OpenAI 正式推出 GPT-5.4 系列模型，涵蓋面向 ChatGPT 和 API 的 Thinking 版本，以及專為復雜任務設計的 Pro 版本。這是該機構首次將前沿推理、編碼和智能體能力整合至單一模型中，旨在顯著提升專業領域的工作效率與準確性。

在 ChatGPT 應用中，GPT-5.4 Thinking 新增“思考過程預覽”功能。當處理復雜查詢時，模型會主動展示推理路徑，用戶可實時調整方向，減少反復溝通成本。該功能已上線網頁版和 Android 應用，iOS 版本即將推出。模型還強化了深度網絡研究能力，在處理高度專業化的查詢時，能更好地維持長上下文連貫性，確保答案始終保持相關性。

作為首個具備原生計算機操作能力的通用模型，GPT-5.4 支持通過截圖和鍵盤鼠標指令控制計算機，可完成跨應用的復雜工作流程。其上下文窗口容量擴展至 100 萬 tokens，使智能體能夠規劃、執行并驗證長期任務。在 Codex 和 API 層面，模型融合了 GPT-5.3-Codex 的編碼優勢，同時引入“工具搜索”功能，可高效調用各類工具完成多步驟任務。

專業領域測試顯示，GPT-5.4 在 44 個職業領域的 GDPval 基準中，83.0% 的項目達到或超越行業專家水平，較前代 GPT-5.2 的 70.9% 顯著提升。在投行級電子表格建模任務中，其平均得分達 87.3%，遠高于 GPT-5.2 的 68.4%。演示文稿評估中，68.0% 的評審者更偏好 GPT-5.4 生成的內容，認為其在美學設計、視覺變化和圖像運用方面表現更優。錯誤率方面，模型單個陳述的錯誤率降低 33%，完整回答中出現錯誤的可能性減少 18%。

計算機操作測試中，GPT-5.4 在 OSWorld-Verified 基準（通過截圖和鍵盤鼠標操作 PC 桌面）取得 75.0% 的成功率，超越人類表現的 72.4%，較 GPT-5.2 的 47.3% 提升顯著。在 WebArena-Verified 瀏覽器使用測試中，結合 DOM 和截圖驅動交互的成功率達 67.3%；Online-Mind2Web 測試中，僅憑截圖觀察即實現 92.8% 的成功率，遠超 ChatGPT Atlas 智能體模式的 70.9%。

視覺能力方面，GPT-5.4 在 MMMU-Pro 視覺理解與推理測試中取得 81.2% 的成功率，優于 GPT-5.2 的 79.5%。文檔解析測試 OmniDocBench 中，平均錯誤率降至 0.109，較前代的 0.140 進一步優化。編碼性能上，模型在 SWE-Bench Pro 基準中與 GPT-5.3-Codex 持平或表現更優，同時延遲更低。Codex 的“/fast”模式可提升 1.5 倍 token 處理速度，保持同等智能水平。

工具生態方面，啟用“工具搜索”功能后，模型在 Scale 的 MCP Atlas 基準測試中，總 token 消耗量減少 47%，同時維持準確率。Toolathlon 基準測試顯示，其能用更少的交互輪次實現更高準確率。網絡搜索能力在 BrowseComp 基準中提升 17 個百分點，GPT-5.4 Pro 版本更創下 89.3% 的新高。

安全性方面，模型延續 GPT-5.3-Codex 的防護措施，并引入“CoT 可控性”開源評估機制。測試發現，GPT-5.4 Thinking 控制思維鏈的能力較低，便于安全監控。定價策略上，API 每 token 價格高于 GPT-5.2，但更高的效率可降低總消耗。批量處理和 Flex 定價為標準費率的一半，優先處理為兩倍。

發布計劃顯示，GPT-5.4 Thinking 即日起向 ChatGPT Plus、Team 和 Pro 用戶開放，取代 GPT-5.2 Thinking。后者將在“遺留模型”部分保留至 2026 年 6 月 5 日。Enterprise 和 Edu 計劃用戶可通過管理員設置啟用早期訪問。GPT-5.4 Pro 面向 Pro 和 Enterprise 用戶開放。API 中，模型以 gpt-5.4 和 gpt-5.4-pro 名稱提供，Codex 支持 100 萬 tokens 上下文窗口的實驗性功能。OpenAI 強調，這是首個在 ChatGPT、API 和 Codex 同步推出的主流推理模型，未來 Instant 和 Thinking 版本將按不同節奏迭代。