凌晨，GPT-5.5收复失地，Anthropic紧急出手

今天凌晨，AI领域再次迎来一个重磅时刻：OpenAI正式发布了其智能体编程模型

。

这个被官方称为“迄今为止最智能、最直观易用”的模型，目标直指一个核心场景：在计算机上完成实际工作。它擅长

，俨然一位数字世界的全能助手。

OpenAI联合创始人Sam Altman的评价颇为耐人寻味，他说，这个模型“知道该做什么”。

性能提升在

等领域尤为突出。这些领域恰恰需要模型具备的能力。基准测试显示，在编程能力上，GPT‑5.5已全面超越Gemini 3.1 Pro；在专业任务、计算机使用与视觉、工具使用及抽象推理方面，其大部分成绩也高于Claude Opus 4.7和Gemini 3.1 Pro。当然，在部分学术和工具使用能力上，它与顶尖竞品尚未拉开决定性差距。

更值得注意的是效率。GPT‑5.5在实际服务中保持了与GPT‑5.4相当的响应速度，但完成相同任务时使用的token数显著减少，这意味着

。

模型一经发布，早期测试者的反馈迅速涌来，生动展示了其潜力。

开源项目Claude Engineer的创建者Pietro Schirano分享了他的体验：GPT-5.5用了大约

，就自动对比了他项目中两个版本的代码差异，基于正式版本创建新分支，并完美合并了其他分支的所有改动。

他还用GPT-5.5一次性生成了一个可流畅操作的3D射击游戏，每个图形都由Three.js从零生成。更硬核的是，他让GPT-5.5

为他的Flipper Zero设备创建并推送了应用程序。

Pietro Schirano感慨道：“我第一次感觉自己不再受限于模型的功能，而只受限于我的想象力。”

AI工程师Peter Gostev的深度测试则揭示了其持久的自主性。他设定了多步骤提示词，GPT-5.5能逐项稳定执行，亲测至少可自主运行7小时。他要求模型创建一个带有地标和季节变化的伦敦玩具铁路，GPT-5.5一次性出色完成。对比GPT-5.4，新模型的作品构思更宏大、逻辑更连贯，错误也更少。

学术界的应用同样惊人。波兰波兹南密茨凯维奇大学的Bartosz Naskręcki教授使用Codex中的GPT‑5.5，仅凭一条提示词，在

就构建了一个能可视化二次曲面交线并将其转换为Weierstrass模型的代数几何应用。

知名AI测评博主Matthew Berman则注意到了模型“个性”的转变，认为其回答更简洁、更像真人，这或许是OpenAI在个人智能体市场布局的一步棋。

能力提升的同时，价格也随之上涨。GPT-5.5定价为

，上下文窗口100万token。整体价格比GPT-5.4贵了约。GPT-5.5 Pro版本则定价为。与Anthropic的Claude Opus 4.7相比，价格基本处于同一区间，输出定价略高5美元/百万token。

目前，GPT‑5.5正逐步向ChatGPT和Codex的Plus、Pro、Business和Enterprise用户推出，Pro版本则面向ChatGPT的更高阶用户。API开发者也将很快能在Responses API和Chat Completions API中调用gpt-5.5。

有趣的是，GPT-5.5发布当天，正值其竞争对手Anthropic的Claude Code因性能波动而遭到用户投诉。Anthropic迅速发布长文宣布已修复问题并重置用户使用限制，市场竞争的硝烟味瞬间浓烈起来。

登顶编程Agent榜首，成本仅为竞品一半

OpenAI毫不讳言，GPT‑5.5是其

。第三方评估机构Artificial Analysis的智能指数显示，GPT-5.5在Terminal-Bench Hard、GDPval-AA以及APEX-Agents-AA等多个关键评估中均处于领先地位，综合表现排名第一。

更具吸引力的是其成本效益。根据该指数，GPT‑5.5在取得最高成绩的同时，其成本仅为同类前沿编码模型的

。

具体到测试成绩：在复杂执行测试Terminal-Bench 2.0上，GPT‑5.5得分

；在真实世界问题解决测试SWE-Bench Pro上，取得的成绩，单次端到端解决的任务数量超过以往所有模型；在内部长周期任务测试Expert-SWE上，它也优于前代。关键在于，在所有测试中，它都比GPT‑5.4使用了更少的token。

这种编程优势在Codex环境中被放大。从实现、重构到调试、测试和验证，GPT‑5.5能承担一系列工程工作。早期测试表明，它尤其擅长在大型系统中保持上下文、对模糊故障进行推理、通过工具验证假设，以及对整个代码库进行变更同步。

例如，它能使用NASA/JPL Horizons的矢量数据渲染猎户座飞船的运行轨迹，并实现显示缩放；也能制作出动态显示地震频次、地点的追踪网站；配合Codex，甚至能生成可交互的3D游戏。

客服测试成绩达98%，能自主浏览界面操作工具

GPT‑5.5的核心进步在于对用户意图的更自然理解，这使得它能够闭环处理知识型工作：查找信息、理解重点、使用工具、检查结果、产出成果。

在ChatGPT的“思维模式”下，它在编程、研究、信息综合与分析等专业任务中表现出色。基准测试成绩亮眼：规范知识型工作测试GDPva得分

；真实操作计算机测试OSWorld-Verified达到；客服测试Tau2-bench Telecom在未经调优的情况下竟高达。

在金融建模、办公自动化等具体领域，其表现也相当扎实。实际应用中，Codex内的GPT‑5.5在生成文档、电子表格和演示文稿方面已优于GPT‑5.4。Alpha测试人员反馈，在运营研究、电子表格建模及梳理混乱业务信息等任务上，它超越了以往所有模型。

当结合Codex的计算机使用技能时，体验更为震撼：模型仿佛真的在与用户共同使用电脑——查看屏幕内容、点击、打字、浏览界面、跨工具操作。例如，OpenAI财务团队利用它审阅了超过2.4万份税务表格，节省了两周时间；用户也能用它来设计并调试复杂的新客户引导流程。

发现拉姆齐数新证明，在遗传学生物学表现亮眼

科研工作流程漫长而复杂，从探索想法、收集证据到检验假设、解读结果，每一步都需要深思熟虑。GPT‑5.5 Thinking模式正为此而生，它能协助研究人员审阅稿件、压力测试技术论证、提出分析建议，并协同处理代码、笔记和PDF。

在专注于遗传学和定量生物学的GeneBench评估中，GPT‑5.5相较于前代表现出显著提升。这些任务要求模型在极少监督下，对可能存在歧义或错误的数据进行推理，并正确实现现代统计方法，其难度相当于专家数天的工作量。

同样，在真实世界生物信息学基准测试BixBench上，GPT‑5.5在已公布分数的模型中处于领先地位。

能力越强，责任越大。OpenAI团队强调，为GPT‑5.5配备了

。他们在全套安全框架下进行了评估，与内外部红队合作增加了针对性测试，并在发布前收集了近200个可信合作伙伴在实际用例中的反馈。

结语：OpenAI向自主执行更进一步

GPT-5.5的发布，清晰地标志着OpenAI的战略重心正从纯粹的对话与生成，转向具备自主执行能力的智能体。

在行业追逐参数规模与算力的浪潮中，GPT-5.5选择了一条更务实的路径：用更高的效率做更多的事。它在编程、知识工作和科学研究中展现的能力表明，效率与智能可以并存。

其展现出的性价比、强大的多工具协同能力以及加固的安全防线，无疑为开发者和企业用户提供了一个更强大、更可靠的生产力引擎。AI助理真正接管复杂工作的时代，似乎又近了一步。