刚刚，GPT-5.5发布！更强更快更贵，内测英伟达工程师：失去它像被截肢

GPT-5.5当天买入股票能卖吗，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、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，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 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

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-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。

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%，实盘配资公司，股票杠杆交易，杠杆交易平台比 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 Naskr ę cki 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、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？

One More Thing

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。

参考链接：

[ 1 ] https://openai.com/index/introducing-gpt-5-5/

[ 2 ] https://x.com/firstadopter/status/2047378435555651856?s=20

一键三连「点赞」「转发」「小心心」

欢迎在评论区留下你的想法！

—  完  —

� � 谁会代表 2026 年的 AI？

龙虾爆火，带动一波 Agent 与衍生产品浪潮。

但真正值得长期关注的 AI 公司和产品，或许不止于此。

如果你正在做，或见证着这些变化，欢迎申报。

让更多人看见你。� � https://wj.qq.com/s2/25829730/09xz/

一键关注 � � 点亮星标

科技前沿进展每日见当天买入股票能卖吗