上海
文：董指導
OpenAI 終于祭出了其籌備已久的重磅武器了：GPT-5.4 Thinking 與 GPT-5.4 Pro。
奧特曼（Sam Altman）照例地稱其為“迄今為止最強大的模型”。雖然這句話他每次都說、幾乎每家公司也都會說，但這一次，指標數據的跑分，確實有“資本”。
1、原生電腦操作能力，超過“人類基準線”
最核心的突破在于 OSWorld-Verified 測試中拿到的75%這一高分。而人類在同一測試中的平均水平則是72.4%。
這個對人類的超越有什么意義呢？
OSWorld-Verified是公認的“最硬核”的真實桌面環境測試。AI需要在這個環境中像人一樣，通過視覺（看截圖）和操作（移動鼠標、鍵盤輸入）來完成跨軟件的任務。
簡單說，就是能否絲滑操作電腦。從只會動嘴，到動手。
這個能力對于Agent非常重要，尤其最近火爆的OpenClaw，也很需要相關能力。
OSWorld測試中有幾個挑戰，比如：
視覺延遲（模型識別電腦屏幕、及時進行操作）、
坐標漂移（點不準，比如關閉、放大、縮小的緊密排列按鈕）、
長鏈條推理（比如“在 Excel 里分析數據，然后寫進郵件，根據回復附件改名”。只要中間有一步錯，任務就全毀了）等等。
這個指標在過去兩年經歷了快速迭代和大幅拉升。
之前的領先，一直是Claude，而GPT上一代才47%，根本不夠看的。國產之光Kimi也短暫沖榜第一。
Caude上一次得分，離72.4%仍差臨門一腳；結果，GPT 5.4直接加速沖刺、拔腳射門。OpenAI算是維護住了自己的“王者之風”。
提升的途徑在于“視覺感知能力”更強。
雖然測試、跑分都是有一定的套路的，和真實世界的復雜性仍有差距；但，這個突破，對于智能體、對于OpenClaw的普及還是很有幫助的。
不得不說，OpenClaw之父加入OpenAI之后，是真有效果啊。人才果然是AI時代的核心要素。
2、幻覺率降低了33%，更專業
基準測試只是面子，“不胡扯”才是里子。GPT-5.4事實陳述方面，將錯誤率降低了33%。
一個出錯率極低的模型，才能真正進入銀行、醫療、法律等高容錯要求的生產環境。
與之對應，在GDPval測試中，GPT-5.4在44種職業任務里，有83%的結果達到或超越專業人士水準，比上一代70.9%顯著提升。
3、100 萬 Token 上下文
搭載了百萬級上下文窗口后，GPT-5.4 不再有“走神”的問題。
能夠一次性記錄一家中型企業的年度所有周報和財務報表，并在此基礎上進行關聯分析。
GPT-5.4的能力突破，全面開花，幾乎沒有短板；除了“價格”：
輸入價格2.5美元/百萬token，輸出價格15美元/百萬token；Pro版本，輸入30美元/百萬token，輸出180美元/百萬token。
4、壓力與“追趕者”的陰影
盡管GPT-5.4表現強悍，但這次發布的背景則是被Claude的反超。
Claude 4.6 在代碼邏輯和長文本一致性上長期霸榜，甚至在部分開發者社區中，使用 Claude 的比例已經反超了 GPT。
OpenAI 迫切需要這場勝利來穩住其企業客戶（B 端）的流失。
在追趕不停歇，指標月月變的時代，確實要多思考、多關注。
---全文完，歡迎交流
理工/金融 復合背景
暢銷書《英偉達之道》譯者
百億私募/頭部自媒體 雙重經歷
看清科技、商業本質，講出精彩故事
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
