就在昨晚凌晨两点，OpenAI 毫无预兆地丢出了一个重磅更新——GPT-5.4。毫无疑问，这个模型正在改写 2026 年 AI Agent 的主线剧情。这一次，大家等了很久的核心能力终于真正落地：原生操控电脑。

而在我第一时间实测之后，可以非常直接地说一句：GPT-5.4 很可能是目前最适合跑 OpenClaw 的模型，甚至没有之一。尤其是在原生操控电脑方面，达到前所未有的水平。

原生操控电脑，真正的 Agent 分水岭

Agent 能力，是 2026 年 AI 进化的主线任务。过去的模型更多停留在“生成内容”“回答问题”层面，而 GPT-5.4 直接进入了“执行任务”的阶段。它不仅能理解指令，更能真正操控电脑环境。

只要是打工人日常在电脑上能做的事情，它几乎都能完成。这已经不是简单的“聊天机器人”，而是一个具备完整操作链条的数字执行者。

Web 版 + Codex 同步上线，Windows 用户也能用

目前 GPT-5.4 已经在网页版以及 OpenAI Codex 中上线。

昨晚 OpenAI 也同步推出了 Windows 版本的 Codex 客户端，这对 Windows 用户来说意义重大。

这意味着，即使你不部署复杂环境，也可以直接通过 Codex 客户端体验 GPT-5.4 的电脑操控能力。

为什么说 GPT-5.4 是 OpenClaw 的“天选模型”

我们都知道，OpenClaw 这只“龙虾”之所以爆火，核心就在于它强大的 Agent 能力。在 Mac mini 上部署的 OpenClaw，几乎拥有与人类一致的操作权限和执行路径。而 GPT-5.4 这一次，是在模型层面就实现了原生电脑操控能力。

也就是说，它不再是“外挂式控制”，而是“内生式理解 + 执行”。两者结合，几乎是 2026 年 Agent 形态的最优解。

完整的 OpenClaw + GPT-5.4 部署与实测流程：

 

1、安装并升级到最新版的 OpenClaw，一键安装命令如下：

iwr -useb https://openclaw.ai/install.ps1 | iex

模型的服务提供商选择OpenAI

 

模型登入方式选择OpenAI API key

 

创建 OpenAI API key：【点击前往】

 

然后在命令输入框输入密钥确认

在选择模型的时候，请选择GPT-5.3 codex，因为目前OpenClaw还没内置到GPT-5.4模型，但是一会我们可以通过命令进行切换过去。

 

切换模型需要重新开一个新的power shell窗口，并输入第1个切换模型的命令：

openclaw onboard --auth-choice openai-codex

 

执行命令以后，在配置选项里Config handling 选择 Update values：

确认以后会自动弹窗登入窗口，只需输入你的openAI账号登入即可

 

 

登入以后，再开一个新的power shell窗口，执行第2个切换模型的命令：

 

openclaw config set agents.defaults.model.primary "openai-codex/gpt-5.4"

 

就可以把当前Openclaw的默认使用模型切换到GPT-5.4上去了

注意：由于通过网页端授权登入的方式，只有Plus、Pro及以上的会员才可以调用GPT-5.4模型，所以要确保你当前登入的OpenAI账号是开通会员的才可以，否则会提示你找不到模型！

 

Mac 电脑

将 OpenClaw 默认模型切换到 GPT-5.4 的命令：

openclaw onboard--auth-choiceopenai-codex

执行命令后登入OpenAI账号

 

授权登入以后再开新的命令窗口执行下方命令：

openclaw configsetagents.defaults.model.primary"openai-codex/gpt-5.4"

重启 OpenClaw 后，问它“你是什么模型”，就会回复gpt-5.4：

 

 

当然如果你不想开通会员，也想使用最新的GPT-5.4模型，那么你可以通过刚才说的Open Codex 客户端进行安装使用！亲测即使是免费账户，登入以后照样可以使用GPT-5.4模型

核心能力全面升级：

这次升级，不只是“能操作电脑”这么简单。不仅会操作，还更聪明

知识型工作能力提升

在 GDPval 测试中（覆盖 44 个职业的知识工作能力评估），GPT-5.4 在 83% 的案例中达到持平或更优水平，而 GPT-5.2 为 71%。

在投行级电子表格建模内部测试中：

GPT-5.4：87.5%
GPT-5.2：68.4%

在演示文稿评测中，人工评分者在 68% 情况下更偏好 GPT-5.4 生成的作品，原因是：

更好的审美
更丰富的视觉元素
更有效的图像生成配合

对于内容创作者、分析师、咨询顾问来说，这是生产力的实质跃迁。

浏览器与网页操控能力

在 WebArena-Verified 测试中：

GPT-5.4 成功率 67.3%
GPT-5.2 为 65.4%

同时使用的token数量也大幅减少

在 Online-Mind2Web 测试中，仅凭截图观察成功率达到 92.8%，明显领先早期系统。

这意味着它在真实网页环境中的操作稳定性进一步提升。

视觉理解能力强化

在 MMMU-Pro 测试中，无需外部工具即可达到 81.2% 成功率。

在 OmniDocBench 文档解析测试中，平均误差下降至 0.109。

这就是它“原生操控电脑”能力的底层支撑——更强的视觉理解与结构解析能力。

编程与长任务执行

GPT-5.4 融合了 GPT-5.3-Codex 的编程能力，同时强化了长时间自主执行任务的能力。

在 SWE-Bench Pro 测试中，与 GPT-5.3-Codex 持平或更强，同时整体推理延迟更低。

它可以：

自己调用工具
多轮迭代优化
减少人工干预

这已经是半自动工程师级别的能力。

工具调用与多步任务

在 Toolathlon 测试中，它用更少轮次完成复杂真实任务，比如：

读取邮件
处理附件
评分
记录到表格

准确率更高，执行更稳定。

联网搜索能力

在 BrowseComp 测试中，GPT-5.4 相比 5.2 提升 17 个百分点。

GPT-5.4 Pro 更是达到 89.3%。

这意味着它在海量信息检索、多轮搜索整合方面的能力显著增强。

可控性：真正的“Thinking”升级

GPT-5.4 Thinking 在处理复杂任务时会先给出“前言”说明思路，并支持在生成过程中实时追加指令。

这对高阶用户来说意义巨大。

你可以在任务进行中微调方向，而不需要推倒重来。

在长流程任务中，它对上下文记忆更加稳定，推理更深入。

这才是 Agent 真正可控、可用、可扩展的关键。

最后总结：打工人真的悬了？

实测之后，我只有一个感受：

这不是一次小升级，而是一次形态级进化。

GPT-5.4 让“原生操控电脑”从概念走向现实。
它不再只是一个聊天模型，而是一个可以真正执行工作的智能体核心。

当它与 OpenClaw 这样的 Agent 框架结合，2026 年的工作方式，很可能会被重新定义。

不意外的，OpenAI 推出 GPT-5.4 旗艦模型後沒多久，小模型版本 GPT-5.4 mini 和 GPT-5.4 nano 稍早也接著登場，跟過往一樣，定位分別在「更快更有效率」和「最小最便宜」，針對需要大量、高速處理的使用情境而設計。而跟前一代版本相比，不僅速度快上 2 倍，這次在寫程式、工具調用和電腦操作能力都獲得相當有感提升，特別是電腦操作已經逼近人類水準，測試數據也僅落後 GPT-5.4 不到 3%。

The post GPT-5.4 mini、nano 正式登場！速度翻倍，寫程式、工具調用、電腦操作全面進化 appeared first on 電腦王阿達.

龙虾爆火之后，全网的注意力都盯着「它该怎么用」——本地部署还是云端、一键安装还是敲命令、要不要接微信飞书……反而没人再认真问那个老问题：驱动龙虾的那颗「大脑」，够不够聪明？

这倒不奇怪。OpenAI 和 Google 最近发布的几款新模型，清一色都是 Mini、Flash 款，官方潜台词几乎写在脸上：专门给 Agent 大量消耗 Token 准备的。

模型本身的能力边界，反而成了最不被讨论的话题。

一个真正适配龙虾的模型，除了 Token 要量大管饱还实惠，更多的是模型要足够聪明、动手能力和学习能力足够强。

最近，MiniMax 正式推出了全新的 MiniMax M2.7 模型，主打「开启 AI 的自我进化」和做「最强的 Cowork Agent 模型」，既能处理代码工作、常见的 Office 任务，还能主动学习构建稳定的 Agent 系统。

具体来说，它能做好的工作比大多数模型要更宽。对于写代码，M2.7 能真正理解一个系统在运行时发生了什么，做到了 SRE（网站可靠性工程）级别的系统推理，看日志、关联时间线、推断根因、给出有优先级的处理方案。新模型在 SWE-Pro 上跑了 56.2%，几乎追平 Opus 4.6。

办公场景里它已经够用了。 Excel、Word、PPT 的复杂编辑和多轮修改，M2.7 在这块有明显提升，金融分析这类需要专业知识 + 格式交付的场景尤其明显。不能说它可以完全替代专业人士，但是真正进入工作流，作为辅助完全可以。

它在多 Agent 协作里不会「断掉」。 这是 M2.7 专项打磨的能力，多角色场景下边界清晰，面对包含 50+ Skills 的复杂环境，依然能保持极高的指令遵循能力。

然后是这次更新的重点，它开始参与优化自己了。 MiniMax 说 M2.7 是他们第一个深度参与迭代自己的模型，不只是「辅助迭代」，是「深度参与迭代自己」。能够自我进化，M2.7 可以自主迭代 Agent Harness（智能体脚手架）来胜任大部分的工作流。

实战能力的提升，也让 MiniMax M2.7 一发布就在龙虾榜上迅速攀升，来到了最高分排行榜的第四名。

我们也在 Claude Code、本地部署的龙虾里，都接入了 MiniMax M2.7 模型，以及 MiniMax 提供的 MaxClaw，然后把真实的开发过程中遇到的 Bug、枯燥的金融数据，还有大量的长流程任务统统交给它。

两天的测试下来，我们发现不仅软件要为了 AI 重做，就连 AI 模型本身，除了要理解人类的用意和产出人类满意的结果，模型更需要懂得 AI 的工作方式和工作流，还得学会自己优化自己。

用 AI 的工作流当人类的助手

在 OpenClaw 等 Agent 框架爆火后，真正的「AI 时代工作流」应该是，AI 作为核心运转枢纽，去调用几十个工具、去指挥其他 AI 队友、甚至去优化 AI 自己的代码。

在测试 MiniMax M2.7 是如何自我进化之前，我想先看看它的 AI 工作流如何。它到底是不是一个好用的 Agent 模型，还是说拿去跑个 benchmark 好看，实际用起来一言难尽。

我们从知名的机器学习挑战赛 Kaggle 的网站上下载了一份股票的历史数据，然后按照比赛的要求，告诉 MiniMax M2.7 帮我实现对应的需求，即根据给定的数据，进行合适的数据处理和特征工程，为我生成一份可视化的分析报告。

整个数据集的内容相当庞大，有超过 3000 行的表格数据，整体文件大小来到 446.35 MB。把 5 个表格数据文件下载到本地之后，我们使用接入了 MiniMax M2.7 的 Claude Code 来完成这项工作。

要做好这份分析，需要模型是个数据分析师完成数据清洗和整理、宏观分析师完成对应的金融市场的洞察、统计分析师完成初步的数学建模、算法工程师要建立对应的模型，最后还有网页工程师要交出一个可视化的方案。

面对这样一个复杂的任务，MiniMax M2.7 充分利用了我已经安装的各种 Skills，它先使用 Anthropic 官方提供的 xlsx 完成了表格数据结构的信息读取，接着开始编写 Python 代码，自动安装 Pandas 库（常用来处理表格数据），一步一步进行。

最后，MiniMax M2.7 也交出了一份完整的可视化方案，它同时生成了多张图片用来展示收益率分布，不同特征的重要性和类别排名，以及综合仪表盘。

而在可视化的网页里，它利用 Streamlit 库将数据脚本直接转成了可交互的网页系统，所有的信息都可以直接动态查看。

这种大型的项目任务，MiniMax 能够顺利完成，我们日常工作中的办公和编程任务，就更不用说了。

我们先是在手机上操作龙虾，让它帮我总结我放在电脑上的文件，然后要求 MiniMax M2.7 根据这份文件，帮我写一个研究计划 Word 文件，再整理一份相关论文的 Excel 文档，最后是一个用来组会做汇报的 PPT 文档，直接在手机上就能操作。

在办公领域的优势，也让 MiniMax M2.7 在衡量专业知识与任务交付能力的 GDPval-AA 评测中，ELO 得分达到了 1495，国产模型最高。

前段时间，AI 工作助手的可视化面板很火，把龙虾放到了真实的二次元风格办公室里，用一句话就能安装到自己的 OpenClaw。我们也成功让这只 Appso 小龙虾有了自己的家，但是如果我想要修改二次元房间布局，可以怎么做呢？交给 MiniMax。

在 OpenClaw 的可视化本地界面里，我们直接发送「我想修改这个小房子的风格该怎么做？」，MiniMax M2.7 会自动阅读项目的代码，然后告诉我们哪些地方是可以修改的，如何修改。

由于我输入的要求是科技编辑部办公室的风格，然后它就帮我修改成了有星球大战的海报，还加了十几个人坐在电脑前面码字。

不过我们没有在 OpenClaw 内配置 Nano Banana Pro 的 API Key，所以 MiniMax M2.7 在 OpenClaw 里帮我选择了用代码的方式来生成简单的图片。

接着和它聊天，我们还能根据这个风格设计一个编辑部大亨的游戏，谁做的任务多，谁的办公室就大，就能升级。

如果是 MiniMax 官方的 MaxClaw，是直接支持多模态的生成，可以一步到位生成视频、音频、图片等，不需要配置额外的 API。

我们使用官方提供的 gif-sticker-maker Skill 生成了几张马斯克的表情包。云端部署的 MaxClaw 能确保运行环境的足够安全，但是它不允许我们像操作本地电脑一样，任意安装不同的库文件。

最后在将视频转成 GIF 时，MaxClaw 提醒我，它没有足够的权限将 ffmpeg（一个开源的多媒体处理库）安装到云端服务器上。

点击 MaxClaw 对话框下面的技能，我们就能看到所有安装在 MaxClaw 的 Skills 详情，并且点击「问问 MaxClaw」，它会自动编辑一条消息「告诉我 frontend-dev 能做什么，并告诉我如何使用它」，引导我们学习如何使用这项 Skill。

除了 GIF 生成这个 Skill，MiniMax 还提供了包括前端开发、全栈后端、安卓和 iOS 应用开发以及创作惊艳视觉效果的 GLSL 着色技术等技能库，我们可以直接在龙虾里发送「你能帮我安装这个项目里的 Skill 吗 https://github.com/MiniMax-AI/skills」，龙虾会自动获取 Skill 文档完成安装。

AI 狠起来，连自己都卷

除了在日常工作和办公领域上表现出的完整工作流，以及实际的交付能力，MiniMax M2.7 最让我们感到特别的，还有它展现出的「模型自迭代闭环」。

MiniMax 曾提到人类研究员只需要把控大方向，把构建系统的任务交给模型，它就能以解决方案架构师的身份自主搭建开发 Agent harness。

Agent harness 可以理解成套在 AI agent 外面的一层运行基础设施。模型负责思考，harness 负责把这个「会想」的东西，变成一个能稳定干活的系统。这个系统像是运行层，负责让 agent 在真实环境里稳定运行。

为了测试 M2.7 的极限，MiniMax 让它去优化某个内部脚手架的软件工程表现。结果，M2.7 全程零人工干预，硬生生跑出了一个超过 100 轮的迭代循环。

它自己分析失败轨迹，自己规划改动，改完脚手架代码再去跑评测，最后对比结果决定是保留还是回退。在不停歇自我互搏中，它自己发现了最优解，最终让评测集上的效果飙升了 30%。

这种「AI 搞科研」的能力也在公开的测试集上得到了验证，MiniMax M2.7 被扔进了全球最大的机器学习竞赛 Kaggle 的 MLE Lite 测试集。

22 道高难度竞赛题，M2.7 依靠内部的短时记忆文件和自反馈机制，每跑完一轮就给自己提优化建议。

24 小时内，它一举拿下了 9 枚金牌、5 枚银牌、1 枚铜牌，得牌率 66.6%。

这个成绩，仅次于 Opus-4.6（75.7%）和 GPT-5.4（71.2%），与 Gemini-3.1 直接打平。

当一个模型能够以解决方案架构师的身份，仅用 1 人 4 天时间，零人工编码就搭出一套包含测试和代码审查的 Agent 系统时，AI 研发的齿轮，大概已经换上了自动挡。

在极其硬核的生产力之外，MiniMax M2.7 的底层框架也赋予了它长程稳定的记忆和极强的情商，这让它在互动角色扮演（Roleplay）上，比传统的闲聊机器人表现要好上不少。

官方在 GitHub 上开源了一个多模态交互系统 OpenRoom，一个万物皆可互动的 Web GUI 空间，可以实时地让 AI 与空间产生不同的交互。

AI 开始学会「自己工作」，这件事比写好代码更重要

体验下来，MiniMax M2.7 真正让我们在意的，不是它把 Kaggle 竞赛刷出了 66.6% 的得牌率，也不是 Office 三件套交付得足够干净。

而是它在试图解决一件更底层的事：让 AI 真正理解工作流，并且参与到工作流的演化里。

过去，软件是人写的、人用的。现在，AI 开始写软件、改软件、用软件。当一个模型能够在没有人工编码的情况下，自己搭系统、自己测试、自己回退——「AI 研发」这件事的齿轮，某种程度上已经换上了自动挡。

所谓「龙虾到底该怎么用」，我想很快就不再是一个问题——因为决定这一切的，不再是我们。

而是那个，开始学会自己工作的 AI。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。