豆包电脑来了？GPT-5.4发布，这个能力亮了

「豆包 AI 手机」的电脑版，被 OpenAI 做出来了。

尽管在版本号上，GPT-5.4 只比去年年底发布的 GPT-5.2 多了0.2，但在功能上，GPT-5.4 的升级可以说「颠覆」了整个 PC AI 领域。简单来说，GPT-5.4 打包了GPT-5.3-Codex、高级推理能力和 100 万 Token 的上下文窗口大小，同时还支持原生电脑操作支持（Computer Use）。用更直白的话来说，全新的 GPT-5.4，把豆包 AI 手机那种全自动的 AI 操作，带到了电脑上。

我们先来看看大家最关心的原生电脑操作支持。从技术路线上讲，GPT-5.4 和手机领域的 GUI-Agent 类似，利用视觉识别来看懂屏幕画面上的元素和组件，而非简单读取文字标签。推理、确认操作路径后，GPT-5.4 会基于屏幕显示元素的坐标，生成快速、连续的光标指令，并通过 Windows 或 Linux 的系统端口执行。

由于这种 GUI-Agent 能真正理解屏幕内容，GPT-5.4 这套原生电脑操作可以兼容不同的应用和场景。对于并不熟悉 MCP 协议的小白用户来说，GPT-5.4 这套方案的体验显然要友好得多。

在新闻稿中，OpenAI 也演示了 GPT-5.4 操作用户电脑的流程。虽然GPT-5.4 理解屏幕内容时消耗了不少时间，但即便任务链特别长，GPT-5.4 也能准确执行。可以肯定的是，随着 OpenAI 通用视觉感知能力的提升，这套流程将越来越顺。

既然提到了长任务链，那就不得不提 GPT-5.4 的另一个重点：GPT-5.4 系列模型支持高达 100 万 Tokens 的上下文窗口。上下文窗口越大，AI 的「长期记忆」能力就越强，不会出现「看了后面忘了前面」的情况。

而 100 万 Token 的上下文窗口，意味着开发者现在可以把整个代码仓库打包丢给 GPT-5.4，显著提升「Vibe-Coding」的效率；分析师也可以直接把企业好几年的财务数据喂给 GPT-5.4，让 AI 来找出其中的异常征兆。对中小企业来说，更大的窗口大小也意味着不再需要另外做 RAG，避免数据切片带来的信息遗漏。

更大的窗口大小、更准确的推理能力，再加上原生电脑交互，这些底层能力的提升让 GPT-5.4 的综合能力全面进化。根据 OpenAI 给出的对比成绩，GPT-5.4 的各项性能较 GPT-5.2 均有明显提升；甚至在做投行金融报表时，GPT-5.4 也因「审美提升」获得了更高的分数。

在 AI 领域，模型性能通常与价格挂钩，GPT-5.4 自然也不例外。定价方面，GPT-5.4 的 Token 价格会高于 GPT-5.2。2026 年 3 月 6 日，GPT-5.4 Thinking 已向 ChatGPT 各级付费用户开放。