OpenAI 今天发布了 GPT-5.4，HN 636 分。这不是一个简单的版本升级——它同时推出了 GPT-5.4、GPT-5.4 Thinking、GPT-5.4 Pro 和 GPT-5.3 Instant 四个模型，外加 Codex Fast Mode。信息量很大，逐一拆解。
定价：标准版亲民，Pro 版昂贵
先说大家最关心的：
| 模型 | 输入 ($/M tokens) | 输出 ($/M tokens) |
|---|---|---|
| GPT-5.4 | $2.50 | $15.00 |
| GPT-5.4 Pro | $30.00 | $180.00 |
GPT-5.4 标准版的定价比想象中低——15 的水平跟 Claude Sonnet 4.5 基本持平。但 Pro 版直接飙到 180，输出价格是标准版的 12 倍。
超长上下文加价：1.05M 上下文窗口中，超过 272K token 的部分按 2x 输入 + 1.5x 输出计费。
1M 上下文窗口：标称 vs 实际
这是头条功能。当 Claude 还在 200K、Gemini 在 1M（但实际表现存疑）的时候，GPT-5.4 宣称 1.05M token 上下文。
但 HN 社区的反馈很冷静：
"1 million tokens is great until you notice the long context scores fall off a cliff past 256K and the rest is basically vibes and auto compacting."
超过 256K 后性能显著下降。标称窗口和有效窗口是两回事。
Benchmark：亮点与隐忧并存
亮点：
- OS World 75%，超越人类基线 72%
- NYT Connections：extra high 94.0（5.2 是 88.6），medium 92.0（5.2 是 71.4）
- SWE-Bench Pro：从 55.6 提升到 57.7
隐忧：
- Terminal Bench 2.0 退步：75.1% vs GPT-5.3 的 77.3%
- Thinking 模式部分场景退步
- No reasoning 模式分数仍然低
Computer Use：进入实用阶段？
GPT-5.4 能截图理解浏览器界面、通过坐标点击与 UI 元素交互、完成发邮件和日程安排等端到端任务。
不过通过截图+坐标点击来操作 UI 可能不是正确方向——相比原生 API 调用，效率低且脆弱。
安全：首个网络安全高能力缓解模型
这是 OpenAI 首个针对"网络安全高能力"实施缓解措施的通用模型。
我的判断
GPT-5.4 的 1M 上下文和 Computer Use 能力确实让人兴奋，但 benchmark 的退步和 Thinking 模式的不稳定性也值得警惕。
对开发者来说，"用对的模型做对的事"比"用最新的模型做所有事"更重要。
"The real question isn't how many tokens your model can see—it's how many it actually understands."
🚀 想在一个平台上对比 GPT-5.4、Claude Opus 4.6、Gemini 3.1 的效果？试试 OfoxAI（ofox.ai）— 一个账号搞定所有主流 AI 模型。
