GPT-5.4发布了。
说实话，我犹豫了半天要不要写这篇。真的被模型发布搞疲了。隔几周一个新版本，每次都是「史上最强」，但你真用起来，体感差异越来越小。靠跑一两个benchmark，已经越来越难测出模型的真实能力了，需要更长时间的日常使用才有体感。
但看完GPT-5.4的数据之后，我还是决定写。不是因为它有多强，而是因为我发现了一个更有意思的事。我打开了三个网页：OpenAI的博客、Anthropic的定价页、Google的Gemini文档，把三家的数据摊在一起看。
结论让我有点意外：它们已经不在同一条赛道上了。
先说结论：不再有「最好的AI」
一年前，「哪个AI最好」还是个合理的问题。各家模型能力分布还比较均匀，都在同一条赛道上跑。
现在这个问题过时了。
想操控电脑、做PPT、跑知识工作？GPT-5.4。想写代码、跑Agent、做复杂开发？Claude Opus 4.6。想要最强推理、图片视频理解、最大上下文、最低价格？Gemini 3.1 Pro。
我自己就是这么用的。平时写代码，左边开着Codex做审查，中间跑Claude Code写实际代码，右边还有个Cursor兜底。Codex的上下文工程优化比Claude Code好不少，能在一个窗口下不停布置任务不用担心上下文撑爆。但Opus的天花板更高，独立解决复杂问题的能力没有对手。所以日常就是混着用，各取所长。
说个更直观的数据：我今年和ChatGPT的对话量比去年减少了90%以上。不是ChatGPT变差了，是我的需求被Claude Code、Cursor、Gemini分走了。不同任务交给不同模型，你不会拿锤子去拧螺丝。
之前有人问我：「花叔，你推荐哪个AI？」
我的回答是：这取决于你是谁。
产品经理或分析师，日常做报告、处理数据？ChatGPT Plus大概率是你的最优解，GPT-5.4的知识工作能力确实强。
开发者，写代码是主要需求？Claude Code + Opus 4.6，目前没有对手。YC刚公布的Winter 26批次数据也印证了这一点：Anthropic占比52%，首次超过OpenAI。去年OpenAI还占90%以上，一年完全逆转了。
对价格敏感，或者需要处理超长文本、音视频分析？Gemini。$2/$12的价格加2M token上下文，性价比无敌。
如果你是资深用户，可能最终会像我一样：三个都用，看菜下锅。
结论说完了。下面看看GPT-5.4到底做了什么，以及三家是怎么走到这一步的。
GPT-5.4到底做了什么
先过一遍GPT-5.4的数据。说实话，有几个确实让我眼前一亮。
Computer Use，就是让AI直接操控你的电脑。GPT-5.4在OSWorld基准测试上拿到75.0%，超过了人类基准的72.4% 。这是所有AI模型第一次在这个测试上超越人类。上一代GPT-5.2才47.3%，一个版本涨了快一倍，这个提升幅度我觉得是这次最值得关注的。
知识工作也很猛。GDPval达到83.0%，意思是在44个职业的专业任务里，GPT-5.4有八成以上能打平或超越行业专家。投行建模从68.4%跳到87.3%，做PPT时人类评审有68%的概率更喜欢GPT-5.4的版本。这个数据要是真的，华尔街的junior analyst该紧张了。
上下文窗口拉到了100万token，OpenAI迄今最大。还出了个叫Tool Search的新功能，跑Agent的时候不用把所有工具定义塞进prompt了，模型自己按需查找，token消耗直接减了47%。做Agent开发的应该会很开心。
但你仔细看，这些最亮眼的提升都指向同一个方向：让AI替你干白领的活。操控电脑、做PPT、投行建模、知识工作。OpenAI押的注很明确：AI不只是聊天工具，它要做你的数字员工。
但编程呢？
这是我最关心的部分，也是最有意思的部分。
GPT-5.4在SWE-Bench Pro上的成绩是57.7%。上一代GPT-5.2是56.8%。
提升了0.9个百分点。
你没看错。一个做了Computer Use超越人类、1M上下文、投行建模87%的模型，编程能力只涨了0.9%。Claude Opus 4.6在SWE-Bench Verified上是80.8%，依然世界第一。（这俩是不同难度的测试，Pro更难，但0.9%的提升本身就说明问题。）
OpenAI不是做不好，是选择把资源放在了别的地方。
这和我实际用下来的感受完全对得上。Codex的gpt-5.2-codex选high模式时，后端能力确实强，能跑一个多小时完全没bug。但速度太慢了，思考时间过久，审美也差，让它做前端基本不行。Opus虽然贵，但处理创意代码工作时天花板明显更高，经常能独立解决我好几个月没搞定的功能问题。
所以我日常就是混着用：Opus处理需要创造力的代码，Codex做规划和审查。
但我不觉得OpenAI是「编程不行」或「不想打这仗」。恰恰相反，OpenAI的野心比编程大得多，它想替代的是更广泛的白领工作。你看它这次选的benchmark就知道了：Computer Use、投行建模、PPT评审、44个职业的知识工作。编程只是其中一个，甚至不是最重要的那个。
三张成绩单
我把三家的数据都扒了一遍，摊在一起看，格局就很清楚了。
GPT-5.4赢了Computer Use和知识工作，Claude Opus 4.6赢了编程和Agent，Gemini 3.1 Pro赢了推理和性价比。没有一家全赢。GPT-5.4赢了5个benchmark类别，Gemini赢了4个，Opus赢了3个。
但比谁赢了什么更有意思的，是各自的短板。
GPT-5.4编程就不说了，0.9%的提升。定价也是三家最贵的，Pro版输出$180/百万token，是Opus的7倍多。你用Pro版跑一个稍微复杂的Agent任务，账单看了可能会心疼。
Claude Opus 4.6呢，上下文窗口只有200K（1M还在beta），也没有原生Computer Use。写代码无敌，但你让它帮你操作电脑，目前还不行。
Gemini 3.1 Pro没有Computer Use，编程也不如前两家。但推理能力真的强，ARC-AGI-2上77.1%，甩了另外两家一条街。多模态理解也是三家最强，图片视频分析这块没对手。加上$2/$12的定价和2M token上下文，Google这波性价比打得很猛。
看到这，你可能和我一样想到了一件事：三家的强项和短板，刚好指向了三条完全不同的路。
三条路
GPT-5.4走的是白领替代路线。
操控电脑、做PPT、投行建模、知识工作。ChatGPT付费用户超过千万，这些人不写代码，他们写报告、做分析、处理数据。GPT-5.4就是为他们做的。
Claude走的是开发者搭档路线。
编程世界第一、Claude Code在开发者圈子里口碑炸裂、Agent能力最强。我自己从去年8月开始用Claude Code搭了自动化写作工作流，现在写文章的效率提升太多了。Anthropic不追求ChatGPT那种C端规模，在开发者生态里做到不可替代就够了。
Gemini走的是推理+多模态+性价比路线。
推理能力领先，多模态理解也是三家最强的。我现在分析图片、理解视频内容都交给Gemini做，这块确实没对手。加上2M上下文和$2/$12的定价，性价比碾压。国内字节的Seed 2.0模型也在往这个方向走，多模态+低价正在成为一条清晰的赛道。
为什么Google敢定最低价、给最大上下文？因为Gemini不需要单独赚钱。Google有搜索、有YouTube、有Android，Gemini的作用是让整个生态更强。它的ROI不是用API收入算的。
三条路，三种赌注。
但OpenAI最大的问题不是技术
GPT-5.4技术上确实强。但OpenAI现在面对的最大挑战，和模型能力无关。
2月28日，OpenAI和美国国防部签了正式合同。几天前Anthropic刚刚公开拒绝了同一份合同，理由是五角大楼不愿加入「明确禁止自主武器部署」的条款。然后QuitGPT运动就爆发了。
超过250万人取消了ChatGPT订阅或承诺停用，OpenAI旧金山总部门口有了抗议，900多名OpenAI和Google员工联名签公开信。
时机很微妙。GPT-5.4恰好在QuitGPT最高潮的时候发布。ChatGPT的市场份额已经从高峰期的87%降到约68% ，Gemini从不到5%涨到18%以上。模型做得再好，用户在流失，这个问题比任何benchmark都严重。
最强之争，结束了
过去三年，AI的故事一直是「通用智能」：一个模型什么都能做，而且越来越强。
GPT-5.4打破了这个叙事。
它确实强，但它强的方式说明了一件事：即便是最顶尖的AI公司，也得做取舍了。Computer Use超越人类，但编程只涨了0.9%。Claude编程无敌，但上下文只有竞品的五分之一。Gemini推理最强价格最低，但Agent和Computer Use都不行。
每家都在自己选的赛道上做到了极致，同时接受了其他赛道的平庸。
我之前写GPT-5发布时说过，AI的iPhone 4时刻已经过去了。现在回头看，不只是「Wow时刻」没了，连「谁是最强」这个问题本身都过时了。
对我们这些日常在用AI的人来说，这反而是好事。不用再纠结「到底选哪个」，根据自己的需求选就行。写代码用Claude，做知识工作用ChatGPT，省钱或跑长文本用Gemini。就像你不会只用一把刀做所有菜。
GPT-5.4发布了。但AI的「最强之争」，已经结束了。
