OpenAI GPT-5.4 解析：原生電腦操作、百萬 token 上下文、基準測試與 API 價格
OpenAI 於 2026 年 3 月 5 日發布的 GPT-5.4：原生電腦操作、100 萬 token 上下文、工具搜尋、與 GPT-5.2 的官方基準比較、ChatGPT 上市方式與 API 價格，以及實務注意事項與限制。
OpenAI 於 2026 年 3 月 5 日發布 GPT-5.4，同步登上 ChatGPT（名稱為 GPT-5.4 Thinking）、API 與 Codex，並推出更高階的 GPT-5.4 Pro。OpenAI 稱它是目前最強、最有效率的專業工作前沿模型。對開發者來說最大的亮點是原生電腦操作：GPT-5.4 是 OpenAI 第一個能透過螢幕截圖與滑鼠、鍵盤動作操作電腦的通用模型。本文依據 OpenAI 官方公告，整理新功能、基準測試、價格與實際意義。
有什麼新東西
GPT-5.4 結合了 GPT-5.3-Codex 的程式能力，並在推理、工具使用以及試算表、簡報、文件等辦公類知識工作上進一步提升。主要變化：
- 原生電腦操作：在 Codex 與 API 中，模型可以跨應用程式執行工作流程，方式包括撰寫 Playwright 等函式庫的程式，或依截圖下達滑鼠與鍵盤指令。開發者透過更新後的
computer工具使用，並可為高風險操作設定自訂確認政策。 - 最高 100 萬 token 上下文（API）：代理可以在長時間跨度中規劃與驗證任務。Codex 中的 1M 上下文屬實驗性質，超過標準 272K 的請求以兩倍速率計入使用額度。
- 工具搜尋（tool search）：不再把所有工具定義一次塞進提示詞，而是先給模型一份精簡清單，需要時再查詢定義。OpenAI 以 Scale 的 MCP Atlas 基準中 250 個任務、啟用 36 個 MCP 伺服器測試，總 token 用量減少 47%，準確率不變。
- token 效率：OpenAI 表示，GPT-5.4 解題所需 token 明顯少於 GPT-5.2。
- ChatGPT 中更容易引導：遇到較長的問題時，GPT-5.4 Thinking 會先列出計畫，使用者可以在回答途中補充指示，不必重來。
官方基準測試
OpenAI 公布的結果（與 GPT-5.2 比較）：
| 基準 | 測量內容 | GPT-5.4 | GPT-5.2 |
|---|---|---|---|
| OSWorld-Verified | 以截圖與鍵鼠操作桌面環境 | 75.0% | 47.3% |
| GDPval（勝或平手） | 44 種職業的知識工作 | 83.0% | 70.9% |
| SWE-Bench Pro（公開） | 軟體工程 | 57.7% | 55.6% |
| BrowseComp | 持續性網路研究 | 82.7% | 65.8% |
| Toolathlon | 多步驟真實工具使用 | 54.6% | 46.3% |
在 OSWorld-Verified 上，OpenAI 指出 75.0% 已超過該基準作者報告的人類表現 72.4%。GPT-5.4 Pro 在 BrowseComp 達 89.3%。多數評測使用最高的「xhigh」推理強度、在研究環境中進行，日常在 ChatGPT 中的表現可能不同。
事實準確性
在一組使用者曾標記事實錯誤、已去識別化的提示上，OpenAI 表示 GPT-5.4 的單一陳述為假的機率比 GPT-5.2 低 33%，整個回答含有任何錯誤的機率低 18%。這是特定測試集上的相對改善，不代表保證正確，輸出仍需查核。
上市與價格
- ChatGPT：GPT-5.4 Thinking 開放給 Plus、Team 與 Pro 使用者，取代 GPT-5.2 Thinking；後者保留在「舊版模型」中，於 2026 年 6 月 5 日退役。Enterprise 與 Edu 管理員可開啟搶先使用。GPT-5.4 Pro 提供給 Pro 與 Enterprise 方案。
- API：
gpt-5.4與gpt-5.4-pro。
| 模型 | 輸入（每百萬 token） | 快取輸入 | 輸出 |
|---|---|---|---|
| gpt-5.2 | 1.75 美元 | 0.175 美元 | 14 美元 |
| gpt-5.4 | 2.50 美元 | 0.25 美元 | 15 美元 |
| gpt-5.4-pro | 30 美元 | — | 180 美元 |
Batch 與 Flex 處理為標準價的一半，Priority 處理為兩倍。GPT-5.4 每 token 單價高於 GPT-5.2，每個任務的實際成本是否更高，取決於 token 效率能抵銷多少漲價。
安全性
OpenAI 表示，依其「準備度框架」，GPT-5.4 被視為具「高」等級資安能力，部署時搭配相應防護，包括監控、可信存取控制，以及對部分高風險用途的請求封鎖；並承認分類器可能出現誤判。細節見公告連結的系統卡。
實際意義
- 代理開發者：原生電腦操作與工具搜尋是主要變化。電腦操作代理可以自動化沒有 API 的軟體，但應在沙盒環境中執行，並對付款、刪除、發送訊息等操作設定確認步驟。
- 知識工作者：進步集中在試算表、簡報與研究。OpenAI 內部的初級投資銀行建模任務得分為 87.3%，GPT-5.2 為 68.4%。
- 成本規劃：用真實工作負載測試，比較總 token 與成功率，而不只看牌價。
限制
基準測試由廠商自行公布，且大多在最高推理強度下進行。電腦操作代理仍可能點錯、誤讀介面或執行非預期的動作，人工監督依然重要。長上下文的準確率在視窗後段也會下降：在 OpenAI 自己的 MRCR v2 8-needle 測試中，準確率從短長度時約 97% 降到 512K–1M 區間的 36.6%。
參考資料
讀者回應与討論
暫無讀者回應，歡迎發表你的見解。
相關文章
OpenAI 發布 GPT-5.4-Cyber：對 Mythos 的直接回應，但走了一條不一樣的路
2026 年 4 月 14 日，OpenAI 在 Anthropic Project Glasswing 發布一週後上線 GPT-5.4-Cyber，一個面向安全專業人員的 fine-tuned 模型，附帶 binary reverse engineering 能力。兩家在同一個議題上做出完全不同的商業決策——這才是本週最有意思的對照。
AI 最新資訊週報：3 月第二週最值得看的 5 條官方更新
截至 2026 年 3 月 15 日，AI 行業這一週最值得看的，不只是誰又發了更強的模型。OpenAI、Google、Microsoft、NVIDIA 與 Anthropic 的 5 條官方更新，正在把競爭重心推向安全、嵌入、代理治理與企業落地。
MiniMax M2.7、GPT-5.4 mini / nano、Midjourney V8 Alpha 同周登場：AI 正在開始分工
2026 年 3 月 17 日到 18 日，OpenAI、Midjourney 與 MiniMax 幾乎在同一波窗口推出新模型。從 GPT-5.4 mini / nano 到 Midjourney V8 Alpha，再到 MiniMax M2.7，這一波更新透露出 AI 正在分化成更快的小模型、會自我迭代的 Agent 模型，以及更可控的創意引擎。