北京时间 4 月 24 日凌晨，OpenAI 突然发布了 GPT-5.5，以及更高规格的 GPT-5.5 Pro。
这不是一次常规的小版本迭代。在 OpenAI 看来，GPT-5.5 不仅是他们最强的模型，更是新的智能模型，即专为真实工作和智能体任务打造的模型。
说白了，其实就是各家最近都在讲的「智能体模型」，模型的定位更多是作为智能体的「智能引擎」。
所以不出意外，围绕「聊天」的各项能力就没那么重点了，围绕「工作」来讲才是王道。而从纸面参数和 benchmark 看，GPT-5.5 的确延续了 OpenAI 过去半年的技术路线，更多以「真实工作场景」为导向，在一些取向更贴近实际的基准测试中又刷了新高，比如：
- Terminal-Bench 2.0：82.7%（复杂命令行任务）
- GDPval：84.9%（跨 44 种职业的知识工作）
- OSWorld-Verified：78.7%（真实电脑操作能力）
- Tau2-bench Telecom：98.0%（复杂客服流程）
不过基准测试也就「图一乐」，即便是这些取向更接近实际工作的测试，也很难逃过「高分低能」的问题。所以，GPT-5.5 真的就像 OpenAI 新闻稿开篇所言，会是我们迈向 PC 工作新方式的下一步吗？
01、从 AI Coding 到 AI 办公，GPT 也是认真干活了
根据 OpenAI 公布的信息，GPT-5.5 Pro 仅支持 Pro 及以上订阅用户，GPT-5.5 则支持 Plus 及以上的订阅用户，将在今天正式上线 ChatGPT 以及 Codex。不过包括我在内，很多 Plus 还未收到 GPT-5.5 的新模型推送，理论上应该采取了分批推送的方式。
不过官方也展示了一些实际的使用案例，共同点是都不怎么「干净」，更像我们实际面临工作任务，也不是一步就能完成。而对于现阶段重点推 Codex 的 OpenAI 来说，Agentic Coding 肯定是最重要的。
这一代 GPT-5.5 也在正式发布前被拿去做代码重构、跨文件 bug 修复、测试补全这些更接近真实工程流程的工作。
外部开发者的实测也证实了 GPT-5.5 在代码工作上进步。MagicPath CEO Pietro Schirano 就用 GPT-5.5 将一个包含数百个前端和重构变更的分支合并为一个同样有重大变化的主分支，只花了 20 分钟就一次性解决了所有工作，「我真的感觉自己在和一个更高的智慧共事。」
不是说它一次就肯定全对，关键是它更容易「走在正确的轨道上」，中途不用频繁拉回方向。
CodeRabbit 的评测里有一个细节很有意思。他们没有强调模型能写出多复杂的代码，反而更多夸赞它在 code review 里更「克制」，更倾向于指出真正会影响上线的问题，而不是泛泛而谈。
同时 Cursor、Windsurf 团队的使用报告也都指出，GPT-5.5 在长时任务、处理歧义方面都比 GPT-5.4 明显更好。
另外，OpenAI 的财务团队还用它审核了 24771 份 K-1 税表、总计 71637 页文件，并称这套流程比上一年提前了两周完成。换个角度看，它其实揭示了 GPT-5.5 在长流程里的稳定性。而两万多份税表、七万多页文档，是一个极容易出错、需要持续校验的重复性工作。
过去模型在这种场景里*的问题，是中途漂移，或者在细节上逐渐失真。而无论是表格处理、报告生成，还是多文档整合，GPT-5.5 的输出更有一致性，格式更稳定，前后逻辑也更连贯。法律 AI 公司 Harvey 就强调了 GPT-5.5 的推理结构、引用、排版这些细节更像一个合格的专业人士。
而且这类案例的价值还不在规模，因为模型不仅在分析数据，还在构建流程、生成规则并接入实际业务系统，已经非常接近典型的知识工作流程。
可以说，这次 GPT-5.5 最核心的升级就是现代社会围绕计算机构建的工作场景。英伟达创始人兼 CEO 黄仁勋还在一封全员信呼吁所有人使用基于 GPT-5.5 的 Codex，「让我们跳到光速。欢迎来到人工智能时代。」
如果说 GPT-4 解决的是「答对」，GPT-5.4 在解决处理更复杂的问题和任务，到了 GPT-5.5，问题变成了能不能更高效、稳定地做好一件事。毕竟，做完和做好完全是两码事，中间也是一道「天堑」。
这也是为什么 OpenAI 在这一代里不断强调「智能体」这个词。
GPT-5.5 从模型层面改进了智能体最核心的几个特征：理解目标、拆解步骤、调用工具、修正过程，并最终交付结果。能力上看，每一项都不是全新能力，但被放到同一个系统里之后，体验开始发生变化。
外部反馈也基本印证了这一点。无论是开发者还是企业用户，讨论的焦点都在变。从「答得准不准」，变成「要改几次」「能不能一次跑通」。这两个问题的差别，其实就是模型角色的变化从辅助决策，变成参与执行。
当然，这种变化还远没有到「可以完全放手」的程度。多个第三方评测都提到了 GPT-5.5 对任务边界的依赖更强。需求描述不清，它不会主动帮你补全，而是按现有信息执行。这种「听话」在某些场景是优点，在另一些场景反而是限制。
但这恰恰说明，它正在变得更像一个真实世界里的协作者。能力没有突然跨越一代，工作方式确实变了。
02、GPT-5.5 到底升级了什么？
过去两年，大模型的升级路径很清晰：更强的推理、更长的上下文、更高的准确率。GPT-5.5 仍然在做这些，但重点还是变了，OpenAI 就强调了模型更早理解任务、更少依赖提示、更会使用工具，并且能够持续推进直到完成。
这句话其实也对应的是过去一直存在、但始终没被彻底解决的一些问题。
其一是理解问题，但不理解任务。很多模型在复杂场景里的表现是单步回答很好，但一旦涉及多步骤流程，就会开始偏离，甚至需要用户不断修正。GPT-5.5 的变化，是它开始在一开始就建立任务结构，而不是等用户一步步喂。
其二是会用工具，但不会组织工具。从去年开始，工具调用已经成为大模型的主流能力，但大多数模型只是把工具当成外挂。GPT-5.5 在 Terminal-Bench 和 OSWorld 这类评测中的提升，更重要的是它不只是调用工具，而是把工具变成工作流程的一部分。
其三则是实际的交付质量。过去模型的输出是「答案」，现在越来越多场景要求的是「结果」，而且是更好、更准确。GPT-5.5 的目标就是减少中断，让任务可以连续推进，直到形成一个可以直接使用的输出。
当然，GPT-5.5 更强了，但也没有强到「改写一切」。问题在于，这一轮竞争早就不是单点模型能力的比拼。
今年以来，一个变化已经非常明确。无论是 OpenAI，还是 Google、Anthropic，甚至包括国内的阿里、字节，都在把重点从「更强模型」转向「智能体系统」。模型只是底座，真正的竞争在于能不能把模型接入工具、接入数据、接入业务流程，让它真正参与工作。
行业里的关键词也从「推理能力」「上下文长度」，逐渐变成了「agent（智能体）」「workflow（工作流）」「computer use（计算机使用）」。
OpenAI 自己的动作最典型。Codex 的重新被推到台前，也不是偶然，它天然就是最适合承载智能体能力的入口。
但现在还有一个问题是，GPT-5.5 真的很贵。
前段时间 Claude Opus 4.7 的价格已经劝退了很多，而 OpenAI 虽然强调 GPT-5.5 几乎是在不牺牲速度和 Token 用量的情况下实现了全面升级，延迟和 GPT-5.4 相当甚至更低，还能用更少的 Token 在 Codex 上完成同样的任务，但实际 API 价格流出后，还是让很多开发者心凉了半截：
输入 5 美元/百万 tokens、缓存输入 0.5 美元/百万 tokens、输出 30 美元/百万 tokens，直接在 GPT-5.4 的基础上翻了一番。
*模型还是太贵了。只能期待一下传闻将在本周发布的 DeepSeek V4，希望能够复刻 2025 年的奇迹，通过这次的多模态升级把智能体模型也能打成白菜价。
03、写在最后
从能力上看，它确实更强了，但这种「更强」已经很难再用一次发布就被感知到。没有那种一上手就明显不同的惊艳，更像是把过去几代模型的短板一点点补齐，把原本不稳定的地方变得更可靠。
但换个角度看，这反而是一个更重要的信号。过去大家比的是谁更聪明，现在开始比的是谁更稳定、谁更能融入实际工作、谁能在复杂流程里少出错。
GPT-5.5 就落在这个阶段。它没有重新定义模型能力的上限，但在「把事情做完」这件事上往前走了一步。而当模型开始能够真正承担一部分工作时，真正被改变的就不再只是效率，还有新的工作方式，包括人与 AI 之间的分工关系。
当然，这个过程还远没有结束。GPT-5.5 的成本仍然高，能力也还不够通用，很多场景依然需要人类不断干预。智能体这件事，从概念走向现实，还要经历一段很长的打磨周期。
但方向已经很清楚了。当模型开始进入流程，当工具、数据和系统逐渐围绕它重新组织，当越来越多公司把它当成「工作的一部分」而不是「辅助工具」，这一轮变化就不再只是技术升级。
