这次奥特曼没有自己站出来说“初体验被吓到眩晕瘫坐，那一刻就像看到原子弹爆炸”了，而是请了一群嘴替（早期测试用户）。其中有一位英伟达工程师，他在早期测试结束后短暂的失去了GPT-5.5的访问权限，然后说了这样一句话：
失去GPT-5.5，就像被截肢。
说归说，闹归闹。
OpenAI与英伟达这次的合作是前所未有的。
第一，GPT-5.5和英伟达GB200、GB300NVL72系统是联合设计的，训练到部署，模型和硬件之间从诞生开始就双向奔赴。
第二，推广Codex到英伟达全公司，奥特曼还晒出了与老黄的邮件。
合作的成果，先来看数据。
与上个版本GPT5.4相比，新模型在代码、知识工作、科学研究三个领域全部拉开身位。
综合测试ArtificialAnalysisIntelligenceIndex结果，有两种解读方式：
GPT-5.5获得相同的分数比ClaudeOpus4.7和其他模型消耗token更少。
或者消耗同样的token，GPT-5.5完成的任务更多。
但最让人意外的不是跑分。
过去每一次模型升级，“更强”和“更慢”几乎是打包出售的。
这是ScalingLaw的代价，更大的模型，更多的参数，更长的思考时间。用户为智能买单的同时也在为延迟买单。
GPT-5.5打破了这条铁律。
在真实生产环境中，它的逐token延迟和GPT-5.4相当，完成相同任务需要的token还比GPT5.4少了。
效率更高，功能更强大。
（但价格翻倍）
截至发稿，Codex更新最新版已经能用上GPT-5.5。
上下文窗口也升级到400K
给编程开挂
编程是GPT-5.5提升最猛的领域。
上一代模型用起来，还是得小心翼翼地拆任务，一步步看着它走，随时准备纠偏。
GPT-5.5不一样了。你把需求丢过去，它自己拆解、自己执行、自己检查。你只需要看结果。
OpenAI展示了Codex下GPT-5.5生成的3D动作游戏，在网页上直接运行。
包括用TypeScript/Three.js实现战斗系统、敌人遭遇、HUD反馈以及GPT生成的环境纹理。
Terminal-Bench2.0，衡量复杂命令行工作流的硬核测试，GPT-5.5拿到82.7%。
上一个版本本的GPT-5.4是75.1%，目前最强竞品ClaudeOpus4.7是69.4%。
可以理解为：碰到这种级别的难题，上一代模型将近三分之一会卡住，现在这个比例压到了四分之一以下。
接下来请各路嘴替：
早期测试者DanShipper做了一个实验。他是初创公司CEO，同时也是一位活跃的AI产品开发者。
他的App上线后出了一个bug，请了一位顶尖工程师来重构。工程师花了一番功夫，最终给出了一个解决方案。
然后Shipper把时钟拨回去：把那段有bug的代码丢给模型，看它能不能独立做出和那位工程师一样的决策。
GPT-5.4做不到。GPT-5.5做到了。
Shipper说，这是他第一次在一个编程模型身上感受到真正的“概念清晰度”。
不是接话，是理解了问题之后自己想明白如何解决。
越来越多高级工程师在反馈同一件事：GPT-5.5在推理和自主性上明显强于GPT-5.4和ClaudeOpus4.7。
它能够提前发现问题，并在无需明确提示的情况下预测测试和审查需求。
编程只是开始。同样的能力跃迁，正在向知识工作和科学研究两个方向扩散。
编程之外
GPT-5.5在Codex里干的事，远不止写程序。生成文档、整理表格、做PPT。
OpenAI多次强调，它比上一代更懂你想要什么。
更关键的是，它会自己用工具、自己检查输出对不对。你给一个模糊的想法，它能帮你补完剩下的。
这里有个数据很有意思，OpenAI自己超过85%的员工，每周都在用Codex干活。（另外15%是怎么回事？）
还是先看评测结果。
在知识工作基准测试GDPval上，GPT-5.5拿到84.9%，比ClaudeOpus4.7高出4.6个百分点。
FrontierMathTier4，目前最难的数学基准之一，题目来自未发表的论文和顶尖研究者的开放问题。
GPT-5.5Pro在这个测试上拿下了39.6%。ClaudeOpus4.7是22.9%，差距接近一倍了。
真正有意思的是科学家们怎么用它。
BartoszNaskręcki是波兰亚当·密茨凯维奇大学的数学助理教授。他给Codex写了一句话，11分钟后，一个代数几何可视化应用就跑起来了。
这个应用能画出两个二次曲面的交线，标成红色，还能用Riemann-Roch定理把交线转成Weierstrass曲线的标准形式。后来他又扩展了更稳定的奇点可视化功能。
一句话，11分钟。搁以前，光是搭项目框架就得半天。
DeryaUnutmaz是杰克逊基因组医学实验室的免疫学教授。他用GPT-5.5Pro分析了一份基因表达数据集：62个样本，将近28000个基因。最后产出了一份完整的研究报告。
他说，这本来要花团队几个月的时间。
OpenAI对GPT-5.5在科研中的定位，有一句话概括得很准，它不再像一次性答案引擎，更像一个”研究伙伴”。
早期测试者拿它做的不只是查资料。多轮批改论文，逐条挑论证的漏洞，提出新的分析方案。它记住了你整个研究脉络，每一轮对话都建立在前一轮的基础上。
GPT-5.5在数学领域做了一件大事。
Ramsey数，组合数学里最核心的问题之一。
通俗地说，它研究的是：一个网络要大到什么程度，才能保证某种秩序必然出现？
比如，六个人里一定有三个人互相认识，或者三个人互相不认识，这就是最简单的Ramsey定理。
它是数学界几十年的硬骨头，off-diagonalRamsey数的渐近性质，更是长期悬而未决。
GPT-5.5找到了一个新的证明路径。不是复现已知方法，而是发现了一条新路。随后，这个证明被数学界最严格的形式化验证工具之一Lean确认无误。
一个AI，在纯数学的核心领域，做出了被形式化工具验证的原创贡献。
一年前，这还不可想象。
更强却不更快的秘密
“更强却更快”是怎么做到的？
答案不是在某一个环节上做了优化。OpenAI把整个推理系统推倒重来了。
前面提到GPT-5.5和英伟达GB200、GB300NVL72系统是联合设计的，结果在同等延迟下，智能水平大幅跃升。
但还有另一个故事。
GPT-5.5驱动的Codex系统，分析了数周的生产流量数据，然后写出了一个负载均衡的分区启发式算法。
之前，请求被切分成固定数量的块，分发给加速器处理。但固定的分块策略在不同流量模式下并不总是最优。有时候块分得太粗，有时候太细，资源利用率忽高忽低。
Codex看了几周的真实流量数据，自己写了一套自适应的分区算法。根据实际流量形态动态调整分块策略。
token生成速度提升了超过20%。
模型优化了运行自己的基础设施，AI在让自己跑得更快。
推理系统的整体重构，加上模型参与自身的优化，两件事叠在一起，带来了这样的结果。
OpenAI说，这是“迈向用计算机完成工作的新方式的一步”。
但当模型已经开始优化自己运行的基础设施——
这一步，到底迈了多远？
OneMoreThing
有了GPT-5.5，OpenAI预计接下来模型发布数据将加快。
我们看到短期内有相当显著的进步，中期有极其显著的进步。
我认为过去几年进展出乎意料地缓慢。
说这话的是首席科学家JakubPachocki，场合是与记者的电话会议上。
相关文章
头条焦点
精彩导读
关注我们
【查看完整讨论话题】 | 【用户登录】 | 【用户注册】