
GPT-5.5震撼登场
硅谷今夜未眠!GPT-5.5震撼登场,它是OpenAI迄今最强、最全能的新一代旗舰模型,是一种全新级别的智能,彻底进化为Agent时代的「原生大脑」,也就是万众期待的「土豆」(Spud)。
编程领域表现出色
在各项基准测试中,GPT-5.5全榜第一,Claude Opus 4.7、Gemini 3.1 Pro完全被踩在脚下。在编程领域,它是迄今为止最强大的智能体编程模型。在Terminal - Bench 2.0测试中,GPT-5.5拿下82.7%,高于GPT-5.4的75.1%和Claude Opus 4.7的69.4%;在OpenAI内部的Expert - SWE评测中,GPT-5.5拿到73.1%,高于GPT-5.4的68.5%;在SWE - Bench Pro评测中,GPT-5.5得分58.6%,略逊色于Claude Opus 4.7(64.3%),但OpenAI怀疑Opus 4.7存在过拟合迹象。而且,GPT-5.5在这三项评估中使用了更少的token,还能完成「端到端」的编程任务。
知识型工作数据亮眼
在「知识型工作」上,GPT-5.5的数据同样亮眼。GDPval评估中,GPT-5.5拿到84.9%,高于Opus 4.7的80.3%和Gemini 3.1 Pro的67.3%;OSWorld - Verified测试中,GPT-5.5得分78.7%,和Opus 4.7的78.0%几乎打平;Tau2 - bench测试中,GPT-5.5在没有微调提示词的情况下达到98.0%。OpenAI内部超过85%的员工每周跨部门使用Codex,公关、财务、市场等部门都借助GPT-5.5提高了工作效率。
科研领域成果显著
GPT-5.5协助发现了一个关于拉姆齐数的新证明,并在Lean语言中得到验证。在GeneBench评测中,GPT-5.5得分25.0%,高于GPT-5.4的19.0%;在BixBench评测中,GPT-5.5在所有已公开分数的模型中排名第一,得分为80.5%;在FrontierMath Tier 4评测中,GPT-5.5得分35.4%,高于GPT-5.4的27.1%和Opus 4.7的22.9%。此外,免疫学教授用GPT-5.5 Pro分析数据集出具详尽报告,数学助教用Codex快速构建代数几何应用。
对战Opus 4.7优势明显
在Vending - Bench中,GPT-5.5暴击Opus 4.7,Opus 4.7表现不佳,而GPT-5.5手段正派且赢下比赛。
定价翻倍但效率更高
GPT-5.5的API定价,每百万输入Token 5美元,每百万输出Token 30美元,是GPT-5.4的两倍。GPT-5.5 Pro更贵,输入30美元,输出180美元。虽然价格翻倍,但OpenAI解释是因为token效率提升,同样的Codex任务,GPT-5.5用的token比GPT-5.4明显更少。
8天一个时代缩影
4月16日,Anthropic用Opus 4.7在SWE - Bench Pro上夺走编程王座;4月24日,GPT-5.5正式发布,在Terminal - Bench碾压对手,定价翻倍,科研成果炸裂。2026年的AI竞赛,跑分是前菜,Agent化办公才是主战场。
1万+



被折叠的 条评论
为什么被折叠?



