重磅突发：OpenAI 发布 GPT-5.4，原生电脑操控引爆 2026 智能革命

新闻导语

2026 年 3 月 5 日，美国旧金山，OpenAI 正式推出其最新一代旗舰模型 GPT-5.4。此次发布被业界视为人工智能从“对话助手”向“自主智能体”演进的分水岭。GPT-5.4 不仅将上下文窗口扩展至 100 万 Token，更首次实现了“原生计算机使用（Native Computer Use）”能力，能够直接通过视觉理解屏幕并执行键鼠操作。这一突破标志着 AI 正式具备独立闭环完成复杂工作流的能力，引发了全球科技界的强烈震动。

事件详情

当地时间 3 月 5 日，OpenAI 在毫无预兆的情况下发布了 GPT-5.4 系列，涵盖标准版、强化推理的"Thinking"模式以及面向高端任务的 Pro 版本。据 OpenAI 官方技术文档显示，该模型的核心突破在于构建了“大一统”架构，首次将顶级编程能力、通用推理能力与原生计算机操控能力整合进单一模型权重中。

最引人注目的功能是“原生计算机使用”。该功能让模型形成了“截图→分析→操作→验证”的闭环工作流。模型在看到屏幕截图后，能在同一次推理中完成视觉理解与操作决策，直接输出鼠标点击、键盘输入等指令，无需外挂工具。此外，GPT-5.4 Pro 支持高达 100 万 Token 的上下文窗口，可一次性处理整套项目文档或完整代码库。在效率方面，模型引入了“工具搜索（Tool Search）”机制，在 Scale 的 MCP Atlas 基准测试中，启用该机制后总 Token 消耗量减少了 47%。

背景分析

GPT-5.4 的诞生标志着 OpenAI 模型设计哲学的根本性转变。在 GPT-4 时代，用户需在简单对话（GPT-4o）、复杂推理（o1 系列）和代码生成（Codex）等多个专用模型间手动切换，这种碎片化生态增加了用户的认知负担。2025 年 8 月发布的 GPT-5 虽开启了统一系统的新纪元，但直至 GPT-5.4 的问世，才真正解决了多模态理解与世界知识、代码能力的割裂问题。

此前，市场普遍预期大模型将在 2026 年迎来“智能体（Agent）”爆发期。竞争对手 Anthropic 推出的 Claude Opus 4.6 虽在世界知识和代码能力上表现强劲，但其高昂的价格（Max Plan 达 200 美元/月）及相对薄弱的多模态交互能力，为 OpenAI 留下了巨大的市场切入空间。GPT-5.4 的发布，正是对这一行业痛点的精准回应。

影响评估

GPT-5.4 的发布将重塑软件交互与职场效率格局。对于行业而言，它推动了自动化从“脚本辅助”向“自主执行”的范式迁移。在金融建模等高精度场景中，内部测试数据显示，GPT-5.4 Thinking 模式在投资银行工作流程基准测试中得分高达 87.3%，远超 GPT-5 的 43.7%，甚至超越了初级人类分析师水平。

对用户市场而言，这意味着极高的性价比。ChatGPT Plus 用户仅需支付约 20 美元/月的费用，即可获得对标此前 200 美元档位的专业能力。对于竞争对手，尤其是依赖高溢价策略的厂商，GPT-5.4 以“白菜价”提供全能 Agent 基座，构成了巨大的竞争压力。同时，其原生的电脑操控能力可能加速传统 RPA（机器人流程自动化）软件的边缘化。

各方反应

业内资深开发者评价称，GPT-5.4 集齐了优秀 Agent 基座的三大圣杯：顶级代码能力、丰富世界知识与原生多模态理解，是真正的“天选模型”。针对网络安全领域，OpenAI 随后于 4 月推出的 GPT-5.4-Cyber 版本，因具备二进制逆向工程能力且限制更少，引发了安全圈的热烈讨论，但也促使巨头们紧急召开合规会议。

市场反应迅速，自 3 月 6 日起，ChatGPT 付费用户已陆续收到推送，免费用户也于次日开放基础访问。国内开发者社区对此反响强烈，各类关于利用 GPT-5.4 进行 Excel 自动化、跨应用工作流编排的实测案例在技术论坛中刷屏。

未来展望

随着 GPT-5.4 的全面铺开，预计 2026 年下半年将迎来基于“原生电脑操控”的企业级应用爆发潮。值得关注的节点包括后续 GPT-5.4 mini 与 nano 小型模型的推出，这将进一步降低部署成本。同时，如何规范具备自主操作能力的 AI 行为，防止误操作或恶意利用，将成为监管机构与行业联盟接下来的核心议题。OpenAI 表示，将继续优化推理时的计算缩放机制，以应对更复杂的长程任务挑战。