2026年5月14日

GPT-5.5 使用体验

这不是严肃评测，也不是实验室报告。我只关心一件事：GPT-5.5 放进真实开发流里，到底好不好用。

结论很直接：好用，而且足够成熟。我现在会把 Codex + GPT-5.5 当主力开发工具。但它也有明显短板，尤其是安全约束，有时候会打断正常节奏。

参数跑分

参数量 OpenAI 没公布，所以不猜。更实际的是上下文、价格和公开跑分：Codex 里是 400K context window，API 侧官方说后续会到 1M；价格是输入 5 美元 / 百万 tokens，输出 30 美元 / 百万 tokens。不便宜，但如果能少返工，这个账还能算。

跑分我整理了一张图，用的是 OpenAI 官方发布页的数据。

GPT-5.5 与 GPT-5.4 的公开跑分对比

GPT-5.5 不是全面暴打 GPT-5.4。SWE-Bench Pro 从 57.7% 到 58.6%，GDPval 从 83% 到 84.9%，都只是小幅提升。真正值得看的是 Terminal-Bench 2.0 从 75.1% 到 82.7%，这更接近我的实际体感：它不只是会写代码，而是更会在终端、文件、报错、项目结构之间来回走。

5.5 与 5.4 相较的进步

GPT-5.5 最大的变化是更稳。GPT-5.4 已经能看文档、拆任务、写解释，但在代码项目里有时还是有点“助手味”：分析很多，动手偏慢。

GPT-5.5 在 Codex 里更像直接进现场。你让它修一个问题，它更容易先看目录、引用链、配置，再决定改哪里，而不是只盯着报错文件打补丁。真实开发里，报错经常只是尸体，案发现场在别处。

长任务里的状态保持也更好。它不会永远不忘，但多轮修改时更容易记住前面的约定，比如不要动生成文件、保持缩进风格、只提交指定文件。这种稳定性，比单项跑分涨一点更有价值。

工具感也更强。它知道什么时候读文件，什么时候看 diff，什么时候跑检查，什么时候停下来说明风险。这是我愿意把它放进 Codex 的核心原因：它更像能一起干活的人。

安全性

这块我不太满意。

GPT-5.5 的安全和道德约束偏重。平台设线可以理解，模型能力越强，风险越大。但对开发者来说，很多正常工程问题本来就长得“不安全”：系统权限、网络代理、漏洞复现、日志排查、自动化脚本。脱离上下文看敏感，放回项目里就是日常工作。

最烦的是它偶尔会先教育你，再判断你是不是坏人，最后才回答一点边角料。这种体验很割裂。模型已经很强了，安全策略也应该更会看上下文，而不是看到几个词就踩刹车。

好在 Codex 场景里问题轻一些。文件、diff、命令输出能把意图讲清楚，模型更容易判断你是在修项目，不是在搞奇怪的东西。离开这个上下文，泛聊天里的约束感就明显多了。

总结

GPT-5.5 不是那种看 demo 会惊掉下巴的升级，它更像一次成熟度升级：更稳，更能接长任务，更少在多轮上下文里掉线。

如果你只看跑分，它相对 GPT-5.4 是稳步提升；如果你在 Codex 里写代码，体感会更明显。它更会读项目，更会拆任务，也更能根据检查结果继续修。

所以我的结论很简单：GPT-5.5 不是神，但已经足够当主力开发模型。成熟，顶级，能干活。安全约束再细一点，就更好了。

参考资料

本文基于 2026-05-14 的公开信息和个人使用体感整理。