如果一個(gè) AI 能夠閱讀整套項(xiàng)目文檔，在復(fù)雜問(wèn)題上進(jìn)行長(zhǎng)時(shí)間推理，并且自己操作電腦完成任務(wù)，它就不再只是一個(gè)聊天機(jī)器人。
它更像是一種新的軟件形態(tài)。
隨著 OpenAI 推出 GPT-5.4 Thinking 與 GPT-5.4 Pro，這種變化正在變得具體。100 萬(wàn) Token 上下文、推理時(shí)計(jì)算模式，以及原生計(jì)算機(jī)操作能力，第一次在同一代模型中同時(shí)出現(xiàn)。
當(dāng)這些能力開始匯合，大模型的角色也在發(fā)生轉(zhuǎn)變——從回答問(wèn)題，轉(zhuǎn)向直接完成工作。
2026 年 3 月初，硅谷再次進(jìn)入密集的 AI 發(fā)布周期。
在多輪業(yè)內(nèi)傳聞之后，OpenAI 推出了 GPT-5.4 系列模型。與過(guò)去幾次升級(jí)主要強(qiáng)化聊天體驗(yàn)或推理能力不同，這一版本的能力組合明顯指向一個(gè)更實(shí)際的目標(biāo)：讓 AI 更直接地參與真實(shí)工作流程。
公開信息顯示，模型的核心能力包括：最高 100 萬(wàn) Token 上下文窗口、GPT-5.4 Thinking 推理模式、Computer-Use 原生計(jì)算機(jī)操作能力，以及 Tool Search 工具檢索機(jī)制。這些能力并非單點(diǎn)突破，而是圍繞“執(zhí)行能力”的系統(tǒng)性升級(jí)。
在桌面任務(wù)基準(zhǔn) OSWorld benchmark 的測(cè)試中，模型完成任務(wù)的成功率約為 75%，略高于該 benchmark 的人類測(cè)試基線約 72%。而在職業(yè)任務(wù)評(píng)估 GDPval benchmark 中，模型在 44 種知識(shí)型工作任務(wù)中約 83% 的評(píng)分進(jìn)入專家區(qū)間。
這些指標(biāo)本身或許仍需要更多實(shí)際驗(yàn)證，但它們指向的趨勢(shì)非常明確：AI 正在從信息處理工具變成任務(wù)執(zhí)行系統(tǒng)。
企業(yè)在部署大模型時(shí)，一直面臨一個(gè)結(jié)構(gòu)性限制——上下文窗口。早期模型只能處理有限的信息量，這迫使企業(yè)構(gòu)建復(fù)雜的 Retrieval-Augmented Generation（RAG）系統(tǒng)：文檔被拆分、向量化、索引，再在查詢時(shí)重新拼接給模型。
這種架構(gòu)在過(guò)去兩年成為 AI 工程的標(biāo)準(zhǔn)方案，但也帶來(lái)了新的復(fù)雜度。數(shù)據(jù)被切塊后，上下文關(guān)系容易丟失；檢索系統(tǒng)本身也增加了延遲與維護(hù)成本。
GPT-5.4 將上下文窗口擴(kuò)展到 100 萬(wàn) Token。這意味著模型在單次任務(wù)中理論上可以處理完整代碼庫(kù)、長(zhǎng)期財(cái)務(wù)記錄，甚至整個(gè)項(xiàng)目文檔集合。
RAG 并不會(huì)消失，因?yàn)闄?quán)限控制、實(shí)時(shí)數(shù)據(jù)更新以及索引效率仍然是企業(yè)系統(tǒng)不可替代的一部分。但在很多分析型任務(wù)中，超長(zhǎng)上下文確實(shí)降低了對(duì)復(fù)雜檢索架構(gòu)的依賴。
更重要的是，模型開始具備一種過(guò)去難以實(shí)現(xiàn)的能力：理解完整項(xiàng)目，而不是零散信息片段。
如果說(shuō)長(zhǎng)上下文改變的是理解能力，那么 Computer-Use 改變的則是執(zhí)行能力。
在這一模式下，模型可以通過(guò)視覺理解軟件界面，并模擬鼠標(biāo)點(diǎn)擊、鍵盤輸入以及應(yīng)用導(dǎo)航等操作。這意味著 AI 不再只通過(guò) API 調(diào)用系統(tǒng)，而是可以像用戶一樣直接操作軟件界面。
這一變化對(duì)企業(yè)自動(dòng)化領(lǐng)域尤其重要。過(guò)去二十年，大量企業(yè)流程自動(dòng)化依賴 Robotic Process Automation（RPA）系統(tǒng)，其核心邏輯是通過(guò)腳本執(zhí)行固定步驟，例如錄入數(shù)據(jù)或在系統(tǒng)之間復(fù)制信息。
而具備視覺理解與規(guī)劃能力的 AI，則可能承擔(dān)更復(fù)雜的任務(wù)，例如：
跨系統(tǒng)整理數(shù)據(jù)
執(zhí)行多步驟后臺(tái)流程
在陌生界面中尋找操作路徑
RPA 并不會(huì)立即被取代，但 AI 代理已經(jīng)開始進(jìn)入它們長(zhǎng)期占據(jù)的自動(dòng)化領(lǐng)域。
GPT-5.4 的另一項(xiàng)關(guān)鍵變化，是 Thinking 模式。這一模式并不是簡(jiǎn)單擴(kuò)大模型規(guī)模，而是在推理階段投入更多計(jì)算資源，從而提高復(fù)雜任務(wù)的可靠性。
這代表著大模型發(fā)展的一條重要路線：推理時(shí)計(jì)算（compute-at-inference）。過(guò)去十年，模型能力主要依賴訓(xùn)練階段的大規(guī)模數(shù)據(jù)與算力，但隨著預(yù)訓(xùn)練收益逐漸遞減，越來(lái)越多公司開始把算力投入到推理階段。
類似趨勢(shì)也出現(xiàn)在其他 AI 公司，例如 Anthropic 的深度推理模式，以及 Google 在復(fù)雜任務(wù)中的推理系統(tǒng)。
這種模式的特點(diǎn)很明顯：響應(yīng)時(shí)間更長(zhǎng)、計(jì)算成本更高，但復(fù)雜任務(wù)的成功率明顯提高。在法律分析、財(cái)務(wù)建模或復(fù)雜決策任務(wù)中，這類“慢思考 AI”反而更接近真實(shí)的專業(yè)工作方式。
相比百萬(wàn) Token 與 computer-use，Tool Search 可能是這次發(fā)布中最容易被忽視的一項(xiàng)升級(jí)。
過(guò)去，當(dāng)模型需要調(diào)用工具時(shí)，開發(fā)者通常必須把所有工具說(shuō)明都加載進(jìn)提示詞中。這不僅占用上下文空間，也增加了 Token 成本。
Tool Search 改變了這一機(jī)制：模型可以在需要時(shí)檢索工具定義，而不是預(yù)加載全部工具。
在多工具系統(tǒng)中，這種方式可顯著減少工具相關(guān)的 Token 消耗。對(duì)于構(gòu)建復(fù)雜 AI 系統(tǒng)的開發(fā)者而言，這類架構(gòu)優(yōu)化往往比單純提升模型能力更重要。
因?yàn)檎嬲拇笠?guī)模 AI 應(yīng)用，通常由幾十甚至上百個(gè)工具共同組成。
如果把這些變化放在一起觀察，就會(huì)發(fā)現(xiàn) AI 競(jìng)爭(zhēng)的重心正在發(fā)生變化。
過(guò)去幾年，大模型競(jìng)爭(zhēng)主要集中在規(guī)模、參數(shù)與價(jià)格。但現(xiàn)在，競(jìng)爭(zhēng)正在逐漸轉(zhuǎn)向另一件事情：誰(shuí)能讓 AI 真正完成任務(wù)。
在這個(gè)維度上，不同公司的策略逐漸分化：
OpenAI：強(qiáng)調(diào) AI 代理與執(zhí)行能力
Anthropic：強(qiáng)調(diào)可靠推理與安全性
Google：強(qiáng)調(diào)工具生態(tài)與云基礎(chǔ)設(shè)施
這場(chǎng)競(jìng)爭(zhēng)的終點(diǎn)，很可能不是更聰明的聊天機(jī)器人，而是一種新的軟件形態(tài)。
一種可以理解任務(wù)、規(guī)劃步驟并執(zhí)行操作的 AI 工作代理。
從更長(zhǎng)的上下文，到更強(qiáng)的推理，再到直接操作軟件界面，大模型正在同時(shí)獲得三種能力：理解信息、思考問(wèn)題、執(zhí)行操作。
當(dāng)這三種能力結(jié)合在一起時(shí)，AI 就不再只是軟件的一個(gè)接口，而可能逐漸成為新的軟件平臺(tái)。
在這種結(jié)構(gòu)下，大模型不僅會(huì)改變搜索、寫作或編程工具，還可能重新塑造企業(yè)軟件的基本形態(tài)。
問(wèn)題已經(jīng)不再是 AI 能否理解工作。而是 AI 何時(shí)開始真正接管工作流程。（本文首發(fā)鈦媒體App , 作者｜硅谷Tech news，編輯｜秦聰慧）
快報(bào)
根據(jù)《網(wǎng)絡(luò)安全法》實(shí)名制要求，請(qǐng)綁定手機(jī)號(hào)后發(fā)表評(píng)論