GPT-5.5 发布，详细解读

OpenAI Release

凌晨，OpenAI 发布 GPT-5.5，是 GPT-5 系列迄今最大更新

下面这个，是介绍视频

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

本次核心变化：用更少的 token，干更难的活

在 Artificial Analysis 的 Coding Agent Index 上，GPT-5.5 达到了最高智能水平，成本是同级别竞品的一半

GPT-5.5 这个模型，目前已向 ChatGPT 付费用户开放

更高级别的 GPT-5.5 Pro，则向 Pro、Business、Enterprise 用户开放

API 即将上线，价格大幅上涨，为 $5/$30 (每百万Token)，比 5.4 翻了 3 倍

能力总览

OpenAI 拿出了一张 9 项核心指标的对比表，横向对比 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 总览

在 Artificial Analysis Intelligence Index（第三方，10 项 eval 加权平均）上，GPT-5.5 在同等输出 token 量下智能得分最高，token 总消耗明显低于其他模型

在 Codex 里，GPT-5.5 可以接手从实现、重构到调试、测试的完整工程工作。上下文窗口 400K

知识工作

coding 之外，GPT-5.5 在日常电脑操作和知识工作上的提升同样明显

GPT-5.5 Pro 也有提升。早期测试者觉得 GPT-5.5 Pro 在业务、法律、教育、数据科学方向上比 GPT-5.4 Pro 更全面、更准确

财务建模 demo，手动替换：https://player.vimeo.com/video/1185616826

OpenAI 内部用例

OpenAI 公司超过 85% 的员工每周都在用 Codex，覆盖工程、财务、市场、公关、数据科学、产品管理

科学研究

GeneBench 是 OpenAI 新推出的 eval，测试多阶段遗传学和定量生物学数据分析。这些任务通常对应科研专家几天到几周的工作量。GPT-5.5 得分 25.0%，GPT-5.4 是 19.0%，GPT-5.5 Pro 达到 33.2%

BixBench（真实生物信息学和数据分析 benchmark）：GPT-5.5 得分 80.5%，GPT-5.4 是 74.0%

Academic 评测数据

Ramsey 数新证明

GPT-5.5 的内部版本配合自定义工具链，发现了关于 Ramsey 数的一个新证明。Ramsey 数是组合数学的核心对象，研究结果稀少且技术难度高。这个证明后来在 Lean 中完成了形式化验证

推理效率

GPT-5.5 更大更强，但实际延迟和 GPT-5.4 一样

此前，OpenAI 用固定数量的静态分区来平衡 GPU 上的计算负载

而在新版本中，Codex 分析了数周的生产流量数据，写了自定义的启发式分区算法。这一项改进让 token 生成速度提升了超过 20%

网络安全

GPT-5.5 的网络安全能力被 OpenAI Preparedness Framework 评为 High（生物/化学能力同为 High）。没有达到 Critical 级别

与此同时，GPT-5.5 也发布同时推出了一个新项目：生物安全漏洞赏金

规则是这样，OpenAI 准备了 5 个生物安全问题，参与者需要找到一条「通用越狱 prompt」，在 Codex Desktop 的干净对话里，一次性通过全部 5 个问题，且不触发审核，就算越狱成功

参与地址在这：https://openai.com/index/gpt-5-5-bio-bug-bounty/

第一个成功的通用越狱，奖金 $25,000。部分突破可能获得较小奖励

面向有 AI 红队、安全或生物安全经验的研究者

可用性与定价

ChatGPT

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

Codex

GPT-5.5 面向 Plus、Pro、Business、Enterprise、Edu、Go 计划，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（即将上线）

GPT-5.5 单价比 GPT-5.4 高，但 token 效率也更高

OpenAI 表示在 Codex 里，GPT-5.5 对大多数用户来说，实际消耗的 token 比 GPT-5.4 更少

完整 Benchmark 数据

以下是 OpenAI 公布的全部评测数据，按类别整理。所有 GPT 评测在 reasoning effort 设为 xhigh 的研究环境中进行

Coding 评测表

Professional 评测表

Computer Use and Vision 评测表

Tool Use 评测表

Academic 评测表

Cybersecurity 评测表

Long Context 评测表

Abstract Reasoning 评测表

Abstract Reasoning 评测表

短板

SWE-Bench Pro 上 Claude Opus 4.7 报了 64.3%（GPT-5.5 是 58.6%），但 Anthropic 承认部分问题存在记忆化

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（带工具）上 GPT-5.4 Pro 的 58.7% 高于 GPT-5.5 Pro 的 57.2%

长上下文 256K 以上，Claude Opus 4.7 在部分指标上仍有优势