OpenAI 发布 GPT-5.5：更智能、更高效的智能体模型

2026 年 4 月 24 日更新：GPT‑5.5 和 GPT‑5.5 Pro 现已在 API 中提供。系统卡也已更新，补充说明了适用的额外安全措施。

我们发布了 GPT‑5.5，这是迄今最智能、用起来也最直观的模型，也是迈向全新计算机工作方式的下一步。

GPT‑5.5 能更快理解你想做什么，并自己承担更多工作。它擅长编写和调试代码、在线调研、分析数据、创建文档和电子表格、操作软件，并在多个工具之间切换直至任务完成。你不必再小心翼翼地管理每一个步骤，可以直接丢给 GPT‑5.5 一个杂乱、包含多个部分的任务，相信它会自行规划、使用工具、检查成果、应对模糊之处并持续推进。

在智能体编码、计算机操作、知识工作和早期科学研究方面，提升尤为明显，这些领域的进展取决于在上下文中推理并持续采取行动。GPT‑5.5 在智能水平跃升的同时没有牺牲速度：更大、更强的模型往往服务起来更慢，但 GPT‑5.5 在真实服务环境中的单 token 延迟与 GPT‑5.4 持平，智能水平却高出一大截。它完成同样的 Codex 任务所用的 token 也明显更少，因此不仅更强，也更高效。

GPT‑5.5 发布时配备了我们迄今最强的一套安全措施，旨在减少滥用，同时保障正当工作的使用。我们依据完整的安全与准备度（preparedness）框架体系对该模型进行了评估，与内部和外部红队合作，针对高级网络安全和生物能力增加了专项测试，并在发布前收集了近 200 家受信任的早期访问合作伙伴在真实用例中的反馈。

今天，GPT‑5.5 开始向 ChatGPT 和 Codex 中的 Plus、Pro、Business 和 Enterprise 用户推送，GPT‑5.5 Pro 则向 ChatGPT 中的 Pro、Business 和 Enterprise 用户推送。API 部署需要不同的安全措施，我们正与合作伙伴和客户密切合作，确定大规模提供该模型所需的安全与保障要求。我们很快就会把 GPT‑5.5 和 GPT‑5.5 Pro 引入 API。

模型能力

OpenAI 正在构建面向智能体 AI 的全球基础设施，让世界各地的个人和企业都能借助 AI 完成工作。过去一年，我们看到 AI 极大地加速了软件工程。借助 Codex 和 ChatGPT 中的 GPT‑5.5，这种变革正开始延伸到科学研究，以及人们在计算机上完成的更广泛的工作。

在这些领域，GPT‑5.5 不只是更聪明，它解决问题的方式也更高效，往往用更少的 token 和更少的重试就能得到更高质量的输出。在 Artificial Analysis 的编码指数（Coding Index）上，GPT‑5.5 以竞争性前沿编码模型一半的成本提供了业界领先的智能水平。

Artificial Analysis Intelligence Index⁠是由外部机构运行的 10 项评测的加权平均：AA-LCR、AA-Omniscience、CritPt、GDPval-AA、GPQA Diamond、Humanity’s Last Exam、IFBench、SciCode、Terminal-Bench Hard、τ²-Bench Telecom。

智能体编码

GPT‑5.5 是我们迄今最强的智能体编码模型。Terminal-Bench 2.0 测试需要规划、迭代和工具协调的复杂命令行工作流，它取得了 82.7% 的业界领先准确率。SWE-Bench Pro 评估真实世界的 GitHub issue 解决能力，它达到 58.6%，单次即可端到端解决的任务比以往模型更多。Expert-SWE 是我们内部用于长周期编码任务的前沿评测，任务的人类完成时间中位数估计为 20 小时，GPT‑5.5 在其上同样超过了 GPT‑5.4。

在这三项评测中，GPT‑5.5 的得分均高于 GPT‑5.4，同时使用的 token 更少。

该模型的编码优势在 Codex 中体现得尤为明显，它可以承担从实现、重构到调试、测试和验证的各类工程工作。早期测试表明，GPT‑5.5 更擅长真实工程工作所依赖的那些行为，比如在大型系统中保持上下文、推理含糊不清的故障、借助工具检验假设，以及把改动贯彻到周边代码库中。

渲染的轨迹使用了 NASA/JPL Horizons 提供的 Orion、月球和太阳的矢量数据，并为便于阅读做了显示缩放。

提示词：[附图] 使用 webgl 和 vite，基于阿尔忒弥斯 II 任务的真实数据，把它实现为一个新应用。请务必充分测试，直到应用功能完整、外观与图片中的应用一致。请特别注意行星和飞行轨迹的渲染。我希望能与 3D 渲染进行交互。确保它具有真实的轨道力学。

除基准测试外，早期测试者表示，GPT‑5.5 更能把握系统的整体形态：某处为何出错、修复应落在哪里，以及代码库中还有哪些部分会受到影响。

“这是我用过的第一个具备清晰概念理解力的编码模型。”

“这是我用过的第一个具备清晰概念理解力的编码模型。”

Every 创始人兼 CEO Dan Shipper 将 GPT‑5.5 形容为“我用过的第一个具备清晰概念理解力的编码模型”。

一款应用上线后，他花了几天调试上线后的问题，随后请来一位最出色的工程师重写了系统的一部分。为了测试 GPT‑5.5，他相当于把时钟拨回：模型能否看着那个出问题的状态，做出与这位工程师最终决定的相同的重写？GPT‑5.4 做不到，GPT‑5.5 做到了。

“我真切地感觉是在与一个更高级的智能合作，甚至带着几分敬意。”

“我真切地感觉是在与一个更高级的智能合作，甚至带着几分敬意。”

MagicPath 的 CEO Pietro Schirano 也看到了类似的飞跃：GPT‑5.5 把一个包含数百处前端和重构改动的分支合并进同样已发生大量变化的主分支，约 20 分钟内一次性解决了问题。

测试过该模型的资深工程师表示，在推理和自主性方面，GPT‑5.5 明显强于 GPT‑5.4 和 Claude Opus 4.7，能够提前发现问题，并在没有明确提示的情况下预判测试和评审需求。在一个案例中，一位工程师让它重新设计协作式 Markdown 编辑器中的评论系统，回来时发现一个包含 12 个 diff 的堆栈已接近完成。另一些人表示，需要进行的实现修正少得出人意料，并且相比 GPT‑5.4，对 GPT‑5.5 给出的方案更有信心。

一位较早获得该模型使用权的 NVIDIA 工程师甚至说：“失去 GPT‑5.5 的使用权，感觉就像被截掉了一条肢体。”

“GPT-5.5 明显比 GPT-5.4 更聪明、更有韧性，编码表现更强，工具使用也更可靠。它能在更长时间内持续执行任务而不提前停下，这对用户委托给 Cursor 的复杂、长时间运行的工作最为重要。”

— Michael Truell，Cursor 联合创始人兼 CEO

知识工作

让 GPT‑5.5 擅长编码的那些优势，同样让它在日常的计算机工作中表现出色。由于模型更善于理解意图，它能更自然地走完知识工作的完整闭环：查找信息、理解重点、使用工具、检查输出，并把原始素材变成有用的成果。

在 Codex 中，GPT‑5.5 生成文档、电子表格和幻灯片的能力强于 GPT‑5.4。Alpha 测试者表示，它在运营研究、电子表格建模以及把杂乱的业务输入转化为计划等工作上超过了以往的模型。结合 Codex 的计算机操作技能，GPT‑5.5 让我们更接近这样一种感觉：模型真的能与你一起使用电脑，看懂屏幕上的内容，精准地点击、输入、浏览界面并在多个工具间切换。

OpenAI 内部的团队已经在真实工作流中运用这些能力。如今，公司超过 85% 的人每周都会使用 Codex，涵盖软件工程、财务、传播、市场、数据科学和产品管理等职能。传播团队用 Codex 中的 GPT‑5.5 分析了六个月的演讲邀约数据，构建评分与风险框架，并验证了一个自动化 Slack 智能体，使低风险请求可以自动处理，而较高风险的请求仍会转交人工审核。财务团队用 Codex 审阅了 24,771 份 K-1 税表，共计 71,637 页，所用工作流排除了个人信息，使团队比上一年提前两周完成了这项任务。在市场拓展（Go-to-Market）团队，一名员工自动化了每周业务报告的生成，每周节省 5 到 10 小时。

在 ChatGPT 中，GPT‑5.5 Thinking 能为更难的问题提供更快的帮助，答案更智能、更简洁，帮助你更高效地完成复杂工作。它擅长编码、研究、信息综合与分析以及文档密集型任务等专业工作，在使用插件时尤其如此。

在 GPT‑5.5 Pro 中，早期测试者看到 ChatGPT 能承担的工作在难度和质量上都有显著提升，延迟方面的改进也让它在处理高要求任务时更加实用。与 GPT‑5.4 Pro 相比，测试者发现 GPT‑5.5 Pro 的回答明显更全面、结构更清晰、更准确、更贴题、更有用，在商业、法律、教育和数据科学领域表现尤其突出。

GPT‑5.5 在多个反映这类工作的基准测试中达到了业界领先水平。GDPval⁠⁠测试智能体在 44 个职业中产出明确定义的知识工作成果的能力，GPT‑5.5 得分 84.9%。OSWorld-Verified 衡量模型能否自主操作真实的计算机环境，它达到 78.7%。Tau2-bench Telecom 测试复杂的客户服务工作流，它在未做提示词调优的情况下达到 98.0%。GPT‑5.5 在其他知识工作基准上同样表现强劲：FinanceAgent 60.0%，内部投行建模任务 88.5%，OfficeQA Pro 54.1%。

Tau2-bench Telecom 在未做提示词调优的情况下运行（并以 GPT‑4.1 作为用户模型）。GPT‑5.5 能更好地理解任务意图，token 效率也高于前代模型。

“GPT-5.5 提供了执行密集型工作所需的持续性能。该模型在 NVIDIA GB200 NVL72 系统上构建和提供服务，使我们的团队能够凭自然语言提示词交付端到端的功能，将调试时间从数天缩短到数小时，并把数周的实验变成复杂代码库中一夜之间的进展。这不只是更快的编码，而是一种全新的工作方式，帮助人们以截然不同的速度工作。”

— Justin Boitano，NVIDIA 企业 AI 副总裁

科学研究

GPT‑5.5 在科学和技术研究工作流上也有进步，这类工作需要的不只是回答一个难题。研究人员需要探索想法、收集证据、检验假设、解读结果，并决定下一步尝试什么。在这一循环中持续推进的能力，GPT‑5.5 强于其他模型。

值得注意的是，GPT‑5.5 在 GeneBench⁠ 上相比 GPT‑5.4 有明显提升，这是一项新的评测，聚焦遗传学和定量生物学中的多阶段科学数据分析。这些问题要求模型在几乎没有监督指导的情况下，对可能含糊或有误的数据进行推理，应对隐藏混杂因素或质控（QC）失败等现实障碍，并正确实现和解读现代统计方法。考虑到这里的任务往往相当于科学专家需要数天才能完成的项目，该模型的表现令人惊叹。

同样，在围绕真实世界生物信息学与数据分析设计的基准 BixBench⁠ 上，GPT‑5.5 在已公布得分的模型中取得了领先表现。该模型的科学能力现已强大到足以作为名副其实的“联合科学家”，切实加速生物医学研究前沿的进展。

另一个例子是，一个配有定制 harness 的 GPT‑5.5 内部版本帮助发现了关于拉姆齐数（Ramsey numbers）的一个新证明⁠，拉姆齐数是组合数学的核心对象之一。组合数学研究离散对象如何组合在一起：图、网络、集合和模式。拉姆齐数大致是在问，一个网络要多大，才能保证某种秩序出现。这一领域的成果十分罕见，往往技术上也很困难。这次，GPT‑5.5 找到了关于非对角拉姆齐数的一个长期悬而未决的渐近事实的证明，后来在 Lean 中得到验证。这一成果具体说明，GPT‑5.5 贡献的不只是代码或讲解，而是在核心研究领域中一个出人意料且有价值的数学论证。

早期测试者使用 ChatGPT 中的 GPT‑5.5 Pro 时，不太像把它当作一次性的答案引擎，更像是研究伙伴：多轮审阅稿件、对技术论证进行压力测试、提出分析方案，并结合代码、笔记和 PDF 上下文工作。共同点在于，GPT‑5.5 更能帮助研究人员从问题走向实验，再走向产出。

Jackson Laboratory for Genomic Medicine 的免疫学教授兼研究员 Derya Unutmaz 用 GPT‑5.5 Pro 分析了一个包含 62 个样本、近 28,000 个基因的基因表达数据集，生成了一份详细的研究报告，不仅总结了发现，还提出了关键问题和洞见，他说这项工作原本需要他的团队花上数月。

波兰波兹南 Adam Mickiewicz 大学数学助理教授 Bartosz Naskręcki 在 Codex 中使用 GPT‑5.5，仅凭一条提示词，在 11 分钟内构建出一个代数几何应用，可视化两个二次曲面的交线，并将所得曲线转换为 Weierstrass 模型。

后来他又扩展了该应用，加入更稳定的奇点可视化，以及可在后续工作中复用的精确系数。对他而言，更大的转变在于，Codex 现在可以帮助实现自定义的数学可视化和计算机代数工作流，而这些以前需要专门的工具。总体来看，这些例子表明 GPT‑5.5 能把专家的意图转化为可用的研究工具和分析。

*图片来源：Bartosz Naskręcki⁠
提示词：# Algebraic geometry surface intersection
Make an app which draws two quadratic surfaces and colors in red the intersection curve. Use computational Riemann-Roch theorem to convert this into Weierstrass curve.
## Main window
Two tinted surfaces with a slightly transparent shading, high quality rendering intersect along a red colored algebraic curve
Rotation with mouses in both directions, full pinch mechanism for zoom, haptic press to show the little menu with sliders for changing the coefficients of each surface; detection via Z-buffor level
## Side right window
Short Weierstrass equation (over Q or quadratic field extension) computed on the go via effective Riemann-Roch theorem formulas
## Ambient mode where all the controls are hidden and the user can admire the beauty of the shapes
## Specs
App is running in the browser, light-weight implementation with full stack newest libraries, portable, deployable
## Docs
Git repo, journal, plan (Markdown files)*

“在我们的 harness 中使用 OpenAI 全新的 GPT-5.5 模型，让它对海量生化数据集进行推理来预测人体药物反应，并看到它在我们最难的药物发现评测上取得显著的准确率提升，这令人无比振奋。如果 OpenAI 保持这样的势头，到今年年底，药物发现的根基将会改变。”

— Brandon White，Axiom Bio 联合创始人兼 CEO

新一代推理效率

要以 GPT‑5.4 的延迟提供 GPT‑5.5 服务，就必须把推理视为一个整体系统来重新思考，而不是一堆孤立优化的集合。GPT‑5.5 是针对 NVIDIA GB200 和 GB300 NVL72 系统协同设计、在其上训练并提供服务的。Codex 和 GPT‑5.5 对我们实现性能目标起到了关键作用。Codex 帮助团队更快地从想法走到可基准测试的实现，包括勾勒方案、搭建实验，以及帮助判断哪些优化值得深入投入。GPT‑5.5 则帮助发现并实现了技术栈本身的关键改进。简单来说，这个模型帮助改进了为它提供服务的基础设施。

其中一项改进是负载均衡与分区启发式算法。在 GPT‑5.5 之前，我们会把加速器上的请求拆分成固定数量的块，以在各计算核心之间平衡工作，确保大请求和小请求可以在同一块 GPU 上运行。然而，预先设定数量的静态分块并不适合所有流量形态。为了更好地利用 GPU，Codex 分析了数周的生产流量模式，并编写了定制的启发式算法来优化分区和均衡工作负载。这项工作的影响远超预期，将 token 生成速度提升了 20% 以上。

推进网络安全，守护每个人的安全

让世界为极擅长发现和修补安全漏洞的模型做好准备，是一项团队运动，需要整个生态系统共同努力构建韧性，并通过普及模型访问和迭代式部署，迎接网络防御的新时代⁠。

前沿模型在网络安全方面的能力正变得越来越强。这些能力将被广泛分发，我们认为最好的前进道路是确保它们能被用于加速网络防御、强化整个生态系统。

GPT‑5.5 是迈向能够解决网络安全等世界上最棘手挑战的 AI 的一步，虽然是渐进式的，但意义重大。去年 12 月的 GPT‑5.2 发布时，我们主动部署了必要的网络安全防护措施⁠，以限制我们的模型可能被用于网络滥用；现在，随着 GPT‑5.5 的发布，我们针对潜在网络风险部署了更严格的分类器，一些用户起初可能会觉得烦人，我们会随着时间推移不断调优。

多年来，随着我们的模型逐步改进，我们一直在准备度框架（Preparedness Framework）⁠中将网络安全列为一个类别，同时迭代地开发和校准缓解措施，以便负责任地发布具备重要网络安全能力的模型。

• 我们为这一级别的网络能力部署了业界领先的安全措施。我们去年随 GPT‑5.2⁠ 首次引入了针对网络安全的防护措施，并在后续部署中持续测试、完善和扩展。对于 GPT‑5.5，我们围绕高风险活动和敏感的网络请求设计了更严格的管控，并增加了针对重复滥用的保护。我们在模型安全、经过认证的使用以及对违规使用的监测方面的投入，使广泛开放访问成为可能。数月来，我们一直与外部专家合作，开发、测试并迭代这些防护措施的稳健性。借助 GPT‑5.5，我们既确保开发者能够轻松保护自己的代码，又对最可能被恶意行为者利用的网络工作流施加了更强的管控。
• 我们正在扩大访问范围，以加速各个层面的网络防御。我们将通过 Trusted Access for Cyber⁠ 提供允许网络安全用途的（cyber-permissive）模型，首先从 Codex 开始，其中包括扩大对 GPT‑5.5 高级网络安全能力的访问，并在发布时对满足特定信任信号⁠的已验证用户减少限制。负责保护关键基础设施⁠的组织可以申请使用 GPT‑5.4‑Cyber 等允许网络安全用途的模型，同时需满足严格的安全要求，用这些模型保护其内部系统。这让广大经过验证的防御者获得能力更强的工具来开展合法的安全工作，并减少不必要的阻力，以确保重要的防御能力得到普及。用户可以在 chatgpt.com/cyber⁠ 申请受信任访问，以便在将 GPT‑5.5 用于经过验证的防御工作时减少不必要的拒绝。
• 我们正与政府合作伙伴合作，帮助保护公众所依赖的关键基础设施。我们正共同探索先进 AI 如何支持受信任的官员开展防御工作，这些官员负责的系统关乎人们的日常生活，从保护重要纳税数据的数字系统，到地方社区的电网和供水。

我们将 GPT‑5.5 的生物/化学和网络安全能力在准备度框架⁠下按“高”（High）级别对待。虽然 GPT‑5.5 未达到“严重”（Critical）网络安全能力级别，但我们的评估和测试表明，其网络安全能力相比 GPT‑5.4 有所提升。

此外，GPT‑5.5 在发布前经过了我们完整的安全与治理流程，包括准备度评估、特定领域测试、针对高级生物和网络安全能力的新专项评估，以及与外部专家合作的充分测试。更多细节请见 GPT‑5.5 系统卡⁠。

这项工作体现了我们更广泛的 AI 韧性思路，我们认为随着模型能力的提升，这是必要的。我们希望强大的 AI 能够被那些用它来保护系统、机构和公众的人所使用。可行的路径是受信任的访问、随能力扩展的稳健安全措施，以及发现和应对严重滥用的运营能力。

可用性与定价

今天，GPT‑5.5 开始向 ChatGPT 和 Codex 中的 Plus、Pro、Business 和 Enterprise 用户推送，GPT‑5.5 Pro 则向 ChatGPT 中的 Pro、Business 和 Enterprise 用户推送。我们很快就会把 GPT‑5.5 和 GPT‑5.5 Pro 引入 API。

在 ChatGPT 中，GPT‑5.5 Thinking 面向 Plus、Pro、Business 和 Enterprise 用户开放。GPT‑5.5 Pro 专为更难的问题和更高准确度的工作而设计，面向 Pro、Business 和 Enterprise 用户开放。

在 Codex 中，GPT‑5.5 面向 Plus、Pro、Business、Enterprise、Edu 和 Go 套餐开放，上下文窗口为 400K。GPT‑5.5 也提供 Fast 模式，生成 token 的速度提升 1.5 倍，成本为 2.5 倍。

对于 API 开发者，gpt-5.5 即将在 Responses 和 Chat Completions API 中提供，价格为每百万输入 token 5 美元、每百万输出 token 30 美元，上下文窗口为 1M。Batch 和 Flex 定价为标准 API 费率的一半，Priority 处理则为标准费率的 2.5 倍。我们还将在 API 中发布 gpt-5.5-pro，以获得更高的准确度，价格为每百万输入 token 30 美元、每百万输出 token 180 美元。完整详情请参阅定价页面⁠。

虽然 GPT‑5.5 的定价高于 GPT‑5.4，但它既更智能，token 效率也高得多。在 Codex 中，我们精心调校了体验，使 GPT‑5.5 对大多数用户而言用更少的 token 就能带来比 GPT‑5.4 更好的结果，同时继续在各订阅层级提供充裕的用量。

评测

编码

^{*各实验室已指出该评测存在记忆化的证据}⁠^。

专业工作

计算机操作与视觉

工具使用

^{** MCP Atlas：Scale AI 在 2026 年 4 月最新更新后的结果。
*** Tau2-bench telecom：5.5 和 5.4 使用原始提示词（即未做提示词调整）的结果。这里省略了其他实验室经提示词调整后评测的结果。}

学术

网络安全

^{**** 在系统卡中使用的最难 CTF 基础上扩充，并加入了更多高难度挑战。}

长上下文

抽象推理

GPT 的评测在推理强度设为 xhigh 的条件下运行，并在研究环境中进行，某些情况下其输出可能与生产环境的 ChatGPT 略有差异。