇到的任务。'141820
- 从工具到数字员工:GPT-5.4标志着AI从'对话工具'向'全能数字员工'的质变。 知乎用户表示:'GPT-5.4的发布标志着AI模型从"单一功能"向"全能通用智能体"的关键跨越。它不仅是一个更聪明的聊天机器人,更是一个能自己操作电脑、编写代码、处理专业文书的虚拟雇员。' 知乎用户提到:'当AI在操作电脑这件事上跨过人类基准线,它就不再是一个玩具或助手。它成了一个潜在的、不知疲倦的"数字员工"。' 知乎用户表示:'GPT-5.4完成了从聊天AI到独立数字员工的蜕变,正式迈入智能体(Agent)新纪元。'7526
02仅窄域优势未达通用42%提及
- AGI评估分数不足:GPT-5在权威AGI评估框架中表现不佳,呈现'高分低能'特征。 值得买社区用户表示:'GPT-5在权威AGI评估框架(Bengio团队)中总分仅57分,长期记忆能力得0分;常识推理测试中无法跨情境关联信息,空间智能测试得分22.47分(远低于5岁儿童96.27分);呈现"高分低能"特征:专业窄域强,通用认知弱。' 知乎用户提到:'基于这套框架,研究者对GPT-5进行了测评,结果显示其总分仅为58分(满分100),未达及格线。GPT-5在读写和数学能力上表现优异(满分10分),说明它在语言生成和计算任务上接近人类水平;但在关键项目中短板突出。' 小红书用户表示:'GPT-5在这里表现不错,拿了9分(满分10),但文化常识还是弱项...GPT-4和GPT-5在这两项上都是0分!也就是说,你今天教它一个新知识,明天它就忘了。'1514142
- 缺乏真正理解能力:AI缺乏具身经验和因果建模能力,无法进行真正的人类式推理。 微信公众号用户表示:'当前生成式AI(GPT、Claude、Gemini)本质是基于Transformer的自回归语言模型,其推理行为根本属性为统计模式匹配;人类推理具有意向性、因果理解、元认知、世界经验、自主目标等AI所缺乏的本体论基础;AI推理是"可归因的""模拟的""拟似推理",而非意识意义上的真实推理。' 值得买社区用户提到:'全网关于AI是否真正理解人类日常逻辑的深度辩论聚焦于"理解"的本质界定:正方主张AI已通过统计模式识别、思维链涌现与特定任务超越展现出类人逻辑能力;反方强调其缺乏具身经验、因果建模、主动假设—验证—修正能力及真实情感共情,其"理解"仅为无接地的符号操作与概率拟合。' 微信公众号用户表示:'AI能有效执行推理任务...尽管如此,当前生成式AI的"推理"是人类推理的高保真模拟,而非真实推理。'4416240
- 创造力存在天花板:AI创造力呈现'平庸的稳定性',顶尖人类仍显著碾压所有顶级模型。 知乎用户表示:'人类创造力均值(78.26)略高于LLM(77.90),但关键差异在分布形态——人类方差显著更高,顶尖人类(Top 10%)完胜所有顶级LLM;LLM输出呈现"平庸的稳定性"与语义同质性,缺乏真正词汇多样性;LLM是"基线提升者"(floor-raiser),但非"顶尖创造力替代者",人类在专家级创造力上优势不可撼动。' 微信公众号用户提到:'一些AI系统(包括GPT-4)在旨在测量发散性语言创造力的任务中得分高于普通人。这一结果可能令人惊讶——甚至令人不安——但我们的研究也强调了一个同样重要的观察:即使是最好的AI系统也未能达到最具创造力的人类所达到的水平。' 微信公众号用户表示:'在开放性任务中,无论使用何种GPT版本,人类生成回答的平均得分均显著且大幅高于机器生成回答;相反,在封闭性任务中,AI生成回答的表现优于人类。'525049
当前全网观点呈现58%对42%的倾向性,支持GPT-5.4已超越人类智能的观点略占上风,主要基于其在计算机操作和专业知识工作中的实证表现。然而,反对者从AGI评估框架、认知本质和创造力天花板等维度指出,GPT-5.4仍局限于窄域任务优化,缺乏人类通用智能的核心特征。短期内,关于GPT-5.4是否真正超越人类智能的争议将持续存在,其实用价值已在特定专业领域得到验证,但通用智能水平仍有待进一步观察。4
当前文章无评论,是时候发表评论了