OpenAI公开了大幅强化数学解题和代码编写能力的新大型语言模型“GPT-5.5”。在竞争对手Anthropic推出最新模型仅一周后，该公司便采取了应对措施，性能竞争再次升温。
此次发布的模型分为“GPT-5.5”普通版和其高级版本“GPT-5.5 Pro”两种。OpenAI表示，普通版在计算机应用任务和整体知识劳动方面相比之前模型有所改进。GPT-5.5 Pro则宣称在企业、法律、教育和数据科学领域表现出更大的质量提升。
OpenAI强调的变化之一是针对“模糊指令”的解读能力。此前，大型语言模型如果用户不详细写明操作步骤，常常会出错。而该公司解释称，GPT-5.5即使没有用户充分的说明，也能够自行推断诸如MCP服务器使用方式之类的具体流程。
与Anthropic最新模型的基准测试对决
OpenAI将GPT-5.5与Anthropic的“Claude Opus 4.7”在超过12项基准测试中进行了比较。结果显示，普通版和Pro版在多项测试中都表现出了优势性能。
最引人注目的数据来自高难度数学基准测试“FrontierMath Tier 4”。这项评估由数十道博士后研究员级别的问题组成，众所周知，即使是人类专家也可能需要数天时间才能解答。在此项测试中，GPT-5.5 Pro取得了39.6%的成绩，大幅领先Claude Opus 4.7的22.9%。
OpenAI还表示，在利用定制版GPT-5.5的研究过程中，发现了新的数学证明。该证明与组合数学的核心主题之一“拉姆齐数”相关。拉姆齐数研究被认为是一个超越纯数学，与整个计算机科学广泛联系的领域。
编码和基础设施优化亦有所改进
编程性能也是主要的改进点。在评估命令行工具使用能力的“Terminal-Bench 2.0”中，GPT-5.5普通版取得了82.7%的成绩。同一项目中，Claude Opus 4.7的成绩为69.4%。
OpenAI表示，GPT-5.5的编码性能已应用于内部运营。该模型被用于优化公司的基础设施管理软件，据称此举使令牌生成速度提升了超过20%。
OpenAI的基础设施基于英伟达的GB200、GB300 NVL72系统运行。这些设备分别搭载了Blackwell B200和Blackwell Ultra GPU。据公司称，GPT-5.5通过更高效地设计将进入GPU的请求打包并分配到核心的方式，提高了处理速度。
一般工作任务适用性亦在扩大
除技术性工作外，在处理具有经济价值的一般任务方面也确认了改进。在评估44个领域实践性任务的“GDPval”基准测试中，GPT-5.5普通版取得了84.9%的成绩，超越了GPT-5.5 Pro和Claude Opus 4.7两者。
这表明OpenAI将本次模型定位为不仅能“专精编码”，更是提升通用工作生产力的工具。特别是在企业应用案例不断增多的情况下，有观点认为，在法律文件审查、数据分析、教育辅助工作等领域的引入可能会加速。
优先应用于ChatGPT和Codex
GPT-5.5目前面向ChatGPT和Codex的Plus、Pro、Business和Enterprise订阅用户提供。其中，GPT-5.5 Pro仅能通过Pro、Business和Enterprise付费方案在ChatGPT中使用。OpenAI表示，“很快”也会将其应用于应用程序编程接口。
此次发布标志着OpenAI与Anthropic之间的大型语言模型竞争，已不仅限于性能数据，而是扩展到实际工作适用性、运营效率以及企业市场掌控力。尤其是在同时强化数学、编程和实践工作能力这一点，被解读为一个信号：AI模型竞争的标准正从“对话质量”转向“现场生产力”。
TP AI注意事项 使用TokenPost.ai基础语言模型总结了文章。正文主要内容可能被遗漏或与事实不符。