智能体新时代来了?GPT-5.4发布,会直接使用电脑,但被指出仍存三大问题
当地时间3月5日,OpenAI正式推出GPT-5.4,在ChatGPT中提供GPT‑5.4 Thinking,并上线API和Codex。作为具备原生计算机使用能力的模型,GPT-5.4在长周期任务处理、深度网络研究及代码生成方面均有显著提升,且支持100万token的上下文窗口。然而,首批测试者也指出了模型在前端界面、现实背景理解及任务稳定性方面仍存在的问题。
01核心功能升级
- 原生计算机使用能力
结合GPT-5.3-Codex的编码优势,GPT-5.4擅长通过Playwright等库编写代码操作计算机,也能根据屏幕截图发出鼠标和键盘命令,跨网站和软件系统完成实际任务。 - 百万Token上下文窗口
支持100万token的上下文,允许代理规划、执行和验证长周期的任务,并改进了模型在大型工具和连接器生态系统中的工具搜索效率。 - 可视化思考过程
GPT‑5.4 Thinking提供思考过程的初步计划,允许用户在工作时中途调整,以获得更符合需求的输出,减少对话轮次。
02性能测试表现
| 测试项目 | GPT-5.4 | GPT-5.2 | 人类/专家 |
|---|---|---|---|
| OSWorld-Verified (桌面环境操作) | 75.0% | 47.3% | 72.4% |
| GDPval (知识工作能力) | 83.0% | 70.9% | 行业专家基线 |
GPT-5.4在多项关键测试中超越前代模型及人类表现
此外,在WebArena-Verified(浏览器使用)、Online-Mind2Web(浏览器使用)、MMMU-Pro(视觉理解和推理)测试中,GPT-5.4均取得最高分。在SWE-Bench Pro测试中,其表现与GPT-5.3-Codex持平或更佳,且推理延迟更低。开启/fast模式时,Token生成速度可提高1.5倍。
03现存问题与挑战
- 前端界面体验不佳
HyperWrite CEO指出,其前端界面远逊于Opus 4.6和Gemini 3.1 Pro。 - 忽视现实背景
在处理如旅行规划等任务时,可能忽略显而易见的现实世界背景(如春假期间的人潮拥挤),需要人工补充更多信息。 - 任务执行中断
在OpenClaw测试中,模型经常在完成任务前突然停止。
04价格与可用性
| 版本 | 输入价格 (百万Token) | 输出价格 (百万Token) | 可用对象 |
|---|---|---|---|
| 标准版 API | 2.5美元 | 15美元 | 开发者 |
| Pro版 API | 30美元 | 180美元 | Pro和企业计划 |
GPT-5.4 API收费标准(优先处理为标准费率2倍)
在ChatGPT中,GPT-5.4 Thinking即日起向Plus、团队和Pro用户开放,代替GPT-5.2 Thinking;GPT-5.2 Thinking将在“遗留模型”中保留三个月,于6月5日正式退役。GPT-5.4 Pro则供Pro和企业计划使用。
当前文章无评论,是时候发表评论了