OpenAI vừa phát hành GPT-5.4 và chúng tôi đã thử nghiệm nó trong Cline suốt tuần. Chúng tôi nhận thấy có sự gia tăng trong việc sử dụng máy tính và kiến thức chung, và các chỉ số cũng xác nhận điều đó: OSWorld (đánh giá sử dụng máy tính) đã tăng từ 47.3% → 75.0%, vượt qua hiệu suất của con người ở mức 72.4%! 🧵

GPT-5.4 cũng có một cửa sổ ngữ cảnh 1M, nhưng các đánh giá của họ cho thấy rằng việc tìm kiếm kim trong đống rơm (MRCR v2) đạt 97% ở 16-32K token, giảm xuống 57% ở 256-512K, và chỉ còn 36% ở 512K-1M. Vì vậy, thật là một ý tưởng tốt để nén thường xuyên!