這次最重要的突破是什麼？
GPT-5.4 不是「又一個更強的模型」——它的核心突破是把三件原本分散的事情整合進一個模型：
- Computer Use（原本要靠 Claude Cowork 或 OpenClaw 的能力）
- Coding（原本是 GPT-5.3-Codex 的獨家能力）
- 知識工作（文件、試算表、簡報的專業產出）
以前你得搞清楚「這個任務要用哪個 OpenAI 模型」。現在的答案是：GPT-5.4。
Computer Use：第一個超越人類的通用模型
GPT-5.4 是 OpenAI 發布的第一個原生支援 Computer Use 的通用模型（不是特化版）。
它有兩種操作電腦的方式：
- 寫程式碼透過 Playwright 等 library 操作（開發者友好）
- 截圖 → 分析畫面 → 發出滑鼠和鍵盤指令（更接近人類操作方式）
Benchmark 成績：
| Benchmark | GPT-5.4 | GPT-5.2 | 人類均值 |
|---|---|---|---|
| OSWorld-Verified（桌面環境操作） | 75.0% | 47.3% | 72.4% |
| WebArena-Verified（瀏覽器操作） | 67.3% | 65.4% | — |
| Online-Mind2Web（純截圖瀏覽器操作） | 92.8% | 70.9%（Atlas Agent Mode） | — |
OSWorld 的 75% 超越人類均值 72.4%，是 Computer Use 領域的里程碑。
開發者可以透過 confirmation policies 設定模型的安全行為——調整不同風險容忍度下的確認機制，針對不同使用場景客製化。
知識工作：83% GDPval
GDPval 是 OpenAI 設計的 benchmark，測試 AI 在 44 種職業中的真實工作能力，涵蓋美國 GDP 前 9 大產業，包含：銷售簡報、會計試算表、急診室班表、製造流程圖、短影片等實際工作產出。
| 模型 | GDPval 成績 |
|---|---|
| GPT-5.4 | 83.0%（超越人類專業人員） |
| GPT-5.2 | 70.9% |
其他知識工作相關數字：
- 試算表建模（初級投資銀行分析師等級）：GPT-5.4 87.3% vs GPT-5.2 68.4%
- 簡報評比：人類評審 68% 偏好 GPT-5.4（視覺多樣性、圖片運用更佳）
- BigLaw Bench（法律文件）：91%
- 幻覺降低：個別聲明錯誤率比 GPT-5.2 少 33%，整體回應含錯率少 18%
其他 Benchmark
| Benchmark | GPT-5.4 | 競品 |
|---|---|---|
| BrowseComp（資訊檢索） | 89.3% | 超越 Gemini 3.1 Pro、Claude Opus 4.6 |
| SWE-Bench Pro（Coding） | 57.7% | Gemini 3.1 Pro 54.2% |
| MMMU-Pro（視覺理解） | 81.2% | GPT-5.2 79.5% |
技術規格
| 項目 | GPT-5.4 | GPT-5.2（對比） |
|---|---|---|
| Context window | 1M tokens | — |
| Token 效率 | 比 GPT-5.2 省 47% | 基準 |
| Computer Use | 原生支援（Playwright + 截圖） | 不支援 |
| Tool Search | 支援（大型工具生態中自動找最適合的） | 不支援 |
| 影像輸入 | 最高 10.24M 像素 / 6000px 最大邊長（full-fidelity） | 較低 |
ChatGPT Thinking：中途調整輸出方向
在 ChatGPT 中，GPT-5.4 以 GPT-5.4 Thinking 模式呈現，新增了一個重要的使用者體驗改進：
思考計劃先行 — 模型會先列出它的思考計劃，使用者可以在它還在處理時介入調整方向，不用等到輸出完成才發現走偏。
這個設計解決了一個常見痛點：推理模型思考很久，輸出結果跟你要的不一樣，只能整個重來。
ChatGPT for Excel：今天同步推出
同天推出的 ChatGPT for Excel（Beta）是最直接的應用場景展示：
- 在 Excel 工作簿內直接建立、更新、分析財務模型
- 整合金融數據來源
- 使用 GPT-5.4 Thinking 驅動財務工作流
- 目前開放：美國、加拿大、澳洲商業方案
定價
| 方案 | GPT-5.4 | GPT-5.2（對比） |
|---|---|---|
| API Input（標準） | $2.50 / 1M tokens | $1.75 / 1M tokens |
| API Input（超過 272K 後） | $5.00 / 1M tokens | — |
| API Output | $15.00 / 1M tokens | $14.00 / 1M tokens |
| ChatGPT Plus（$20/月） | GPT-5.4 Thinking，80 則 / 3 小時 | — |
| ChatGPT Pro（$200/月） | GPT-5.4 Pro 無限量 + 專屬 GPU | — |
API 定價比 GPT-5.2 略貴，但考量 47% 的 token 節省，實際成本可能持平甚至更低，取決於任務類型。
跟 Claude Opus 4.6 比較
| 項目 | GPT-5.4 | Claude Opus 4.6 |
|---|---|---|
| Computer Use | 原生支援（OSWorld 75%） | 透過 Claude Cowork（OSWorld 72.5%） |
| BrowseComp | 89.3%（領先） | 被 GPT-5.4 超越 |
| Context | 1M tokens | 1M tokens |
| API Input 定價 | $2.50 / 1M | $5.00 / 1M |
| Coding（SWE-Bench） | 57.7% | Claude Sonnet 4.6 79.6%（不同 benchmark） |
| 多代理協作 | 透過 Codex 生態 | Agent Teams（原生 16 代理並行） |
結語
GPT-5.4 最值得記住的一句話：第一個在桌面操作上超越人類的通用模型。
這不是刷 benchmark 的數字遊戲——OSWorld 測的是「截圖 → 理解畫面 → 發出鍵盤滑鼠指令」這套真實的電腦操作流程。75% 超越人類 72.4%，代表它在大多數日常電腦任務上，確實比一般人更準確。
加上整合了 GPT-5.3-Codex 的 coding 能力、1M context、更省 token，GPT-5.4 是 OpenAI 今年以來最完整的一次整合性更新。
Anthropic 目前在 coding 能力（Claude Sonnet 4.6 SWE-Bench 79.6%）和 Agent Teams 架構上仍有優勢，接下來怎麼回應值得關注。
- 官方發布：openai.com/index/gpt-5-4
- VentureBeat 報導：OpenAI launches GPT-5.4
- 定價詳情：GPT-5.4 Pricing & Benchmarks