剛剛，GPT-5.5發布，顛覆勞動理論

機器之心編輯部

真的來了，這才是 OpenAI 的大招。

周五凌晨，OpenAI 正式發布了最新一代大模型 GPT-5.5。

作為 GPT 系列的重要版本更新，這次升級不止是大模型「聰明一點」，更像是讓人首次體驗到了 AGI。新模型帶來了更強的推理能力（回答聰明的同時更簡潔），更強大、穩定的代碼能力，強大的知識整合能力，更強的工具調用能力，以及更好的長任務能力。

GPT-5.5 在大部分評測基準成績上領先 Claude Opus 4.7 一個身位，在相同智力水平下 token 消耗是競品的約一半。

聽起來不夠實際？目前在 OpenAI 擔任研究員的全球頂尖 AI 學者、AI 德撲作者 Noam Brown 說了，現在，人們可以利用 GPT-5.5 來做很多以前難以想象的任務，包括寫 CUDA 內核。

有提前使用該模型的英偉達工程師甚至表示：「失去對 GPT-5.5 的訪問權限，感覺就像我的肢體被截肢了一樣。」

在社交網絡上也有人已經表示，與 Codex 中的 GPT-5.5 合作非常有樂趣，它的回答犀利，比任何模型都能更好理解意圖，能不停頓地完成大量工作。總得來說，它能讓 Codex 從代碼工具升級成幫你干活的智能體。

HackerNews 上的老哥則說得更直接：AI 說不定要顛覆幾個世紀以來的勞動理論了。

GPT-5.5 目前已在 ChatGPT（Plus、Pro、Business 和 Enterprise 用戶）和 Codex 上逐步上線，并開通了 API 調用。標準版價格是輸入

在這個階段還敢逆勢漲價，看來 OpenAI 對自己的新模型很有底氣。

當然，官方也特別提到，新模型更加聰明，在完成相同的 Codex 任務時所需的 Token 數量顯著減少，這會在實際使用中抵消掉一部分單價上漲帶來的成本壓力。

API 端支持高達 1M（一百萬）Tokens 的極寬上下文窗口，而在 Codex 訂閱計劃中則開放了 400K 的窗口；針對追求極致效率的開發者，Codex 專門推出了 Fast mode（競速模式），允許用戶以 2.5 倍的成本，換取 1.5 倍的 Token 生成速度。

從基準測試數據來看，GPT-5.5 在幾乎所有核心指標上都超越了前代 GPT-5.4，幅度從略微領先到大幅躍升不等。

編程任務：Codex 變成了真正的「工程搭檔」

Codex 是這次發布中著墨最多的產品。在 OpenAI 的定位里，它不是寫代碼的補全工具，而是能接手完整工程任務鏈的自主工作臺：實現功能、重構、調試、測試、寫文檔、跑數據分析，全部在列。

在代碼能力方面，Terminal-Bench 2.0 得分 82.7%，比 GPT-5.4 的 75.1% 有明顯提升；衡量長周期真實工程任務的內部評測 Expert-SWE 從 68.5% 升至 73.1%；評估真實 GitHub 問題解決能力的 SWE-Bench Pro 達到 58.6%。

值得注意的是，上述三項測試中，GPT-5.5 在得分提升的同時，消耗的 token 數量均低于 GPT-5.4。

測試者的反饋大多指向同一件事：模型更清楚自己在干什么了。 它能判斷某個問題為何出現、修復應該落在哪里、改動會牽連哪些其他部分；遇到障礙也不會卡住等人，而是繼續往前推。

AI 寫作平臺 Every 創始人 Dan Shipper 提供了一個具體驗證案例：他在產品上線后調試了數天的頑固 bug，最終靠工程師重構解決。他用 GPT-5.5 重新面對這個問題，模型給出了與工程師方案高度一致的重構建議；而 GPT-5.4 沒能做到。他將 GPT-5.5 描述為「第一個真正具備概念清晰度的編程模型」。

MagicPath CEO Pietro Schirano 則描述了另一個場景：GPT-5.5 在約 20 分鐘內，將一個包含數百個前端改動和重構變更的分支與主分支完成合并，一次性解決，幾乎沒有返工。

OpenAI 披露，目前超過 85% 的 OpenAI 員工每周使用 Codex，覆蓋軟件工程、財務、市場、傳播、數據科學等部門，大幅縮短了數據分析和周報生成的時間。

提示詞：[attached image] Implement this as a new app using webgl and vite using real data from the artemis II mission. Make sure to test the app thoroughly until it is fully functional and looks like the app in the picture. Pay close attention to the rendering of the planets and fly paths. I want to be able to interact with the 3D rendering. Ensure it has realistic orbital mechanics.

GPT-5.5 生成的地震追蹤網頁。

這是一個使用 Codex 和 GPT 模型構建的可玩 3D 地下城競技場原型。Codex 負責游戲架構、TypeScript/Three.js 實現、戰斗系統、敵人遭遇、HUD 反饋以及 GPT 生成的環境紋理。角色模型、角色紋理和動畫使用第三方資源生成工具創建，角色對話則使用 OpenAI API 生成。

知識工作與多模態接管

開始真正「用」電腦了

在非編程的知識工作場景中，GPT-5.5 的提升邏輯與編程類似：更準確地理解用戶的實際意圖，從而減少來回確認、直接推進到有用的輸出。

不僅限于文本，當模型與 Codex 的計算機使用技能結合時，GPT-5.5 展現出了極強的 GUI（圖形用戶界面）接管能力。它能像人類一樣「看」屏幕、點擊、打字并在不同軟件間穿梭：

在 GDPval（涵蓋 44 種職業的專業知識工作測試）中拿到 84.9%；復雜客服流程測試 Tau2-bench Telecom 在無提示詞調優的情況下達到 98.0%。在評估模型獨立操作真實計算機環境的 OSWorld-Verified 測試中達 78.7%。同時，帶工具調用的多模態視覺理解（MMMU Pro）達 83.2%，工具調用能力（MCP Atlas）達 75.3%。這標志著模型正在補齊視覺 - 語言 - 動作交互的底層邏輯。

ChatGPT 中的 GPT-5.5 Thinking 版本主打在復雜問題上給出更快、更簡潔的回答；GPT-5.5 Pro 則面向更高難度、更高精度的工作場景，早期測試者反映在商業、法律、教育和數據科學領域表現尤為突出。

科研場景

開始像個真正的研究員了

科研場景是這次發布中相對新穎的方向。OpenAI 將 GPT-5.5 定位為能夠參與研究全流程的「協作者」，而非僅僅提供信息檢索。

基準測試中，FrontierMath Tier 4（最難難度數學題）從 27.1% 跳升至 35.4%，ARC-AGI-2 從 73.3% 升至 85.0%，BixBench（生物信息學數據分析）從 74.0% 升至 80.5%。

此外，OpenAI 報告稱，一個搭配定制工具的 GPT-5.5 內部版本協助發現了一個關于拉姆齊數的新數學證明，并已在形式化證明工具 Lean 中得到驗證。拉姆齊數是組合數學的核心研究對象，此類結果在該領域并不多見。

杰克遜基因組醫學實驗室免疫學教授 Derya Unutmaz 使用 GPT-5.5 Pro 分析了 62 個樣本、近 28,000 個基因的表達數據集，并生成了包含關鍵問題和洞見的研究報告。他表示，同樣的工作由其團隊完成需要數月。

波蘭亞當?密茨凱維奇大學數學助理教授 Bartosz Naskr?cki 通過 Codex，僅用一條提示詞、11 分鐘，構建了一個代數幾何應用程序，實現了二次曲面交線的可視化并將其轉換為 Weierstrass 模型。他表示，Codex 現在能夠幫助實現過去需要專用工具才能完成的數學可視化工作流。

百萬上下文窗口

實際用起來是什么水平

官方標注的 100 萬 token 上下文聽起來很大，但對于真正要處理超大型代碼庫或幾十萬字文檔的開發者來說，更關鍵的問題是：精度會隨長度衰減多少？

根據 OpenAI 公布的 MRCR v2 8-needle 測試數據，GPT-5.5 在 4K-8K 區間準確率為 98.1%，128K-256K 區間仍維持在 87.5%—— 同區間的 Claude Opus 4.7 為 59.2%。當上下文拉到 512K-1M 時，GPT-5.5 降至 74.0%，而 GPT-5.4 在該區間僅為 36.6%。

超長文本下的精度衰減目前在所有模型中都存在，但 GPT-5.5 與上代之間將近 40 個百分點的差距，說明這一塊確實有了實質性改進。

基礎設施優化與安全管控機制

這次發布有一個在技術層面值得關注的細節。

GPT-5.5 被部署在英偉達 GB200 和 GB300 NVL72 服務器上，并與這套硬件進行了協同設計和訓練。為了在更高能力水平上維持與 GPT-5.4 相當的響應速度，OpenAI 表示對整個推理系統進行了重新設計。

在這個過程中，Codex 被用于分析數周的生產流量數據，并編寫了自定義的負載均衡啟發式算法，優化了 GPU 的請求分區和工作分配。OpenAI 稱這項工作將 token 生成速度提升了 20% 以上。與此同時，GPT-5.5 本身也參與了推理棧關鍵改進的發現和實現。

用 OpenAI 自己的表述：這個模型幫助改進了運行它的基礎設施。

安全方面，OpenAI 將 GPT-5.5 的生物 / 化學和網絡安全能力均評定為其「準備框架」中的「高」級（低于「關鍵」的第二高風險等級），意味著該模型在這兩個方向的能力已需要專項管控。

GPT-5.5 在內部 CTF（奪旗賽）測試中得分 88.1%（GPT-5.4 為 83.7%），CyberGym 基準達 81.8%（Claude Opus 4.7 為 73.1%）。

為此，OpenAI 部署了更嚴格的安全分類器，并坦承「部分用戶初期可能會覺得這些限制有些煩」。

與此同時，OpenAI 推出「Trusted Access for Cyber」機制：經過身份驗證、符合特定信任條件的安全研究人員可以申請更寬松的訪問權限，用于合法的防御性工作，負責關鍵基礎設施防護的組織可單獨申請訪問 GPT-5.4-Cyber 等網絡安全強化版本。OpenAI 還表示正與政府合作伙伴探索將該技術用于保護公共基礎設施，涉及納稅人數據系統、電網和供水系統等。

最后，人們關心的是 GPT-5.5 和 Opus 4.7 究竟誰厲害。在用于評估大語言模型在復雜、競爭性商業環境中能力的多智能體模擬評估平臺 Vending-Bench Arena 上，GPT 已經超過了 Claude：

此圖奧特曼看到了馬上轉發。

實際用起來如何，那就得看大家的反饋了。

參考內容：

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