深夜，OpenAI祭出「双子星」GPT-5.4 mini和nano，实力逼近满血版，速度性价比拉满，用来编码、当「龙虾」主力真香！

OpenAI一声不吭，又扔了一颗炸弹。

今天，GPT-5.4 mini和GPT-5.4 nano正式发布。

没有预热，没有倒计时，直接上线。

而上一代GPT-5 mini仅45.7%，mini到mini之间，一代之隔就是近9%的飞跃。

Terminal-Bench 2.0的差距更夸张。GPT-5.4 mini拿下60.0%，GPT-5 mini只有38.2%，提升幅度超过57%。

即便是最小号的nano，也在SWE-Bench Pro上打出了52.4%，比上一代mini还高出近7%。

一个定位于「分类和数据提取」的超轻量模型，代码能力居然碾压上一代的中量级选手，这就是蒸馏模型在过去几个月的进化速度。

对开发者来说，这组数据的实际含义非常直接：

那些不需要旗舰模型「满功率思考」的编码任务，比如定向代码修改、前端页面生成、调试循环、代码库检索，现在可以全部交给mini，速度快一倍，成本低一大截，效果几乎无损。

编码只是一个切面，推理和工具调用能力，决定了一个模型能不能真正「干活」。

GPQA Diamond是一个博士级科学推理基准，GPT-5.4 mini取得了88%的成绩，与GPT-5.4仅差5%。

更值得关注的是「工具调用」能力。

Toolathlon主要测试模型在复杂工具链中的表现，不只是调一次API，而是在多步骤任务中正确地组合、排序、使用多种工具。

结果，GPT-5.4 mini得分42.9%，完全碾压GPT-5 mini（26.9%）。

此外，在电信行业专用基准τ2-bench上，mini更是打出了93.4%的超高分，几乎追平满血版98.9%，把GPT-5 mini（74.1%）远远甩在身后。

在另一个工具调用基准MCP Atlas上，GPT-5.4 mini拿到57.7%，而GPT-5 mini只有47.6%。

这些数字汇成一句话：GPT-5.4 mini不只是一个「缩小版的聪明模型」，它是一个真正能在生产环境中独立完成复杂任务链的执行者。

GPT-5.4 mini真正让人意外的，是它在计算机使用上的表现。

人怎么用电脑？眼睛看屏幕上的UI元素，大脑判断该点哪里，手去操作鼠标和键盘。

如果AI要真正成为你的「赛博助理」，它也得学会这套——快速解析一张信息密集的屏幕截图，定位按钮、输入框和数据列表，然后做出正确操作。

OSWorld-Verified就是测这个「视觉理解 推理 操作」三位一体的综合能力的。

在这张榜上，GPT-5.4 mini拿到了72.1%，而旗舰版GPT-5.4是75.0%。差距不到3个百分点。

反观GPT-5 mini只有42.0%。一代之间，计算机使用能力几乎翻了一倍。

这种「分层调度」的思路，其实是整个AI行业正在收敛的共识。

与其追求一个无所不能的超大模型，不如构建一个分工明确的模型协作系统。

旗舰模型像总指挥，mini模型像执行团队，nano模型像处理琐碎事务的助理。

对开发者来说，这意味着架构设计的思路要变了。

以前是「选一个最强的模型，所有任务都扔给它」；现在是「根据任务复杂度，动态路由到不同层级的模型」。

Hebbia的CTO Aabhas Sharma给出的评价很有代表性：

GPT-5.4 mini在多项输出任务和引用召回率上，以低得多的成本匹敌甚至超越了竞品模型，还实现了比更大模型更高的端到端通过率。

「更小的模型，更好的效果」，这句话放在两年前像是天方夜谭，现在已经成了工程实践中的真实场景。

今天，GPT-5.4 mini已经全线上线，API、Codex、ChatGPT三端同步开放。

API定价为输入0.75美元/百万Token，输出4.50美元/百万Token，上下文窗口400K。

支持文本和图像输入、工具使用、函数调用、网络搜索、文件搜索、计算机使用等全套能力。

Graphwalks系列测试也呈现类似趋势。在父节点追踪任务上，GPT-5.4拿到89.8%，mini是71.5%。

这说明在需要对超长文本进行精确信息检索和逻辑追踪的场景下，mini的能力上限还是显著低于旗舰版。

对于需要处理大规模文档分析、长对话记忆保持等任务的开发者来说，GPT-5.4仍然是不可替代的选择。

不过话说回来，这也恰好印证了OpenAI的产品分层逻辑：不同的任务，用不同的模型。

mini不需要在每个维度都追平旗舰，它只需要在自己主攻的方向——速度、编码、工具调用、计算机使用，做到足够好就行。

技术在狂奔，但人的情绪要复杂得多。

今早，奥特曼在X上发文：

我对那些逐字逐句写出极其复杂软件的人，充满感激。

现在已经很难想象那曾经需要多大的努力了。谢谢你们把我们带到了今天。

评论区瞬间炸了。

大量开发者读出了另一层意思——感谢你们的贡献，但这个活以后AI来干了。

也有人直指训练数据争议：模型本身就是用这些开发者的代码喂出来的，现在反过来替代他们，这算哪门子感激？

不过也有人借此提了个值得思考的问题：

当语法层面被AI解决，软件工程的核心竞争力是不是该从「怎么写代码」转向「怎么设计系统」？

争议归争议，趋势不会因为情绪而停下。

回望科技史，从大型机到PC，从拨号上网到移动互联网，每一次真正的技术革命都不是靠最强最贵的产品完成的。

革命完成的标志，是技术变得像水和电一样——廉价、无感、无处不在。

GPT-5.4 mini在SWE-Bench Pro上追到了旗舰版的94%，在OSWorld上追到了96%，在GPQA Diamond上追到了95%。速度是前代的两倍，成本是旗舰版的零头。

大模型负责思考，小模型负责执行。旗舰模型定义智力的天花板，小模型打通AI走进每一个应用的毛细血管。

这不再是愿景，而是今天就能跑起来的架构。

参考资料：

https://openai.com/index/introducing-gpt-5-4-mini-and-nano/

https://x.com/OpenAI/status/2033953592424731072?s=20

本文来自微信公众号“新智元”，作者：新智元，编辑：好困 桃子，36氪经授权发布。