OpenAI hat GPT-5.4 veröffentlicht, und das Hauptmerkmal ist nicht ein intelligenterer Chatbot. Es handelt sich um ein Modell, das einen Computer nativ bedienen kann – es navigiert durch Excel, Google Sheets, Präsentationen und Dokumente, führt mehrstufige Workflows über Anwendungen hinweg aus, anstatt nur zu beschreiben, wie man sie ausführt. Auf OSWorld-Verified, einem Benchmark, der misst, ob ein Modell einen Desktop durch Screenshots sowie Tastatur- und Mausaktionen navigieren kann, erreicht GPT-5.4 eine Erfolgsquote von 75,0 % und übertrifft damit den menschlichen Wert von 72,4 %. Zum ersten Mal erledigt ein Spitzenmodell professionelle Wissensarbeit besser als die durchschnittliche Person, mit der es verglichen wurde.
Das hat weitreichende Auswirkungen, die über die Entwickler hinausgehen, die Agenten erstellen. Wenn Software zuverlässig einen Computer bedienen kann, verlagern sich mehr Forschung und Einkäufe, die früher über einen Browser und einen Menschen abgewickelt wurden, auf einen Agenten – und Agenten lesen das Web ganz anders als Menschen.
Wichtige Erkenntnisse
- GPT-5.4 ist OpenAIs erstes universelles Modell mit nativem, hochmodernem Computergebrauch, das die Programmierstärke von GPT-5.3-Codex integriert, um echte Software von Anfang bis Ende zu bedienen. - Die Benchmarks sind nicht mehr nur inkrementell: 75,0 % auf OSWorld-Verified (über dem menschlichen Basiswert von 72,4 %), 83,0 % auf GDPval über 44 Berufe hinweg (im Vergleich zu 70,9 % bei GPT-5.2) und 87,3 % bei internen Tabellenkalkulationsaufgaben im Vergleich zu 68,4 % bei GPT-5.2. - Auch die Kapazität wurde skaliert – bis zu einem 1-Million-Token-Kontext in Codex (experimentell) und einer Tool-Suchfunktion, die den Token-Verbrauch um 47 % reduziert, wodurch lange agentengesteuerte Abläufe günstiger und zuverlässiger werden. - Für Marken ist der Käufer im Moment der Entscheidung zunehmend ein Agent, der strukturierte Daten analysiert, und nicht ein Käufer, der eine Anzeige sieht – was der Hauptgrund ist, Produktdaten jetzt maschinenlesbar zu machen. - Wenn ein Agent Ihre Preise, Lagerbestände und Spezifikationen nicht klar lesen kann, erledigt er die Aufgabe mit einem Wettbewerber, den er lesen kann, und Sie sehen die verlorene Absicht nie.
Von der Theorie zur Praxis
Frühere Modelle konnten erklären, wie man ein Finanzmodell erstellt; GPT-5.4 erstellt es. OpenAI berichtet von 87,3 % bei einem internen Benchmark für Tabellenkalkulationsaufgaben – die Art von Aufgaben, die ein Junior-Investmentbanking-Analyst erledigt – ein deutlicher Anstieg gegenüber 68,4 % in der vorherigen Version. Auf GDPval, das gut spezifizierte Wissensarbeit über 44 Berufe hinweg testet, erreicht das Modell in 83,0 % der Vergleiche das Niveau von Branchenexperten oder übertrifft es.
Die Technik hinter diesem Sprung ist genauso wichtig wie die Ergebnisse. Ein 1-Million-Token-Kontextfenster in Codex ermöglicht es einem Agenten, eine lange Aufgabe im Gedächtnis zu behalten – planen, handeln, die eigene Arbeit überprüfen und frühere Schritte referenzieren, ohne den Faden zu verlieren. Eine neue Tool-Suchfunktion reduziert den Token-Verbrauch um 47 %, was wie eine Randnotiz klingt, bis man es auf Tausende automatisierter Abläufe hochrechnet. Günstigere, längere und zuverlässigere Agentensitzungen sind genau die Bedingungen, die reale Workflows von menschlichen Händen auf Software verlagern.
