豆包電腦來了？GPT-5.4發(fā)布，這個能力亮了

「豆包 AI 手機」的電腦版，被 OpenAI 做出來了。

盡管在版本號上，GPT-5.4 只比去年年底發(fā)布的 GPT-5.2 多了0.2，但在功能上，GPT-5.4 的升級可以說「顛覆」了整個 PC AI 領(lǐng)域。簡單來說，GPT-5.4 打包了GPT-5.3-Codex、高級推理能力和 100 萬 Token 的上下文窗口大小，同時還支持原生電腦操作支持（Computer Use）。用更直白的話來說，全新的 GPT-5.4，把豆包 AI 手機那種全自動的 AI 操作，帶到了電腦上。

我們先來看看大家最關(guān)心的原生電腦操作支持。從技術(shù)路線上講，GPT-5.4 和手機領(lǐng)域的 GUI-Agent 類似，利用視覺識別來看懂屏幕畫面上的元素和組件，而非簡單讀取文字標簽。推理、確認操作路徑后，GPT-5.4 會基于屏幕顯示元素的坐標，生成快速、連續(xù)的光標指令，并通過 Windows 或 Linux 的系統(tǒng)端口執(zhí)行。

由于這種 GUI-Agent 能真正理解屏幕內(nèi)容，GPT-5.4 這套原生電腦操作可以兼容不同的應(yīng)用和場景。對于并不熟悉 MCP 協(xié)議的小白用戶來說，GPT-5.4 這套方案的體驗顯然要友好得多。

在新聞稿中，OpenAI 也演示了 GPT-5.4 操作用戶電腦的流程。雖然GPT-5.4 理解屏幕內(nèi)容時消耗了不少時間，但即便任務(wù)鏈特別長，GPT-5.4 也能準確執(zhí)行。可以肯定的是，隨著 OpenAI 通用視覺感知能力的提升，這套流程將越來越順。

既然提到了長任務(wù)鏈，那就不得不提 GPT-5.4 的另一個重點：GPT-5.4 系列模型支持高達 100 萬 Tokens 的上下文窗口。上下文窗口越大，AI 的「長期記憶」能力就越強，不會出現(xiàn)「看了后面忘了前面」的情況。

而 100 萬 Token 的上下文窗口，意味著開發(fā)者現(xiàn)在可以把整個代碼倉庫打包丟給 GPT-5.4，顯著提升「Vibe-Coding」的效率；分析師也可以直接把企業(yè)好幾年的財務(wù)數(shù)據(jù)喂給 GPT-5.4，讓 AI 來找出其中的異常征兆。對中小企業(yè)來說，更大的窗口大小也意味著不再需要另外做 RAG，避免數(shù)據(jù)切片帶來的信息遺漏。

更大的窗口大小、更準確的推理能力，再加上原生電腦交互，這些底層能力的提升讓 GPT-5.4 的綜合能力全面進化。根據(jù) OpenAI 給出的對比成績，GPT-5.4 的各項性能較 GPT-5.2 均有明顯提升；甚至在做投行金融報表時，GPT-5.4 也因「審美提升」獲得了更高的分數(shù)。

在 AI 領(lǐng)域，模型性能通常與價格掛鉤，GPT-5.4 自然也不例外。定價方面，GPT-5.4 的 Token 價格會高于 GPT-5.2。2026 年 3 月 6 日，GPT-5.4 Thinking 已向 ChatGPT 各級付費用戶開放。