GPT-5.5 登场:OpenAI 把 Codex 从“写代码工具”推进到“干活智能体”

OpenAI 这次发布 GPT-5.5，最值得关注的地方，不是“跑分又高了一点”，而是它对 AI 工具的定位发生了变化。

过去我们使用大模型，更多是在“问它问题”：让它解释一段代码、写一段文案、整理一份资料。到了 GPT-5.5，OpenAI 想强调的是另一件事：模型不只是回答问题，而是能围绕一个复杂目标持续工作。

如果只用一句话概括：GPT-5.5 更像一个“能把事情做完”的模型。

它的提升主要集中在五个方向：代码工程、长任务执行、工具调用、知识工作、多模态与电脑操作。这里面最核心的变化，是模型不再只是根据提示词生成一段结果，而是更擅长理解一个任务背后的真实目的。

这次发布里，Codex 是最值得重点看的部分。因为它代表了大模型真正进入生产工作流的方向。

过去的代码模型，最常见的能力是“补全”和“生成”：你给它一个函数，它补几行；你描述一个页面，它写一个初版。但真实工程不是这样。真实工程里更多的是：定位问题、理解旧代码、判断影响范围、改一处牵动多处、跑测试、修复失败、再提交。

这也是为什么很多人会把 GPT-5.5 放在“智能体时代”的语境里讨论。因为真正有价值的 AI，不是每次都需要人反复提醒，而是能在明确边界内，把任务往前推进。

因为软件工程是最能检验大模型“能不能做事”的场景之一。

写一段演示代码并不难，难的是在一个真实项目里改对地方。真实项目里有历史包袱、有依赖关系、有测试失败、有隐形约束。模型如果只会“生成”，很容易写出看起来对、实际不能跑的代码。

例如，一个普通的代码助手可能会告诉你“这里可能有 bug”；而更像智能体的 Codex，则会尝试定位 bug、修改代码、跑测试、发现测试没过、继续修复，并把关键过程解释给你。

GPT-5.5 的长上下文能力也很关键。很多人看到 1M token，会第一反应为“可以放更多资料”。但真正有价值的点，不只是放得多，而是能不能在超长内容里仍然找得到重点。

对开发者来说，这意味着模型可以一次性看到更多项目代码、更多文档、更多历史讨论。对企业来说，这意味着它可以处理更长的报告、合同、客户记录和业务流程说明。

GPT-5.5 的另一个重点，是把模型能力从文本世界推向真实电脑环境。

过去，我们让 AI 写一份报告，AI 主要是在聊天框里生成文本。现在更进一步的方向是：它能看网页、查资料、打开文件、整理表格、生成文档，甚至在不同软件之间切换，把一个任务链条跑完。

GPT-5.5 的 API 价格明显更高：输入为 5 美元 / 百万 token，输出为 30 美元 / 百万 token，缓存输入为 0.5 美元 / 百万 token。对开发者和企业来说，这意味着它不会是所有任务的默认选择。

更合理的使用方式，是把 GPT-5.5 放在高价值任务上：复杂代码重构、长文档分析、关键报告生成、自动化工作流、需要较高准确性的研究任务。简单问答、普通摘要、低成本批量任务，则仍然可以交给更便宜的小模型。

GPT-5.5 最值得重视的地方，是它让 AI 的角色继续向前移动了一步。

过去 AI 是一个工具，你打开它、输入问题、拿到答案。现在它正在变成一个工作流入口：你告诉它目标，它调用工具、处理文件、操作界面、检查结果，然后把完整过程推到可以交付的状态。

对普通用户来说，这意味着以后使用 AI 不再只是“问答”，而是可以把更多复杂任务交给它完成。对企业来说，这意味着 AI 可能会逐步进入研发、客服、运营、财务、市场、数据分析等核心流程。

当然，这并不代表人会马上被替代。相反，在现阶段，最有效的方式仍然是“人设定目标、人检查结果、AI 执行过程”。谁能把 AI 接入自己的工作流，谁就能更早获得效率优势。