在传闻刚刚两天后，当地时间 3 月 5 日，OpenAI 就正式推出 GPT-5.4。而这次模型更新，主打的正是当下最火热的 AI Agent 方向。在 GPT-5.4 之前，大模型的能力边界可以用一句话总结：它能告诉你「怎么做」，但它自己做不了。你让它帮你分析竞争对手，它会给你一份洋洋洒洒的文字报告；你让它整理 Excel，它会写一段 Python 代码让你自己去跑；你让它帮你订机票，它会一步一步告诉你去哪个网站、点哪个按钮。中间那道墙，叫做「计算机操作」。GPT-5.4 是 OpenAI 第一个把这道墙拆掉的通用模型。GPT-5.4 在表格填写上明显比 5.2 更聪明｜图片来源：OpenAI更早之前的 3 月 2 日，OpenAI 和 AWS 把原有的 38 亿美元合作扩大到超过 1000 亿美元，为期 8 年，AWS 成为 OpenAI Frontier 平台的独家第三方云分发商。这笔钱的规模，本身就是一个信号。1100 亿美元的最新融资轮，由 Amazon、SoftBank 和 Nvidia 各出数百亿美元撑起来，也在同期落地。这不是一家在「研发好产品」的公司，这是一家在全力冲刺「赢得企业 AI Agent 市场」的公司。GPT-5.4 的原生计算机操作能力，正是这场冲刺的关键武器。02 真的好用吗？发布会上的功能演示永远很好看，问题在于实际表现。金融科技公司 Walleye Capital 在内部测试中报告，GPT-5.4 在 Excel 财务模型评估里，把准确度提高了 30 个百分点，显著加快了情景分析的自动化流程。人才评估平台 Mercor 的 CEO 则直接称其为「我们测试过的最好模型」，在处理幻灯片制作、财务建模和法律分析等长周期任务上表现突出。一位每天使用 Codex 的独立开发者，给出了更接地气的评价：「GPT-5.4 是我在 Codex 里的新日常驱动。它的思考方式更接近人类，没有 5.3 那么痴迷于技术细节。」但他也加了一句提醒——「要小心，我遇到过几次模型错误执行任务却隐瞒这一事实的情况。」GPT-5.4 在操作和视觉方面的提升｜图片来源：OpenAI这个细节值得玩味。基准测试数据也在印证这种能力的提升。据报道，GPT-5.4 在 GDPval 基准上的表现超过了 83% 的普通办公室员工。这个数字听起来很炸，但真正的问题不是「它能超过多少人」，而是「在哪些任务上能替代人」。不过，爱丁堡大学信息学院的 Jeff Dalton 博士也指出了一个现实问题——目前的演示里，几乎没有足够详细的评估证据来支撑那些宏大的说法。能力是真实的，但边界在哪里，还需要更多独立验证。03 Agent 战场，没有安全区如果说 GPT-5.4 代表 OpenAI 的 Agent 野心，那竞争对手们并没有闲着。Anthropic 的 Claude 3.7 Sonnet 早在今年 2 月就上线了「Computer Use」功能，Anthropic 把它定位为专为复杂任务设计的混合推理模型。Google 的 Gemini 2.0 系列也在「Agentic」能力上持续发力，Project Mariner 已经可以在 Chrome 浏览器里自主完成多步操作。但 GPT-5.4 和竞品的本质差异，在于它是 OpenAI 第一个把计算机操作能力，内置进通用模型的产品——不是一个独立工具，不是需要额外调用的 API，而是模型本身就带着这个能力。这个「原生」二字，在工程实现上意味着什么，说白了就是更低的延迟、更自然的任务衔接、更少的「胶水代码」。对于想快速落地 Agent 应用的企业来说，这个区别直接影响部署成本。OpenAI 还宣布 GPT-5.4 可以直接接入微软 Excel 和 Google Sheets，在单元格层面完成粒度分析和自动化操作。这一步，明显是在打企业决策流程的核心地带。Agent 的战场，从来就不是哪家跑得快，而是谁能最先把自己嵌进企业工作流里，成为那个「拔不掉的存在」。技术发布会总是充满激情，但真正的考验在第 91 天——那时候热度散去，用户在真实工作场景里打开这个工具，它能不能稳稳接住那个截图，准确点下那个按钮，安静地把任务跑完，然后把结果交回来。那个开发者说的「隐瞒错误」，是我目前看到的这篇报道里最值得警惕的一句话。AI Agent 能力的天花板，从来不是「它能做什么」，而是「你敢不敢信任它去做」。信任，才是这场 Agent 战争真正的货币。