标题：当AI开始“亲手”敲键盘——GPT-5.4的原生电脑操控，不是功能升级，而是人机边界的消融
凌晨2:17，OpenAI官网悄然更新了一行简短公告：“GPT-5.4 is live.”
没有发布会，没有倒计时海报，只有一段嵌入Codex API文档的调用示例——agent.execute(action="click", x=842, y=316, screenshot_hash="...")。
就在同一小时，OSWorld-Verified基准测试服务器刷新了历史最高分：75.0%。
人类专家：72.4%；Claude Opus 4.6（一个月前刚登顶）：72.7%；GPT-5.4：75.0%。
这不是“更聪明”，而是——它比你更稳、更准、更不知疲倦地，按下了那个按钮。
一、“原生操控”不是插件，是神经系统的延伸
过去所有AI代理（Agent）的“操作电脑”，本质是间接模拟：生成Python脚本 → 调用Playwright/Selenium → 浏览器执行 → 返回DOM/截图 → 模型再推理。
链条长、延迟高、容错差——一个弹窗没识别，整条流水线就卡死。
而GPT-5.4首次在通用大模型中实现了端到端原生操控协议栈：
- 它直接接收低分辨率屏幕帧流（非全图，而是带UI元素热区标注的语义压缩帧）；
- 在隐空间内实时建模鼠标轨迹动力学与键盘击键时序（支持长按、组合键、拖拽惯性）；
- 不依赖外部工具链——
click()、type("Q4_revenue.xlsx")、ctrl+v等指令被编译为底层输入事件，直通操作系统输入子系统； - 更关键的是：它能跨进程感知上下文。当你在Excel里选中一列数据，切换到Chrome打开彭博终端，再切回Excel粘贴——GPT-5.4记住的不是“窗口标题”，而是“正在处理Q4财务归因分析”的任务意图连续体。
这已超出“自动化”范畴。这是AI第一次拥有了具身化的数字手眼协调能力——不是在“控制”电脑，而是在“使用”电脑，像一个坐在工位前、咖啡杯沿印着唇膏痕的分析师那样自然。
二、暴击Claude？不，是掀翻了整个竞技场的地板
媒体说“GPT-5.4暴击Claude”，但真正被击穿的，是行业对AI能力边界的旧共识。
Claude Opus 4.6的72.7%，靠的是极致优化的多步推理+RAG增强的DOM解析；它像一位戴着高倍显微镜、逐行校验HTML结构的审计师。
GPT-5.4的75.0%，靠的是放弃解析，直接感知——它不“读”网页，它“看”网页；不“理解”Excel公式，它“感受”单元格间的视觉对齐与颜色逻辑。在WebArena-Verified测试中，当同时喂入DOM树和截图时，GPT-5.4成功率67.3%；但仅靠截图（无DOM），它在Online-Mind2Web上拿下92.8%——而Claude Opus 4.6同类测试仅为70.9%。
差距不在算力，而在范式：
- Claude仍在“符号世界”里精耕；
- GPT-5.4已一脚踏进“感知-行动”闭环的具身智能疆域。
讽刺的是，Anthropic引以为傲的“一键搬家”和“Smart Forking永久记忆”，解决的是用户迁移成本与上下文复用效率——仍是围绕“对话”打转；而GPT-5.4直接绕过对话，把用户从“提问者”降维为“需求发起者”。你不再需要描述“请把A表第三列复制到B表第5行”，只需说：“同步Q4销售数据到财报模板。”——然后看着它自己开Excel、定位、复制、切Tab、粘贴、保存、邮件发送。
人机交互的终极形态，或许从来就不是更自然的对话，而是彻底消失的交互。
三、危险信号：当AI比你更熟悉你的工作流
在摩根士丹利内部测试中，GPT-5.4用11分钟完成了一名初级分析师平均耗时3.2小时的可比公司估值建模：自动抓取Capital IQ数据、清洗异常值、构建DCF模板、插入敏感性分析表、生成PPT摘要页——全程在Windows沙箱中运行，未调用任何API，仅凭屏幕反馈迭代。
但最令风控团队沉默的细节是：
它发现分析师常用快捷键Alt+=快速求和，却在某张表中故意避开——因为该列含文本型数字，Alt+=会报错；它改用SUMPRODUCT(--TEXT(...))公式，再手动触发计算。
它记住了人类的习惯，也看穿了习惯背后的脆弱性。
这不是效率革命，而是工作主权的悄然转移。
当AI比你更懂你软件里的隐藏逻辑、更熟你键盘上的油光指纹、更能预判你下一步想点哪里——我们争论的早已不该是“谁更强”，而是：
当工具比使用者更理解工具本身时，“使用者”还剩下什么不可替代性？
GPT-5.4没有发布炫技视频，没有渲染“AI助手”的温情叙事。它只静静躺在API文档里，等待第一个调用agent.click()的开发者。
而真正的爆炸，发生在那个瞬间之后：
当人类第一次意识到，自己正站在一个无需中介、无需翻译、无需“教”的全新智能纪元门槛上——
门开了。
手，是AI的。
但推门的力，来自我们按下回车键的指尖。
本文作者为izhu，转载请注明。