昨天（4月23日），OpenAI發布了GPT-5.5，內部代號“Spud”。距離GPT-5.4發布，只有七周。

七周一個大版本，放在行業里已經是相當高的頻率。OpenAI的策略是用持續的發布密度，讓對手的每一次重磅推出都迅速失去窗口期。Anthropic剛在本月發布了Claude Opus 4.7和Mythos Preview，不到兩周，話題就被搶回來了。

1 · 能力全景

這一版本的核心進步，集中在兩個維度：長上下文理解和多步驟自主完成任務。

長上下文是實質性突破。在MRCR v2這個測試長文本信息檢索的基準上，512K到1M token區間的得分從36.6% 跳到了 74.0%，翻了一倍。類似地，GraphwalksBFS（百萬token下的圖遍歷測試）從 9.4% 漲到 45.4%，這是質變級的升級。對于需要處理大型代碼庫、長文檔、跨會話上下文的工程和研究場景，這意味著少踩很多坑。

多步驟自主性也在Codex上有可感知的改善。官方的描述是“給它一個亂糟糟的任務，它自己拆解、用工具、檢查結果、繼續跑”，以前這套流程經常在中途卡住，需要你手動推一把；現在卡住的頻率明顯降低。OSWorld-Verified（測試模型獨立操作真實電腦界面的能力）得分78.7%，和Anthropic Opus 4.7 的 78%基本持平，computer use場景的兩強格局已經形成。

2 · 用戶真實反饋

Early access測試者的反饋比跑分有意思。一位開發者說，GPT-5.5 在三分鐘內解決了他卡了四個小時的bug。另一位獨立開發者描述得更直接：他在同一個Codex會話里跨越了 iOS App、后端服務、MCP集成、客服回復起草等完全不同類型的工作。之前的模型在切換任務時經常需要重新鋪墊上下文，現在它記得住?！八鼜拇a工具跨過了產品工具的界限”。

NVIDIA是目前最大規模的企業內測方，超過一萬名員工在工程、法務、市場、財務等部門同時使用Codex + GPT-5.5。他們報告的變化是：原來需要數天的調試周期，現在壓縮到了幾個小時。

另外有一個細節，GPT-5.5幫助OpenAI分析了自己的生產流量，并重新編寫了負載均衡的啟發式算法，最終讓服務自身的token生成速度提升了20%以上。模型參與優化了運行自己的基礎設施。

不過，“感覺”和“測評”之間還有落差。Every的獨立評測指出：GPT-5.5在速度上明顯快于Opus 4.7，處理有結構化輸出需求的任務（報告、課程大綱、會議紀要）表現出色；但在從零開始的創意產品設計上，“細節好但整體感覺隨機”，還沒到能完全替代Claude的程度。兩款模型目前各有擅長的場景，并非簡單的誰碾壓誰。

3 · 中國開發者的真實處境

對中國開發者來說，GPT-5.5的發布帶來的首先是定價問題。

GPT-5.5輸出端單價$30，DeepSeek V3.2是$0.42。差距是71倍。GPT-5.4時代已經存在的35倍差距，這次直接翻了一番。

截至2026年4月初，OpenRouter平臺調用量前十的模型里，有六個來自中國：小米MiMo-V2-Pro、階躍星辰、MiniMax、DeepSeek V3.2、智譜、MiniMax。自今年2月以來，中國模型在該平臺的周調用量已經超過美國模型。a16z的數據也顯示，選擇開源技術路線的美國AI初創公司里，約八成在用中國模型。

這說明價格差距已經大到足以讓決策變形。真實的企業實踐是“分層調用”：簡單任務、高頻場景交給中國開源模型，復雜推理、高精度任務才上GPT或Claude。GPT-5.5進一步拉高了頂端價格，會強化這個分層邏輯。

但不是所有人都能分層。有相當一部分中國開發者干脆沒有穩定可用的GPT訪問渠道，GPT-5.5的發布對他們是一道觀賞性新聞。國產模型在編程能力上正在逼近，DeepSeekV3.2、Qwen3.6在LMArena編程榜單上已經躋身前十；但在復雜推理、頂層科研場景上，FrontierMath Tier 4國產最優解尚不在同一量級，但差距在收窄。

4 · 結語

GPT-5.5 不是顛覆性升級，但也不是“擠牙膏”。長上下文質變、代理編程改善、多職業知識工作接近上限。

不用過于關注它比上個版本強多少，而是在你的具體場景里。當前這一代模型的能力邊界在哪里，你是在能力上限之內工作，還是已經在等待下一版本解鎖什么新能力？如果你是后者，GPT-5.5 值得試一試試；如果你是前者，可以等 API 正式開放后再說。

至于“新類別的智能”這個說法，Greg Brockman 下次可能還會說。留意 GDPval 的數字就好，那個變化才是真正的拐點。