GPT-5.4：和OpenClaw更搭配、搞定专业工作场景

文：董指导

OpenAI 终于祭出了其筹备已久的重磅武器了：GPT-5.4 Thinking 与 GPT-5.4 Pro。

奥特曼（Sam Altman）照例地称其为“迄今为止最强大的模型”。虽然这句话他每次都说、几乎每家公司也都会说，但这一次，指标数据的跑分，确实有“资本”。

1、原生电脑操作能力，超过“人类基准线”

最核心的突破在于 OSWorld-Verified 测试中拿到的75%这一高分。而人类在同一测试中的平均水平则是72.4%。

这个对人类的超越有什么意义呢？

OSWorld-Verified是公认的“最硬核”的真实桌面环境测试。AI需要在这个环境中像人一样，通过视觉（看截图）和操作（移动鼠标、键盘输入）来完成跨软件的任务。

简单说，就是能否丝滑操作电脑。从只会动嘴，到动手。

这个能力对于Agent非常重要，尤其最近火爆的OpenClaw，也很需要相关能力。

OSWorld测试中有几个挑战，比如：

视觉延迟（模型识别电脑屏幕、及时进行操作）、

坐标漂移（点不准，比如关闭、放大、缩小的紧密排列按钮）、

长链条推理（比如“在 Excel 里分析数据，然后写进邮件，根据回复附件改名”。只要中间有一步错，任务就全毁了）等等。

这个指标在过去两年经历了快速迭代和大幅拉升。

之前的领先，一直是Claude，而GPT上一代才47%，根本不够看的。国产之光Kimi也短暂冲榜第一。

Caude上一次得分，离72.4%仍差临门一脚；结果，GPT 5.4直接加速冲刺、拔脚射门。OpenAI算是维护住了自己的“王者之风”。

提升的途径在于“视觉感知能力”更强。

虽然测试、跑分都是有一定的套路的，和真实世界的复杂性仍有差距；但，这个突破，对于智能体、对于OpenClaw的普及还是很有帮助的。

不得不说，OpenClaw之父加入OpenAI之后，是真有效果啊。人才果然是AI时代的核心要素。

2、幻觉率降低了33%，更专业

基准测试只是面子，“不胡扯”才是里子。GPT-5.4事实陈述方面，将错误率降低了33%。

一个出错率极低的模型，才能真正进入银行、医疗、法律等高容错要求的生产环境。

与之对应，在GDPval测试中，GPT-5.4在44种职业任务里，有83%的结果达到或超越专业人士水准，比上一代70.9%显著提升。

3、100 万 Token 上下文

搭载了百万级上下文窗口后，GPT-5.4 不再有“走神”的问题。

能够一次性记录一家中型企业的年度所有周报和财务报表，并在此基础上进行关联分析。

GPT-5.4的能力突破，全面开花，几乎没有短板；除了“价格”：

输入价格2.5美元/百万token，输出价格15美元/百万token；Pro版本，输入30美元/百万token，输出180美元/百万token。

4、压力与“追赶者”的阴影

尽管GPT-5.4表现强悍，但这次发布的背景则是被Claude的反超。

Claude 4.6 在代码逻辑和长文本一致性上长期霸榜，甚至在部分开发者社区中，使用 Claude 的比例已经反超了 GPT。

OpenAI 迫切需要这场胜利来稳住其企业客户（B 端）的流失。

在追赶不停歇，指标月月变的时代，确实要多思考、多关注。

---全文完，欢迎交流

理工/金融 复合背景

畅销书《英伟达之道》译者

百亿私募/头部自媒体 双重经历

看清科技、商业本质，讲出精彩故事