OpenAI Release

凌晨，OpenAI 發布 GPT-5.5，是 GPT-5 系列迄今最大更新

下面這個，是介紹視頻

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

本次核心變化：用更少的 token，干更難的活

在 Artificial Analysis 的 Coding Agent Index 上，GPT-5.5 達到了最高智能水平，成本是同級別競品的一半

GPT-5.5 這個模型，目前已向 ChatGPT 付費用戶開放

更高級別的 GPT-5.5 Pro，則向 Pro、Business、Enterprise 用戶開放

API 即將上線，價格大幅上漲，為 $5/$30 (每百萬Token)，比 5.4 翻了 3 倍

能力總覽

OpenAI 拿出了一張 9 項核心指標的對比表，橫向對比 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 總覽

在 Artificial Analysis Intelligence Index（第三方，10 項 eval 加權平均）上，GPT-5.5 在同等輸出 token 量下智能得分最高，token 總消耗明顯低于其他模型

Terminal-Bench 2.0復雜命令行工作流：82.7%，vs GPT-5.4 的 75.1%，vs Claude Opus 4.7 的 69.4%

SWE-Bench Pro真實 GitHub issue 解決：58.6%，vs GPT-5.4 的 57.7%。Claude Opus 4.7 報了 64.3%，但 Anthropic 承認部分問題存在記憶化

Expert-SWE內部長周期編碼任務，中位人類完成時間 20 小時：73.1%，vs GPT-5.4 的 68.5%

在 Codex 里，GPT-5.5 可以接手從實現、重構到調試、測試的完整工程工作。上下文窗口 400K

知識工作

coding 之外，GPT-5.5 在日常電腦操作和知識工作上的提升同樣明顯

GDPval44 個職業知識工作測試，勝出或平手率 84.9%，vs GPT-5.4 的 83.0%，vs Claude Opus 4.7 的 80.3%

OSWorld-Verified模型獨立操作真實電腦環境：78.7%，vs GPT-5.4 的 75.0%

Tau2-bench Telecom復雜客服工作流，無 prompt 調優：98.0%，vs GPT-5.4 的 92.8%

GPT-5.5 Pro 也有提升。早期測試者覺得 GPT-5.5 Pro 在業務、法律、教育、數據科學方向上比 GPT-5.4 Pro 更全面、更準確

財務建模 demo，手動替換：https://player.vimeo.com/video/1185616826

OpenAI 內部用例

OpenAI 公司超過 85% 的員工每周都在用 Codex，覆蓋工程、財務、市場、公關、數據科學、產品管理

公關團隊分析了 6 個月的演講邀請數據，建了打分和風險框架，低風險請求自動處理，高風險請求交人審核

財務團隊審了 24,771 份 K-1 稅表，共 71,637 頁，比去年提前兩周完成

GTM 團隊自動生成周報，每周省 5-10 小時

科學研究

GeneBench 是 OpenAI 新推出的 eval，測試多階段遺傳學和定量生物學數據分析。這些任務通常對應科研專家幾天到幾周的工作量。GPT-5.5 得分 25.0%，GPT-5.4 是 19.0%，GPT-5.5 Pro 達到 33.2%

BixBench（真實生物信息學和數據分析 benchmark）：GPT-5.5 得分 80.5%，GPT-5.4 是 74.0%

Academic 評測數據

Ramsey 數新證明

GPT-5.5 的內部版本配合自定義工具鏈，發現了關于 Ramsey 數的一個新證明。Ramsey 數是組合數學的核心對象，研究結果稀少且技術難度高。這個證明后來在 Lean 中完成了形式化驗證

推理效率

GPT-5.5 更大更強，但實際延遲和 GPT-5.4 一樣

此前，OpenAI 用固定數量的靜態分區來平衡 GPU 上的計算負載

而在新版本中，Codex 分析了數周的生產流量數據，寫了自定義的啟發式分區算法。這一項改進讓 token 生成速度提升了超過 20%

模型幫忙優化了自己運行的基礎設施

網絡安全

GPT-5.5 的網絡安全能力被 OpenAI Preparedness Framework 評為 High（生物/化學能力同為 High）。沒有達到 Critical 級別

CyberGym81.8%，vs GPT-5.4 的 79.0%，vs Claude Opus 4.7 的 73.1%

CTF 挑戰任務內部擴展版：88.1%，vs GPT-5.4 的 83.7%

與此同時，GPT-5.5 也發布同時推出了一個新項目：生物安全漏洞賞金

規則是這樣，OpenAI 準備了 5 個生物安全問題，參與者需要找到一條「通用越獄 prompt」，在 Codex Desktop 的干凈對話里，一次性通過全部 5 個問題，且不觸發審核，就算越獄成功

參與地址在這：https://openai.com/index/gpt-5-5-bio-bug-bounty/

第一個成功的通用越獄，獎金 $25,000。部分突破可能獲得較小獎勵

申請窗口2026 年 4 月 23 日開放，6 月 22 日截止，滾動審核

測試窗口2026 年 4 月 28 日至 7 月 27 日

準入條件需要現有 ChatGPT 賬號，簽署 NDA

保密要求所有 prompt、輸出和發現均受保密協議覆蓋

面向有 AI 紅隊、安全或生物安全經驗的研究者

可用性與定價 ChatGPT

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

Codex

GPT-5.5 面向 Plus、Pro、Business、Enterprise、Edu、Go 計劃，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（即將上線）

gpt-5.5$5/1M input tokens，$30/1M output tokens，1M 上下文窗口

gpt-5.5-pro$30/1M input tokens，$180/1M output tokens

Batch / Flex標準價的一半

Priority標準價的 2.5 倍

GPT-5.5 單價比 GPT-5.4 高，但 token 效率也更高

OpenAI 表示在 Codex 里，GPT-5.5 對大多數用戶來說，實際消耗的 token 比 GPT-5.4 更少

完整 Benchmark 數據

以下是 OpenAI 公布的全部評測數據，按類別整理。所有 GPT 評測在 reasoning effort 設為 xhigh 的研究環境中進行

Coding 評測表

Professional 評測表

Computer Use and Vision 評測表

Tool Use 評測表

Academic 評測表

Cybersecurity 評測表

Long Context 評測表

Abstract Reasoning 評測表

Abstract Reasoning 評測表

短板

SWE-Bench Pro 上 Claude Opus 4.7 報了 64.3%（GPT-5.5 是 58.6%），但 Anthropic 承認部分問題存在記憶化

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

長上下文 256K 以上，Claude Opus 4.7 在部分指標上仍有優勢

參考材料

→ 官方博客：openai.com/index/introducing-gpt-5-5/

→ System Card：deploymentsafety.openai.com/gpt-5-5

→ Bio Bug Bounty 申請：https://openai.com/index/gpt-5-5-bio-bug-bounty/

→ BixBench 論文：arxiv.org/abs/2503.00096

→ Artificial Analysis 方法論：artificialanalysis.ai/methodology/intelligence-benchmarking

→ API 定價：openai.com/api/pricing/