OpenAI 新模型 GPT - 5.4 系列：小身材能否撬动大市场？
近期，OpenAI 对旗舰大语言模型进行了迭代，从 GPT - 5.3 升级到 GPT - 5.4。同时，还推出了 GPT - 5.4 mini 和 GPT - 5.4 nano 等经济型语言模型。新模型主要针对智能体、编码和多模态工作流。其中，GPT - 5.4 mini 运行速度比 GPT - 5 mini 快两倍多，在编码、推理、多模态理解和工具使用方面均有提升；GPT - 5.4 nano 则是最小、最快的模型，用于分类、提取、排序和简单编码支持任务。
在 AI 工作流中，用户需要的是在强大性能、快速响应和可靠工具使用之间取得平衡的模型。此前，大模型虽性能强大，但成本高、响应慢，难以满足对延迟敏感的场景需求。OpenAI 推出的 GPT - 5.4 mini 和 nano 模型，正是为了解决这一痛点。它们在保证一定性能的前提下，大幅降低了成本和响应时间。例如，GPT - 5.4 mini 在多项测试中的通过率接近 GPT - 5.4 水平，但仅使用 GPT - 5.4 配额的 30%，成本大幅降低。
在大语言模型市场，OpenAI 一直处于领先地位，但竞争也日益激烈。此前，大模型占据主导地位，而此次 OpenAI 推出的小型模型，为市场带来了新的竞争点。与竞品相比，GPT - 5.4 mini 和 nano 在性能和成本上具有明显优势。Hebbia 首席技术官表示，GPT - 5.4 mini 在多项输出任务和引用召回方面与竞品相当甚至更优，且成本低得多。Notion 的 AI 工程负责人也指出，GPT - 5.4 mini 在处理复杂格式时表现与 GPT - 5.2 相当甚至更优，计算成本却仅为一小部分。
GPT - 5.4 系列模型的推出，将对现有 AI 生态体系产生连锁反应。在智能体系统中，可以将大型模型（如 GPT - 5.4 Thinking）与小型模型（如 GPT - 5.4 mini）结合使用，由大型模型规划任务，小型模型执行子任务，提高工作效率和降低成本。在多模态任务方面，GPT - 5.4 mini 能够快速解读密集用户界面的截图，完成计算机使用任务，拓展了多模态应用的可能性。
尽管 GPT - 5.4 系列模型具有诸多优势，但未来产品线迭代仍面临挑战。一方面，要持续提升模型性能，满足不断变化的市场需求；另一方面，要应对竞争对手的模仿和超越。不过，其商业化看点也十分明显。对于开发者来说，低成本的小型模型可以降低开发成本，提高开发效率；对于企业用户来说，可以在保证业务需求的前提下，大幅降低使用成本。编辑观点：OpenAI 推出 GPT - 5.4 系列小型模型，是对市场需求的精准回应。虽面临挑战，但有望凭借性能与成本优势重塑市场格局，为 AI 生态带来新活力。