OpenAI випустив GPT-5.4: що змінилось в 2026

5 березня 2026 року OpenAI випустив GPT-5.4 — одночасно у ChatGPT, API і Codex.

Це не черговий incremental update: модель вперше об'єднує coding pipeline GPT-5.3-Codex

із загальним reasoning, отримує native computer use і контекстне вікно до 1M токенів.

Коротко: якщо ви будуєте агентні воркфлоу або coding-інструменти —

це реліз, на який варто звернути увагу сьогодні.

📚 Зміст

• 📌 Що вийшло і коли
• 📌 3 головні зміни для розробника
• 📌 Швидке порівняння з конкурентами
• 📌 Що робити прямо зараз
• 📌 Хочеш глибше?

🗓️ Що вийшло і коли

OpenAI офіційно анонсував GPT-5.4

5 березня 2026 року. Модель доступна одразу на трьох поверхнях:

• ChatGPT — як GPT-5.4 Thinking для Plus, Team і Pro користувачів (замінює GPT-5.2 Thinking). GPT-5.2 Thinking залишається у Legacy Models до 5 червня 2026
• API — endpoint gpt-5.4 і gpt-5.4-pro доступні вже зараз
• Codex — стає дефолтною моделлю, замінюючи GPT-5.3-Codex

GPT-5.4 Pro доступний через API і для ChatGPT Pro ($200/міс) та Enterprise-планів.

Free-користувачі отримують доступ до GPT-5.4 через авторотацію запитів, за даними

VentureBeat.

⚙️ 3 головні зміни

1. Більше не потрібно вибирати між GPT-5.x і Codex

До релізу GPT-5.4 стандартна архітектура агентного pipeline зі змішаними задачами

виглядала так: GPT-5.2 для planning і reasoning-кроків, GPT-5.3-Codex для generation

і code execution. Кожен switch між моделями — окремий API-виклик, окреме управління

контекстом, різна поведінка на граничних випадках і різні параметри тонкої настройки.

При довгих агентних траєкторіях це накопичувалось у суттєвий overhead по latency і

складності коду.

GPT-5.4 усуває цю потребу. За даними

OpenAI,

це перша mainline reasoning-модель, що incorporates frontier coding capabilities

GPT-5.3-Codex в єдині ваги — результат злиття тренувальних стеків, а не routing логіки.

На практиці це означає:

• SWE-Bench Pro: 57.7% vs 56.8% у GPT-5.3-Codex — GPT-5.4 відтворює

  coding performance Codex-моделі при нижчій latency і з додатковими можливостями reasoning,

  за даними gaga.art

• GDPval: 83.0% — нова метрика OpenAI, 44 професії з 9 індустрій,

  1320 задач від профільних спеціалістів з 14+ роками досвіду. GPT-5.4 перевершує

  GPT-5.2 (70.9%) і відповідає або перевершує людського профільного спеціаліста в 83%

  порівнянь, за даними

  The Decoder

• Для розробника практично: якщо ваш pipeline використовував два endpoints,

  зараз достатньо змінити model ID на gpt-5.4 — в більшості випадків

  це swap без змін логіки. GPT-5.4 стає дефолтною моделлю в Codex, замінюючи

  GPT-5.3-Codex автоматично

Окремо варто зазначити нову функцію в ChatGPT Thinking: модель тепер показує план

reasoning перед виконанням і дозволяє коригувати напрямок mid-response —

не потрібно починати запит з нуля, якщо модель пішла у хибному напрямку. Доступно

на chatgpt.com і Android, iOS — незабаром, за даними

DataCamp.

2. Native computer use: механіка і реальні цифри

GPT-5.4 — перша загальна модель OpenAI з вбудованим computer use. Важливо розуміти

архітектуру: це не один механізм, а два паралельних підходи, які модель комбінує

залежно від задачі:

• Code-based automation — модель пише код на Playwright або аналогічних

  бібліотеках для керування браузером і desktop-додатками. Підходить для детермінованих

  повторюваних воркфлоу: форми, navigation, data extraction

• Screenshot-based control — модель отримує скріншот поточного стану

  екрану і видає mouse/keyboard команди. Підходить для задач, де структура UI непередбачувана

  або змінюється між сесіями

Поведінка стерується через developer messages і custom confirmation policies:

розробник може налаштувати, які дії вимагають підтвердження від користувача, а які

виконуються автономно — важливий механізм для продакшн-деплойменту з різними рівнями

ризику, за даними

OpenAI.

Ключові бенчмарки:

• OSWorld-Verified: 75.0% — вище середнього людського показника (72.4%).

  Для порівняння: GPT-5.2 на тому ж бенчмарку показував лише 47.3% — тобто приріст

  більш ніж у 1.5×, за даними

  VentureBeat

• BrowseComp: 82.7% (базова) / 89.3% (Pro) —

  вимірює здатність агента знаходити складнодоступну інформацію в інтернеті через

  персистентний browsing. GPT-5.2 показував 65.8% — приріст на 17% абсолютних пунктів

Для демонстрації можливостей OpenAI випустив експериментальний Codex skill

Playwright (Interactive): модель може візуально дебажити web і Electron

додатки в реальному часі — і навіть тестувати додаток в процесі його створення.

За даними

DataCamp,

це поєднання code generation і visual feedback loop вказує на напрямок, де AI-агенти

зможуть ітерувати над frontend з мінімальним залученням людини.

3. Tool Search: від статичного manifest до on-demand discovery

Це, мабуть, найбільш практично важлива зміна для розробників, що будують системи

з великою кількістю інструментів. Раніше передача tool definitions у system prompt

була неефективною: всі схеми завантажувались в контекст при кожному виклику,

незалежно від того, чи були вони потрібні на конкретному кроці.

GPT-5.4 вирішує це через нову архітектуру: модель отримує лише легковаговий

список доступних інструментів, а повні definitions підвантажує on-demand

тільки тоді, коли вирішує використати конкретний інструмент. За даними

The Decoder,

раніше великі tool ecosystems додавали десятки тисяч зайвих токенів

на кожен запит.

Практичний ефект Tool Search:

• −47% токенів на агентних задачах з великою кількістю інструментів,

  за даними

  VentureBeat

• Масштабованість: tool search дозволяє працювати з екосистемами,

  що містять десятки тисяч інструментів — наприклад, корпоративні

  MCP-сервери або великі API-каталоги, за даними

  Apidog

• Cache hit rate: оскільки lightweight tool list стабільніший між

  запитами ніж повний manifest, кешування працює ефективніше — додатково знижуючи

  вартість inference

• Обмеження: доступно виключно через Responses API, не через

  Chat Completions

Окремо варто відзначити покращення точності: на наборі де-ідентифікованих промптів,

де користувачі раніше відмічали фактичні помилки, GPT-5.4 показує

−33% помилкових тверджень і −18% відповідей з будь-якими

помилками порівняно з GPT-5.2, за даними

OpenAI.

Для продакшн-систем, де точність критична (юридичний аналіз, фінансові розрахунки),

це вимірюване покращення надійності.

📊 Швидке порівняння з конкурентами

Актуально на березень 2026. Джерела: Digital Applied, OpenAI, gaga.art.

💡 Повне порівняння з 11 параметрами, аналізом inference-вартості і практичною моделлю ієрархії → GPT-5.4: архітектурний розбір для розробника

✅ Що робити прямо зараз

Якщо у вас агентний воркфлоу або coding pipeline

• Swap model ID на gpt-5.4 і запустіть свої evals.

  Якщо раніше використовували GPT-5.3-Codex — GPT-5.4 відтворює його SWE-Bench Pro

  (57.7% vs 56.8%) при нижчій latency. Якщо використовували GPT-5.2 — очікуйте

  покращення на coding-задачах без деградації reasoning

• Розгляньте міграцію на Responses API якщо використовуєте Chat

  Completions з великою кількістю tools. Responses API відкриває Tool Search

  (−47% токенів), CoT між turns і native compaction — три функції, недоступні

  через Chat Completions

• Увімкніть /fast mode в Codex для задач, де важлива

  швидкість: той самий GPT-5.4, але до 1.5× швидша token velocity, за даними

  target="_blank">VentureBeat

• Для 1M context window в Codex налаштуйте

  model_context_window і model_auto_compact_token_limit

  у Codex settings. Важливо: запити понад стандартні 272K тарифікуються

  за 2× нормальною ставкою, за даними

  gaga.art

Якщо будуєте computer use агентів

• Використовуйте оновлений computer tool в API. В документації OpenAI

  є рекомендації щодо original і high image detail settings —

  вони суттєво покращують localization і click accuracy

• Налаштуйте custom confirmation policies для дій з різним рівнем ризику:

  визначте, які операції виконуються автономно, а які вимагають підтвердження від

  користувача перед виконанням

• Спробуйте Playwright (Interactive) в Codex для visual debugging

  web і Electron додатків — experimental skill, але вже робочий для реальних

  frontend задач

Якщо у вас simple high-throughput задачі

• Не мігруйте поспіхом — gpt-5-mini або gpt-5.3-chat-latest залишаються

  кращим вибором по cost/latency для класифікації, summarization і template-filling.

  GPT-5.4 буде надлишковим і дорожчим для цих сценаріїв

• GPT-5.2 в API не має оголошеної дати deprecation — тому

  legacy-системи можна не чіпати поспіхом

Ключові дати

• 5 червня 2026 — GPT-5.2 Thinking відключається в ChatGPT

  (переходить у Legacy Models зараз, повне відключення через 3 місяці).

  Якщо використовуєте його в продукті через ChatGPT інтерфейс — мігруйте до цієї дати

• 26 серпня 2026 — sunset Assistants API. Якщо ще використовуєте

  Assistants API — міграція на Responses API є пріоритетною задачею прямо зараз

🔬 Хочеш зрозуміти як це влаштовано?

Ця стаття — короткий огляд того, що вийшло. Якщо тебе цікавить інженерна механіка:

як саме змінився reasoning pipeline від GPT-5.0 до 5.4, чому consolidated model —

це архітектурний компроміс, і як reasoning.effort впливає на вартість

і latency — читай детальний розбір:

👉

GPT-5.4 у 2026: від спеціалізованих моделей до consolidated architecture — що змінилось і чому

14 хв читання · 5 розділів · бенчмарки · таблиці · FAQ

Джерела:

OpenAI — Introducing GPT-5.4

TechCrunch — OpenAI launches GPT-5.4

VentureBeat — GPT-5.4 native computer use

Digital Applied — GPT-5.4 vs Claude vs Gemini

OpenAI Academy — GPT-5.4 Thinking та Pro