网上流传的一个说法是错的：GPT-5.4 不是「Auto / Fast / Thinking 三档」，是 auto / instant / thinking / pro 四档。如果你的团队内部规范还是按三档写的，那份规范已经过期，而且会直接导致档位选错。
再给一句结论：多数外贸日常任务，instant 和 thinking 两档就够用；pro 是留给高 stakes 任务的；auto 看起来最省心，实际往往最慢。
四档分别适合什么
| 档位 | 定位 | 外贸场景举例 |
|—|—|—|
| instant | 快、简洁、单步问答 | 开发信初稿、短邮件回复、术语翻译、一句话润色、快速定义查询 |
| thinking | 多步推理、长上下文、可中途干预 | 客户背景调查、多语产品描述、长文档摘要、竞品页面拆解、报价要点整理 |
| pro | 研究级，高 stakes 任务 | 目标市场准入要求梳理、复杂技术方案草拟、大批量数据的分析判断 |
| auto | 由系统根据提问自动选档 | 不建议作为默认； unpredictability 与延迟都不理想 |
thinking 档有两个被低估的能力。一是上下文扩展到 256K（128K 输入 + 128K 输出），比上一版的 196K 总量有明显提升；二是它会在回答前先给出推理计划，你看到方向不对可以中途打断纠偏——这省掉的是「生成完发现全错、重新来一遍」的时间。thinking 的思考深度还能在 light / standard / extended / heavy 之间调。
pro 档内部还有 standard 与 extended 两个选项，extended 是能力上限。这档是为高级工程、生命科学、深度科研这类工作设计的，外贸场景里真正够得上的任务不多。
三个最常见的选档误区
误区一：档位越高，结果越好。
不是。高档位带来的是更强的推理与更长的上下文，代价是更慢、更贵。一封两句话的跟进邮件用 pro 档，得到的是一份更慢的、质量没有可感知提升的回复。真正需要判断的是「这个任务需要几步推理」，而不是「这个任务重不重要」。
误区二：auto 最省心。
恰恰相反。auto 会尝试根据提问自动选档，但这个判断发生在你提问之后、生成之前，等于多加了一层不确定性；在需要稳定输出的日常流程里，手动指定档位比让系统猜要可预测得多。给团队定规范时，建议直接规定「这类任务用 instant，那类用 thinking」，而不是「开 auto」。
误区三：开了高级档就不用核事实了。
这条最危险。GPT-5.4 在准确性上确实有改善——OpenAI 自己的说法是完整回答出现事实错误的概率比上一代低约 18%（这是厂商自述，不是第三方验证结果）。但这个改善不覆盖外贸场景里最不能错的那些东西：认证编号、产品参数、法规条款、价格与交期。这些必须由人核对，无论开哪一档。
Codex 桌面端：1M 上下文的真实边界
Codex 是这次更新里和外贸工作流关系最密切的部分，但它有一个经常被混淆的点要讲清楚。
1M token 上下文是 Codex 的能力，不是 ChatGPT 通用能力。ChatGPT 里 thinking 档的上下文是 256K。Codex 支持实验性的 1M 上下文，用在需要长期规划与执行的任务上。但 OpenAI 自己也提示：塞入过多或不精确的上下文，反而会让模型可靠性下降。
Codex 这次的其他变化：
- 原生计算机操作：GPT-5.4 是 OpenAI 首个具备原生计算机操作能力的通用模型，可以读截图、下键盘鼠标指令来操作软件。在 OSWorld-Verified 这个桌面环境导航基准上达到 75.0%，上一代是 47.3%，人类对照组是 72.4%
- /fast 模式：token 速度最高提升 1.5 倍，不影响模型质量
- Tool Search：API 侧不再把全部工具定义塞进提示词，改为按需拉取。OpenAI 在 250 个任务的 MCP Atlas 测试中说 token 消耗降低约 47%
- 桌面端：Codex 有 Windows 与 macOS 桌面应用，支持多个 agent 并行、独立工作树与可审阅的 diff，面向 ChatGPT Business / Enterprise / Edu 中已含 Codex 的工作区
- 视觉能力：新增图像输入档，支持最高 1024 万像素的全保真识别；文档解析基准 OmniDocBench 的平均错误率从 0.140 降到 0.109
对外贸团队来说，Codex 真正可落地的不是「让它替你谈客户」，而是内部工具化的杂活：批量处理 CSV 报价表、改模板、写一次性脚本、整理产品目录。这类任务边界清晰、错了也不伤客户，是试水 agent 能力最安全的地方。
给团队定规范时的三条建议
按任务分档，不按人分档。同一个人在写开发信和做客户背调时应该开不同的档，规范应该约束任务类型而不是约束人。
把「必须人工核对」的清单单独列出来。认证编号、参数、法规、价格、交期、客户公司名称与联系人——这六类无论哪档都要人过一遍。AI 出错的代价在这几类上是不对称的。
Codex 类工具先跑内部任务。先在内部数据处理上跑通，再考虑接触客户侧流程。这个顺序反过来会出事。
需要说明的一点：以上版本号、档位命名、定价与基准数据都会随厂商更新变化，团队规范里应该写「按官方页面核对当前口径」，而不是把具体数字写死。
探索者SEO顾问团队在给外贸企业搭内容工作流时，通常会把「AI 负责哪几环、人负责哪几环」写成明确的交接清单——这条线划清楚，比选哪个模型重要得多。如果你想针对外贸获客链路做一次 AI 介入点的划分，可以联系我们：电话/微信 15617834052，邮箱 931519643@qq.com，或查看 GEO 与 AI 搜索服务。
常见问题
GPT-5.4 到底是三档还是四档？
四档：auto / instant / thinking / pro。网上不少教程仍在讲「Auto / Fast / Thinking」三档，那是过时说法。pro 是 2026 年这一版中新增的关注点。
日常写开发信用哪一档？
instant。开发信属于单步、短文本、需要快速产出的任务，高档位不会带来可感知的质量提升，只会更慢。需要针对特定客户做背景调查再定制内容时，才切到 thinking。
thinking 档的 256K 上下文和 1M 上下文是一回事吗？
不是。ChatGPT 里 thinking 档的上下文是 256K（128K 输入 + 128K 输出）；1M 上下文是 Codex 的实验性能力。混淆这两者会导致对 ChatGPT 能力的高估。
上下文是不是塞得越多越好？
不是。OpenAI 自己提示，塞入过多或不精确的上下文会让模型可靠性下降。正确做法是给必要且精确的材料，而不是把整个文件夹丢进去。
auto 档为什么不建议作为默认？
auto 会在提问后自动判断档位，等于引入一层不确定性，且可能比手动选档更慢。对需要稳定产出的日常流程，手动指定档位更可预测。
AI 说的认证编号和产品参数能直接用吗？
不能。无论开哪一档，认证编号、产品参数、法规条款、价格与交期都必须人工核对。GPT-5.4 在事实准确性上有改善（OpenAI 自述约 18% 的错误率下降，属厂商自述非第三方验证），但这个改善不覆盖上述高风险类别。
Codex 能用来做什么外贸相关工作？
最合适的入口是内部杂活：批量处理报价表与 CSV、改模板、写一次性脚本、整理产品目录。这类任务边界清晰、出错不外溢。不建议一开始就让它接触客户侧流程。
Codex 的计算机操作能力可靠吗？
在 OSWorld-Verified 基准上 GPT-5.4 达到 75.0%，人类对照组为 72.4%，上一代为 47.3%。这是首次在该基准上超过人类对照。但基准成绩不等于你的具体场景表现，涉及客户数据或不可逆操作时仍需人工确认。