北京时间 4 月 24 日 凌晨，OpenAI 正式发布新一代旗舰模型——**GPT-5.5**。官方介绍中，OpenAI 给的定义非常直接：

> We’re releasing GPT‑5.5, our smartest and most intuitive to use model yet, and the next step toward a new way of getting work done on a computer.
> 
> GPT-5.5——这是我们迄今为止最聪明、最易上手的模型，也宣告我们朝着一种全新的人机协作方式迈出重要一步。

![](https://developer.qcloudimg.com/http-save/yehe-12464096/fe785e2b880819335a03c79aea9d1965.png)

## 核心能力全面升级，Agent 能力成为主轴

从官方公布的数据来看，GPT-5.5 这次不只是单项能力提升，而是在多个核心性能上形成了系统性进步。

![](https://developer.qcloudimg.com/http-save/yehe-12464096/f1c5d10ebe29a979f0731b64defd7263.png)

按照官方文档，GPT-5.5 的提升主要集中在 **Agentic coding、Knowledge work、Scientific research、Long context、推理效率和 Cybersecurity** 等方向。数据较 GPT-5.4 有明显提升，并在多个项目上领先于老对手 Claude Opus 4.7 和 Gemini 3.1 Pro：

- Terminal-Bench 2.0 基准测试中，达到 82.7%，显著高于 GPT-5.4 的 75.1%；
    
- GDPval 拿到 84.9%，领先 Claude Opus 4.7 和 Gemini 3.1 Pro；
    
- OSWorld-Verified 达到 78.7%，超过 GPT-5.4，也略高于 Claude Opus 4.7；
    
- 在 FrontierMath Tier 4 这类高难数学任务上，GPT-5.5 也从 GPT-5.4 的 27.1% 提升到 35.4%。

![](https://developer.qcloudimg.com/http-save/yehe-12464096/b5e27ac76afc55809ef4e8943de79dfa.png)

在 Artificial Analysis 的测评中，GPT-5.5 综合能力已重新领跑：

- 在 Artificial Analysis Intelligence Index 上领先上周发布的 Claude Opus 4.7 约 3 分（60分 VS 57分）;
    
- 打破 OpenAI GPT-5.4 (xhigh) / Anthropic Claude Opus 4.7 (max) / Google Gemini 3.1 Pro Preview 三方并列第一的局面（57分）

如果说 GPT-5.5 的总方向是“更会完成任务”，那么最先体现出这种变化的，还是编程。

1. ## Agentic coding

![](https://developer.qcloudimg.com/http-save/yehe-12464096/1db3f6fb6c8062aee1a6fffca99989bb.png)

Agentic coding 是 GPT-5.5 最核心的亮点之一。OpenAI 称其为目前最强 Agentic Coding 模型。

它不只是 Coding 工具，而是能在 Codex 中承担更完整工程任务链：功能实现、代码重构、调试、测试、验证，甚至在大型代码库中持续代码迭代。GPT-5.5 的编程成绩全面高于 GPT-5.4：

- Terminal-Bench 2.0：**82.7%**，高于 GPT-5.4 的 75.1%
    
- SWE-Bench Pro：58.6%
    
- Expert-SWE（Internal）：**73.1%**，高于 GPT-5.4 的 68.5%

其中，Terminal-Bench 2.0 考察复杂命令行工作流中的规划、迭代和工具协同能力；SWE-Bench Pro 面向真实 GitHub issue 解决；Expert-SWE 则是 OpenAI 内部长周期工程任务评测。

2. ## **knowledge work** & **computer use**：AI 开始真正「用电脑」

![](https://developer.qcloudimg.com/http-save/yehe-12464096/630ebb0dc66e2b3502983f87ad2b5366.png)

GPT-5.5 的第二个关键提升，是从编程扩展到更广泛的 **knowledge work** 和 **computer use**。

面对复杂任务，GPT-5.5 可自行规划、调用工具、检查结果，并跨工具推进到完成。在相关评测中，其表现突出：

- GDPval( wins or ties) : 84.9%
    
- OSWorld-Verified: 78.7%
    
- Tau2-bench Telecom：98.0%，且是在 without prompt tuning 情况下取得
    
- MMMU Pro( with tools) : 83.2%
    
- MCP Atlas: 75.3%
    
- Toolathlon: 55.6%

这些指标覆盖了专业知识工作、真实电脑环境操作、复杂客服流程、工具调用和多模态任务。结合 Codex 的 computer use 能力，GPT-5.5 已经不只是生成文本，而是能够看屏幕、点击、输入、导航界面，在不同软件和工具之间移动，逐步形成“视觉—语言—动作”的闭环。

3. ## Scientific research：从信息检索走向「研究协作」

![](https://developer.qcloudimg.com/http-save/yehe-12464096/a5caf9b57850d567a1e2722f116abcbc.png)![](https://developer.qcloudimg.com/http-save/yehe-12464096/ed832910428dadec87fc4fa62af5f5dd.png)

GPT-5.5 在 **early scientific research** 场景中的能力也有明显增强。数据显示，其科研与高难推理能力相比 GPT-5.4 明显提升：

- **GeneBench：25.0%**（GPT-5.4：19.0%）
    
- **BixBench：80.5%**（GPT-5.4：74.0%）

GPT-5.5 甚至参与发现了一个关于拉姆齐数的新证明，并已在 Lean 中验证。其能力已开始从“解释知识”走向“产生新知识”。

4. ## Long context：百万级窗口更接近实用

GPT-5.5 在上下文能力上进一步提升，API 最高支持 1M token context window，Codex 提供 400K context window。更关键的还在于它的准确性，根据 OpenAI MRCR v2 8-needle 测试，GPT-5.5 在不同长度区间表现如下：

- 4K–8K：98.1%
    
- 128K–256K：87.5%
    
- 512K–1M：74.0%

相比之下，GPT-5.4 在 512K–1M 区间仅为 36.6%。

5. ## 推理效率：模型与基础设施的协同升级
    
GPT-5.5 在能力提升的同时，依然维持了接近 GPT-5.4 的服务速度。OpenAI 表示，其在真实环境中的 per-token latency 基本持平，但整体智能水平更高。

在效率上，GPT-5.5 在 Codex 任务中用更少 token 完成相同的工作，减少重复尝试和冗余输出。

基础设施层面，GPT-5.5 基于 NVIDIA GB200 和 GB300 NVL72 systems 协同设计与部署，推理系统也进行了整体重构。通过 Codex 分析生产流量并生成自定义负载均衡与分区算法，token 生成速度提升超 20%。

同时，GPT-5.5 还参与了推理栈关键优化的发现与实现，使得模型能力与系统效率得以协同提升。

6. ## 安全能力：安全机制升级

![](https://developer.qcloudimg.com/http-save/yehe-12464096/6de736d1731f7fee2c355e95b194e6aa.png)![](https://developer.qcloudimg.com/http-save/yehe-12464096/4661e7749fea488791a71c332c513bfb.png)

随着能力增强，GPT-5.5 也配套更严格的安全机制。OpenAI 表示，这是截至目前最强的一套 safeguards，并经过完整安全评估、红队测试及约 200 个早期合作伙伴验证：

- CyberGym：81.8%（GPT-5.4：79.0%，Claude Opus 4.7：73.1%）
    
- CTF（Internal）：88.1%（GPT-5.4：83.7%）

数据说明了 GPT-5.5 的上限，但真正的产品体验，还得看具体任务里能不能稳定交付。

## 案例一：GPT-5.5 跑一个 CSS-only 烟花

![](https://developer.qcloudimg.com/http-save/yehe-12464096/e3e0b62e30bfb2a678820e3e5ea3d345.gif)

我们让 GPT-5.4 和 GPT-5.5 用同一个 prompt，生成一个“满屏彩色烟花秀”的单文件 HTML。

**约束**：只能使用 HTML 和 CSS，禁止 JavaScript、Canvas、SVG 及任何第三方库。烟花的升空、爆炸、散开、闪烁全靠 CSS 实现。这极度考验模型对 CSS 关键帧和渲染机制的理解。

这个测试主要看三点：

- 模型是否严格遵守 CSS-only 约束
    
- 烟花是否真的有升空、爆炸、消散过程
    
- 画面是否有层次、节奏和氛围，而不是几个简单圆点

两款模型均按要求输出了纯 CSS 代码。从代码结构看，GPT-5.5 的实现更偏向利用 CSS 动画节奏、阴影和缓动曲线来塑造烟花的扩散与下坠感，视觉层次相对更自然。

如果说烟花测试考验的是强约束下的动效实现，那么第二个案例更接近真实产品开发：

## 案例二： GPT-5.5 做的微信红包真不真？

**[90 秒快闪：GPT-5.4 VS GPT-5.5，谁做的微信红包更像真的？]

![](https://developer.qcloudimg.com/http-save/yehe-12464096/39a9ebfd661a96e6a366657b7da74e11.gif)

我们让 GPT-5.4 和 GPT-5.5 在同等条件下完成这个任务：生成一个「微信聊天界面 + 红包开启动画」的单文件 HTML。

规则很简单：同一个 prompt、同一档 Thinking、不允许外部依赖，只看最终交付效果。

评测重点不在“能不能写出来”，而在更接近真实开发的三点：

- 界面是否像真实产品
    
- 红包是否可点击、交互是否完整
    
- 动效是否自然、有产品质感

两款模型均给出了可运行的单文件 HTML。GPT-5.4 实现了基础的图文排版和点击翻转动效；GPT-5.5 对 UI 细节（气泡圆角、色值、比例等）的还原度相对更高。这类差距不是能不能跑的问题，而是模型是否理解真实产品中的视觉层级、交互反馈和默认细节。

当然，能力提升最终还要回到一个现实问题：成本如何？

## GPT-5.5 多层定价体系

|   |   |   |
|---|---|---|
|模型|输入（每百万 token）|输出（每百万 token）|
|GPT-5.4|$2.50|$15.00|
|GPT-5.5|$5.00|$30.00|
|GPT-5.5 Pro（API）|$30.00|$180.00|

成本方面，GPT-5.5 的 API 将上线 Responses API 和 Chat Completions API，标准价格为 $5 / 1M input tokens、$30 / 1M output tokens，并支持 1M context window；gpt-5.5-pro 定价更高，为 $30 / 1M input、$180 / 1M output。

虽然单价较 GPT-5.4 明显上涨，但 OpenAI 强调 GPT-5.5 在 Codex 任务中 token 使用更少，因此实际完成任务的总成本不会等比例增加。

通过官方数据和实测，我们能明显感受到：GPT-5.5 正在跨过从“聊天工具”到“执行代理（Agent）”的边界。

面对纯 CSS 动效这种强约束任务，或“做一个像微信红包”的模糊产品需求，它展现出的不只是代码生成能力，而是对约束、上下文、交互细节和产品质感的综合理解。

对开发者来说，这才是 GPT-5.5 最值得关注的地方：它不只是更会写代码，而是更接近一个能参与交付的工程协作者。

北京时间 4 月 24 日 凌晨，OpenAI 正式发布新一代旗舰模型——GPT-5.5。官方介绍中，OpenAI 给的定义非常直接：

编程实测：杀疯了的 GPT-5.5 真的有它说的那么强么？

从官方公布的数据来看，GPT-5.5 这次不只是单项能力提升，而是在多个核心性能上形成了系统性进步。

OpenAI发布新一代旗舰模型GPT-5.5，在编程、知识工作、科研等核心能力上实现系统性突破。该模型在Terminal-Bench、GDPval等基准测试中全面超越GPT-5.4，支持1M token长上下文，具备更强的Agentic coding能力，可完成代码重构、调试等完整工程任务。GPT-5.5还提升了安全机制和推理效率，API定价5-30美元/百万token。

负载均衡

人机协作

Agent

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

OpenAI发布新一代旗舰模型GPT-5.5，在编程、知识工作、科研等核心能力上实现系统性突破。该模型在Terminal-Bench、GDPval等基准测试中全面超越GPT-5.4，支持1M token长上下文，具备更强的Agentic coding能力，可完成代码重构、调试等完整工程任务。GPT-5.5还提升了安全机...

编程实测：杀疯了的 GPT-5.5 真的有它说的那么强么？-腾讯云开发者社区-腾讯云

编程实测：杀疯了的 GPT-5.5 真的有它说的那么强么？

编程实测：杀疯了的 GPT-5.5 真的有它说的那么强么？

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐