整理 | 褚杏娟

　　OpenAI 今天發(fā)布了 GPT-5.5，稱其為公司迄今“最聰明、最直覺(jué)化”的模型，也是面向真實(shí)工作的全新智能形態(tài)。相比上一代，GPT-5.5 的重點(diǎn)是進(jìn)一步承擔(dān)復(fù)雜任務(wù)中的規(guī)劃、工具調(diào)用、結(jié)果檢查和跨工具執(zhí)行，被 OpenAI 定位為推動(dòng)“用 AI 在電腦上完成工作”的關(guān)鍵一步。

　　贏了 Opus 4.7 和 Mythos？

　　在與 Anthropic 矛盾日益激烈的放下，GPT-5.5 發(fā)布后，很多人關(guān)注的就是到底誰(shuí)家模型更強(qiáng)，加上 Opus 4.7 發(fā)布后的負(fù)面反饋非常多，GPT-5.5 的發(fā)布更加引人關(guān)注。

　　GPT-5.5 的提升集中體現(xiàn)在四個(gè)方向：智能體式編碼、電腦使用、知識(shí)工作和早期科學(xué)研究。這些領(lǐng)域的共同特點(diǎn)是，任務(wù)往往需要長(zhǎng)上下文推理、持續(xù)行動(dòng)和跨工具執(zhí)行，而不是單輪問(wèn)答。

　　OpenAI 表示，GPT-5.5 能更快理解用戶意圖，并能自行承擔(dān)更多任務(wù)流程，包括編寫(xiě)和調(diào)試代碼、在線研究、數(shù)據(jù)分析、創(chuàng)建文檔和電子表格、操作軟件，以及在多個(gè)工具之間切換直至任務(wù)完成。

　　與需要用戶逐步拆解和指揮的傳統(tǒng)對(duì)話模型不同，OpenAI 將 GPT-5.5 描述為更接近“智能體式工作模型”：用戶可以直接交給它一個(gè)混亂、復(fù)雜、多部分的任務(wù)，由模型自行規(guī)劃、使用工具、檢查結(jié)果，并在不確定環(huán)境中持續(xù)推進(jìn)。

　　專注 AI Agent 安全與自治組織實(shí)驗(yàn)的公司 Andon Labs，提前拿到了 GPT-5.5 的訪問(wèn)權(quán)限。測(cè)試后，它在 Vending-Bench 2 上排名第三：表現(xiàn)優(yōu)于 GPT-5.4，但不如 Opus 4.7。不過(guò)，它的成績(jī)與 Opus 4.6 基本持平，而且沒(méi)有出現(xiàn)在 Opus 4.6 和 Mythos 身上看到的任何欺騙或權(quán)力尋求行為。“所以，糟糕行為并不是取得好成績(jī)的必要條件。那 Claude 為什么還會(huì)這么做？”Andon Labs 發(fā)問(wèn)。

　　另外 Andon Labs 表示，在 Vending-Bench Arena 中，也就是帶有競(jìng)爭(zhēng)動(dòng)態(tài)的多人版 Vending-Bench 里，GPT-5.5 實(shí)際上擊敗了 Opus 4.7。Opus 4.7 表現(xiàn)出了與 Opus 4.6 類似的行為：對(duì)供應(yīng)商撒謊，并拒絕給客戶退款。GPT-5.5 的策略則是干凈的，但它依然贏了。”

　　值得注意的是，Altman 也轉(zhuǎn)發(fā)了這個(gè)推特。

　　網(wǎng)友 Chetaslua 做了 GPT-5.5 和 Mythos 的對(duì)比，并表示，“這是兩者的基準(zhǔn)測(cè)試對(duì)比，大家看著玩。順便一提，Mythos 可以說(shuō)是‘幻覺(jué)之王’，而 5.5 在效率方面表現(xiàn)非常好，而且已經(jīng)公開(kāi)可用。”

　　Artificial Analysis 也直接道，“GPT-5.5 讓 OpenAI 重新回到 AI 領(lǐng)域毫無(wú)爭(zhēng)議的第一名。OpenAI 的新模型在 Artificial Analysis 智能指數(shù)上領(lǐng)先 3 分，打破了此前與 Anthropic、Google 三方并列第一的局面。”

　　Matthew Berman 過(guò)去兩周一直在測(cè)試 GPT-5.5，他的感受是：OpenAI 這次追求的不只是純粹智能，他們還改進(jìn)了模型的“活人感”?！斑@幾乎可以肯定是為了搶占更多個(gè)人 Agent，也就是 OpenClaw 這類市場(chǎng)。它的回答更短、更像真人，也沒(méi)那么正式。它真的開(kāi)始有‘性格’了?！彼治龅?。

　　Berman 表示，Anthropic 現(xiàn)在還在主動(dòng)防止你把 Opus token 用在它們自家 harness 之外，而 OpenAI 正在反過(guò)來(lái)優(yōu)化模型，讓它更適合這種使用場(chǎng)景。如果你之前在用 OpenClaw，并且覺(jué)得換成 GPT 之后你的 Agent 像是“丟了靈魂”，現(xiàn)在可以用 5.5 再試一次。

　　GPT-5.5 是一個(gè)昂貴模型，比 GPT-5.4 更貴。但它的 token 效率明顯更高。要達(dá)到 GPT-5.4 級(jí)別的智能表現(xiàn)，GPT-5.5 需要的 token 少得多。所以整體跑下來(lái)，5.5 的運(yùn)行成本應(yīng)該更低。這件事可能比大多數(shù)人意識(shí)到的更重要。

　　但它到底好不好？Berman 給出了肯定的回答，“好，而且非常強(qiáng)?！?/p>

　　GPT-5.5 有兩種使用形態(tài)：Codex 和 Pro。Berman 表示，在 Codex 里，它代表了當(dāng)前智能體式編碼能力的絕對(duì)前沿。它能發(fā)現(xiàn)并解決復(fù)雜 bug，能構(gòu)建完整應(yīng)用，也能輕松理解大型代碼庫(kù)。它在后端能力上強(qiáng)過(guò) Opus，但在前端設(shè)計(jì)上仍然不如 Opus。

　　Berman 自己主要使用 medium 和 high thinking 設(shè)置?！癳xtra high 實(shí)在太慢了，而且我不覺(jué)得額外的“思考量”值得為此付出代價(jià)。Opus，尤其是 4.6 fast，仍然比任何 GPT 模型都快得多。我是一個(gè)極度重視速度的人，所以這一點(diǎn)對(duì)我很重要?！?/p>

　　“而在 Codex 里，它就是會(huì)一直往前推進(jìn)。我給它一個(gè)正在做的新項(xiàng)目 PRD，只說(shuō)了一句‘開(kāi)始做吧’。我完全相信它能把整個(gè)項(xiàng)目搭出來(lái)，結(jié)果它也確實(shí)做到了。讓 GPT-5.5 Codex 連續(xù)跑幾個(gè)小時(shí)去構(gòu)建一個(gè)東西，不是什么問(wèn)題。它在視覺(jué)檢查方面也自成一檔，是我在其他模型上沒(méi)見(jiàn)過(guò)的水平。它能夠通過(guò)“構(gòu)建 → 視覺(jué)復(fù)查 → 繼續(xù)構(gòu)建”的方式反復(fù)迭代，這種感覺(jué)比任何其他模型都更自主。”

　　Berman 繼續(xù)道，“在 ChatGPT 里使用 5.5 Pro 的感覺(jué)更夸張。它真的會(huì)讓人覺(jué)得什么問(wèn)題都能解決。說(shuō)實(shí)話，我甚至想不出足夠難的問(wèn)題來(lái)考它。而且它可以連續(xù)工作 30 分鐘、60 分鐘、90 分鐘甚至更久。它似乎也專門(mén)針對(duì) OpenAI 的插件做了優(yōu)化，比如 Google Docs、Microsoft Word 等，可以輕松創(chuàng)建一份 60 頁(yè)、邏輯連貫且設(shè)計(jì)良好的文檔?！?/p>

　　“GPT-5.5 現(xiàn)在就是新的標(biāo)桿。它就是前沿。除了速度之外，它已經(jīng)和任何 Opus 模型一樣強(qiáng)，甚至在很多任務(wù)上更強(qiáng)?！盉erman 最后總結(jié)道。

　　不過(guò)，OpenAI 此前有強(qiáng)調(diào) GPT-5.5 在能力提升的同時(shí)沒(méi)有犧牲速度。該公司稱，在真實(shí)服務(wù)場(chǎng)景中，GPT-5.5 的單 token 延遲與 GPT-5.4 持平，但智能水平顯著提升；在完成相同 Codex 任務(wù)時(shí)，GPT-5.5 使用的 token 也明顯更少。

　　據(jù)悉，GPT-5.5 與 NVIDIA GB200 和 GB300 NVL72 系統(tǒng)共同設(shè)計(jì)、訓(xùn)練并部署。

　　OpenAI 表示，模型幫助改進(jìn)了服務(wù)模型自身的基礎(chǔ)設(shè)施。一個(gè)典型例子是負(fù)載均衡和分區(qū)啟發(fā)式算法。此前，OpenAI 會(huì)將加速器上的請(qǐng)求拆分成固定數(shù)量的塊，以平衡計(jì)算核心之間的工作負(fù)載。但靜態(tài)分塊并不適合所有流量形態(tài)。OpenAI 稱，Codex 分析了數(shù)周的生產(chǎn)流量模式，并編寫(xiě)自定義啟發(fā)式算法優(yōu)化分區(qū)和負(fù)載均衡，使 token 生成速度提升超過(guò) 20%。

　　“恰好”，Sam Altman 在推特上分享了他與黃仁勛發(fā)的郵件往來(lái)。黃仁勛在給 Altman 的郵件中寫(xiě)道（此前，Altman 發(fā)郵件稱“由 GPT-5.5 驅(qū)動(dòng)的 OpenAI Codex 已經(jīng)發(fā)布，并且現(xiàn)在每一位 NVIDIA 員工都可以使用！”）：

我剛剛把這封郵件發(fā)給了 NVIDIA 員工。 非常興奮，我們所有人都將使用 Codex 來(lái)加速工作，并完成以前不可能完成的事情。請(qǐng)代我向你的團(tuán)隊(duì)表示祝賀，他們?cè)俅蜗蚴澜缯故玖饲把厮凇?也請(qǐng)?jiān)俅胃兄x他們發(fā)明了 GPT，它給了我們一個(gè)跳板，讓我們能夠推理、規(guī)劃、使用工具，并走向更遠(yuǎn)的地方。 開(kāi)動(dòng)那些 Blackwell 吧。我們需要更多 token！

　　但無(wú)論如何，從社區(qū)反饋看，GPT-5.5 的認(rèn)可度非常高。

　　類微軟的商業(yè)模式？

　　當(dāng)前，GPT-5.5、GPT-5.5 Pro、GPT-5.5 Thinking 面向付費(fèi)用戶開(kāi)放：

　　GPT-5.5 面向 ChatGPT 和 Codex 中的 Plus、Pro、Business、Enterprise 用戶推出；GPT-5.5 Pro 面向 ChatGPT 的 Pro、Business、Enterprise 用戶開(kāi)放；GPT-5.5 Thinking 面向 Plus、Pro、Business 和 Enterprise 用戶。

　　在 Codex 中，GPT-5.5 面向 Plus、Pro、Business、Enterprise、Edu 和 Go 計(jì)劃開(kāi)放，上下文窗口為 400K。GPT-5.5 也提供 Fast 模式，生成 token 速度提升 1.5 倍，但成本為 2.5 倍。

　　API 版本尚未同步上線，但應(yīng)該很快。OpenAI 表示 GPT-5.5 很快將在 Responses API 和 Chat Completions API 中開(kāi)放，定價(jià)為 5 美元 / 百萬(wàn)輸入 token、30 美元 / 百萬(wàn)輸出 token ，上下文窗口為 100 萬(wàn)。Batch 和 Flex 價(jià)格為標(biāo)準(zhǔn) API 價(jià)格的一半，Priority 處理為標(biāo)準(zhǔn)價(jià)格的 2.5 倍。Pro 版本的定價(jià)為 30 美元 / 百萬(wàn)輸入 token；180 美元 / 百萬(wàn)輸出 token。

　　OpenAI 承認(rèn)，GPT-5.5 的價(jià)格高于 GPT-5.4，但強(qiáng)調(diào)其更智能且更節(jié)省 token。在 Codex 場(chǎng)景中，公司稱 GPT-5.5 對(duì)多數(shù)用戶來(lái)說(shuō)能用更少 token 交付更好結(jié)果。

　　Aakash Gupta 則分析認(rèn)為，OpenAI 找到了自己的商業(yè)模式，而且看起來(lái)很像那個(gè)讓微軟成為 3 萬(wàn)億美元公司的模式。他解釋道：

　　如果你認(rèn)真算一筆賬，GPT-5.5 的定價(jià)其實(shí)已經(jīng)說(shuō)明了一切。

　　GPT-5 在 8 月發(fā)布時(shí)，價(jià)格是 0.63 美元 / 百萬(wàn)輸入 token。GPT-5.4 在 3 月推出時(shí)，漲到了 2.50 美元 / 百萬(wàn)輸入 token。僅僅七周后，GPT-5.5 的價(jià)格來(lái)到 5.00 美元 / 百萬(wàn)輸入 token。也就是說(shuō)，8 個(gè)月里，輸入價(jià)格漲了 8 倍，而每一代模型的提升更多是漸進(jìn)式的。

　　Nvidia 表示，其最新芯片可以將每 token 推理成本最高降低約 97%。OpenAI 的成本基礎(chǔ)正在快速下探，但價(jià)格卻在上漲。這里發(fā)生的利潤(rùn)率擴(kuò)張，在企業(yè)軟件歷史上幾乎前所未見(jiàn)。

　　9 億周活用戶，5000 萬(wàn)訂閱用戶，900 萬(wàn)付費(fèi)企業(yè)客戶。僅按每月 20 美元計(jì)算，訂閱用戶本身就能帶來(lái)約 120 億美元年化收入。而 API 漲價(jià)瞄準(zhǔn)的，則是在 OpenAI 基礎(chǔ)設(shè)施之上構(gòu)建 Agent 的開(kāi)發(fā)者。每一家為 GPT-5.5 推理支付 2 倍成本的 AI 初創(chuàng)公司，實(shí)際上都在為 OpenAI 自己的競(jìng)爭(zhēng)產(chǎn)品提供資金。

　　Brockman 把不能明說(shuō)的話說(shuō)出來(lái)了：他們正在打造一個(gè)把 ChatGPT、Codex 和瀏覽器整合到同一平臺(tái)里的“超級(jí) App”。每一個(gè)基于 GPT-5.5 構(gòu)建 Agent 的開(kāi)發(fā)者，都是在付錢(qián)給 OpenAI，讓它打造那個(gè)最終可能取代自己的東西。

　　7 周一次的發(fā)布節(jié)奏，會(huì)以競(jìng)爭(zhēng)對(duì)手難以追上的速度不斷疊加切換成本。只要發(fā)布得足夠快，讓客戶不斷圍繞你的格式重建提示詞和工作流管線，之后每一輪再漲價(jià)，因?yàn)樗麄円呀?jīng)很難離開(kāi)。

　　下面，我們具體看下官方給出的模型測(cè)評(píng)情況。

　　四大能力提升

　　編程能力繼續(xù)強(qiáng)化

　　在 OpenAI 公布的評(píng)測(cè)中，GPT-5.5 在智能體式編碼方面取得明顯提升。

　　在 Terminal-Bench 2.0 上，GPT-5.5 得分為 82.7%，高于 GPT-5.4 的 75.1%，也高于 Claude Opus 4.7 的 69.4% 和 Gemini 3.1 Pro 的 68.5%。該評(píng)測(cè)主要考察模型在復(fù)雜命令行工作流中的規(guī)劃、迭代和工具協(xié)作能力。

　　在 SWE-Bench Pro 上，GPT-5.5 得分為 58.6%，略高于 GPT-5.4 的 57.7%，但低于 Claude Opus 4.7 的 64.3%。OpenAI 同時(shí)指出，已有實(shí)驗(yàn)室認(rèn)為該評(píng)測(cè)存在記憶化風(fēng)險(xiǎn)。

　　在 OpenAI 內(nèi)部的 Expert-SWE 評(píng)測(cè)中，GPT-5.5 得分為 73.1%，高于 GPT-5.4 的 68.5%。該評(píng)測(cè)面向更長(zhǎng)周期的前沿編碼任務(wù)，任務(wù)預(yù)估人類完成時(shí)間中位數(shù)為 20 小時(shí)。

　　OpenAI 稱，GPT-5.5 在 Codex 中尤其適合承擔(dān)實(shí)現(xiàn)、重構(gòu)、調(diào)試、測(cè)試和驗(yàn)證等真實(shí)工程任務(wù)。早期測(cè)試顯示，它更擅長(zhǎng)在大型系統(tǒng)中保持上下文，推理模糊故障，用工具檢查假設(shè)，并將變更貫穿到周邊代碼庫(kù)中。

　　多位早期測(cè)試者也為 GPT-5.5 的編碼能力背書(shū)。Every 創(chuàng)始人兼 CEO Dan Shipper 稱其為“第一個(gè)真正具備嚴(yán)肅概念清晰度的編碼模型”。Cursor 聯(lián)合創(chuàng)始人兼 CEO Michael Truell 表示，GPT-5.5 比 GPT-5.4 “明顯更聰明、更持久”，工具使用更可靠，能夠在復(fù)雜長(zhǎng)任務(wù)中更長(zhǎng)時(shí)間保持推進(jìn)。

　　知識(shí)工作

　　除了編碼，OpenAI 將 GPT-5.5 的另一個(gè)重點(diǎn)放在知識(shí)工作上。公司稱，GPT-5.5 能更自然地完成尋找信息、理解重點(diǎn)、使用工具、檢查輸出、生成成果這一完整工作閉環(huán)。

　　在 Codex 中，GPT-5.5 相比 GPT-5.4 更擅長(zhǎng)生成文檔、電子表格和幻燈片。OpenAI 表示，Alpha 測(cè)試用戶認(rèn)為它在運(yùn)營(yíng)研究、表格建模、將混亂商業(yè)輸入轉(zhuǎn)化為計(jì)劃等任務(wù)上超過(guò)此前模型。結(jié)合 Codex 的電腦使用能力后，GPT-5.5 可以看到屏幕內(nèi)容、點(diǎn)擊、輸入、導(dǎo)航界面，并在工具之間切換。

　　OpenAI 還披露了內(nèi)部使用情況：目前公司超過(guò) 85% 的員工每周都在使用 Codex，覆蓋軟件工程、財(cái)務(wù)、傳播、市場(chǎng)、數(shù)據(jù)科學(xué)和產(chǎn)品管理等部門(mén)。

　　比如財(cái)務(wù)團(tuán)隊(duì)用 Codex 審查了 24,771 份 K-1 稅務(wù)表格，總計(jì) 71,637 頁(yè)，并通過(guò)排除個(gè)人信息的工作流，比上一年提前兩周完成任務(wù)。Go-to-Market 團(tuán)隊(duì)中，也有員工用其自動(dòng)生成每周業(yè)務(wù)報(bào)告，每周節(jié)省 5 到 10 小時(shí)。

　　在專業(yè)工作評(píng)測(cè)中，GPT-5.5 在 GDPval 上得分 84.9%，高于 GPT-5.4 的 83.0%、Claude Opus 4.7 的 80.3% 和 Gemini 3.1 Pro 的 67.3%。在 OSWorld-Verified 上，GPT-5.5 得分為 78.7%，略高于 GPT-5.4 的 75.0%，也略高于 Claude Opus 4.7 的 78.0%。在 Tau2-bench Telecom 上，GPT-5.5 在沒(méi)有提示詞調(diào)優(yōu)的情況下達(dá)到 98.0%。

　　科學(xué)研究

　　OpenAI 還將 GPT-5.5 描述為科研工作流中的重要進(jìn)展。公司認(rèn)為，科學(xué)研究不只是回答難題，還包括探索想法、收集證據(jù)、測(cè)試假設(shè)、解釋結(jié)果，并決定下一步實(shí)驗(yàn)方向，而 GPT-5.5 在這一循環(huán)中的持續(xù)推進(jìn)能力更強(qiáng)。

　　在 GeneBench 上，GPT-5.5 得分 25.0%，高于 GPT-5.4 的 19.0%；GPT-5.5 Pro 得分 33.2%，高于 GPT-5.4 Pro 的 25.6%。GeneBench 聚焦遺傳學(xué)和定量生物學(xué)中的多階段科學(xué)數(shù)據(jù)分析，要求模型處理不完整、有噪聲甚至存在隱藏混雜因素的數(shù)據(jù)。

　　在 BixBench 上，GPT-5.5 得分為 80.5%，高于 GPT-5.4 的 74.0%。OpenAI 稱，這表明 GPT-5.5 已經(jīng)能夠在生物信息學(xué)和數(shù)據(jù)分析任務(wù)中提供有意義幫助，成為科研人員的“共同科學(xué)家”。

　　OpenAI 還提到，一個(gè)搭配自定義 harness 的 GPT-5.5 內(nèi)部版本，幫助發(fā)現(xiàn)了關(guān)于 Ramsey 數(shù)的新證明，并最終在 Lean 中得到驗(yàn)證。OpenAI 將其視為 GPT-5.5 不只生成代碼或解釋，而是能夠貢獻(xiàn)數(shù)學(xué)論證的案例。

　　早期測(cè)試者中，Jackson Laboratory for Genomic Medicine 的免疫學(xué)教授 Derya Unutmaz 使用 GPT-5.5 Pro 分析了一個(gè)包含 62 個(gè)樣本、近 28,000 個(gè)基因的基因表達(dá)數(shù)據(jù)集，并生成詳細(xì)研究報(bào)告。他表示，這項(xiàng)工作原本可能需要團(tuán)隊(duì)花費(fèi)數(shù)月時(shí)間。

　　基因檢測(cè)

　　網(wǎng)絡(luò)安全能力增強(qiáng)，安全等級(jí)被列為 High

　　在安全方面，OpenAI 表示，GPT-5.5 配套了公司迄今最強(qiáng)的一組安全防護(hù)措施。發(fā)布前，模型經(jīng)過(guò)完整的安全和治理流程，包括準(zhǔn)備度評(píng)估、領(lǐng)域?qū)ｍ?xiàng)測(cè)試、針對(duì)高級(jí)生物與網(wǎng)絡(luò)安全能力的新評(píng)估，以及外部專家測(cè)試。

　　OpenAI 將 GPT-5.5 的生物 / 化學(xué)能力和網(wǎng)絡(luò)安全能力在 Preparedness Framework 下評(píng)為 High。公司強(qiáng)調(diào)，GPT-5.5 尚未達(dá)到 Critical 網(wǎng)絡(luò)安全能力等級(jí)，但評(píng)測(cè)顯示其網(wǎng)絡(luò)安全能力相比 GPT-5.4 有明顯提升。

　　在 CyberGym 上，GPT-5.5 得分為 81.8%，高于 GPT-5.4 的 79.0% 和 Claude Opus 4.7 的 73.1%。在內(nèi)部 CTF 挑戰(zhàn)任務(wù)中，GPT-5.5 得分為 88.1%，高于 GPT-5.4 的 83.7%。

　　OpenAI 表示，將對(duì) GPT-5.5 部署更嚴(yán)格的潛在網(wǎng)絡(luò)風(fēng)險(xiǎn)分類器，部分用戶初期可能會(huì)感覺(jué)拒答更多或更“煩人”，但公司會(huì)持續(xù)調(diào)優(yōu)。同時(shí)，OpenAI 也將通過(guò) Trusted Access for Cyber 為經(jīng)過(guò)驗(yàn)證的防御者提供更少限制的訪問(wèn)權(quán)限，首先從 Codex 開(kāi)始，支持合法網(wǎng)絡(luò)防御工作。

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

　　聲明：本文為 AI 前線整理，不代表平臺(tái)觀點(diǎn)，未經(jīng)許可禁止轉(zhuǎn)載。