OpenAI 刚刚发布了 GPT-5.4，我们这一周一直在 Cline 中测试它。我们注意到计算机使用和一般知识都有所提升，基准测试也支持这一点： OSWorld（计算机使用评估）从 47.3% 上升到 75.0%，超越了人类的 72.4% 的表现！🧵

GPT-5.4 也有 1M 的上下文窗口，但他们的评估显示，针在干草堆中（MRCR v2）在 16-32K 令牌时得分为 97%，在 256-512K 时降至 57%，在 512K-1M 时仅为 36%。 所以定期压缩是个好主意！