背景与问题定义
2026年3月5日，OpenAI正式发布GPT-5.4。这是继GPT-5.3-Codex之后，OpenAI再次刷新其最强模型纪录，但这次的核心突破不在于传统的语言理解或生成能力，而在于原生计算机使用能力（Native Computer Use）。
计算机使用能力是AI Agent（智能体）领域的核心技术瓶颈。过去的方案是让模型通过API调用来操作软件，但这种方式存在根本局限：需要针对每个软件单独开发接口、难以处理突发情况、无法应对复杂的多步骤工作流。GPT-5.4则首次实现了”看屏幕→理解→操作”的端到端能力。
核心机制拆解
什么是”原生计算机使用”
GPT-5.4的计算机使用能力包含三个核心组件：
视觉感知层： 模型可以直接处理屏幕截图，理解GUI元素的布局和状态。这是通过改进的视觉理解能力实现的——在MMMU-Pro基准上，GPT-5.4达到81.2%的准确率，相比GPT-5.2的79.5%有明显提升。文档解析能力也有显著改进，在OmniDocBench上误差率从0.140降至0.109。
操作执行层： 模型可以生成鼠标移动、点击、键盘输入等操作指令。与之前通过API调用的”工具使用”不同，这是一种真正的”行为输出”。OpenAI特别强调，开发者可以通过developer message来调整模型的行为模式，甚至可以配置安全策略来适应不同的风险容忍度。
规划与推理层： GPT-5.4引入了”upfront plan”机制——模型在开始执行任务前，会先生成一个计划供用户审阅。用户可以在模型执行过程中调整方向，而不必等到结果出炉后再来回复。
基准测试的突破
OSWorld-Verified是衡量AI计算机使用能力的核心基准。它测试模型能否在真实桌面环境中完成多步骤任务。GPT-5.4达到75%的成功率，这是一个关键里程碑：
- GPT-5.2仅为47.3%
- 人类基线为72.4%
这意味着GPT-5.4首次在计算机使用任务上超越了人类表现。
在WebArena-Verified（浏览器使用）上，GPT-5.4达到67.3%，相比GPT-5.2的65.4%也有提升。在Online-Mind2Web上，仅凭截图观察就能达到92.8%的成功率，远超ChatGPT Atlas Agent Mode的70.9%。
知识工作能力的提升
GPT-5.4不仅在”操作”层面突破，在传统的知识工作上也有显著进步：
GDPval基准衡量模型完成44个职业的真实工作成果的能力——包括销售演示、投资银行电子表格、急救排班表等。GPT-5.4在83%的任务中匹配或超越行业专业人士，而GPT-5.2仅为70.9%。
在电子表格任务（模拟初级投行分析师工作）上，GPT-5.4达到87.3%的平均得分，远超GPT-5.2的68.4%。在演示文稿任务上，人类评审68%的时间更偏好GPT-5.4生成的幻灯片，因为其”更强的美学表现、更丰富的视觉多样性、更有效的图像生成利用”。
实践价值与适用边界
什么场景受益最大
软件开发与测试： 这是最直接的应用场景。GPT-5.4可以自动完成代码编写、测试用例生成、Bug修复等工作。在SWE-Bench Pro上，GPT-5.4达到57.7%，领先GPT-5.3-Codex的56.8%和GPT-5.2的55.6%。
自动化工作流： 任何需要跨应用操作的工作流都可能受益。例如：自动填写表单、处理邮件、生成报告等。
复杂任务规划： “upfront plan”机制使得模型可以处理需要多步骤推理的复杂任务，用户可以在中途干预调整。
当前局限性
推理成本： 尽管GPT-5.4在token效率上优于GPT-5.2（解决问题消耗的token显著减少），但推理成本仍然不低。对于简单的文本任务，可能不需要调用如此强大的模型。
安全风险： 计算机使用能力本质上赋予了模型”行动能力”，这带来了新的安全挑战。OpenAI提供了开发者可配置的确认策略，但这更多是”权限下放”而非”内置限制”。
可靠性边界： 75%的成功率意味着每4次尝试仍有1次失败。在关键任务中，人类的监督和干预仍然必要。
行业意义与启示
AI Agent 的发展路径
GPT-5.4的发布验证了一个重要判断：端到端的视觉-动作模型是AI Agent的正确路线。过去行业曾尝试通过”模型+工具+编排”的方式来实现Agent，但GPT-5.4证明，单一的前沿模型可以更好地处理视觉理解、任务规划、操作执行之间的复杂交互。
对软件开发的影响
GPT-5.4在SWE-Bench Pro和编程基准上的表现表明，AI对软件开发的影响正在从”辅助编码”扩展到”自动化测试”和”任务级执行”。这可能加速软件开发团队的”一人+AI”模式成熟。
下一个里程碑
OpenAI在公告中提到，GPT-5.4支持最高100万token的上下文。这意味着模型可以处理极长的工作文档、代码库或会议记录。这为”跨长周期的AI Agent”奠定了基础——未来的AI可能不仅能操作电脑，还能记住数月前的工作上下文。
参考来源
- OpenAI, “Introducing GPT-5.4”, 2026年3月5日
- OpenAI, “GDPval Benchmark”, 2026年
- OSWorld-Verified, “Human Baseline Evaluation”, 2026年