原始标题: GPT 5.4 is here and we may actually have a new best model on the planet

发布日期: 2026-03-06 | 来源频道: @matthew_berman

📝 深度摘要

1. 对话背景与核心主题

OpenAI 正式发布 GPT 5.4，这是其最新的前沿旗舰模型。Matthew Berman 作为早期测试者，在过去一周内深度体验了这款模型，并将其与 Anthropic 的 Opus 4.6 以及 Google 的 Gemini 3.1 Pro 进行对比测评。视频核心主题在于验证 GPT 5.4 是否具备取代现有模型成为"OpenClaw 主模型"的综合实力，重点考察其编码能力、工具调用能力、计算机使用能力以及知识工作表现。

2. 核心干货概览 (Technical Takeaways & Stack)

3. 技术深度拆解与实战 SOP (Technical Deep Dive / SOP)

3.1 模型定位与架构演进

GPT 5.4 的发布标志着 OpenAI 完成了类似 Anthropic 在 Opus 4.6 上的战略整合。在 GPT 5.2 时代，OpenAI 将模型拆分为专注于不同场景的变体：GPT 5.2 侧重知识工作，GPT 5.3 Codeex 专注编程。这种分离设计导致开发者必须在多个模型间切换。GPT 5.4 的核心突破在于将两者的能力融合为一个单一的前沿模型，同时在速度、Token 效率和工具调用能力上实现优化。

3.2 基准测试深度分析

Matthew 重点展示了 OpenAI 官方博客中的对比图表：

• OS World（计算机使用）：GPT 5.4 Thinking 达到 75% 准确率，仅需 15 次工具调用即可达到峰值。相比之下，GPT 5.2 准确率不到 50%，且需要 42 次工具调用。Opus 4.6 得分为 72.7%。这意味着 GPT 5.4 在"高效完成任务"维度上首次超越 Claude。

• Swebench Pro（编程能力）：GPT 5.4 Thinking 得分 56.8%，超越 GPT 5.3 Codeex 的专用编程模型（54.2%）。这是业界首次出现通用模型在编程基准上超越专用模型的情况。

• GPQA（知识工作）：GPT 5.4 Thinking 达到 83%，比 Opus 4.6 的 78% 高出 5 分，比 GPT 5.3 Codeex 高出 13 分。

• Frontier Math：GPT 5.4 同样表现优异，继续保持领先。

3.3 计算机使用能力实测

OpenAI 展示的 Demo 揭示了 GPT 5.4 在真实场景中的能力边界：

• Gmail 自动化：模型能够自主导航 Gmail 界面、查看已发送邮件、标记星标、添加标签分类。整个过程以实时速度运行（视频中时间戳显示为真实耗时），无加速处理。

• 批量数据录入：模型从 JSON 对象中提取数据并填入表单，响应速度极快。

• 主题公园模拟游戏：仅凭一个轻量级提示词，GPT 5.4 生成了完整的模拟经营游戏，包含资金管理、游客满意度、清洁度、园区评级等复杂逻辑系统。

• 2D 风格 RPG 游戏：生成的像素风格角色扮演游戏具备完整的战斗系统（攻击、结束回合等）。

3.4 OpenClaw 集成配置

Matthew 强调在 OpenClaw 中使用 GPT 5.4 需要遵循特定的提示词策略：

• 独立提示词组：GPT 5.4 的提示词风格与 Claude/Opus 系列差异显著。建议为 GPT 5.4 和 Opus 分别维护独立的系统提示词配置。

• 官方文档参考：OpenAI 已发布 GPT 5.4 专用提示词指南，Matthew 建议在 OpenClaw 中直接引用该文档或基于其重写提示词。

• 模型选择：由于定价差异显著（Pro 版本是 Thinking 的 12 倍），Matthew 建议大多数用例使用 Thinking 版本，只有对推理能力有极致需求的场景才考虑 Pro。

4. 核心干货运用 (Prompts & Configuration)

4.1 提示词策略差异

GPT 5.4 采用了与 Claude 系列不同的提示词范式。Claude 模型擅长"理解模糊意图并自我推理"，而 GPT 5.4 更依赖显式指令。Matthew 建议：

• 为 GPT 5.4 编写更具体、更步骤化的提示词
• 利用新增的"前置计划"功能：在执行前先展示完整计划，避免无效的 Token 消耗
• 为不同模型维护独立的 System Prompt 文件

4.2 定价与成本优化

Matthew 透露他已在 OpenClaw 中消耗了约 50 亿 Tokens 用于调优，这意味着一线模型的使用成本正在快速攀升。他建议通过输入缓存来降低重复性工作的成本。

5. 极客洞察与避坑指南 (Geek Insights & Boundary)

5.1 反直觉技术结论

• 通用模型首次超越专用编程模型：Swebench Pro 的结果显示，GPT 5.4 Thinking (56.8%) 超越了 GPT 5.3 Codeex (54.2%)。这打破了"专用模型在垂直领域更强"的行业共识。

• Pro 版本未必是首选：尽管 Pro 版本定价高出 12 倍，但 Matt Schumer 评测后表示"5.4 Thinking 对所有用例都足够甚至过剩"。这意味着大多数开发者无需盲目追求最高配。

• 速度与效率的质变：OS World 基准显示，GPT 5.4 仅需 15 次工具调用即可达到 75% 准确率，而 GPT 5.2 需要 42 次。这意味着 Token 消耗量和执行时间都大幅下降。

5.2 已知问题与局限性

• 前端审美落后于竞品：Matt Schumer 指出 GPT 5.4 的前端代码"品味"远不如 Opus 4.6 和 Gemini 3.1 Pro，生成的 UI 缺乏美感。

• 缺乏现实世界上下文理解：测试中，GPT 5.行程未能考虑"4 规划的旅行春假人流高峰"等现实因素，需要用户手动补充更多上下文。

• 任务中断问题：在 OpenClaw 中运行时会过早停止，未能完整执行长任务。Sam Altman 已确认将"立即修复"。

• 网站反爬虫限制：尽管模型能力足够，但多数网站本身阻止自动化访问，这需要整个行业共同推进。

5.3 实战陷阱

• 不要将 Claude 提示词直接迁移：GPT 5.4 对模糊指令的容忍度较低，需要更明确的步骤指引。
• 避免在 Pro 版本上做日常任务：高昂的定价使得 Pro 版本仅适合对推理质量有极致要求的场景。
• 不要忽略前置计划功能：该功能可显著减少无效的 Token 消耗和任务返工。

6. 金句 (Golden Quotes)

• “GPT 5.4 就是把 GPT 5.2 和 GPT 5.3 Codeex 融合在一起的产物，一个兼具知识工作能力和顶级编程能力的全能模型。”
• “OpenAI 在不到一年时间内从 GPT 4.5 的困局中走出，整个 5.0 系列模型现在既高效又快速，令人敬畏。”
• “Matt Schumer 说它是有史以来最好的模型——虽然有点夸张，但它确实改变了游戏规则。”
• “Frontier Intelligence 越来越贵，但这背后是模型能力的质的飞跃——你需要亲自测试才能理解。”
• “在 OpenClaw 中使用 GPT 5.4 的关键在于：别用写给 Claude 的提示词，必须为它专门设计。”

📺 视频原片

视频ID: rvdUBieefR0