GPT-5.5 炸场发布：碾压Opus4.7，OpenAI夺回王座，AI 编程进入「少 token 干大活」时代

公众号名称：程叙架构与AI.

作者名称：AI兴观点

发布时间：2026-04-24 17:19

✅点击上方🔺公众号🔺关注我✅

昨晚，OpenAI 正式发布 GPT-5.5。这是他们迄今为止最聪明、用起来最顺手的模型。如果用一句话概括，就是：它更快了，但也更聪明了——不是那种”又大又慢”的方向，而是真正做到了智能与效率的统一。更重要的是，这次的进步不是某一个点的突破，而是在编程、计算机操作、知识工作、科学研究四个核心场景上全面开花。

一、GPT-5.5 核心升级：理解更快，执行更多

GPT-5.5 最核心的改变，可以用两个词概括：理解更快，执行更多。它不再需要你把任务拆解得很细、一步一步喂给它。给它一个模糊的、多步骤的任务，它自己会规划、用工具、检查结果、在模糊中做出判断，然后一直推进到任务完成。

案例：数学助理 Bartosz Naskręcki 只用了一句提示词，就让 Codex（内置 GPT-5.5）在 11 分钟内构建了一个代数几何可视化应用，绘制两条二次曲面的交线，并将其转换为椭圆曲线。图片由 Bartosz Naskręcki 提供。

OpenAI 官方公布的综合评测数据如下：

这里有几个数字值得专门说一下：

Expert-SWE达到73.1%，在OpenAI内部的Expert-SWE评测，专门测那些人类预估中位完成时间20小时的长周期编程任务，GPT-5.5拿到73.1%，同样高于GPT-5.4的68.5%。
SWE-Bench Pro达到58.6%，不及Opus，在业界公认最能反映真实GitHub问题解决能力的评测SWE-Bench Pro中，GPT-5.5得分58.6%，略逊色于Claude Opus 4.7的64.3%。
Terminal-Bench 2.0 达到 82.7%，这意味着模型在复杂的命令行工作流中，已经能够独立完成绝大多数任务——规划、迭代、跨工具协调，全套自主完成。
GDPval 84.9%——这个评测模拟了 44 个真实职业的工作场景，GPT-5.5 在大多数职业中都处于领先。
FrontierMath Tier 4 达到 35.4%——这是目前最难的前沿数学题，难度相当于数学家的研究级问题。GPT-5.5 做到了前代两倍以上的成绩。

二、编程能力：质的飞跃

编程是 GPT-5.5 进步最明显的领域。

OpenAI 内部数据显示，超过 85% 的 OpenAI 员工每周都在使用 Codex（内置 GPT-5.5），覆盖软件工程、财务、通信、营销、数据科学、产品管理等各种职能。这本身就是一个很强的信号——做出这个模型的人，是最早开始用它的人。

具体的编程评测结果：

关键在于：GPT-5.5 在编程任务上不仅更准确，消耗的 Token 还更少。

Every 创始人兼 CEO Dan Shipper 的评价很直接：_“GPT-5.5 是我使用过的第一个具有真正概念清晰度（serious conceptual clarity）的编程模型。”_

他讲了一个具体案例：产品上线后遇到一个问题，他花了几天调试无果后，请来最好的工程师重写了一部分系统。后来他想测试一下 GPT-5.5——如果让模型回到那个”坏掉的初始状态”，它能自己搞定吗？GPT-5.4 做不到。GPT-5.5 可以。

MagicPath CEO Pietro Schirano 也有类似体验：GPT-5.5 一次处理了一个包含数百个前端和重构变更的分支合并，20 分钟左右完成。

NVIDIA 的一位工程师甚至说：“失去 GPT-5.5 的访问权限，就像截肢了一样。”

Cursor 联合创始人兼 CEO Michael Truell 的评价聚焦在长期任务上：“GPT-5.5 比 GPT-5.4 明显更聪明、更持久，在工具使用上更可靠。它能在更长时间内持续工作而不中途停止——这对于用户委托给 Cursor 的复杂、长时任务来说，是最关键的。”

Cursor 对这个评测结果感到满意。

下面展示一下 Codex（内置 GPT-5.5）的实际能力：

在计算机使用上，Codex操作电脑能力更强了。无论是识别屏幕内容，还是点击、打字、导航，甚至是跨工具流转上下文信息，它都能轻松搞定。

Codex还可以生成更高质量的电子表格、PPT和文档，如下是一个财务建模的demo。应用内新增的文件查看器，可加快审阅、修订和迭代速度，让文件更快准备好分享。

三、AA 独立评测：Intelligence Index 全球第一

OpenAI 自己说的不算，独立第三方怎么说？

Artificial Analysis 是目前最受认可的 AI 模型独立评测机构之一。他们发布的 GPT-5.5 评测结果非常能打：

GPT-5.5 在 Artificial Analysis Coding Index 上达到 60 分，排名全球第一。

而且关键在于：同样完成一项编程任务，GPT-5.5 消耗的 Token 数量比竞品前沿模型减少了一半。

AI 编程场景下，Token 用量直接关联成本。减少一半，意味着企业用 GPT-5.5 做代码辅助，成本只有竞品的一半，但智能水平更高。这个账很容易算。

此外，Artificial Analysis 的评测还关注了一个重要指标：幻觉率（Hallucination Rate）。

大模型在编程场景中最怕的不是慢，是”一本正经地胡说八道”——代码看起来没问题，一运行全是错。GPT-5.5 在保持高准确率的同时，幻觉率大幅下降。真实工作场景下，GPT-5.5 的输出可靠性明显更高。

综合来看，Artificial Analysis 的评测维度覆盖了准确率、幻觉率、Token 效率、上下文保持能力等多个关键指标，GPT-5.5 均处于前列。用更少的资源，做更准确的事，这正是 GPT-5.5 的核心价值。

四、知识工作与科学研究

编程之外，GPT-5.5 在知识工作和科学研究上也展现了真正的进步。

知识工作评测数据：

OpenAI 自己内部的实际应用案例也值得关注：

财务团队：用 GPT-5.5 审查了 24,771 份 K-1 税表，共计 71,637 页，整个流程比上一年提前了两周完成。
GTM 团队：一位员工自动化生成了每周业务报告，每周节省 5-10 小时。
通讯团队：分析六个月的演讲请求数据，建立评分和风险框架，验证了自动化 Slack 机器人的可行性。
科学研究方面，有几个令人印象深刻的进展：

GPT-5.5 在 GeneBench（遗传学和定量生物学多阶段分析评测）上达到 25.0%，远超 GPT-5.4 的 19.0%。这个评测的特殊之处在于：任务对应的是科学专家需要数天才能完成的项目

在 BixBench（真实生物信息学和数据分析）上，GPT-5.5 也取得了领先成绩。

更惊人的是，一个内置 GPT-5.5 的定制系统帮助发现了一个关于 Ramsey 数的新证明——这是组合数学中的核心问题之一，后来在 Lean 中得到了验证。

Jackson Laboratory 基因组医学免疫学教授 Derya Unutmaz 用 GPT-5.5 Pro 分析了一个包含 62 个样本、近 28,000 个基因的基因表达数据集。他说：这项工作如果由他的团队来完成，需要数月时间。

五、速度不打折：GPT-5.4 的延迟，GPT-5.5 的智能

通常来说，更大、更聪明的模型，响应速度会更慢。但 OpenAI 这次做到了一个关键突破：

GPT-5.5 在保持 GPT-5.4 延迟水平的同时，智能水平大幅提升。

这背后的核心是 NVIDIA GB200 和 GB300 NVL72 系统。OpenAI 重新设计了推理架构，将整个系统作为一个整体来优化，而不是单独优化某个环节。

有趣的是，Codex 和 GPT-5.5 本身也参与了这次优化工作——用 AI 来改进 AI 的基础设施。其中一个具体案例：Codex 分析了数周的生产流量数据，写了自定义启发式算法来优化负载均衡和任务分配，最终将 Token 生成速度提升了 20% 以上。

简单说：这个模型帮助改进了它自己的运行环境。

六、FrontierMath：最难的数学

GPT-5.5 在 FrontierMath 前沿数学评测上取得了令人瞩目的突破：

FrontierMath Tier 4 达到 35.4%，是 GPT-5.4 的两倍以上，难度相当于数学家的研究级问题。GPT-5.5 Pro 更是达到 39.6%，在最难档位进一步拉开了差距。

七、API 定价与产品可用性

GPT-5.5 即日起向以下用户开放：

ChatGPT：Plus、Pro、Business、Enterprise 用户
Codex：Plus、Pro、Business、Enterprise、Edu、Go 用户，400K 上下文窗口
GPT-5.5 Pro：Pro、Business、Enterprise 用户

API 即将上线：

gpt-5.5：$5 / 1M tokens 输入，$30 / 1M tokens 输出
gpt-5.5-pro：$30 / 1M tokens 输入，$180 / 1M tokens 输出
Batch 定价：半价

虽然单价高于 GPT-5.4，但由于 Token 效率大幅提升，实际使用成本反而可能更低。

八、安全与防护

GPT-5.5 部署了 OpenAI 迄今为止最强的安全防护体系。网络安全能力被评定为”High”级别（在 Preparedness Framework 下），OpenAI 同步推出了多项措施：

为网络攻击能力设计了更严格的控制机制
通过 Trusted Access for Cyber 项目，向合规用户提供更宽松的网络安全能力访问权限
与外部专家进行了数月的测试和迭代

这是行业向前走的必经之路：强大 AI 能力的释放，需要配套的信任机制和防护体系。

总结

GPT-5.5 的发布，意义不只是”又一个大模型”。

它真正值得关注的地方在于三点：

效率与智能的统一：更快、更聪明，不是以牺牲一个来换取另一个
编程能力的质变：在真实复杂任务上表现出真正的概念理解力，不只是统计模式匹配
Token 效率的大幅提升：同样任务用更少 Token，对实际应用的成本结构有显著影响

如果说 GPT-4 是”能帮你写代码”，GPT-5.4 是”能帮你完成较长任务”，那么 GPT-5.5 正在接近的，是帮你完成需要真正理解的复杂工程工作。

NVIDIA 企业 AI 副总裁 Justin Boitano 的评价算是做了一个很好的注脚：

“GPT-5.5 带来了持续性能，让我们能够从自然语言提示端到端交付功能，将复杂代码库的调试时间从几天缩短到几小时，将数周的实验变成一夜之间的进展。这不仅仅是更快的编程——而是一种全新的工作方式，让人们能够以完全不同的速度运作。”

如果觉得这篇文章有帮助，欢迎点赞、在看、转发！有问题也可以在评论区留言，我会尽量回复！

cover_image

AI兴观点程叙架构与AI.