OpenAI 发布了 GPT-5.4，真正的看点不是更聪明的聊天，而是一款能原生操作电脑的模型：它会自己在 Excel、Google Sheets、演示文稿和文档之间点击操作，跨应用跑完多步骤工作流，而不只是告诉你该怎么做。在衡量模型「能否通过截图与键鼠操作在桌面环境中导航」的 OSWorld-Verified 基准上，GPT-5.4 拿到 75.0% 的成功率，略微超过人类的 72.4%。这是前沿模型第一次在被测的专业知识工作上，做得比普通人更好。
这件事的意义远不止于开发者。当软件能稳定地操作一台电脑，过去要靠浏览器加人来完成的调研与购买，就会越来越多地交给 Agent 去做——而 Agent 读网页的方式，和人完全不同。
核心要点
- GPT-5.4 是 OpenAI 首款具备原生、最先进计算机使用能力的通用模型，融合了 GPT-5.3-Codex 的编码实力，能端到端操作真实软件。 - 基准分数已不再是渐进式提升：OSWorld-Verified 达 75.0%（高于人类基线 72.4%），GDPval 在 44 个职业中达 83.0%（GPT-5.2 为 70.9%），内部电子表格建模任务 87.3%（GPT-5.2 仅 68.4%）。 - 承载能力同步扩容：Codex 中支持最高 1M 令牌上下文（实验性），工具搜索功能把令牌用量削减 47%，让长时段 Agent 任务更便宜、更稳。 - 对品牌而言，做决策那一刻的「买家」越来越是一个解析结构化数据的 Agent，而非看广告的消费者——这正是现在就该让商品数据机器可读的根本原因。 - 如果 Agent 读不清你的价格、库存和规格，它会用一个读得清的竞品把任务办完，而你根本看不到这单流失的意图。
从「谈论工作」到「完成工作」
早期模型能讲清怎么搭一个财务模型；GPT-5.4 直接把它搭出来。OpenAI 披露，在一项内部电子表格建模基准（初级投行分析师会处理的那类任务）上得分 87.3%，比上一版的 68.4% 大幅跃升。在测试 44 个职业「明确指定的知识工作」的 GDPval 上，它在 83.0% 的比较中匹配或超过行业专业人士。
支撑这次跃升的工程能力，和分数一样关键。Codex 中的 1M 令牌上下文，让 Agent 能把一个长任务装进记忆里——规划、执行、自查、回溯早前步骤而不跑偏。新的工具搜索能力把令牌用量压低 47%，单看像个脚注，可一旦乘上成千上万次自动化运行就非同小可。更便宜、更长、更可靠的 Agent 会话，恰恰是把真实工作流从人手转移到软件手中的前提条件。
你没在为之设计的那个「读者」
多数营销团队还没算进去的转变正在这里。当一个模型能操作电脑，落在你商品页上的往往不再是顾客，而是一个替顾客跑腿的 Agent：比对三家供应商、往购物车里加货、把规格抓进表格、下单那个「资料最干净」的选项。
这个读者不会滑动你的首屏视频，也不会被品牌故事打动。它只做提取。它要的是价格、库存、变体、退货政策和技术规格，且必须是它能解析、能信任的形式——而且它动作很快。一个对人渲染得很漂亮、却把关键事实埋在无结构 HTML 里的页面，在 Agent 眼里就是一个「读不下去、直接放弃」的页面。
对品牌意味着什么
生成式引擎优化（GEO）正是为这一刻而生：当机器成为发现与购买的中介，你要么为机器消费而优化，要么被踢出候选集。三件事最吃重。
把数据结构化到 Agent 能据以行动——扎实的 Schema.org 标记、干净的 sitemap、以及欢迎正规 AI 爬虫的 robots.txt。做好协议就绪，因为像模型上下文协议（MCP）这样的标准就是这些 Agent 说的语言；在 2026 年做到 MCP 与 Agentic Commerce 就绪，等同于 2012 年做到移动端就绪。再把各处事实保持一致，因为 Agent 会交叉核对——退货政策在你官网是一套、在渠道又是另一套，就会被标记为不可靠并悄悄降权。
难点在于：看不见的东西，你没法优化。这正是 [GEOly](/zh/blog/what-is-geoly-ai) 所在的那一层：它不只追踪你自家的提及，而是把整条赛道在 ChatGPT、Gemini、Google AI 里的格局——品牌榜单、商品卡与报价、引用信源、品牌印象——做成一个可查询的行业级数据库，并内置针对 AI 就绪度的 GEO 审计。由于这些数据通过 [MCP、CLI 与 Skills](/zh/blog/geo-mcp-server-ai-visibility-claude-code-cursor-codex) 开放，你自己的 Agent 可以边干活边查自身的可见度——在一个 GPT-5.4 级模型正是「发起查询的那一方」的世界里，这再贴切不过。注册即享 3 天免费试用，入口在 app.geoly.ai。
常见问题
什么是原生计算机使用？指模型直接操作软件——截图、点击、输入、在应用之间移动来完成任务——而不只是生成一段告诉人类该怎么做的文字。
GPT-5.4 会取代人类分析师吗？暂时不会，但在狭窄、明确定义的工作上，它已在多数比较中匹配或超过专业人士（GDPval 达 83.0%）。实际效果是：常规知识工作越来越多地交由 Agent 执行，由人来监督。
品牌该先做什么？先确认 AI 爬虫能触达你的关键页面，再让商品数据——价格、库存、规格、政策——机器可解析，并在所有出现处保持一致。追踪 AI 系统露出并推荐你的频次，因为在 Agent 中介的漏斗里，这个数字就是你的记分牌。
那个能操作电脑的模型，也正是将来替买家来读你网站的模型。想在这波流量规模化之前，先看看今天的 AI 系统如何呈现你的品牌与品类？[GEOly](/zh/about-us) 提供 3 天免费试用，也欢迎阅读来自 [GEOly AI](/zh/blog/author/geoly-ai) 的更多行业观察。
