什么值得买App

我的兴趣消费指南

什么值得买
连续签到专享现金活动

GPT-5.4:OpenAI做了个Kimi K2.5 +MiniMax M2.5?

OpenAI 正式发布 GPT-5.4,这是其首个具备原生计算机使用能力的通用模型。此次更新不再单纯追求模型性能的微弱提升,而是将重点转向整合推理、编码和代理工作流,旨在将 AI 从聊天助手升级为能够交付专业工作的系统。GPT-5.4 及其 Pro 版本现已上线 ChatGPT、API 和 Codex,并同步推出了针对金融和表格工作流的 ChatGPT for Excel。
01核心能力升级:面向专业工作的 All-in-One
GPT-5.4 的官方定位是“面向专业工作的最强、最高效前沿模型”。它整合了多种 agent 能力,重点强化了对表格、文档、演示文稿等专业任务的处理。其核心升级主要体现在以下三个方面:
  • 原生 Computer Use 能力
    GPT-5.4 是 OpenAI 首个具备原生、SOTA 级计算机使用能力的通用模型。它不仅能理解截图,还能执行鼠标和键盘操作,在网页和软件环境中完成复杂流程,如点击按钮发送邮件或安排日历。
  • 知识工作能力增强
    模型在表格建模、文档处理和演示文稿制作方面表现显著提升。在 GDPval 测试中,GPT-5.4 在 44 种职业真实工作产出上的成绩达到 83.0%,相比 GPT-5.2 的 70.9% 有明显进步。
  • 降低幻觉与提升事实性
    针对专业场景中常见的错误,GPT-5.4 优化了事实准确性。在一组曾被标记存在事实错误的提示集合上,其单条 claim 出错概率比 GPT-5.2 低 33%,整段回答含错误概率低 18%。
02实测数据对比:超越前代与人类水平
OpenAI 公布了 GPT-5.4 在多个基准测试中的表现。数据显示,新模型在代理工作流、代码生成及复杂任务处理上均取得了显著突破,部分指标甚至超过了人类水平。
测试基准GPT-5.4GPT-5.2 / 其它模型人类水平 / 备注
OSWorld-Verified75.0%47.3% (GPT-5.2)72.4% (人类水平)
WebArena-Verified67.3%65.4% (GPT-5.2)-
GDPval83.0%70.9% (GPT-5.2)-
SWE-Bench Pro (Public)57.7%56.8% (GPT-5.3-Codex)-
FrontierMath47.6%40.7% (GPT-5.2)-

GPT-5.4 与前代模型及人类水平在关键基准测试中的对比

03应用场景与生态整合
  1. 金融分析
    推出 ChatGPT for Excel 插件,将 GPT-5.4 直接集成到工作簿中,支持构建模型、运行情景分析。同时接入了 FactSet、Dow Jones Factiva 等金融数据源,实现数据获取与分析的一体化。
  2. 法律工作
    在 Harvey 的 BigLaw Bench 上得分 91%,在复杂交易分析和长合同准确性保持方面表现优异,满足高严谨性和细节一致性的文档密集型需求。
  3. 编码与前端
    继承了强编码能力,并在长时程任务中通过工具调用和迭代执行完成工作。演示中展示了结合 Playwright Interactive 构建并调试主题公园模拟游戏的能力,实现了从代码到完整产品的跨越。
04技术路线:致敬 Kimi 与 MiniMax
GPT-5.4 的技术思路显示出明显的转变,其重点与近期在 Agent 领域表现活跃的 Kimi K2.5 和 MiniMax M2.5 高度重合。OpenAI 开始将编程、Computer use、工具调用等 agent 能力原生地揉进一个统一的底座模型中,而非像过去那样将 GPT 模型与 agent 分开。

技术路线对比

Kimi K2.5 & MiniMax M2.5

All-in-One 架构先行者

  • 主打多模态和文本、思考和快速回答、代码和 agent 能力统一。
  • 强调模型内部对 tool 的理解能力,与基础能力做解耦。
  • 注重文档和 Office 等 agent 能力的原生融入。
OpenAI GPT-5.4

向统一模型转型

  • 首个具备原生 Computer use 能力的通用模型。
  • 引入 Tool search 机制,优化多工具环境下的调用效率。
  • 通过 ChatGPT for Excel 等产品强化专业工作流整合。
05价格与可用性
GPT-5.4 支持 1,050,000 token 的上下文窗口和 128,000 最大输出 token。API 价格定为每百万输入 token 2.50 美元、输出 15.00 美元。GPT-5.4 Pro 仅向 ChatGPT Pro、Business、Enterprise 和 Edu 计划开放,专用于处理最复杂和长链路的任务。

评论

评论区空态插画

当前文章无评论,是时候发表评论了