📌 📄 内容摘要:
夜夜 (@vision9527) 在 💯 GPT-5.4视觉能力的惊喜 中发帖
早上起来刷到GPT-5.4发布的消息，看到文章里描述了关于Computer use and vision的描述，让我很惊喜！
往常多模态是模型能够识别图片内容是什么，但让模型返回具体坐标是不准的。这么说可能不太好理解，直接上例子：
sub-定位暂无代理几个字-gpt-5.2：
[sub-定位暂无代理几个字-gpt-5.2]
sub-定位暂无代理几个字-gpt-5.4：
[sub-定位暂无代理几个字-gpt-5.4]
sub-定位中间的添加代理按钮-gpt-5.2：
[sub-定位中间的添加代理按钮-gpt-5.2]
sub-定位中间的添加代理按钮-gpt-5.4
[sub-定位中间的添加代理按钮-gpt-5.4]
以前模型知道这里有个按钮，但是缺了一只手来点击他理解的位置。而现在能精确返回坐标，只需要一套工具，就能真正意义上的操作电脑了。这个也是GPT-5.4发布文章...
────────── 链接信息 ──────────
🔗 论坛链接: linux.do
📎 访问地址: https://linux.do/t/topic/1698733/1
─────────────────────────────
📢 来源：LINUX DO
