GPT-5.4 lanseras – datoranvändning, en miljon tokens och starkare AI-agenter

GPT-5.4 lanseras – datoranvändning, en miljon tokens och starkare AI-agenter

Den 5 mars 2026 lanserade OpenAI GPT-5.4 i ChatGPT, API:t och Codex. Modellen samlade professionellt kunskapsarbete, programmering, visuell förståelse och agentisk verktygsanvändning i samma huvudmodell. I API och Codex blev den dessutom OpenAI:s första generella modell med inbyggd datoranvändning och stöd för upp till en miljon tokens kontext.

Marketplace sammanfattar lanseringen i efterhand. GPT-5.4 lanserades som Thinking och Pro i ChatGPT och ersatte GPT-5.2 Thinking som det aktuella reasoning-alternativet. Den historiska betydelsen låg i att datorn själv blev ett förstaklassverktyg: modellen kunde tolka skärmbilder, styra mus och tangentbord och genomföra längre arbetsflöden mellan appar.

GPT-5.4 i korthet

| Punkt | Uppgift vid lanseringen |
|---|---|
| Lanseringsdatum | 5 mars 2026 |
| Produkter | ChatGPT, API och Codex |
| ChatGPT-versioner | GPT-5.4 Thinking och GPT-5.4 Pro |
| Viktig nyhet | Inbyggd datoranvändning i API och Codex |
| Maximal kontext | Upp till 1 miljon tokens i API och experimentellt i Codex |
| Professionellt arbete | Dokument, kalkylblad, presentationer och research |
| Verktyg | Tool search, webbsökning, agentiska verktygsanrop och datorstyrning |
| Säkerhetsnivå | Behandlades som High inom cyberförmåga |

En generell modell med inbyggd datoranvändning

Tidigare datoragenter byggde ofta på en generell modell som kombinerades med ett separat computer-use-system. GPT-5.4 utvecklades för att ha denna förmåga närmare integrerad i modellen.

Den kunde arbeta genom två huvudmetoder:

• skriva kod som styr webbläsare och appar, exempelvis med Playwright
• tolka skärmbilder och skicka mus- och tangentbordskommandon

Det gjorde modellen relevant för uppgifter som:

• mata in data i flera system
• navigera i administrativa portaler
• skicka e-post och skapa kalenderhändelser
• testa webbappar visuellt
• flytta information mellan dokument och kalkylblad
• genomföra research i gränssnitt där API saknades

En modell som kan se och klicka har större räckvidd än en ren chatbot. Den kan även göra mer skada vid ett fel. Datoranvändning behöver därför isolering, behörighetsgränser och tydliga bekräftelser före kritiska steg.

En miljon tokens för långvariga arbetsflöden

GPT-5.4 stödde upp till en miljon tokens kontext i API:t och experimentellt i Codex. Det gjorde det möjligt att ge modellen mycket stora kodbaser, dokumentmängder eller långa händelsehistoriker.

En miljon tokens kan motsvara tusentals sidor beroende på språk och format. Kapaciteten var relevant för:

• större repositories
• omfattande avtal och juridiska akter
• lång research med många källor
• företagskunskapsbaser
• loggar och incidenthistorik
• flerledsuppgifter som pågår länge

Men stor kontext är inte ett perfekt minne. OpenAI:s egna långkontexttester visade att träffsäkerheten föll när uppgifterna blev mycket stora och komplexa. Användaren behövde fortfarande strukturera materialet, definiera källor och be modellen hänvisa till konkreta avsnitt.

Professionellt kunskapsarbete förbättrades

OpenAI uppgav att GPT-5.4 matchade eller överträffade branschexperter i 83 procent av jämförelserna i GDPval. Utvärderingen omfattade specificerade arbetsprodukter från 44 yrken, exempelvis ekonomiska modeller, presentationer, scheman och tekniska diagram.

Det var en tydlig förbättring från GPT-5.2:s 70,9 procent i samma typ av jämförelse. Resultatet innebar inte att modellen behärskade 83 procent av hela yrkesrollen. Benchmarken mätte avgränsade uppgifter med ett känt mål och tillgängligt underlag.

Verkliga yrken innehåller även:

• ansvar för konsekvenser
• kontakt med människor
• konflikter mellan mål
• lokal och tyst kunskap
• juridiska skyldigheter
• osäker eller saknad information

GPT-5.4 var ett starkare produktionsverktyg, inte en automatisk ersättare för professionellt ansvar.

Kalkylblad, presentationer och dokument

OpenAI lade särskilt fokus på arbete med Office-liknande artefakter. I en intern utvärdering av kalkylbladsmodellering nådde GPT-5.4 enligt företaget 87,3 procent jämfört med 68,4 procent för GPT-5.2.

Mänskliga bedömare föredrog även GPT-5.4:s presentationer i 68 procent av jämförelserna mot GPT-5.2, med hänvisning till starkare estetik och bättre visuell variation.

En användare kunde låta modellen:

1. läsa ett underlag
2. skapa en finansiell modell
3. bygga diagram
4. skriva analysen
5. skapa ett presentationsutkast
6. kontrollera om siffror återkom konsekvent

Det professionella utseendet kunde fortfarande dölja fel. Formler, antaganden och källor behövde kontrolleras innan materialet användes i ett kund-, styrelse- eller investeringsbeslut.

Färre faktamässiga fel

OpenAI beskrev GPT-5.4 som företagets mest faktamässigt tillförlitliga modell vid lanseringen. I en uppsättning användarrapporterade fel var enskilda påståenden 33 procent relativt mindre benägna att vara falska än GPT-5.2:s, och fullständiga svar 18 procent mindre benägna att innehålla något fel.

Det var en relativ mätning i en särskild datamängd. Modellen kunde fortfarande:

• fabricera en källa
• använda gammal information
• missa ett avtalsundantag
• blanda valutor eller perioder
• feltolka en bild
• skapa fungerande kod med fel affärslogik

En professionell modell behöver professionell verifiering. Ju mer färdigt resultatet ser ut, desto viktigare blir en tydlig kontrollprocess.

Tool search minskade verktygsbruset

Agenter kan få tillgång till hundratals eller tusentals funktioner genom API:er och MCP-servrar. Tidigare skickades ofta alla verktygsdefinitioner till modellen i varje prompt. Det ökade kostnaden och fyllde kontexten med information som kanske aldrig användes.

GPT-5.4 introducerade tool search. Modellen fick först en lättare lista över verktyg och hämtade den fullständiga definitionen först när verktyget behövdes.

OpenAI uppgav att detta minskade tokenanvändningen med 47 procent i en MCP Atlas-utvärdering med bibehållen träffsäkerhet.

För företag gav det flera fördelar:

• lägre kostnad
• snabbare anrop
• större verktygsekosystem
• mindre trängsel i kontexten
• bättre caching

Säkerheten behövde fortfarande styras utanför modellen. Tool search gör det lättare att hitta ett verktyg, men bestämmer inte om agenten borde få använda det.

Bättre webbresearch

GPT-5.4 förbättrade persistent webbsökning för svårfunna frågor. OpenAI rapporterade 82,7 procent för standardmodellen och 89,3 procent för Pro på BrowseComp.

I praktiken kunde modellen:

• prova flera sökstrategier
• följa källspår
• leta efter en specifik uppgift i många sidor
• kombinera information från flera dokument
• behålla frågans kontext längre

Även uthållig research kan missa en källa eller övertolka material. Primärkällor och publiceringsdatum behövde fortfarande kontrolleras.

Läs även om Deep Research och flerledad källbaserad analys i ChatGPT.

Programmering och visuell testning

GPT-5.4 byggde in kodförmågorna från GPT-5.3-Codex i en generell modell. Den kunde arbeta med kod, verktyg och datoranvändning i samma flöde.

OpenAI lanserade även en experimentell Playwright Interactive-färdighet för Codex. Agenten kunde visuellt testa en webb- eller Electron-app medan den byggde den.

Ett utvecklingsflöde kunde vara:

1. implementera funktionen
2. starta appen
3. navigera visuellt
4. kontrollera att knappar och formulär fungerade
5. hitta ett gränssnittsfel
6. ändra koden
7. köra testerna igen

Det minskade gapet mellan kodgenerering och faktisk användarupplevelse. Men agentens egna tester kunde missa tillgänglighet, säkerhet eller ovanliga användarbeteenden.

Användaren kunde styra om modellen under arbetet

GPT-5.4 Thinking började längre uppgifter med en kort plan eller preamble. Användaren kunde justera riktningen medan modellen fortfarande arbetade.

Det var praktiskt när modellen annars hade kunnat lägga flera minuter på fel angreppssätt. Användaren kunde exempelvis säga:

• prioritera svenska källor
• använd inte prognoser
• skapa ett kalkylblad före presentationen
• fokusera på de tre största riskerna
• lämna betalningsdelen orörd

Styrbarheten förbättrade samarbetet, men krävde att användaren faktiskt följde processen och upptäckte när planen behövde ändras.

Cyberförmåga och försiktighetsåtgärder

OpenAI behandlade GPT-5.4 som High inom cyberförmåga. Skydden omfattade övervakning, betrodd åtkomst och blockering av vissa högriskförfrågningar.

Kombinationen av kod, datoranvändning och långvariga agenter kan vara mycket användbar för försvar. Samma kombination kan även automatisera delar av ett angrepp.

Företag som använde modellen för säkerhetsarbete behövde:

• tydlig auktorisation
• isolerade miljöer
• tillåtelselistor för nätverk
• loggning
• tillfälliga credentials
• mänskligt godkännande före exploatering
• incidentberedskap

Marketplace har senare skrivit om GPT-5.6-Cyber och OpenAI Daybreak för avancerat cyberförsvar.

Vad svenska företag kunde använda GPT-5.4 till

Lämpliga arbetsflöden var sådana där mycket data, dokument och flera digitala verktyg behövde kopplas samman:

• ekonomisk modellering
• större rapporter
• dokumentgranskning
• kod och testautomation
• datainmatning mellan system
• research och presentationer
• interna agenter med MCP-kopplingar

En säker pilot borde börja med läsbehörighet och utkast. Agenten borde få rätt att skriva, skicka eller radera först när loggning, bekräftelser och återställning fungerade.

GPT-5.4 jämfört med GPT-5.2

| Område | GPT-5.2 | GPT-5.4 |
|---|---|---|
| Professionellt arbete | Stort fokus | Högre kvalitet och mer färdiga artefakter |
| Datoranvändning | Separata agentlösningar | Inbyggd i generell API- och Codex-modell |
| Kontext | Lång kontext | Upp till 1 miljon tokens |
| Verktyg | Förbättrad tool calling | Tool search och effektivare stora verktygsekosystem |
| Kod | Stark | Inbyggda GPT-5.3-Codex-förmågor |
| Webbresearch | Förbättrad | Mer uthållig och högre resultat i OpenAI:s tester |

Vanliga frågor

När lanserades GPT-5.4?

OpenAI lanserade GPT-5.4 den 5 mars 2026.

Vilka ChatGPT-planer fick modellen?

GPT-5.4 Thinking började rullas ut till Plus, Team och Pro. Pro-versionen fanns för Pro och Enterprise.

Kunde modellen styra en dator?

Ja. I API och Codex hade GPT-5.4 inbyggd computer use genom skärmbilder, mus- och tangentbordskommandon eller kodbaserad automation.

Hur stort var kontextfönstret?

API:t och Codex stödde upp till en miljon tokens, med särskilda villkor och högre kvotkostnad över standardfönstret.

Vad var tool search?

Det var ett sätt för modellen att söka fram verktygsdefinitioner först när de behövdes i stället för att lägga alla funktioner i prompten från början.

Var GPT-5.4 alltid korrekt?

Nej. OpenAI rapporterade färre fel än GPT-5.2, men modellen kunde fortfarande hallucinera, feltolka underlag och göra felaktiga datorhandlingar.

Sammanfattning

GPT-5.4 lanserades den 5 mars 2026 och gjorde datoranvändning, lång kontext och stora verktygsekosystem till centrala delar av OpenAI:s generella huvudmodell. Den kunde arbeta med dokument, kalkylblad, kod och verkliga programmiljöer i samma flerledsflöde.

Kapaciteten gjorde agentiska arbetsflöden mer användbara, men ökade även konsekvenserna av fel. Begränsade behörigheter, tydliga planer, mänskliga bekräftelser och granskningsbara resultat var därför lika viktiga som modellens benchmarkresultat.

Faktaunderlag: OpenAI, ”Introducing GPT-5.4”, publicerad 5 mars 2026, samt GPT-5.4 Thinking System Card. Artikeln är en historisk sammanfattning publicerad i efterhand.