GPT-5.4: 83% на GDPval, tool search в API и open-source оценка CoT

Что произошло

OpenAI выпустила GPT-5.4 — модель превзошла GPT-5.2 на бенчмарке GDPval с 83% против 70.9% и получила новый API-инструмент tool search для эффективной работы с множеством инструментов.

Детали

• GDPval: 83.0% (GPT-5.4) vs 70.9% (GPT-5.2) — бенчмарк охватывает 44 профессии
• Новый API-инструмент: tool search для работы с большим количеством инструментов
• Выпущен open-source навык Playwright (Interactive) для демонстрации computer-use + coding
• Введена метрика CoT controllability — оценка устойчивости рассуждений к обфускации
• Контекстные окна GPT-5.4 Thinking не изменились относительно GPT-5.2

Что это значит

Для практиков: tool search снижает сложность при интеграции десятков инструментов в агентские пайплайны, а CoT controllability даёт метрику для аудита безопасности цепочек рассуждений.

GPT-5.4 достигает 83% совпадений с профессионалами на GDPval (44 профессии) — рост на 12 п.п. относительно GPT-5.2, при этом в API появился tool search для эффективной работы с множеством инструментов.