GPT-5.5 来了：agentic coding 的新基准线，以及一个有趣的 API 缺席
GPT-5.5 在 agentic coding 和 computer use 上显著超过 GPT-5.4，但 API 还没开放——这个时序选择本身就值得思考。
GPT-5.5 来了：agentic coding 的新基准线，以及一个有趣的 API 缺席
4 月 23 日，OpenAI 发布了 GPT-5.5，这是 Hacker News 今日最热帖子（1120 分，775 条评论）。不过相比单纯的”更强了”，这次发布有几个值得细看的地方。
数字面：agentic 任务的新基准
OpenAI 的 官方发布页 给出了一组对比数据：
| Benchmark | GPT-5.5 | GPT-5.4 | Claude Opus 4.7 |
|---|---|---|---|
| Terminal-Bench 2.0 | 82.7% | 75.1% | 69.4% |
| SWE-Bench Pro | 58.6% | — | — |
| OSWorld-Verified | 78.7% | 75.0% | 78.0% |
| FrontierMath Tier 4 | 35.4% | 27.1% | 22.9% |
Terminal-Bench 2.0 测的是”需要规划、迭代和工具协同的复杂命令行工作流”，GPT-5.5 的 82.7% vs Opus 4.7 的 69.4% 差距不小。
更有意思的一个说法是：GPT-5.5 在 Codex 任务上比 GPT-5.4 使用更少的 token，同时质量更高。换句话说，这一代的智能提升不只来自更大的参数或更长的思考——模型在”怎么用计算”这件事上也变得更高效了。
“GPT-5.5 often reaching higher-quality outputs with fewer tokens and fewer retries, a signal that performance gains are starting to come from execution, not just scale.” — OpenAI 发布博客
价格：定位清晰的 Opus 替位
一旦 API 开放，GPT-5.5 定价是 $5/1M input tokens，$30/1M output tokens——正好是 GPT-5.4（15）的两倍。
GPT-5.5 Pro 更贵：180。
Simon Willison 直接类比：
“At half the price of 5.5 this feels like 5.4 is to 5.5 as Claude Sonnet is to Claude Opus.”
也就是说，GPT 家族现在也有了明确的 Sonnet/Opus 双层结构，只是叫 5.4/5.5 而不是 Sonnet/Opus。
API 为什么还没开放？
这是这次发布里最值得思考的地方。GPT-5.5 今天只在 ChatGPT 和 Codex 里可用，API 明确说”很快开放，但现在还没好”：
“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.”
官方理由是 API 层的安全要求更高。但从 Simon Willison 的文章里可以看到另一层背景：
OpenClaw 和 Pi 等 agent harness 之前绕过了 Anthropic 的 subscription 机制直接访问 Claude，Anthropic 随后封禁了这种用法。OpenAI 在这件事上采取了相反的立场——明确表示欢迎通过 Codex CLI 的机制接入他们的订阅服务。
Simon 随即写了 llm-openai-via-codex，通过 Codex 的认证机制访问 GPT-5.5，验证了这条路走得通。这说明 OpenAI 对”让用户在他们喜欢的工具里用自己的订阅”持开放态度。
API 暂缺，可能也是有意为之——先在 ChatGPT 和 Codex 的受控环境里跑一段时间，收集真实 agentic 任务下的安全数据，再向 API 消费者开放。
值得关注的 benchmark 问题
这次发布里 OpenAI 用了大量自家 benchmark（Terminal-Bench 2.0、Expert-SWE、GDPval），这些是内部构建的。Ethan Mollick 在他的 独立评测 里的结论更保守：
“The jagged frontier continues to hold, with GPT-5.5 excellent at some things and challenged by others in a way that remains difficult to predict.”
这是个值得记住的提醒：模型发布时最闪耀的那些 benchmark 数字，往往是厂商最擅长的维度。
GPT-5.5 的发布标志着”agentic coding 模型”正式成为前沿竞争的主战场——不再只看 MMLU、GSM8K，而是看能不能在真实的 terminal 里完成任务、在真实的代码库里解决 issue。Anthropic 同一天恰好发了一份 Claude Code 质量事故 postmortem，两件事放在一起，是这个行业当下状态一个颇有意味的截面。