OpenAI Release

凌晨，OpenAI 發(fā)布 GPT-5.5，是 GPT-5 系列迄今最大更新

下面這個(gè)，是介紹視頻

https://openai.com/index/introducing-gpt-5-5/

本次核心變化：用更少的 token，干更難的活

在 Artificial Analysis 的 Coding Agent Index 上，GPT-5.5 達(dá)到了最高智能水平，成本是同級別競品的一半

GPT-5.5 這個(gè)模型，目前已向 ChatGPT 付費(fèi)用戶開放

更高級別的 GPT-5.5 Pro，則向 Pro、Business、Enterprise 用戶開放

API 即將上線，價(jià)格大幅上漲，為 $5/$30 (每百萬Token)，比 5.4 翻了 3 倍

能力總覽

OpenAI 拿出了一張 9 項(xiàng)核心指標(biāo)的對比表，橫向?qū)Ρ?GPT-5.5、GPT-5.4、GPT-5.5 Pro、GPT-5.4 Pro、Claude Opus 4.7 和 Gemini 3.1 Pro

核心 Benchmark 總覽

在 Artificial Analysis Intelligence Index（第三方，10 項(xiàng) eval 加權(quán)平均）上，GPT-5.5 在同等輸出 token 量下智能得分最高，token 總消耗明顯低于其他模型

Terminal-Bench 2.0復(fù)雜命令行工作流：82.7%，vs GPT-5.4 的 75.1%，vs Claude Opus 4.7 的 69.4%

SWE-Bench Pro真實(shí) GitHub issue 解決：58.6%，vs GPT-5.4 的 57.7%。Claude Opus 4.7 報(bào)了 64.3%，但 Anthropic 承認(rèn)部分問題存在記憶化

Expert-SWE內(nèi)部長周期編碼任務(wù)，中位人類完成時(shí)間 20 小時(shí)：73.1%，vs GPT-5.4 的 68.5%

在 Codex 里，GPT-5.5 可以接手從實(shí)現(xiàn)、重構(gòu)到調(diào)試、測試的完整工程工作。上下文窗口 400K

知識工作

coding 之外，GPT-5.5 在日常電腦操作和知識工作上的提升同樣明顯

GDPval44 個(gè)職業(yè)知識工作測試，勝出或平手率 84.9%，vs GPT-5.4 的 83.0%，vs Claude Opus 4.7 的 80.3%

OSWorld-Verified模型獨(dú)立操作真實(shí)電腦環(huán)境：78.7%，vs GPT-5.4 的 75.0%

Tau2-bench Telecom復(fù)雜客服工作流，無 prompt 調(diào)優(yōu)：98.0%，vs GPT-5.4 的 92.8%

GPT-5.5 Pro 也有提升。早期測試者覺得 GPT-5.5 Pro 在業(yè)務(wù)、法律、教育、數(shù)據(jù)科學(xué)方向上比 GPT-5.4 Pro 更全面、更準(zhǔn)確

財(cái)務(wù)建模 demo，手動替換：https://player.vimeo.com/video/1185616826

OpenAI 內(nèi)部用例

OpenAI 公司超過 85% 的員工每周都在用 Codex，覆蓋工程、財(cái)務(wù)、市場、公關(guān)、數(shù)據(jù)科學(xué)、產(chǎn)品管理

公關(guān)團(tuán)隊(duì)分析了 6 個(gè)月的演講邀請數(shù)據(jù)，建了打分和風(fēng)險(xiǎn)框架，低風(fēng)險(xiǎn)請求自動處理，高風(fēng)險(xiǎn)請求交人審核

財(cái)務(wù)團(tuán)隊(duì)審了 24,771 份 K-1 稅表，共 71,637 頁，比去年提前兩周完成

GTM 團(tuán)隊(duì)自動生成周報(bào)，每周省 5-10 小時(shí)

科學(xué)研究

GeneBench 是 OpenAI 新推出的 eval，測試多階段遺傳學(xué)和定量生物學(xué)數(shù)據(jù)分析。這些任務(wù)通常對應(yīng)科研專家?guī)滋斓綆字艿墓ぷ髁?。GPT-5.5 得分 25.0%，GPT-5.4 是 19.0%，GPT-5.5 Pro 達(dá)到 33.2%

BixBench（真實(shí)生物信息學(xué)和數(shù)據(jù)分析 benchmark）：GPT-5.5 得分 80.5%，GPT-5.4 是 74.0%

Academic 評測數(shù)據(jù)

Ramsey 數(shù)新證明

GPT-5.5 的內(nèi)部版本配合自定義工具鏈，發(fā)現(xiàn)了關(guān)于 Ramsey 數(shù)的一個(gè)新證明。Ramsey 數(shù)是組合數(shù)學(xué)的核心對象，研究結(jié)果稀少且技術(shù)難度高。這個(gè)證明后來在 Lean 中完成了形式化驗(yàn)證

推理效率

GPT-5.5 更大更強(qiáng)，但實(shí)際延遲和 GPT-5.4 一樣

此前，OpenAI 用固定數(shù)量的靜態(tài)分區(qū)來平衡 GPU 上的計(jì)算負(fù)載

而在新版本中，Codex 分析了數(shù)周的生產(chǎn)流量數(shù)據(jù)，寫了自定義的啟發(fā)式分區(qū)算法。這一項(xiàng)改進(jìn)讓 token 生成速度提升了超過 20%

模型幫忙優(yōu)化了自己運(yùn)行的基礎(chǔ)設(shè)施

網(wǎng)絡(luò)安全

GPT-5.5 的網(wǎng)絡(luò)安全能力被 OpenAI Preparedness Framework 評為 High（生物/化學(xué)能力同為 High）。沒有達(dá)到 Critical 級別

CyberGym81.8%，vs GPT-5.4 的 79.0%，vs Claude Opus 4.7 的 73.1%

CTF 挑戰(zhàn)任務(wù)內(nèi)部擴(kuò)展版：88.1%，vs GPT-5.4 的 83.7%

與此同時(shí)，GPT-5.5 也發(fā)布同時(shí)推出了一個(gè)新項(xiàng)目：生物安全漏洞賞金

規(guī)則是這樣，OpenAI 準(zhǔn)備了 5 個(gè)生物安全問題，參與者需要找到一條「通用越獄 prompt」，在 Codex Desktop 的干凈對話里，一次性通過全部 5 個(gè)問題，且不觸發(fā)審核，就算越獄成功

參與地址在這：https://openai.com/index/gpt-5-5-bio-bug-bounty/

第一個(gè)成功的通用越獄，獎金 $25,000。部分突破可能獲得較小獎勵(lì)

申請窗口2026 年 4 月 23 日開放，6 月 22 日截止，滾動審核

測試窗口2026 年 4 月 28 日至 7 月 27 日

準(zhǔn)入條件需要現(xiàn)有 ChatGPT 賬號，簽署 NDA

保密要求所有 prompt、輸出和發(fā)現(xiàn)均受保密協(xié)議覆蓋

面向有 AI 紅隊(duì)、安全或生物安全經(jīng)驗(yàn)的研究者

可用性與定價(jià) ChatGPT

GPT-5.5 Thinking 面向 Plus、Pro、Business、Enterprise 用戶。GPT-5.5 Pro 面向 Pro、Business、Enterprise 用戶

Codex

GPT-5.5 面向 Plus、Pro、Business、Enterprise、Edu、Go 計(jì)劃，400K 上下文窗口。Fast 模式 token 生成速度提升 1.5 倍，成本 2.5 倍

API（即將上線）

gpt-5.5$5/1M input tokens，$30/1M output tokens，1M 上下文窗口

gpt-5.5-pro$30/1M input tokens，$180/1M output tokens

Batch / Flex標(biāo)準(zhǔn)價(jià)的一半

Priority標(biāo)準(zhǔn)價(jià)的 2.5 倍

GPT-5.5 單價(jià)比 GPT-5.4 高，但 token 效率也更高

OpenAI 表示在 Codex 里，GPT-5.5 對大多數(shù)用戶來說，實(shí)際消耗的 token 比 GPT-5.4 更少

完整 Benchmark 數(shù)據(jù)

以下是 OpenAI 公布的全部評測數(shù)據(jù)，按類別整理。所有 GPT 評測在 reasoning effort 設(shè)為 xhigh 的研究環(huán)境中進(jìn)行

Coding 評測表

Professional 評測表

Computer Use and Vision 評測表

Tool Use 評測表

Academic 評測表

Cybersecurity 評測表

Long Context 評測表

Abstract Reasoning 評測表

Abstract Reasoning 評測表

短板

SWE-Bench Pro 上 Claude Opus 4.7 報(bào)了 64.3%（GPT-5.5 是 58.6%），但 Anthropic 承認(rèn)部分問題存在記憶化

MCP Atlas 上 Claude Opus 4.7（79.1%）和 Gemini 3.1 Pro（78.2%）均高于 GPT-5.5（75.3%）

Humanity's Last Exam（帶工具）上 GPT-5.4 Pro 的 58.7% 高于 GPT-5.5 Pro 的 57.2%

長上下文 256K 以上，Claude Opus 4.7 在部分指標(biāo)上仍有優(yōu)勢

參考材料

→ 官方博客：openai.com/index/introducing-gpt-5-5/

→ System Card：deploymentsafety.openai.com/gpt-5-5

→ Bio Bug Bounty 申請：https://openai.com/index/gpt-5-5-bio-bug-bounty/

→ BixBench 論文：arxiv.org/abs/2503.00096

→ Artificial Analysis 方法論：artificialanalysis.ai/methodology/intelligence-benchmarking

→ API 定價(jià)：openai.com/api/pricing/