加载失败
OpenAI（大型语言模型提供商）在博客中介绍了 GPT‑5.4 和更高价位的 GPT‑5.4 Pro，并附带演示与按 token 的分项定价表。演示包含一个被称为“RPG Game”的实例，展示了所谓的 autonomous engineering 能力：生成美术、敌方 AI 与游戏逻辑等跨领域任务。最受关注的是定价表中的 Input/Cached/Output 单价和 Pro 版远高于普通版的标注，评论因此质疑是否为印刷错误、成本上涨原因或不合理的价格策略。讨论基于对 token 计费模型、版本选择、预训练成本等先验知识，延伸到社区对透明定价与可持续更新节奏的担忧。
不少评论者抱怨模型更新节奏过快，感到疲惫，需要不断跟进新版本。有人形容几乎“每隔一周就有新发行”，暗示对评估、迁移和成本管理带来额外负担。讨论把关注点从新功能转向如何选择继续使用旧版本与版本管理的实际问题。为此有人贴出更长的 HN 讨论链接，说明这是社区范围的持续话题。
博客中的“RPG Game”示例被称为极具说服力的 autonomous engineering（自主工程）演示，评论者认为这是最令人印象深刻的演示之一。该示例被比作 Battle Brothers（一款回合制战术RPG），涉及美术资源生成、敌方动作 AI 和复杂逻辑系统，显示出模型在跨模态与多步骤任务上的整合能力。评论认为这表明模型不仅能写文本，还能协调生成完整系统组件，暗示对游戏开发等领域自动化的实际潜力。
发布页面给出的按 token 计费表触发强烈质疑：GPT‑5.4 标注 Input $2.50/M、Cached $0.25/M、Output $15/M，而 GPT‑5.4‑pro 则列出 Input $30/M、Output $180/M，差距接近十倍。评论分为指责这是印刷错误（多了一个零）或政府式定价，以及认为可以继续用旧模型或模型更高效（用更少 token）可能抵消单价上升的两派观点。还有人猜测更高定价可能源自更大规模的 pretrain（预训练）成本，但总的看法是这种悬殊标价会破坏用户信任并引发公平定价的讨论。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6] [来源7] [来源8]
token: 在大型语言模型中，token 是文本的最小处理单元（通常为单词或词片），计费时常按百万（M tokens）为单位。不同阶段（input、cached、output）会对 token 单独计费，直接影响推理成本。
Cached tokens（缓存 token）: 指推理过程中对已处理上下文或中间结果的缓存复用，能减少重复计算与延迟，通常对应较低的计费率。发布页把 Cached 单独列为一个较低收费项，引发对计费细分的关注。
autonomous engineering（自主工程）: 指模型在最小人工干预下完成多步骤、跨模态任务（如生成美术资源、编写行为逻辑并整合到游戏中）的能力，表现为系统级的自动化而非单一文本生成功能。