在大模型竞争进入深水区之际，行业普遍预期性能提升将伴随着成本的指数级增长。然而，软硬协同优化的新思路正在打破这一固有认知。
此次更新不仅展示了模型能力的跃迁，更揭示了基础设施与算法深度融合的趋势。以下是对最新技术进展的详细拆解。
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
GPT-5.5，刚刚降临。
官方定位，”一种面向实际工作和智能体的新型智能。”
这次负责人没有亲自站台描述“初体验被吓到眩晕”，而是分享了一组早期测试用户的反馈。
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、GB300 NVL72 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，负责人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 Artificial Analysis Intelligence Index 结果，有两种解读方式：
GPT-5.5 获得相同的分数比 Claude Opus 4.7 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 Scaling Law 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
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-Bench 2.0，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 Claude Opus 4.7 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 Dan Shipper 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 Claude Opus 4.7。
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。
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 Claude Opus 4.7 高出 4.6 个百分点。
FrontierMath Tier 4，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-5.5 Pro 在这个测试上拿下了 39.6%。Claude Opus 4.7 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。
Bartosz Naskręcki 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。
Derya Unutmaz 是杰克逊基因组医学实验室的免疫学教授。他用 GPT-5.5 Pro 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-diagonal Ramsey 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、GB300 NVL72 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？
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 Jakub Pachocki，场合是与记者的电话会议上。
纵观此次升级，技术突破固然耀眼，但商业落地的挑战同样不容忽视。价格策略的调整意味着高端算力资源将进一步向头部集中。
对于开发者而言，如何在效率提升与成本控制之间找到平衡点，将是下一阶段应用落地的关键考量。当 AI 开始自我优化基础设施，人类与机器的协作边界也在被重新定义。
