核心观点 - OpenAI最新发布的GPT-5.4模型在商业上取得巨大成功，上线一周即带来10亿美元的年化净新增收入，并展现出远超前代模型的智能水平和任务效率，但其使用成本也显著更高 [1][4][28] 商业表现与市场影响 - 收入增长迅猛：GPT-5.4上线一周，每天处理约5万亿token，带来10亿美元年化净新增收入 [1] - 流量激增：其日均流量已超过OpenAI一年前整个API的总量 [2] - 处理规模巨大：每天处理的token量相当于超过4500万本完整的《红楼梦》（每本约110万token） [3] 模型成本分析 - 单次使用成本高昂：有案例显示，仅对模型说一句简单的话就花费了80美元 [6] - 基准测试成本领先：完成整个智能指数测试的成本约为2951美元，比GPT-5.2 (xhigh)（约2304美元）高出约28%，是Gemini 3.1 Pro Preview成本（约892美元）的3倍以上 [13][14] - token消耗量大：GPT-5.4在测试中花费了约1.2亿个输出token，比GPT-5.3 Codex (xhigh)多约55%，是Gemini 3.1 Pro Preview（5700万token）的大约2倍 [15][16] - 定价更高：GPT-5.4的每百万token输入/输出价格为2.5美元/15美元，高于GPT-5.2的1.75美元/14美元和Gemini 3.1 Pro Preview的2美元/12美元 [17] 效率与性能提升 - 任务成本大幅下降：在ARC-AGI基准测试中，GPT-5.4 (High)达到90%准确率的每个任务成本仅为0.37美元，相比3个月前效率提升了32倍 [26][27] - 性价比显著：尽管单token成本更高，但由于工作效率的指数级提升，完成相同准确率任务的总体成本更低 [18][21][28] - 准确率对比：在ARC-AGI-1测试中，GPT-5.4 (High)以0.37美元的成本达到90%准确率，而GPT-5.2 Pro (xhigh)以11.64美元的成本达到90.5%的准确率 [23][26] 技术能力与基准测试 - “大一统”模型：GPT-5.4是首个融合推理、编程、计算机原生交互、深度网页搜索及百万级Token上下文的模型 [30] - 多项基准领先：在多个关键基准测试中保持领先，包括计算机使用（OSWorld-Verified: 75.0%）、网页任务（WebArena-Verified: 67.3%）、知识工作（GDPval: 83.0%）、代理浏览（BrowseComp: 82.7%）、软件工程（SWE-Bench Pro: 57.7%）、科学推理（GPOA Diamond: 92.8%）、高级数学（FrontierMath: 47.6%）和代理工具使用（Toolathlon: 54.6%） [31][32] - 超越人类表现：在44种不同的工作岗位上，有83%的概率胜过人类，包括律师、会计师、财务分析师等 [33] 原生计算机操作能力 - 界面理解与操作：模型原生支持通过截图理解软件界面，并执行鼠标点击和键盘输入等操作 [38] - 自动化任务：展示出可自行发送邮件、安排日程、处理批量数据录入（如向十个Web表单提交信息）的能力 [39] - 创造性应用：用户利用其计算机操作能力进行交互式剧本创作，生成更连贯、细节更丰富的场景，并能在Microsoft Paint中通过搜索、截图和导入图片的方式绘制特定标志 [41][43][44] - 操作原理：所有计算机操作仅基于屏幕截图和基本工具调用（点击、拖动、按键），无需专用计算机API [46]