Vector Lab
VECTOR LAB

EST. 2025

WEEKLY UPDATE2026
BY ANDREW MEAD

GPT 5.4

GPT 5.4 是目前最值得使用的模型吗?Qwen 3.5 系列模型值得在家运行吗?

注:本文由 OpenAI gpt-6.1-sol 通过 Codex CLI 自动翻译;翻译质量可能有所欠缺,尤其是技术术语。

新品发布

GPT 5.4

OpenAI 本周为其 GPT 5 系列模型发布了更新。 GPT 5.4 是其最新的推理模型,直接跳过了 GPT 5.3。OpenAI 表示,它的能力提升幅度足以让版本号不止增加 0.1。

基准测试

基准测试新招:把竞争对手变成灰色

GPT 5.3 Codex 在编程场景中已经能与 Opus 4.6 打成平手,但在更通用的日常使用场景中仍然落后。 GPT 5.4 试图补齐这些短板,成为最值得使用的模型。除少数场景外,他们似乎做到了。

就纯粹的智能水平和完成任务的能力而言,GPT 5.4 是目前最强的模型。 它在推理、网页浏览、智能体应用和编程方面都很出色。 它的幻觉率也是目前所有模型中最低的。

我们发现,它表现不佳的少数几个方面,依然是 GPT 一直以来的弱项,也是 Claude 的强项:个性、文风和设计。 这一点可以从 Design Arena 等基准测试中看出来:GPT 5.4 排名第 18,落后于 Claude、Gemini,甚至一些中国大语言模型。

Design Arena 得分

它在某些方面也不如专注于编程的前代模型 GPT 5.3 Codex。 它的代码风格更好,对意图的理解也更强(不过在氛围编程方面仍然不如 Claude),但它似乎没有 5.3 那种对 bug 的“过敏体质”。

OpenAI 还将推出一个实验性的百万 token 上下文版本,可输入模型的 token 数量大约增加到原来的四倍。 不过,有这个功能并不代表它就好用,因为就连 OpenAI 自己的基准测试也显示,一旦超过 256k 的门槛,质量就会大幅下降。 因此,我建议避开百万上下文版本,尤其是超过 256k 的 token 还要按双倍价格收费。

Cline 长上下文基准测试

说到定价,这也是此次发生变化的另一个方面。 由于“模型能力增强”,OpenAI 决定提高该模型的价格,类似于他们在 GPT 5.2 发布时的做法。

模型每百万输入 token 价格(美元)每百万输出 token 价格(美元)每秒 token 数
GPT 5.4$2.50$1550
GPT 5.2$1.75$1446
GPT 5$1.25$1046
Claude Sonnet 4.6$3$1537
Claude Opus 4.6$5$2531
Gemini 3.1 Pro$2$1280
Gemini 3 Flash$0.50$380
GLM 5$1$3.2021
MiniMax M2.5$0.30$1.2027

这意味着,自最初的 GPT 5 发布以来,输入 token 的价格已经翻倍,输出价格也上涨了 50%。 它仍然比 Opus 便宜得多,但如今定价已接近 Sonnet,给了 Anthropic 更多竞争空间。

总体而言,GPT 5.4 是一个非常强大的模型。我强烈推荐大家试试用它处理日常任务、运行智能体以及编程。

Qwen 3.5 Small

Qwen 发布了全新 Qwen 3.5 系列中最后一档规模的模型,也就是 Qwen 3.5 小模型。 这次共有 4 款模型,参数规模分别为 0.8B、2B、4B 和 9B,全部采用常规的非混合专家架构。

基准测试

与 Qwen 3.5 系列的其他模型一样,它们都是混合推理模型(可以开启或关闭推理),也原生支持多模态输入。

人们一直在将它们与 GPT 4o 进行比较。GPT 4o 是一个参数量超过万亿、两年前处于顶尖水平的模型,而这些小模型在大多数智能基准测试中就是比它更强,智能体能力也远胜于它。

不过,略显尴尬的是,它们实际上并不是目前最强的小模型。 这一头衔仍然属于 Nanbeige。在过去两周才发布的基准测试中(模型无法对尚未发布的基准测试过拟合),它轻松击败了全新的 Qwen 4B 和 9B 模型,而它自身只有 3B 参数。

Nanbeige 与 Qwen 3.5 基准测试对比

这并不是说 Qwen 模型没有用。 NanBeige 即使面对简单问题,也往往要思考很久才会回答(而且无法关闭推理),同时也不支持多模态。

所以,如果你喜欢在家里(或手机上)运行模型,我仍然建议你试试这些新的 Qwen 3.5 小模型。

快讯

GPT 5.3 Instant

令人费解的是,OpenAI 本周同时发布了 GPT 5.4 和 5.3。

这是因为后者是他们的即时模型,主要面向 ChatGPT 免费版用户。 它是 GPT 5 家族中的非推理模型(此前称为最低限度推理),一直以来都远不如那些善于深思的兄弟模型。

我认为,通过这次发布,OpenAI 想表明,这个模型与 GPT 5.4 完全独立,并不只是推理等级更低,而是一个完全不同的、更小的模型。

这个模型没什么值得称道的。每当你看到 ChatGPT 犯傻,通常都是即时模型在作答。 这次更新似乎略微改善了模型的个性和文风,他们还声称降低了模型的幻觉率(但没有基准测试来支持这一说法)。

而在他们确实公布的基准测试中,相较于此前版本,模型的表现几乎没有变化。

因此,我强烈建议你尽可能使用 GPT 5.4,除了最简单的问题,尽量避开即时模型。

结语

希望你喜欢本周的新闻。如果想每周都收到这些资讯,记得在下方订阅我们的邮件列表。

a.i.solation 在 TikTok 上的作品:形状商店

Stay Updated

Subscribe to get the latest AI news in your inbox every week!

← BACK TO NEWS