什么值得买App下载 App ›
连续签到专享现金活动

OpenAI发布GPT-5.4:首推原生计算机控制能力,支持代码与视觉双模自动化操作

OpenAI于2026年3月6日正式发布GPT-5.4模型,这是其首个原生支持计算机操控能力的主线大模型。该模型不仅能通过代码(如Playwright库)控制计算机,还能基于屏幕截图直接发出鼠标点击与键盘输入指令,实现对本地应用和网页的自动化操作。这一能力标志着AI从“问答助手”向“可执行代理”的关键跃迁。101
01原生计算机操控:能力边界与当前状态
GPT-5.4的“原生计算机操控”并非指模型直接接管操作系统内核,而是通过两种互补方式实现:一是生成可执行的自动化脚本(如使用Playwright控制浏览器),二是结合视觉理解,根据界面截图推理并输出精确的鼠标坐标与键盘命令。OpenAI为此推出了新技能模块“playwright-interactive”,支持同时以代码和视觉方式调试Web及Electron应用。目前该功能已在ChatGPT和Codex平台上线,但第三方工具(如OpenClaw)尚需适配后才能调用。1
02不同用户群体的实际影响
  • 开发者
    可直接在Codex中调用GPT-5.4编写自动化测试、爬虫或UI交互脚本,无需额外封装视觉识别模块;100万token上下文窗口显著提升长任务连贯性,减少状态丢失问题。
    1
  • 普通用户
    若订阅ChatGPT Plus(20美元/月),可在官方界面体验基础版计算机操控功能,例如自动填写表单、批量下载文件等,但受限于安全策略,无法执行高风险操作(如安装软件或访问敏感目录)。
    1
  • 企业用户
    可通过API集成GPT-5.4实现内容审核、数据录入等流程自动化。已有案例显示,结合计算机使用代理(CUA),其内容审查准确率超95%,但需注意API调用成本及合规限制。
    11
03当前使用建议与注意事项
截至2026年3月6日,GPT-5.4已向ChatGPT Plus及Codex订阅用户开放,但第三方Agent平台(如OpenClaw)尚未完成适配。用户若想立即体验原生计算机操控功能,需满足以下条件:1)持有有效Plus或Codex订阅;2)在官方客户端启用“高级数据控制”权限;3)仅限非敏感任务场景。此外,超过27万token的上下文将按双倍额度计费,尽管Codex配额充足,仍建议监控用量。1

评论

评论区空态插画

当前文章无评论,是时候发表评论了