OpenAI 发布 GPT-5.4：原生电脑操作能力震撼登场，AI 时代正式进入新阶段

昨天下午，当我习惯性地打开 Twitter 刷最新科技新闻时，一条推送让我直接从沙发上弹了起来 —— OpenAI 正式发布 GPT-5.4。

说实话，最近几年我们对「新模型发布」这种消息已经有点脱敏了。GPT-4、GPT-5、GPT-5.1、GPT-5.2...每一次升级都带来性能提升，但说实话，体感上的差距并不算特别明显。但这一次，情况完全不一样了。

真正的「电脑控制」来了

GPT-5.4 最让我震撼的不是参数量有多大，也不是上下文窗口有多长（虽然这也很重要，稍后细说），而是它原生支持「计算机使用」能力。

什么意思呢？简单说，现在的 GPT-5.4 不再只是跟你聊聊天、帮你写写代码，它可以像人类一样直接操作电脑了。点击按钮、填写表单、导航菜单、在不同应用之间切换......这些它都能自己搞定。

我在 OpenAI 官方博客上看到几个示例，真的让我头皮发麻：

• 它可以打开你的电子表格，根据你的口头指令自动筛选数据、生成图表、导出报告
• 它能帮你在线购物，从商品搜索到比价再到下单支付，全程不需要你动手
• 它能帮你完成复杂的软件安装流程，那些让人抓狂的下一步下一步终于不用自己点了

一百万 token 的上下文窗口

再来说说另一个重磅更新：1M token 的上下文窗口。

这是什么概念呢？按照平均每页文档 500 字来算，相当于可以一次性「记住」约 20 万页的文档。如果你是程序员，把整个 GitHub 仓库丢给它，它能理解你的全部代码；如果你是法律从业者，把几百份合同丢给它，它能找出所有矛盾条款；如果你是写小说的，把你之前写的一百章全塞进去，它能保持人物设定的一致性。

OpenAI 的技术博客提到，GPT-5.4 在某些任务上比前代减少了 47% 的 token 使用量。这意味着什么？同样的钱，能做更多的事；或者更准确地说，做同样的事，花的钱更少了。

性能提升究竟有多明显？

作为一名写了十年代码的老程序员，我对 AI 的代码生成能力特别敏感。从 ChatGPT 时代开始，我就一直在用 AI 辅助编程。说实话，GPT-4 时代已经能解决 70-80% 的问题，但剩下那些复杂的多步骤任务，还是经常卡壳。

GPT-5.4 的表现怎么样？我第一时间申请了体验名额，简单试了几个场景：

• 代码重构：让它重构一个 2000 行的旧项目，它不仅识别出了所有的代码坏味道，还自动补全了缺失的单元测试，整个过程只用了 3 分钟
• 调试：给了一段报错信息，它不仅给出了正确的修复方案，还解释了问题的根本原因，甚至建议了如何避免将来遇到类似问题
• 多文件操作：让它帮忙把一个前端项目从 Vue 2 升级到 Vue 3，涉及几十个文件的修改，它全程自己搞定，我只负责检查和提交代码

当然，这些测试都很主观。但从 OpenAI 公布的基准测试数据来看，GPT-5.4 在代码能力上确实有了显著提升。这对于靠写代码吃饭的人来说，绝对是福音。

价格和可用性

说到价格，OpenAI 这次没有公布详细的定价信息，只提到 GPT-5.4 Thinking 版本已经向 ChatGPT 用户开放，GPT-5.4 Pro 将逐步向 Pro 用户推出。

不过从官方强调的「效率提升」来看，我猜测单次调用的价格可能会比 GPT-5.2 稍高一些，但由于 token 使用量的降低，整体成本可能会持平甚至更低。这只是我的猜测，具体还要等官方公布详细信息。

我的思考

写到这里，我忍不住想问自己一个问题：我们距离 AGI 还有多远？

GPT-5.4 的「电脑操作」能力，某种程度上意味着 AI 已经不再是被动地等待指令，而是能够主动地与环境交互、完成复杂的多步骤任务。这和人类的思维模式越来越接近了。

但我同时也感到一丝不安。当 AI 能够自己操作电脑、执行任务时，我们要如何确保它的行为符合我们的意图？当上下文窗口达到百万级别时，模型会产生什么样的「涌现行为」？这些问题还没有清晰的答案。

写在最后

无论如何，GPT-5.4 的发布标志着 AI 技术又迈上了一个新台阶。原生电脑操作、百万级上下文、更强的推理能力......这些功能的组合拳，可能会在接下来几个月彻底改变我们的工作方式。

作为一名科技从业者，我既兴奋又期待。兴奋是因为又能玩到新玩具了，期待是因为这个领域的进化速度真的太快了，你永远不知道下一次更新会带来什么惊喜。

如果你也有机会体验 GPT-5.4，欢迎在评论区分享你的感受。让我们一起见证这个时代的变化。