GPT-5.4初步体验：一个真正面向工作流的大模型出现了

凌晨2点的时候，GPT-5.4直接发布。目前在ChatGPT、API和Codex上都能够直接使用

从官方定位看，OpenAI 这次把 GPT-5.4 明确打成“

。在 ChatGPT 里，GPT-5.4 Thinking 已经取代 GPT-5.2 Thinking；API 侧则给到最高 1,050,000 token（百万级别） 上下文窗口、128,000 token 最大输出，还支持不同级别的 reasoning effort。

不难推测出，这个产品的定位应该是偏向于实用性，也就是它不是主打“更会聊天”，而是主打“更能干活”。

先来看看官网综合评测上的效果。在多个测试集效果上，GPT-5.4都全面超过了之前的GPT-5.3模型。

GPT-5.4 Thinking在OSWorld-Verified：75.0%，这说明 GPT-5.4 Thinking 在“真实电脑环境操作”这种任务上很强。这类 benchmark 通常更接近真实 Agent 能力，不只是答题，而是要能完成操作链条。

2）网页浏览能力也已经是第一梯队

在WebArena-Verified测试浏览器使用中，

GPT-5.4 在使用DOM和截图驱动交互时成功率领先，达到67.3%，而GPT-5.2为65.4%

。在同样测试浏览器使用的Online-Mind2Web上，GPT-5.4仅通过截图观察就实现了92.8%的成功率，优于ChatGPT Atlas的代理模式，后者的成功率为70.9%。

浏览类 benchmark 往往是包含了检索、页面理解、跨页面跳转、表单交互、长链路决策

如果一个模型在这里继续提高，通常意味着它的

这种能力，如果你把它接入最近很火爆的龙虾里面，不敢相信他的能力是多么恐怖

比如，下面是GPT-5.4 解读浏览器界面截图，并通过基于坐标的点击与界面元素交互，发送邮件和安排日历事件，并且这个视频是没有加速。

GPT-5.4 通过基于 Playwright 的浏览器自动化处理记录列表，并通过十个网页表单提交信息

其中GDPval拿到了最高的83.0%。这个数据集涵盖美国 GDP 前九大产业中精选的 44个职业领域。完整数据集包含 1,320 项专业任务（黄金开源集含 220 项），每项任务均由来自相关领域的资深专家精心设计并审核，这些专家平均拥有超过 14 年的从业经验。每项任务均基于真实工作成果，例如法律文书、工程蓝图、客户支持对话或护理计划。

比如需要从excel表格中，分析出哪些是标记错误的内容，这很考验模型的内在只是能力。

从模型的测试效果上看，GPT-5.4的胜率高达83%。要知道，行业专家的基准仅仅在50%左右。而GPT-5.4 的效果暴涨到80+，确实很强。

高于GPT-5.3、Claude Sonnet 4.6这个提升挺重要。

这和前面的 OSWorld、WebArena 其实是相互印证的，

GPT-5.4 Thinking 的真正强项之一，很可能就是 Agent 化。

以往，在模型具备工具调用能力时，所有工具的定义均需预先完整载入提示内容中。对于工具数量较多的系统，可能导致每个请求额外增加数千乃至数万个token，而在绝大多数场景下，这些定义并无实际使用需求，不仅造成不必要的成本上升与响应延迟，还会使上下文充斥大量模型可能从未调用的冗余信息。

而这一次GPT-5.4更新引入了工具搜索机制。它不再直接接收全部工具定义，而是获取一份精简的工具列表并具备工具搜索能力。当模型需调用某一工具时，可通过搜索功能定位该工具的定义，并实时将其添加至对话上下文中。

该机制类似于“技能渐进式呈现”的设计思路，核心目标在于优化上下文工程效率。根据OpenAI内部测试结果，采用工具搜索配置后，在保持同等准确率的前提下，整体token使用量降低了47%

oolathlon是一个测试AI代理利用真实工具和API完成多步骤任务能力的基准测试。例如，代理人需要阅读邮件、提取作业附件、上传、评分并在电子表格中记录成绩。与GPT-5.2相比，它在Toolathlon上以更少的回合实现更高的准确率

与GPT-5.2相比，GPT-5.4的定价有所上调，但仍显著低于Claude Opus 4.6的收费标准。Claude Opus 4.6的计费标准为每百万token输入/输出分别收取5美元和25美元，而GPT-5.4的定价仅为其半数水平。

整体总结下来，其实就是以下几个方面

。TechCrunch 和彭博系报道都提到，OpenAI 这次强调的是在文档、表格、演示文稿、金融服务等专业任务上的完成度，以及减少来回沟通的能力。对于做研究、分析、方案设计、表格建模、长文档归纳的人，这类提升通常是最值钱的。

。官方说 GPT-5.4 是第一款把 GPT-5.3-codex 级别编程能力并入主线 reasoning 的模型，社区里也已经有开发者反馈它在 VS Code/Codex 类场景里比 5.3 更快，且更适合大部分编码工作。。

多模态和长上下文是硬优势，但是token价格更高

。GPT-5.4 支持文本+图像输入，1,050,000 上下文窗口；价格也比 GPT-5.2 更贵，输入从 $1.75/M 提到 $2.50/M，输出从 $14/M 到 $15/M，而 Pro 版本更贵。也就是说，如果你是做长文档、多图、多轮工具调用、复杂分析，都可以直接用GPT-5.4来做。

Q1：分析下这个网站：https://dognames.vip/en

新版本的GPT-5.4-thingking模型，终于可以看到它的整体思路和逻辑了。之前GPT曾经把大模型的思维链给屏蔽掉，这一次重新开放出来。

让模型分析一个给狗取名字的AI网站，输出的内容很详细，而且把未来我想做的一些事情也列出来了

Q2：为什么很多人对于GPT-4o的怀念

GPT-5.2的回复确实像是一个身边的朋友一样，帮我分析了一下为什么人们会怀念4o模型：

请生成一个完整的HTML文件(将HTML、 CSS和JavaScript均合并成一个文件)来模拟一个蓝色小球在顺时针缓慢旋转的正六边形内形成一个文件）来模拟一个彩色小球在针旋转的正字形内部弹跳的动画，要求如下: - 小球应受重力影响，并在碰到边界时发生反弹-小球与多边形之间的碰撞检测要真实-所有代码应包含在<html>文件内，不要引用外部库或文件-动画要平滑，页面布局适配

很好的模拟小球的重力情况，弹珠也很符合物理世界的瑰规律

给我生成一个战斗机射击的网页游戏，要惊艳酷炫，可玩性高，有调整，使出你最强潜力

试一下最新版本在游戏编程上的效果，这里我是在codex桌面版上使用GPT-5.4的，发现它比在网页版上使用效果会更好。

当然，在过程中需要给他一定的权限，它才能够开始写脚本和文件。最后它生成了三个文件，然后直接执行index.html就可以玩了。

最后生成的效果还是很惊艳。一句生成一个战斗机射击的网页游戏的提示词，就完成的如此酷炫，关键是生成的还只是一个代码不到100行的网页，震撼！！！

Q6：让Codex操作我的浏览器进行搜索

GPT-5.4宣传里说的，它能够很好操控我们的电脑完成任务。比如：

帮我打开谷歌浏览器，搜索AI热点新闻，并帮我总结

一开始，Codex会需要你给他具体的权限，很快它就能够操作我的电脑浏览器搜索相关的信息，最后给出了具体的AI热点新闻出来。

日历功能可直接调用系统级接口，操作流程比较顺畅

整体看下来，GPT-5.4 最值得关注的，不只是 benchmark 再次刷新，而是它明显更像一个真正能进入工作流的“干活型”模型了。

它的重点转向了更稳定地完成任务：看文档、读表格、调工具、跑网页、写代码、串联多步流程。这背后反映出的，其实是大模型竞争方向的变化——现在不是拼大模型谁更强的时代了，会干活的大模型才能够有更多用户使用。

而这或许也意味着，Agent 真正大规模进入生产场景的时间点，已经越来越近了。

后台策略工程师

人工智能

职业发展

开发工具

OpenAI发布GPT-5.4专业工作流模型，支持百万级上下文窗口和工具搜索功能。在OSWorld电脑操作测试中达75%成功率，WebArena网页浏览达67.3%，GDPval知识工作测试83%胜率远超专家基准。新版本强化了代码编写、多步任务执行和Agent能力，定价低于Claude但高于GPT-5.2，适合文档处理、数据分析等专业场景。

ChatGPT

Agent

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

OpenAI发布GPT-5.4专业工作流模型，支持百万级上下文窗口和工具搜索功能。在OSWorld电脑操作测试中达75%成功率，WebArena网页浏览达67.3%，GDPval知识工作测试83%胜率远超专家基准。新版本强化了代码编写、多步任务执行和Agent能力，定价低于Claude但高于GPT-5.2，适合文档处理...

GPT-5.4初步体验：一个真正面向工作流的大模型出现了

GPT-5.4初步体验：一个真正面向工作流的大模型出现了

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐