DeepSeek-V4和GPT-5.5第一波實測對決，結果出人意料！

新智元報道

編輯：Aeneas KingHZ

【新智元導讀】昨夜，GPT-5.5果然按期發布了，全網沒有白等。更炸裂的是，就在同一天，DeepSeek-V4緊隨其后發布了！實測后，結果出人意料。

2026年4月24日，這是屬于全球AI開發者的「瘋狂星期五」，也是科技史上注定被銘記的一天。

凌晨時分，OpenAI的GPT-5.5如約空降，試圖以絕對的參數再次定義智能邊界。

然而，就在大洋彼岸的余震還未平息時，那個曾經數次單挑閉源巨頭的國產「價格屠夫」與「效率天才」——DeepSeek，帶著全新的V4系列來正面硬剛了！

當GPT-5.5還在試圖用更昂貴的算力堆砌未來時，DeepSeek-V4已經用1M超長上下文、比肩頂級閉源模型的Agent能力，以及僅為前代10%的KV緩存占用，直接把大模型推向了「平民化智能」的極境。

一邊是科技春晚般的華麗登場，一邊是開源領域近乎「掀桌子」的絕地反擊。我們見證了一場精彩的「暴力美學」與「算法巧思」的巔峰對決。

通往AGI的賽道，瞬間被這兩大巨頭縮短了不少。

接下來，中國開源之光DeepSeek-V4和GPT-5.5，要來一場真刀實槍的實測大PK了。

GPT-5.5和DeepSeek-V4巔峰對決

第一題，一道可以肉眼判斷模型差異的電梯謎題，測的是「真假話+身份推理」。

有四個人 A、B、C、D，其中只有一個人偷了寶石。

他們分別說了下面四句話： A：不是我偷的。 B：是C偷的。 C：是D偷的。 D：B在說謊。

已知： 1. 四句話中恰好有兩句是真的。 2. 小偷說的話一定是假話。 3. 非小偷不一定說真話，也可能說假話。

請問：誰偷了寶石？

這道題看似簡單，但其實，在給出的條件下，B和C都滿足。因此，這是一道故意設計的「陷阱題」：如果模型直接給出唯一答案C，說明它沒有認真驗證唯一性。

真正想測的是，模型會不會發現題目本身不充分。

更強模型應該回答：無法唯一確定，小偷可能是B或C。題目條件不足。

這道題給GPT-5.5后，它成功發現了陷阱。

把這道題給DeepSeek-V4后，一個直觀感受就是：它的思考過程，真的十分長長長長長。

GPT-5.5十幾秒就出了答案，四分鐘了DeepSeek-V4還在跑。

不過好在，V4最終也給出了正確答案。結果是好的，就是過程比較慢。

第二題，我們用數字競賽題，來測試CoT的思考上限。重點比拼兩個模型的數學邏輯推理和思考模式效能。

既然DeepSeek-V4宣稱在STEM和競賽型代碼上比肩頂級閉源模型，那我們就看看V4和GPT-5.5在面對人類智力天花板題目時，誰的推導過程更嚴密，誰會出現更多幻覺。

我們選了去年國際奧數決賽的一道真題：

Alice和Bob正在玩一個名為inekoalaty的雙人游戲，這個游戲的規則依賴于一個雙方都知道的正實數λ。

在游戲的第n輪（從n=1開始），會發生以下情況：

? 如果n是奇數，Alice選擇一個非負實數x?，使得x? + x? + ? + x?的總和不超過λn。

? 如果n是偶數，Bob選擇一個非負實數x?，使得x?2 + x?2 + ? + x?2的總和不超過n。

如果一個玩家無法選擇一個合適的x?，游戲結束，另一個玩家獲勝。如果游戲無限進行下去，沒有玩家獲勝。所有選定的數字對兩個玩家都是已知的。

需要確定的是，哪些λ的值能確保Alice有獲勝策略，以及哪些λ的值能確保Bob有獲勝策略。

原題和答案：https://web.evanchen.cc/exams/IMO-2025-notes.pdf

在進階思考深度下，GPT-5.5得到了正確答案：

全程耗時2分鐘51秒，思路清晰，輸出格式也很漂亮。

在專家模式下，開啟思考模式，同樣的題目輸入DeepSeek──

DeepSeek在思考過程結束前，沒有給出明確的輸出。

點擊繼續后，DeepSeek也發現了答案的線索：

最后，DeepSeek也成功證明了這道IMO決賽真題。

可以看出，DeepSeek推理能力、思考深度的確進步明顯。

接下來，我們考驗一下兩個模型的可視化能力。

生成一個HTML網頁介紹人類的起源和生物的進化，要圖文并茂，好理解。

DeepSeek這次效果更佳，GPT-5.5生成格式有些問題。

接下來，要求兩個模型開發一個游戲網站，測試它們在動態圖形、3D空間交互、碰撞檢測和整體游戲架構方面的能力。

通過最終呈現，可以清晰對比兩個模型在2D細膩特效與3D場景構建、光照與實時粒子系統方面的代碼生成能力、架構合理性以及視覺審美水平。

跟上面一樣，GPT-5.5很快完成了這個任務，在預覽中呈現了網站效果。

上下滾動查看更多

DeepSeek-V4的思考時間不長，最終效果不如GPT-5.5，這一輪V4完敗。

GPT-5.5：更像個人了

接下來，我們還搜羅了一波AI大V和開發者們對GPT-5.5的實測。

在今天發布之前，多位早期測試者已經用了兩周。他們的結論高度一致：在編程、推理、長任務三個維度上，GPT-5.5全面登頂。

但真正讓人坐不住的不是它更聰明了，是它更「像個人」了。

更貴的單價，反而更省錢；更強的能力，反而更會聊天；更高的自主性，反而更聽話。這一次，OpenAI拆掉了舊時代的發動機，直接給模型裝上了「靈魂」。

Codex，直接淘汰「AI輔助編程」！

可以說，GPT-5.5的Codex模式，直接把「AI輔助編程」這個詞淘汰了。

一位測試者扔給它一份完整的PRD文檔，只說了一個詞：go。

幾個小時后，GPT-5.5就獨立完成了整個項目構建。

更關鍵的，是GPT-5.5的工作方式。

它并不是寫完代碼等人審，而是自己形成了閉環——構建，視覺檢查，發現問題，再迭代。

這種自主性，在其他模型上從未見過。

OpenAI研究員Noam Brown的反饋，相信大家都已經看過了。

用他的話說，「有了GPT-5.5，我的IC效率比以往任何時候都高。我現在可以像專業人士一樣編寫CUDA kernels，可以依靠它來運行我的研究實驗。」

后端開發、復雜Bug定位、大型代碼庫理解，GPT-5.5在這些維度全面領先。

有測試者專門讓它用Svelte寫了一個自定義虛擬滾動實現，完美調用了所有bind原語。

他的評價是：「我見過AI寫出的最好的代碼，來自這個模型。」

在世界上最難的電子表格任務上，GPT-5.5實現全新SOTA：速度最快、效率最高。

更狠的是，GPT-5.5的持續研究能力，已有跡象表明AI已經能勝任研究合作者——

人類研究人員只需要提出構想，全程無需寫一行代碼，GPT-5.5全部自主完成。

甚至可以自主運行31個小時！

這意味著，AI正從「助理」變為「雇傭兵」。你不需要告訴它怎么走，你只需要給它一個終點。

不過短板同樣存在。

前端設計仍然不如Opus，響應速度不如Opus 4.6 Fast。

復雜布局有時候直接甩一張img了事，SVG硬編碼把自己繞暈。

而且變得過度謹慎——動不動就問你問題，prompt稍有不慎就會觸發「瘋狂寫單元測試」模式。

總結就是：能力很強，但需要馴服。

沃頓商學院的教授Ethan Mollick測試了GPT-5.5好幾周，得出結論：目前，GPT-5.5 Pro就是解決復雜問題的最佳模型。

更貴的模型，怎么反而更便宜

GPT-5.5的定價比5.4更高。

紙面上看不是好消息。

但一位深度測試兩周的開發者給出了關鍵數據：達到GPT-5.4同等智能水平，GPT-5.5消耗的Token顯著更少。綜合算下來，整體運行成本反而更低。

「這可能比大多數人意識到的更重要。」

在Artificial Analysis指數的成本性能前沿上，GPT-5.5模型系列占據絕對主導地位。

速度端的提升，就更加直觀了。

早期測試者的實測數據擺在這里——

GPT-5.5 Thinking Heavy模式，2分鐘出的答案，比GPT-5.4 Thinking Heavy花10分鐘出的更好。

GPT-5.5 Pro，8分鐘的輸出質量，超過GPT-5.4 Pro花30分鐘的結果。

同樣的活，時間砍了80%，質量還漲了。

Token效率這件事為什么重要？因為它直接決定了AI Agent的經濟可行性。

一個每跑一次任務就燒掉幾美元Token的模型，沒法大規模部署到真實工作流里。現在，GPT-5.5把這個門檻往下壓了一大截。

為什么GPT-5.5感覺不一樣？

GPT-5.5建立在一次新的預訓練（pre-train）之上。

所謂預訓練，就是那種規模龐大、成本高昂的基礎訓練過程：在指令微調、工具使用和推理腳手架等后訓練步驟加入之前，它先教會基礎模型底層模式。

后訓練可以讓模型更聽話、更安全，或者更具智能體能力；但一次新的預訓練，則可能改變模型本身的「重心」。

其實，OpenAI已經通過GPT-5.4證明，自己重新具備了強競爭力。

GPT-5.4使用的仍然是早期GPT-5.x模型的同一套預訓練。

而現在發布一個新的預訓練。

此外，有國外科技媒體報道，GPT-5.5也就是Spud「將是更智能的預訓練模型」。

現在，GPT-5.5的正式發布，更貴反而更便宜，編程效果又好得出奇，推測GPT-5.5可能只是新預訓練模型的初始強化學習Checkpoint。

奧特曼直接攤牌了：GPT-5.5還會快速迭代。

這說明OpenAI想繼續向Anthropic施壓：它押注的是，回應Claude的下一步，不只是圍繞同一個底座做更好的腳手架，而是換一個不同的基礎模型。

GPT-5.5就是GPT-5.5，但無人關心了

整個GPT-5.5發布中，最重要的成果可能是前所未有的網絡安全能力：

在一次網絡攻防評估中，GPT-5.5在10次試驗中有1次成功接管了模擬的企業網絡，預算為1億個token。

此前，唯一能夠完成此任務的模型Claude Mythos，它在10次嘗試中成功了3次。

Opus 4.6和Opus 4.7都做不到，GPT-5.4、GPT-5.3-Codex也做不到。

在衡量AI長時間跨度內經營業務能力的Vending-Bench Arena中，GPT-5.5再次擊敗Opus 4.7。

而Opus 4.7依舊延續Opus 4.6的策略：撒謊賴賬，拒不退貨；GPT-5.5贏得堂堂正正。

這說明GPT的對齊和能力同步提升，堪稱「德才兼備、文武雙全」。

GPT終于通關《寶可夢》！

GPT-5.4曾在一個循環迷宮里反復讀檔，像個陷入算法死循環的孤魂。

而GPT-5.5不僅第一次嘗試就輕松打贏了勁敵，甚至展現出真正的「人類邏輯」——它會主動拿取道具、購物、規劃路徑，而不是暴力試錯。

在網友定制的超級難度的《寶可夢 水晶》中，GPT-5.5依舊輕松通關。

別被版本號里的「+0.1」騙了，GPT-5.5是一次重大更新。

詭異的是，對于99%的用戶而言，這些都不重要。

最重要的亮點在于能力范圍。GPT-5.5彌補了GPT系列在某些方面的不足：

基于現有上下文進行設計、iOS/原生Mac應用、安全等方面。

這次發布有一種心理上很奇怪的地方。

GPT-5感覺像一次相變，因為它抬高了「可能性」的天花板。

GPT-5.3-Codex感覺像一次相變，因為它讓長時間運行的自主工程在操作層面變得真實可用。

GPT-5.5并非如此。

它更像把粗糙邊緣磨平，讓薄弱類別不再那么弱，讓模型在更多真實世界的混亂工作中變得更有用。

它并不完美，它沒有突然變成最好的設計模型，它不是魔法。

如果你想認真完成重要工作，你仍然需要給它明確目標、真實上下文和驗證方式。

對大多數人、在大多數任務上，GPT-5.5與其說是一種全新能力，不如說是讓現有能力變得更寬、更安全、更可靠。它把這個模型補圓了。

參考資料：

https://x.com/nicochristie/status/2047476237464211721

https://x.com/MatthewBerman/status/2047375703516361174

https://www.oneusefulthing.org/p/sign-of-the-future-gpt-55

https://www.reddit.com/r/singularity/comments/1sttcbf/is_the_ai_subscription_bubble_starting_to_crack/

https://x.com/ArtificialAnlys/status/2047378419282034920