GPT-5.5 发布当天，Tibo 两天前那句 "we have the compute" 被兑现了

发表于 更新于 分类于 阅读次数： 本文字数： 5.1k 阅读时长 ≈ 5 分钟

cover

大家好，我是飞飞。

今天早上拉开窗帘，手机里 OpenAI 的推送先跳出来：GPT-5.5，代号”Spud”，已经开始给 Plus、Pro、Business、Enterprise 用户推送了。我昨天下午刚写完那篇讲 Copilot 停注册 + Claude Code 从 Pro 套餐下架的文章，里头我专门贴了 OpenAI Codex 负责人 Tibo 4 月 21 号那条 tweet：”We have the compute and efficient models to support it.”

那时候那句话我读起来还有点像口头表态。48 小时之后 OpenAI 把一个比 Claude Opus 4.7 高出 13 个百分点的新模型砸下来，那句话就变成实打实的动作了。

这一周从 4 月 20 号开始，AI 编程圈连着三件大事：GitHub 停 Copilot 个人订阅、Anthropic 把 Claude Code 从 Pro $20 页面拿掉、今天 OpenAI 放出 GPT-5.5。三件事的时间间隔不到 72 小时。

先把这次发布的东西摆出来

4 月 23 号下午（美西），OpenAI 把 GPT-5.5 正式发布。

距离 GPT-5.4（3 月 5 号）过去七周。按 Decrypt 的说法，GPT-5.3 到 5.4 只隔了两天，所以七周在现在的节奏里已经算长了。

几条关键信息：

  • 定位：OpenAI 自己的原话是 “our smartest and most intuitive-to-use model yet”。MarkTechPost 透露了一个更有分量的信息：这是从 GPT-4.5 以来第一个完整重新训练的基础模型，不是在 GPT-5 基础上继续微调的。
  • 谁能用：ChatGPT Plus、Pro、Business、Enterprise 今天开始推送。GPT-5.5 Pro 只给 Pro、Business、Enterprise。Free 用户没份。
  • API：这是今天最反常的一点。OpenAI 明确说 GPT-5.5 和 GPT-5.5 Pro 今天不进 API，理由原文是”API deployments require different safeguards and we are working closely with partners and customers on the safety and security requirements for serving it at scale”。承诺”very soon”。
  • Codex 环境：400K context window，还有 Fast 模式（生成速度快 1.5x，但成本贵 2.5x）。
  • 安全：OpenAI 说是”strongest set of safeguards to date”，发布前找了近 200 个 early-access 合作伙伴做真实场景测试，在高级网络安全和生物学能力上加了 targeted testing。

代号”Spud”这个细节是 Axios 的 Ina Fried 从 briefing 里挖出来的。Spud 就是土豆，OpenAI 内部给模型起代号的梗已经不是一天两天了（GPT-4.5 的代号是 Orion）。Greg Brockman 在媒体 briefing 上承认：”there are enough model releases that it’s probably getting hard to distinguish one from another”。这句话比”new class of intelligence”坦诚得多。

Terminal-Bench 2.0 拿了 82.7%，把 Opus 4.7 甩出 13 个点

这轮发布最硬的一张图是 Terminal-Bench 2.0 的跑分。这个 benchmark 测模型在命令行里做复杂工作流的能力，需要规划、迭代用工具、根据前一步的结果决定下一步。

结果：

  • GPT-5.5：82.7%
  • Claude Opus 4.7：69.4%
  • Gemini 3.1 Pro：68.5%

13 个百分点的差距在这种 benchmark 上不是 marginal。Terminal-Bench 2.0 不像 SWE-Bench 那种单点测试，它测的是”交给你一个任务，走完整条流水线”这种情况下的累计准确率，每一步的错误都会放大后面的路径。

另一个数字 GDPval 更有意思。这个是 OpenAI 自己的 benchmark，拿 44 个真实职业（财务、法律研究、产品管理等等）的典型任务，让 GPT-5.5 和行业专业人士做对照评估。GPT-5.5 在 84.9% 的比较里 match 或打败了行业专业人士。

我个人读这个数字持保留态度。OpenAI 自家 benchmark 定义的”match 或打败”怎么评、评测者有没有偏好，这些 methodology 细节没公开完整。但即使打个七折，也是跨职业知识工作上一次明显的能力跃迁。

GPT-5.5 Pro 在 BrowseComp（测模型在网上挖难找信息的能力）上拿了 90.1%，Gemini 3.1 Pro 是 85.9%。

Artificial Analysis Intelligence Index 目前把 GPT-5.5 列为平均最高分的模型。

SWE-Bench Pro 输给了 Claude，OpenAI 放了一句暗讽

这节我觉得是今天 blog post 里最有味道的部分。

SWE-Bench Pro 测的是模型解决真实 GitHub issue 的能力。这次跑分：

  • GPT-5.5：58.6%
  • Claude Opus 4.7：64.3%

OpenAI 输了，输了 5.7 个点。

但 OpenAI 在公告里加了一行意味深长的话：”Anthropic reported signs of memorization on a subset of problems”。翻译过来：Claude Opus 4.7 在 SWE-Bench Pro 的一部分题目上，有迹象是把训练集里的解法记下来了而不是真正推理出来的。

这句话不是随便说的。Anthropic 自己是不是真的承认过 memorization、承认到什么程度、对应的是哪些题目，目前 OpenAI 没给 citation。但这种”我知道你们在这个题目上作弊了”的暗刺，两家头部实验室之间少见。

Terminal-Bench 2.0 上 Opus 4.7 被甩 13 个点，这是 OpenAI 正面拿下来的。SWE-Bench Pro 上被 Opus 4.7 反超 5.7 个点，OpenAI 没认，而是选择质疑 Anthropic 的 methodology。这两个跑分反应合起来才完整：正面赢的地方放结果，反面输的地方找理由。

对开发者来说，这两个 benchmark 对应的工作形态不一样。Terminal-Bench 偏 agentic 的 end-to-end 流水线，SWE-Bench Pro 更像单点的 bug 修复和 PR 生成。哪种场景多，选哪个模型就更合适。

$5/$30 的 API 定价把 GPT-5.4 翻了一倍

API 的定价是今天第二个让人停下来看的数字。

GPT-5.5 进 API 之后（官方说”very soon”）的价格：

  • 输入：$5 / 百万 token
  • 输入（cached）：$0.50 / 百万 token
  • 输出：$30 / 百万 token

对比 GPT-5.4（$2.50 / 百万 token 输入，$15 / 百万 token 输出），GPT-5.5 刚好翻了一倍。

GPT-5.5 Pro 的 API 价格则跟 GPT-5.4 Pro 持平，没涨：$30 / 百万 token 输入，$180 / 百万 token 输出。

Sam Altman 今天在 X 上专门出来解释：”GPT-5.5 完成同样的 Codex 任务用更少的 token，所以实际账单不一定更贵。” 他原话没说”cheaper per task”，他的说法是”cheaper runs even at a higher per-token rate”。

我读完这段感觉 OpenAI 是在借 Anthropic 这周把 Claude Code 从 Pro 砍掉的窗口，把涨价往”token 效率换单价”的逻辑上包。市场这周正好已经被教育过”扁平订阅制撑不住大模型算力”，这种说法现在说出来，阻力比一个月前小得多。

对照一下 Anthropic 的 Opus 4.7：输入 $5 / 百万 token，输出 $25 / 百万 token，还带 7.5x 请求乘数（我昨天那篇里写过）。GPT-5.5 的输出价是 $30，比 Opus 4.7 的 $25 贵 20%。头部模型的 API 价差第一次这么拉开。

对一个刚刚纠结要不要切 Codex 的 Max 5x 用户意味着什么

这段是我写到这儿最真实的感受。

我自己是 Claude Max 5x $100/月 的订阅者。昨天那篇文章里我写过，过去半年我给新人推荐入门路径一直是 Claude Pro $20 + Claude Code，这周这条路基本走不通了。我自己留在 Max 5x 是因为 Claude Sonnet 4.6 的代码质量对我目前的工作流最顺手。

今天 GPT-5.5 出来之后，这个判断我要重新测了。

几个硬对比：

  • $20 档位：ChatGPT Plus $20 今天就能用 GPT-5.5（Thinking 模式）+ Codex 跑 agentic 工作流。Claude Pro $20 这一档 Claude Code 的权限正在被 A/B 测着往下砍。入门用户的推荐目前应该是 Plus 了，哪怕 Anthropic 24 小时后把 Pro 的改动又滚回去。
  • $100-$200 重度用户：我这一档现在其实没有立刻切的理由。Claude Sonnet 4.6 的代码质量我用了一个月基本摸清了，Opus 4.7 的 $25/M 输出 + 7.5x 乘数我也跑进了 budget 里。切 Codex 要重新跑十几个我最常踩坑的 prompt 对比 tool use 行为，成本不低。
  • API 用户：这是今天最别扭的那群人。GPT-5.5 今天没进 API，想用的人只能等”very soon”。但要用的时候要接受 $5/$30 的定价翻倍。Opus 4.7 的 API 在那放着，Anthropic 的 Amazon 250 亿 5GW 协议还在建。

我接下来两周会做的事是：在 Plus 账号里把我过去一个月最常在 Claude Code 里跑的 10 个复杂任务重新跑一遍，看 Codex 的 tool use 顺手不顺手，尤其是 Terminal-Bench 类型的 end-to-end 工作流。如果 GPT-5.5 能在那 10 个任务里赢 7 个，API 一开我就切一部分调用过去。

API 什么时候开，才是今天真正该盯的事

今天所有报道里都写了”API coming very soon”。”very soon”在 OpenAI 这家公司的历史上可以是两周也可以是四个月。

如果 API 两周内开，开发者生态会在 5 月中旬就开始倒向 GPT-5.5（尤其 Cursor、Windsurf 这类 IDE 工具，他们接入新模型只需要改几行 config）。Anthropic 那边 Opus 4.7 的请求乘数如果到 4 月 30 号促销结束后还不调整，压力会直接上到定价页。

如果 API 拖到 Q3 才开，市场会看成是 OpenAI 算力不够（跟 Anthropic 这周的理由一样），只够先服务 ChatGPT 订阅用户，API 放出来会把现有的供给拉爆。

所以我今天写完这篇，想留的问题是这个：你如果每天跑 agent 写代码，GPT-5.5 API 什么时候开之前你会切吗？还是等它进 API、你能在自己的工作流里 A/B 之后再决定？

特别想听两类人的答案。一类是每天在 Codex 或者 Claude Code 里 vibe coding 的个人开发者；一类是在公司里管 dev tools 采购的，你们看 $5/$30 的价格翻倍会重新算 TCO 吗？

评论区聊。

参考资料