El jueves, OpenAI lanzó GPT-5.4, un nuevo modelo base, considerado «nuestro modelo de frontera más capaz y eficiente para el trabajo profesional». Además de la versión estándar, GPT-5.4 también está disponible como modelo de razonamiento (GPT-5.4 Thinking) u optimizado para alto rendimiento (GPT-5.4 Pro).

La versión API del modelo estará disponible con ventanas de contexto de hasta un millón de tokens, con diferencia la mayor ventana de contexto disponible en OpenAI.

OpenAI también destacó la mejora en la eficiencia de los tokens, afirmando que GPT-5.4 fue capaz de resolver los mismos problemas con una cantidad significativamente menor de tokens que su predecesor.

El nuevo modelo incluye resultados de referencia significativamente mejorados, incluyendo puntuaciones récord en las pruebas de uso de computadoras OSWorld-Verified y WebArena Verified. El nuevo modelo también obtuvo una puntuación récord del 83% en la prueba GDPval de OpenAI para tareas de trabajo del conocimiento.

GPT-5.4 también se impuso en la prueba de referencia APEX-Agents de Mercor, diseñada para evaluar las habilidades profesionales en derecho y finanzas, según un comunicado del director ejecutivo de Mercor, Brendan Foody.

“[GPT-5.4] destaca en la creación de entregables a largo plazo, como presentaciones, modelos financieros y análisis legales”, declaró Foody, “ofreciendo un rendimiento superior, a mayor velocidad y a un menor coste que los modelos fronterizos de la competencia”.

GPT-5.4 continúa los esfuerzos de la compañía por limitar las alucinaciones y los errores factuales. OpenAI indicó que el nuevo modelo tenía un 33% menos de probabilidades de cometer errores en reclamaciones individuales en comparación con GPT 5.2, y que las respuestas generales tenían un 18% menos de probabilidades de contener errores.

Como parte del lanzamiento, OpenAI ha rediseñado la forma en que la versión API de GPT-5.4 gestiona la llamada a herramientas, introduciendo un nuevo sistema llamado Búsqueda de Herramientas. Anteriormente, las indicaciones del sistema presentaban definiciones para todas las herramientas disponibles al llamar al modelo, un proceso que podía consumir muchos tokens a medida que aumentaba el número de herramientas disponibles. El nuevo sistema permite a los modelos buscar definiciones de herramientas según sea necesario, lo que resulta en solicitudes más rápidas y económicas en sistemas con muchas herramientas disponibles.

OpenAI también ha incluido una nueva evaluación de seguridad para probar la cadena de pensamiento de sus modelos, el comentario continuo que estos proporcionan para mostrar el proceso de pensamiento a través de tareas de varios pasos. Los investigadores en seguridad de IA se han preocupado durante mucho tiempo de que los modelos de razonamiento pudieran distorsionar su cadena de pensamiento, y las pruebas demuestran que esto puede ocurrir en las circunstancias adecuadas.

La nueva evaluación de OpenAI muestra que el engaño es menos probable en la versión Thinking de GPT-5.4, lo que sugiere que el modelo carece de la capacidad de ocultar su razonamiento y que la monitorización de la cadena de pensamiento sigue siendo una herramienta de seguridad eficaz.