GPT-5.4 不仅是更聪明，它正开始像人类一样操纵计算机

今天，这个局面被彻底打破了。OpenAI正式发布了其前沿模型的最新里程碑——GPT-5.4。这不仅仅是一个逻辑更缜密的对话框，它标志着AI正从一个“对话者”进化为能够深度渗透专业软件环境、具备原生操作能力的“代理人（Agent）”。简单来说，AI 过去只负责出主意，现在它开始长出“双手”，亲自动手做了。

一、它在操纵计算机上已超越人类

GPT-5.4 最具颠覆性的突破，在于其原生的计算机使用能力（Computer-use capabilities）。

过去，AI代理若想操作软件，必须依赖开发者编写繁琐的API接口，这被称为“软件集成税”。而GPT-5.4实现了从“代码集成”到“像素级模拟操纵”的跨越：它能像人类一样观察屏幕截图，通过坐标识别UI元素，并模拟鼠标点击和键盘输入。这种交互完全是实时的，正如演示视频中所展现的那样，模型在浏览器界面中发送邮件、排布日程的动作甚至未经加速。

在严苛的OSWorld-Verified基准测试中，GPT-5.4 在桌面环境执行任务的成功率达到了惊人的75.0%。这一表现不仅彻底碾压了前代 GPT-5.2 的47.3%，甚至一举超越了人类受试者72.4% 的基准水平。值得注意的是，尽管之前的专用模型GPT-5.3-Codex 通过特定的分辨率参数曾达到过 74.0%，但GPT-5.4作为一款通用推理模型，在无需复杂调优的情况下直接登顶，正式确立了其在“行动代理”领域的统治地位。

为了支撑这种高强度的执行力，GPT-5.4在技术底层引入了 “工具搜索（Tool Search）” 创新，彻底解决了过去指令集臃肿的痛点。

在以往的大规模 Agent 工作流中，开发者必须将所有工具定义一股脑塞进提示词（Prompt）中。这就像让员工背下整本操作手册才能上岗，导致 Token 消耗剧增且响应迟缓。现在，GPT-5.4 能够像翻阅手册一样即时检索工具定义。

对于企业而言，这意味着AI能够以更低的成本、更快的速度，无缝接入拥有成千上万种内部工具的庞大生态系统。

三、思维透明化：在它“思考”时随时纠偏

GPT-5.4 带来的另一场交互革命是“思维链”的透明化。在ChatGPT 中，用户现在可以在模型输出最终答案前，查看详细的“思考计划（Thinking preamble）”。

这种透明性赋予了用户前所未有的可操纵性（Steerability）：你可以在模型思考的中途直接介入，通过追加指令调整其方向，而无需等待错误结果生成后再从头开始。这种“边想边修”的模式，让 AI 的表现更加职业化。

正如编程工具Cursor的副总裁 Lee Robinson 所评价的：

“GPT-5.4 在我们的内部基准测试中独占鳌头。我们的工程师发现它比以前的模型更加自然且断然。它在处理模糊问题时不再自我怀疑，并且能主动并行化处理任务，以确保工作流的高效推进。”

衡量生产力工具的硬指标在于可靠性。GPT-5.4在涵盖美国GDP贡献最高的9大行业、44种职业任务的GDPval职业基准测试中，胜率高达 83.0%。

更关键的是，它显著抑制了AI长期被诟病的“幻觉”问题。对比GPT-5.2，GPT-5.4的虚假陈述概率降低了33%，整体响应错误率也随之下降了 18%。以下是其在具体专业场景中的能力锚点：

五、安全悖论：低可控性带来的高安全性

随着 AI 操纵能力的增强，安全风险也随之升级。在GPT-5.4的系统卡片（System Card）中，OpenAI 披露了一个有趣的“安全悖论”：模型在控制或隐藏其思考轨迹方面的能力依然极低。

这种 “思维链可控性（CoT Controllability）” 的低分，在安全专家看来反而是极大的利好。它意味着模型目前还无法通过伪装思维逻辑来绕过监管（即 Sandbagging/沙袋效应），这让“思维链监控”成为一种极其可靠的安全闸门。

尽管 GPT-5.4 因其卓越的漏洞识别与端到端攻击自动化潜力被列为 “高网络安全能力（High Capability）” 等级，但OpenAI强调，这种能力的释放是为了“防御性加速”。通过 Trusted Access for Cyber 等安全框架，GPT-5.4 正在帮助防御者更快地加固系统生态。

六、结语：当 AI 拥有了“双手”，未来会怎样？

从GPT-5.4 开始，我们见证了AI从“语言模型”到“全能代理”的定型。

为了满足不同层次的需求，OpenAI 同时推出了 GPT-5.4 Pro 版本。在 BrowseComp 网络深度搜索测试中，Pro 版本以 89.3% 的准确率创下了行业新纪录。这为专业人士提供了两种选择：标准版 Thinking 模型追求效率与流畅，而 Pro 版本则在处理百万级上下文和极端复杂任务时提供极限性能。

随着 AI 能够比人类更熟练、更高效地操纵数字工作台，一个现实的问题已经摆在了所有职业人士面前：

当工具已经具备了“行动力”和“双手”，你作为人类的核心价值，将更多地体现在“审美的判断力”还是“复杂决策的终审权”上？

参考

[1]https://www.computerworld.com/article/4141889/gpt-5-4-solves-previously-unsolved-math-problem-with-help-from-long-forgotten-human-research.html

[2]https://deploymentsafety.openai.com/gpt-5-4-thinking/gpt-5-4-thinking.pdf

[3]https://openai.com/index/introducing-gpt-5-4/