GPT-5.4 vs Gemini 3.1 Pro?78位开发者实测后,结论出人意料
观点PK
支持GPT-5.4的用户观点
52% 支持GPT-5.4在OSWorld-Verified测试中达75.0%,首次超越人类基线(72.4%),成为首个能原生操作电脑的通用模型,可自主完成跨应用工作流,如自动填写税务表单、生成财务模型等,被定位为“全能数字员工”。
其在GDPval职业任务基准中胜率达83.0%,覆盖44种专业场景,在投行建模、急诊排班等真实职场任务中表现接近或超越人类专家,适合需要交付完整工作成果的知识工作者。
GPT-5.4整合了Codex代码能力与Computer Use功能,支持中途打断调整任务方向,并通过Tool Search机制降低47%的Token消耗,在长任务执行中更具持续性与成本效益,适合企业级自动化部署。


支持Gemini 3.1 Pro的用户观点
48% 支持Gemini 3.1 Pro在ARC-AGI-2抽象推理测试中得分77.1%,显著领先于GPT-5.4的73.3%(标准版),在GPQA Diamond科学推理中达94.3%,展现出更强的逻辑泛化与复杂问题拆解能力,被誉为“理科大脑”。
其幻觉控制指标AA-Omniscience达30分(行业第一),在SuperCLUE中文综合测评中全球第二(71.03分),处理技术文档、法律尽调等高精度任务时更可靠,不易“一本正经地胡说八道”。
Gemini 3.1 Pro支持100万token上下文,原生多模态架构可处理文本、图像、音频、视频及PDF,能生成SVG动画、3D交互场景等复杂成品,且API定价(输入$1.5/百万token)显著低于GPT-5.4($2.5/百万token),性价比突出。
01支持GPT-5.4的用户观点
- 自动化办公与电脑操控:微信公众号 @AI李厂长 表示:GPT-5.4是首个将计算机使用能力原生内置进通用模型的产品,以后谈AI Agent,这会是一个新的起点。值得买社区用户提出:GPT-5.4在OSWorld-Verified达75%,超人类72.4%,能自主打开Excel/浏览器、执行键鼠操作、整合信息生成报告。抖音用户表示:GPT-5.4在BrowseComp(智能浏览)里,GPT-5.4 Pro飙到89.3%,碾压一众对手。微信公众号 @APPSO 提出:Mainstay将GPT-5.4用于约三万个物业税务门户网站的自动表单填写,首次成功率达95%。知乎用户表示:GPT-5.4在WebArena-Verified上,测试浏览器使用时,取得了领先的67.3%的成功率,相比之下,GPT-5.2的成功率为65.4%。
- 专业工作与知识任务:微信公众号 @APPSO 表示:在GDPval评测中,GPT-5.4的胜率达到83%,被官方定位为“面向专业工作的主力模型”。知乎用户提出:GPT-5.4在SWE-Bench Pro编程测试中得57.7%,远高于Google Gemini 3.1 Pro。微信公众号 @wuhu动画人空间 提出:电子表格建模上表现得最为具体,GPT-5.4模拟初级投行分析师完成建模任务,平均得分87.3%。知乎用户表示:GPT-5.4-high在中文综合能力评测中得分为72.6%,在同成本档位对比中展现了该区间内最强的综合实力。微信公众号 @老金带你玩AI 表示:GPT-5.4在操控电脑这件事上,超过了人类专家的平均水平,比上一代GPT-5.2直接跳了28个百分点。
- 任务执行与成本效率:微信公众号 @APPSO 表示:GPT-5.4引入了tool search,总Token消耗降低了47%,精度一点没少。知乎用户提出:GPT-5.4支持对话中实时打断并调整输出,把纠偏这件事从“完成后”提前到了“执行中”。微信公众号 @硅星人Pro 提出:知名AI评测博主Dan Shipper试用后写道,GPT-5.4在任务拆解和持续推进上明显更有条理。抖音用户表示:会话完成速度提升约三倍,Token消耗降低约70%。微信公众号 @APPSO 表示:Zapier CEO评价说,GPT-5.4会在其他模型放弃的地方继续搜索下去,是他们测试过持续性最强的模型。
02支持Gemini 3.1 Pro的用户观点
- 抽象推理与科学能力:微信公众号 @AI邻星 表示:如果你最关心“谁最会推理”先看Gemini 3.1 Pro,ARC-AGI-2 77.1%这个数字太突出,GPQA Diamond 94.3%也很能打。值得买社区用户提出:Gemini 3.1 Pro在ARC-AGI-2测试中得分77.1%,HLE零工具版达44.4%,LiveCodeBench Pro得2887 Elo,全面超越GPT-5.2和Opus 4.6。知乎用户表示:Gemini 3.1 Pro在GPQA Diamond达94.3%,LiveCodeBench Pro 2887 Elo断层领先。今日头条用户提出:在生物/物理/化学等科学领域得分94.3%,全面超越GPT-4o和Claude。微信公众号 @机器之心 表示:Gemini 3.1 Pro的发布标志着人工智能在应对未知逻辑模式方面取得了范式转变。
- 幻觉控制与中文语境:值得买社区用户表示:Gemini 3.1 Pro在SuperCLUE综合测评中全球第二(71.03分),幻觉抑制AA-Omniscience达30分(行业第一),长文本处理稳定性优于GPT-5.4。知乎用户提出:Gemini 3.1 Pro的幻觉率比上一代降低了38%,编程能力全球第一梯队。微信公众号 @产品君 表示:Gemini 3.1 Pro专为中文用户优化,支持多模态与长上下文。值得买社区用户提出:在AA-Omniscience幻觉控制指数达30分(排名第一),远超Claude Opus 4.6(11分)。知乎用户表示:Gemini 3.1 Pro在中文理解和生成上表现更好,接近GPT-4水平但英文更优。
- 多模态与性价比:知乎用户表示:Gemini 3.1 Pro原生支持文本/图像/音频/视频/PDF/代码,可生成SVG动画、ISS实时看板、3D椋鸟群飞等复杂系统。微信公众号 @张长旺 提出:Gemini 3.1 Pro最狠的地方,在于它不仅性能强,还把“性价比”卷到了新高度。值得买社区用户表示:Gemini 3.1 Pro定价为输入$1.50/百万token、输出$6.00/百万token,GPT-5.4为输入$2.50/百万token、输出$15/百万token。知乎用户提出:同等智能水平的条件下,它的API成本只有Claude Opus和GPT旗舰版的一半。今日头条用户表示:Gemini 3.1 Pro支持100万Token上下文,输出上限64K tokens,支持YouTube URL直输与100MB文件上传。
当前文章无评论,是时候发表评论了