OpenAI представила модель GPT-5.4, которая доступна в ChatGPT под названием GPT-5.4 Thinking, в API и в среде Codex. Параллельно запущена расширенная версия GPT-5.4 Pro, предназначенная для более сложных задач, которую компания называет «самой мощной и эффективной моделью для профессиональной работы».
GPT-5.4 впервые объединяет улучшенное рассуждение, агентные сценарии, встроенное управление компьютером и функции программирования из недавно выпущенной модели GPT-5.3 Codex. OpenAI называет GPT-5.4 первой «основной моделью рассуждений», которая сочетает эти возможности. Отдельной версии 5.3 Thinking не было, нумерация призвана упростить выбор модели в Codex.
На этой неделе OpenAI также выпустила GPT-5.3 Instant, которая теперь используется как стандартная модель чата в ChatGPT. Компания отмечает, что линейки Instant и Thinking будут развиваться с разной скоростью.
OpenAI позиционирует GPT-5.4 как инструмент для офисных задач. На внутреннем бенчмарке GDPval, который оценивает агентов по 44 профессиям из девяти ключевых отраслей экономики США, GPT-5.4 набрала 83,0%, достигнув или превысив уровень специалистов. GPT-5.2 показывала 70,9%. При этом базовая GPT-5.4 Thinking на этом тесте обошла версию Pro.
Наибольший прогресс зафиксирован в работе с электронными таблицами: в задачах по моделированию для инвестиционного банкинга GPT-5.4 набрала 87,3% против 68,4% у предшественницы. В генерации презентаций люди в 68% случаев предпочли результат GPT-5.4 благодаря более привлекательному оформлению и разнообразию визуальных решений. Для корпоративных клиентов OpenAI запустила новый надстройку ChatGPT для Excel.
На академических тестах GPT-5.4 также показывает устойчивый рост, особенно в абстрактном мышлении: GPT-5.4 Pro достигла 83,3% на бенчмарке ARC-AGI-2, тогда как GPT-5.2 Pro набирала 54,2%.
По данным OpenAI, в GPT-5.4 ещё сильнее снижена доля галлюцинаций: отдельные утверждения на 33% реже оказываются неверными, а полные ответы на 18% реже содержат ошибки по сравнению с GPT-5.2.
GPT-5.4 стала первой основной моделью OpenAI с встроенной возможностью управления компьютером. Агенты могут использовать скриншоты, мышь и клавиатуру для работы с сайтами и программами и выполнять сложные сценарии самостоятельно. Ранее подобная функция была только в ChatGPT через режим агента, но работала нестабильно и использовалась редко.
Теперь показатели заметно улучшились. В тесте OSWorld Verified, оценивающем работу в настольных средах, GPT-5.4 показала 75,0% успешных действий. GPT-5.2 имела 47,3%, а группа людей — 72,4%. Таким образом, впервые модель превзошла человеческий результат в этом тесте.
Обновилось и машинное зрение. OpenAI вводит новый режим детализации исходных изображений, где система обрабатывает до 10,24 млн пикселей в полном разрешении. На бенчмарке распознавания документов OmniDocBench средняя ошибка снизилась с 0,140 до 0,109.
В программировании GPT-5.4 набрала 57,7% на тесте SWE-Bench Pro, немного улучшив результаты GPT-5.3 Codex (56,8%) и GPT-5.2 (55,6%). Основное преимущество даёт скорость: новый режим «/fast» в Codex ускоряет обработку токенов до 1,5 раза без потери качества.
Существенно улучшен агентный веб-поиск. На бенчмарке BrowseComp, который оценивает способность агентов находить сложную для поиска информацию в сети, GPT-5.4 набирает 82,7%, а GPT-5.4 Pro — 89,3% против 65,8% у GPT-5.2.
Для демонстрации сочетания возможностей программирования и управления компьютером OpenAI выпускает экспериментальный навык Codex «Playwright (Interactive)» для визуальной отладки веб- и Electron-приложений. В демонстрации GPT-5.4 по заявлению компании сгенерировала из одного запроса изометрическую игру-симулятор парка развлечений с расстановкой дорожек, маршрутизацией гостей и очередями.
Одно из заметных технических изменений — механизм Tool Search в API. Раньше все описания инструментов полностью включались в промпт, что при большом числе инструментов добавляло тысячи лишних токенов. GPT-5.4 использует другой подход: она получает только лёгкий список доступных инструментов и подгружает полные описания по запросу.
По данным OpenAI, в тесте на 250 задачах из бенчмарка MCP Atlas это сократило расход токенов на 47% без потери точности. Для MCP-серверов, где описания инструментов занимают десятки тысяч токенов, это особенно важно.
Изменился и подход к рассуждению. В ChatGPT модель GPT-5.4 Thinking показывает предварительный план решения сложных запросов. Пользователь может корректировать его или менять направление до завершения ответа, что уменьшает число повторных обращений. Функция уже доступна на chatgpt.com и в Android-приложении, версия для iOS появится позже.
В Codex GPT-5.4 экспериментально поддерживает контекст до 1 млн токенов, что подходит для задач с долгосрочным планированием и выполнением. При этом OpenAI указывает, что слишком большой или неточный контекст по-прежнему ухудшает надёжность ответа.
GPT-5.4 стоит дороже GPT-5.2. Компания утверждает, что за счёт более эффективной работы с токенами модель требует значительно меньше токенов для решения тех же задач, что должно компенсировать рост цены за токен.
В ChatGPT GPT-5.4 Thinking уже доступна пользователям тарифов Plus, Team и Pro и заменяет GPT-5.2 Thinking. Старую модель оставят ещё на три месяца в разделе «Legacy Models», после чего её отключат 5 июня 2026 года. Клиенты Enterprise и Edu могут включить доступ через панель администратора. GPT-5.4 Pro доступна на тарифах Pro и Enterprise.
Согласно Model Card, ключевым изменением в части безопасности стал рейтинг по кибербезопасности. Как и специализированная модель GPT-5.3 Codex, GPT-5.4 отнесена к уровню «High Capability» по кибербезопасности. GPT-5.4 Thinking стала первой общей моделью рассуждений с такой оценкой, что расширяет спектр потенциальных сценариев и увеличивает возможную поверхность атак.
По рамкам Preparedness Framework OpenAI уровень «High» означает, что модель может снимать существующие барьеры для кибератак, например автоматизировать полный цикл атак на защищённые цели или автоматически находить и эксплуатировать значимые уязвимости. Выше только уровень «Critical», при котором модель способна без участия человека находить zero-day-уязвимости в защищённых системах и разрабатывать новые стратегии атак.
OpenAI заявляет, что для GPT-5.4 создана новая система защиты. Вместо перевода подозрительных пользователей на более слабую модель компания внедрила блокировку в реальном времени на уровне сообщений, которую поддерживает двухэтапная система мониторинга: классификатор тем и ИИ-аналитик по безопасности. На стандартных тестах по безопасности модель показывает результат на уровне GPT-5.2 Thinking, при этом устойчивость к джейлбрейкам заметно выросла по сравнению с GPT-5.1 Thinking.
Источник: OpenAI, The Decoder.
