GPT5.5深夜炸场，这次OpenAI又行了

出品｜虎嗅科技组

作者｜赵致格

编辑｜苗正卿

头图｜视觉中国

曾经，OpenAI CEO奥特曼用“吓晕瘫坐在椅子上，彷佛看到原子弹爆炸”来形容自己初次使用GPT5的体验。然而，当人们最终发现这次更新远没有期待中的惊艳时，这段夸张的描述反而成为了人们反复嘲讽OpenAI的网梗。

然而在4月24日，OpenAI在事前并没有进行预告铺垫的情况下半夜发布的GPT5.5，却带来了不小的惊喜。官方称GPT5.5是一种面向实际工作和智能体的新型智能，主打Agent编程、知识工作、科学研究等。目前，GPT5.5已经面向ChatGPT和Codex的Plus、Business、Enterprise用户推出，API也将随后发布。

虽然没人被“吓瘫”，但从各类第三方网站的评分看，GPT5.5的综合表现确实优异，不仅比GPT5.4大幅进步，也在多个领域超越了Claude Opus 4.7、Gemini 3.1 Pro等主要竞争对手。可以说，在过去一段时间里饱受质疑的OpenAI今天打了个漂亮的翻身仗。

在OpenAI内部设立的，针对20小时长周期软件工程的Expert-SWE测评中，GPT-5.5的成功率来到了惊人的73.1%，显著高于上一代GPT5.4的68.5%。

在衡量复杂命令行工作流的Terminal-Bench2.0的测试中，GPT5.5的评分达到82.7%，远高于Claude的69.4%。在知识工作任务GDPval、高级数学测试FrontierMath、衡量真实电脑操作能力的OSWorld-Verified等维度，GPT5.5的评分均高出竞争对手一截。

GPT5.5的编程能力较为出色，但Opus4.7在SweetBench Pro测试中的表现依然保持领先地位。GPT5.5在测试中的得分为58.6%，低于Opus4.7的64.3%。但是对于这个成绩，OpenAI也进行了进一步说明，称行业内已有报告指出该评测存在过拟合现象，无法代表真实的编程能力。

GPT还有一个显著提升的维度就是网络安全。在CyberGym测试中，GPT5.5的得分为81.8%，高过了Opus 4.7的73.1%。在CTF“夺旗”挑战中，GPT5.5的得分为881%，高于GPT5.4的83.7%。

虽然GPT在多个领域正在变得更聪明，但OpenAI更乐于强调这是一个专为真实工作和智能体任务打造的模型。OpenAI的X官方账号称，GPT5.5“旨在理解复杂目标、使用工具、检查其工作，并将更多任务进行到底”，而它的出现“标志着完成计算机工作的全新方式”。

用更直白的话说，这次升级让GPT有了能自己干活的能力，从辅助决策变成了参与执行。人类直接把一个乱糟糟的复杂任务丢给GPT5.5，它就可以通过理解目标、拆解步骤、调用工具、修正过程的流程交付出最终结果。

为了更好说明这一点，OpenAI还公布了公司内部对产品的使用情况。目前，OpenAI有超过85%的员工每周跨部门使用搭载GPT5.5的Codex。而公司的财务团队已经用GPT5.5完成了24771份，共计7万余页的税表审核，比往年提前两年完工。

不过，这次升级似乎还没有一步到位，让人们可以完全放手。多个第三方评测都提到了 GPT-5.5 对任务边界的依赖更强。当人们的需求描述不清楚时，它不会主动帮你补全，而是会按现有信息执行。这种“服从”在某些场景是优点，在另一些场景反而是缺陷。

AI大模型的智慧和速度往往被视为不可兼得，更大的模型和更多的参数就意味着更长的思考时间。但在这次更新中，OpenAI官方称GPT5.5在智能水平大幅提高的同时，真实服务中的速度与GPT5.4保持了一致。

GPT5.5的另一大特征就是更加节省Token，将Token消耗降低到了前一代的36分之一。在同类的Codex任务里，GPT5.5也只需要更少的Token就能完成。这也意味着，虽然此次API的价格大幅上涨至每百万Token 5美元，pro版30美元，但因为效率的提升和Token消耗的减少，实际增加的成本不多。

OpenAI联合创始人兼总裁格雷格·布罗克曼（Greg Brockman）提到这一点时表示，“让企业和普通用户都能用上更前沿的 AI 能力”是公司的目标之一。

当OpenAI带着新模型重回巅峰时，Anthropic最近却比较烦。长期主打安全牌却爆出了安全丑闻、对重度付费用户严厉限流、大面积无差别封号等事件都引发了巨大争议，日益高企的Token费用和Token消耗也让很多人直呼“用不起”。

此前OpenAI在内部邮件中说自己相对于Anthropic的优势是算力。现在，随着算力充足的OpenAI大秀肌肉，而Anthropic在算力吃紧中体验不断打折，这两位一度“贴身肉搏”的死对头似乎又有了拉开差距的趋势。