OpenAI 发布 GPT-5.5,但是它虾里虾气的

今天用GPT-5.5跑了一个软件项目，我静静地看着它的运行过程，味道很熟悉…一股龙虾味。

4 月 23 日，OpenAI 发布 GPT-5.5，称其为“面向真实工作的全新智能形态”，并开始向 ChatGPT Plus、Pro、Business、Enterprise 用户以及 Codex 推送；GPT-5.5 Pro 面向 Pro、Business、Enterprise 用户开放。目前，API 版本暂未全面上线。

而且这次发布前一天，OpenAI 还推出了 gpt-image-2，来了个二连发。

GPT-5.5有哪些特点

最值得注意的是定位变化。GPT-5.5 的卖点集中在“长任务执行”：写代码、调试、联网研究、分析数据、生成文档和表格、操作软件、跨工具完成任务。OpenAI 在发布页中强调，它能更早理解任务意图，更少依赖用户逐步指挥，并能自己规划、调用工具、检查结果、处理模糊需求。

不过，OpenAI 没有公布 GPT-5.5 的参数规模、训练成本或完整架构细节。只披露了训练数据来源，并称 GPT-5.5 Pro 使用同一底层模型，但通过并行 test-time compute 获得更高准确性。

从公开跑分看，GPT-5.5 对 GPT-5.4 的提升主要集中在 Agent、代码、工具使用、长上下文和部分科研任务上。OpenAI 给出的数据包括：Terminal-Bench 2.0 从 75.1% 提升到 82.7%；Expert-SWE 从 68.5% 提升到 73.1%；GDPval 从 83.0% 提升到 84.9%；Tau2-bench Telecom 从 92.8% 提升到 98.0%；Graphwalks BFS 1M 从 9.4% 提升到 45.4%；ARC-AGI-2 从 73.3% 提升到 85.0%。

不过，GPT-5.5 也不是全面碾压。SWE-Bench Pro 上，GPT-5.5 为 58.6%，略高于 GPT-5.4 的 57.7%，但低于 Claude Opus 4.7 的 64.3%；Humanity’s Last Exam 无工具版本中，GPT-5.5 为 41.4%，低于 Claude Opus 4.7 的 46.9%。OpenAI 还在表格中注明，SWE-Bench Pro 存在被实验室指出的记忆化风险。

价格方面，OpenAI 预计在 API 中将 gpt-5.5 定价为每 100 万输入 token 5 美元、每 100 万输出 token 30 美元，gpt-5.5-pro 则为每 100 万输入 token 30 美元、每 100 万输出 token 180 美元。Codex 中的 GPT-5.5 拥有 400K 上下文窗口；API 版本上线后，gpt-5.5 将支持 1M 上下文窗口。

安全侧，OpenAI 把 GPT-5.5 称为其“迄今最强防护”发布之一，发布前进行了安全评估、Preparedness Framework 评估、网络安全和生物能力专项红队测试，并收集了近 200 家早期访问伙伴的真实使用反馈。系统卡中，OpenAI 将 GPT-5.5 的网络安全能力评为 High，但未达到 Critical。

实测：两个更能看出 GPT-5.5 差异的测试

测试一：给它一个“半成品需求”，看能不能自己把应用做完

这个测试对应 GPT-5.5 的核心卖点：Agentic coding、长任务执行、浏览器验证和自主纠错。

我先用gpt-image-2生成了一张“股票财报可视化工具”的产品草图，故意将产品需求写得不完整。然后再把这张草图给GPT-5.5让它做成成品，需要它完成前端、数据接入、交互、异常状态、测试，并用浏览器打开页面检查。

我上传了这张草图，还给了它一段提示词：

你是一个全栈工程师。请根据我上传的草图，做一个可运行的 Vite + React 应用。需求：

1. 页面要尽量还原草图布局；

2. 使用真实或可解释的模拟数据；

3. 必须包含筛选、详情卡片、趋势图和异常状态；

4. 写完后运行测试；

5. 用浏览器检查页面，发现 UI 或交互问题后自行修复；

6. 最后输出：完成了哪些功能、遇到哪些问题、修复了哪些 bug、还剩哪些风险。

运行持续近10分钟，中间遇到了很多npm包的安装、浏览器权限等问题，看得我捏了把汗，好在最后都解决了，给了一个可下载的项目包，确实符合它说的长任务定位！

我把项目包下载下来了，来看下还原情况：

跟我的草图几乎一摸一样，而且可以点击交互，甚至是页面左下角的“MVP 先这样”也还原出来了，太细了！

测试二：与GPT-5.4对比，生成一段动画的效果

这个测试来源于X上的@stevibe。可以看到GPT-5.5的细节明显更真实到位。

结论：GPT-5.5虾里虾气

我们知道龙虾OpenClaw的创始人Peter Steinberger前段时间加入OpenAI，个人感觉他在GPT-5.5的研发环节起到了主导作用。

这次 GPT-5.5 的发布，表面上是一次模型版本更新，实际竞争点已经落到“能不能替人完成一段工作流”。它的强项不是单轮聊天的惊艳感，而是在复杂任务里持续推进：理解目标、拆任务、用工具、检查结果、修错、输出成品。

从跑分看，GPT-5.5 在代码、工具使用、长上下文、复杂办公任务上有明确进步。Terminal-Bench、Tau2-bench、Graphwalks 1M 和 ARC-AGI-2 的提升，都指向同一个方向：模型更能在长链路任务里保持状态。

从早期反馈看，OpenAI 选择放大的也是这一点。Every CEO Dan Shipper 认为 GPT-5.5 在编码上有更强的“概念清晰度”；Cursor 联合创始人 Michael Truell 强调它比 GPT-5.4 更聪明、更持久，能在复杂长任务里更久地保持执行状态；NVIDIA 企业 AI 副总裁 Justin Boitano 则把它描述为能把调试时间从数天压缩到数小时、把数周实验压缩到隔夜推进的工具。

这些评价也要分层看。OpenAI 官方发布页里的早测者反馈，更接近产品发布材料中的精选案例；Axios、The Verge 等媒体的报道则把重点放在企业采用、编码能力、效率和与 Anthropic 等对手的竞争上。Axios 援引 OpenAI 联合创始人 Greg Brockman 的说法，将 GPT-5.5 视为“更智能体化、更直觉化计算”的一步；The Verge 则强调其在编码、调试、在线研究和跨工具生产力任务中的提升。

GPT-5.5 最值得关注的地方，也许不在“它是不是最强大模型”这个单点问题上。Claude 仍在部分代码和通用难题跑分中领先。OpenAI 这次真正想展示的是：当模型能够接入 Codex、浏览器、文件、表格和图像生成工具之后，大模型的竞争对象已经不只是聊天框里的答案质量，还包括一个任务从输入到交付的完整效率。

如果说 GPT-5 时代的争议在于“模型有没有质变”，GPT-5.5 给出的答案更务实：少一点演示场景里的炫技，多一点真实工作中的耐心、持续性和交付能力。对普通用户来说，这种变化可能没有一句惊艳回答那么容易传播；对开发者、研究人员和企业用户来说，它更接近一个能长期占用工作台的生产工具。

END