OpenAI 釋出 GPT-5.5：程式設計推理大提速，SWE-Bench Pro 拿下 58.6%

以前讓 AI 寫程式碼，最怕的是它雖然寫得快，但你得亦步亦趨盯著，稍微給它一個複雜的多步驟任務，它轉頭就給你改出三個新 Bug。

OpenAI 剛釋出了新一代旗艦模型 GPT-5.5，不僅把它塞進了 ChatGPT 和 Codex，還在 4 月 24 日火速上線了 API。距上個月推出 GPT-5.4 還不到幾週，OpenAI 就給出了一個核心主張：不用再手把手指揮每一步，甩給它一堆混亂凌亂的任務，它自己能規劃、呼叫工具、查錯並持續推進。

效率翻倍：更聰明，但花的 Token 減半

大模型往往有個通病：越聰明就越慢、越貴。這次 GPT-5.5 比較反常，它在真實服務中的每 Token 延遲追平了 GPT-5.4，沒有因為變聰明而變慢。

更實在的是用量變少了。在 Codex 任務中，它解決同樣的問題所消耗的 Token 大幅減少，重試次數也更少。按 Artificial Analysis 程式設計指數的資料，GPT-5.5 達到了頂尖水平，而成本只有同類前沿程式設計模型的一半。

跑分上它也全面拉滿：在考驗複雜命令列工作流的 Terminal-Bench 2.0 上拿到了 82.7%，在真實 GitHub 修復測試 SWE-Bench Pro 上達到了 58.6%，單次通過率大幅重新整理。OpenAI 內部估計人類中位數需要 20 小時的長週期程式設計測試 Expert-SWE，GPT-5.5 也超過了 GPT-5.4。

業內測試給出的反饋更直接。Every 創始人 Dan Shipper 說這是他第一個覺得具有「嚴肅概念清晰度」的程式設計模型，它重寫複雜故障程式碼的方案竟然與資深工程師最終確定的完全一致。MagicPath 執行長 Pietro Schirano 透露，模型一次性用約 20 分鐘合入了一個涉及數百處前端重構改動的分支。甚至一位參與內測的 NVIDIA 工程師調侃稱，失去 GPT-5.5 的訪問許可權「就像被截肢了一樣」。

走出程式碼編輯器，接管日常電腦操作

除了寫程式碼，OpenAI 顯然想讓它變成一個能操作電腦的綜合 Agent。在評測中，針對跨 44 種職業知識工作的 GDPval 它拿下了 84.9%，衡量獨立操作真實電腦環境的 OSWorld-Verified 達到 78.7%，電信客服工作流 Tau2-bench 更是無提示微調直接飆到 98.0%。

據 OpenAI 透露，公司內部超過 85% 的員工每週都在用 Codex。比如財務團隊靠它審查了 24771 份、共計 71637 頁的 K-1 稅務表格，把進度直接提速兩週；公關團隊拿它分析了半年的演講申請資料，甚至在 Slack 裡跑起自動分流 Agent。

在科研上，它還跑通了基因組學評估 GeneBench 以及生物資訊學測試 BixBench，能自己處理隱藏的混雜因素並呼叫統計學工具，處理相當於專家數天工作量的複雜研究任務。

目前 GPT-5.5 已經向 ChatGPT Plus、Pro、Business 和 Enterprise 使用者開放，GPT-5.5 Pro 也推給了 Pro 及企業級使用者，API 也在 4 月 24 日正式跟進。

為什麼重要

對開發者和企業打工人來說，GPT-5.5 最關鍵的價值不是分數變高，而是它終於有了「少犯蠢」的能力。以前跑複雜的 Agentic 工作流，很多時候不是模型不會寫，而是在上下文長了之後把原本正常跑通的邏輯改崩，或者不斷陷入無效重試，導致 API 賬單飛漲。GPT-5.5 用更少 Token 完成任務並且單次過，意味著企業部署 Agent 的邊際成本大幅下降，現在就很值得拿真實的複雜專案去測一測。

行業競爭維度上，據 The Verge 報道，這顯然是 OpenAI 迎戰 Anthropic 的正面出擊。Anthropic 前腳剛推出 Claude Opus 4.7 和專注於網路安全的 Mythos Preview，OpenAI 隨即拿出 GPT-5.5，並強調在推理和自主性上領先 Claude Opus 4.7。在兩家公司今年都面臨潛在 IPO 預期的背景下，誰能穩佔企業級生產力和開發者第一入口，就直接決定了商業變現的底氣。

我們認為，OpenAI 這次最聰明的做法，是不再只拼引數規模和單次輸出的驚豔感，而是把刀口對準了真實工作流中的「連貫性」和「經濟性」。但潛在隱患也擺在眼前：從 OSWorld-Verified 的 78.7% 來看，讓 AI 完全自主接管電腦操作依然有兩成以上的翻車機率。當越來越多沒有容錯空間的企業財務、高風險事務交給它去執行時，如何劃定人機協作的邊界，依然是懸在所有企業頭上的問號。