OpenAI 正式推出 GPT-5.4 系列模型，涵盖面向 ChatGPT 和 API 的 Thinking 版本，以及专为复杂任务设计的 Pro 版本。这是该机构首次将前沿推理、编码和智能体能力整合至单一模型中，旨在显著提升专业领域的工作效率与准确性。
在 ChatGPT 应用中，GPT-5.4 Thinking 新增“思考过程预览”功能。当处理复杂查询时，模型会主动展示推理路径，用户可实时调整方向，减少反复沟通成本。该功能已上线网页版和 Android 应用，iOS 版本即将推出。模型还强化了深度网络研究能力，在处理高度专业化的查询时，能更好地维持长上下文连贯性，确保答案始终保持相关性。
作为首个具备原生计算机操作能力的通用模型，GPT-5.4 支持通过截图和键盘鼠标指令控制计算机，可完成跨应用的复杂工作流程。其上下文窗口容量扩展至 100 万 tokens，使智能体能够规划、执行并验证长期任务。在 Codex 和 API 层面，模型融合了 GPT-5.3-Codex 的编码优势，同时引入“工具搜索”功能，可高效调用各类工具完成多步骤任务。
专业领域测试显示，GPT-5.4 在 44 个职业领域的 GDPval 基准中，83.0% 的项目达到或超越行业专家水平，较前代 GPT-5.2 的 70.9% 显著提升。在投行级电子表格建模任务中，其平均得分达 87.3%，远高于 GPT-5.2 的 68.4%。演示文稿评估中，68.0% 的评审者更偏好 GPT-5.4 生成的内容，认为其在美学设计、视觉变化和图像运用方面表现更优。错误率方面，模型单个陈述的错误率降低 33%，完整回答中出现错误的可能性减少 18%。
计算机操作测试中，GPT-5.4 在 OSWorld-Verified 基准（通过截图和键盘鼠标操作 PC 桌面）取得 75.0% 的成功率，超越人类表现的 72.4%，较 GPT-5.2 的 47.3% 提升显著。在 WebArena-Verified 浏览器使用测试中，结合 DOM 和截图驱动交互的成功率达 67.3%；Online-Mind2Web 测试中，仅凭截图观察即实现 92.8% 的成功率，远超 ChatGPT Atlas 智能体模式的 70.9%。
视觉能力方面，GPT-5.4 在 MMMU-Pro 视觉理解与推理测试中取得 81.2% 的成功率，优于 GPT-5.2 的 79.5%。文档解析测试 OmniDocBench 中，平均错误率降至 0.109，较前代的 0.140 进一步优化。编码性能上，模型在 SWE-Bench Pro 基准中与 GPT-5.3-Codex 持平或表现更优，同时延迟更低。Codex 的“/fast”模式可提升 1.5 倍 token 处理速度，保持同等智能水平。
工具生态方面，启用“工具搜索”功能后，模型在 Scale 的 MCP Atlas 基准测试中，总 token 消耗量减少 47%，同时维持准确率。Toolathlon 基准测试显示，其能用更少的交互轮次实现更高准确率。网络搜索能力在 BrowseComp 基准中提升 17 个百分点，GPT-5.4 Pro 版本更创下 89.3% 的新高。
安全性方面，模型延续 GPT-5.3-Codex 的防护措施，并引入“CoT 可控性”开源评估机制。测试发现，GPT-5.4 Thinking 控制思维链的能力较低，便于安全监控。定价策略上，API 每 token 价格高于 GPT-5.2，但更高的效率可降低总消耗。批量处理和 Flex 定价为标准费率的一半，优先处理为两倍。
发布计划显示，GPT-5.4 Thinking 即日起向 ChatGPT Plus、Team 和 Pro 用户开放，取代 GPT-5.2 Thinking。后者将在“遗留模型”部分保留至 2026 年 6 月 5 日。Enterprise 和 Edu 计划用户可通过管理员设置启用早期访问。GPT-5.4 Pro 面向 Pro 和 Enterprise 用户开放。API 中，模型以 gpt-5.4 和 gpt-5.4-pro 名称提供，Codex 支持 100 万 tokens 上下文窗口的实验性功能。OpenAI 强调，这是首个在 ChatGPT、API 和 Codex 同步推出的主流推理模型，未来 Instant 和 Thinking 版本将按不同节奏迭代。
