OpenAI 发布 GPT-5.5：智能水平登顶，编码效率与成本深度解析

4月24日凌晨，OpenAI 正式发布了 GPT-5.5 模型。作为 GPT-5 系列迄今为止最大的更新，GPT-5.5 在保持高智能水平的同时，显著优化了 Token 消耗效率。

核心亮点：更高智能，更低 Token 消耗

根据 Artificial Analysis 的 Coding Agent Index 数据，GPT-5.5 达到了最高智能水平，且在处理复杂任务时所需的 Token 数量明显少于同级别竞品。尽管其 API 定价为每百万 Token $5/$30（是 GPT-5.4 价格的 2 倍），但由于效率提升，整体成本效益依然具有竞争力。

可用性与定价

• ChatGPT 用户：GPT-5.5 目前已向付费用户开放；GPT-5.5 Pro 则面向 Pro、Business 和 Enterprise 用户开放。
• API 服务：即将上线。定价大幅上涨至 $5/$30（每百万 Token），约为 GPT-5.4 价格的两倍。

性能基准测试对比

OpenAI 提供了包含 GPT-5.5、GPT-5.4、GPT-5.5 Pro、GPT-5.4 Pro、Claude Opus 4.7 和 Gemini 3.1 Pro 在内的 9 项核心指标对比表。

在第三方评估机构 Artificial Analysis 的 Intelligence Index（基于 10 项 eval 加权平均）中，GPT-5.5 在同等输出 Token 量下获得了最高的智能得分，且总 Token 消耗明显低于其他模型。需要注意的是，虽然单次调用更省 Token，但由于单价翻倍，总体费用可能仍高于旧版本。

编程与工程能力

• Terminal-Bench 2.0（复杂命令行工作流）：GPT-5.5 得分为 82.7%，优于 GPT-5.4 的 75.1% 和 Claude Opus 4.7 的 69.4%。
• SWE-Bench Pro（真实 GitHub Issue 解决）：GPT-5.5 得分为 58.6%，略高于 GPT-5.4 的 57.7%。Claude Opus 4.7 报出 64.3%，但 Anthropic 承认部分问题存在记忆化现象。
• Expert-SWE（内部长周期编码任务）：在中位人类完成时间为 20 小时的任务中，GPT-5.5 得分为 73.1%，高于 GPT-5.4 的 68.5%。

在 Codex 环境中，GPT-5.5 支持从实现、重构到调试、测试的完整工程工作流，上下文窗口达到 400K。

知识工作与日常操作

除了编程，GPT-5.5 在日常电脑操作和知识工作方面也有显著提升：

• GDPval（44 个职业知识工作测试）：胜出或平手率为 84.9%，优于 GPT-5.4 的 83.0% 和 Claude Opus 4.7 的 80.3%。
• OSWorld-Verified（独立操作真实电脑环境）：得分为 78.7%，高于 GPT-5.4 的 75.0%。
• Tau2-bench Telecom（复杂客服工作流，无 Prompt 调优）：得分为 98.0%，显著高于 GPT-5.4 的 92.8%。

GPT-5.5 Pro 在早期测试中也显示出在业务、法律、教育和数据科学方向上比 GPT-5.4 Pro 更全面、准确。

OpenAI 内部应用案例

OpenAI 公司内部超过 85% 的员工每周都在使用 Codex，覆盖工程、财务、市场、公关、数据科学和产品管理等多个部门：

• 公关团队：分析了 6 个月的演讲邀请数据，建立了打分和风险框架，实现了低风险请求自动处理，高风险请求人工审核。
• 财务团队：审核了 24,771 份 K-1 税表（共 71,637 页），比去年提前两周完成任务。
• GTM 团队：通过自动生成周报，每周节省 5-10 小时工作时间。

科学研究突破

GPT-5.5 在科研领域的应用也取得了进展：

• GeneBench（遗传学和定量生物学数据分析）：GPT-5.5 得分为 25.0%，GPT-5.4 为 19.0%，GPT-5.5 Pro 达到 33.2%。
• BixBench（生物信息学和数据分析 Benchmark）：GPT-5.5 得分为 80.5%，高于 GPT-5.4 的 74.0%。

此外，GPT-5.5 的内部版本配合自定义工具链，发现了关于 Ramsey 数（组合数学核心对象）的一个新证明，该结果随后在 Lean 中完成了形式化验证。

网络安全与生物安全

根据 OpenAI Preparedness Framework，GPT-5.5 的网络安全能力和生物/化学能力均被评为 High 级别（未达 Critical 级别）：

• CyberGym：得分 81.8%，优于 GPT-5.4 的 79.0% 和 Claude Opus 4.7 的 73.1%。
• CTF 挑战任务（内部扩展版）：得分 88.1%，高于 GPT-5.4 的 83.7%。

与此同时，OpenAI 推出了新的生物安全漏洞赏金计划。规则要求参与者找到一条“通用越狱 Prompt”，在 Codex Desktop 的干净对话中一次性通过全部 5 个生物安全问题且不触发审核，即视为越狱成功。