OpenAI GPT-5.5 测评

---

朋友，你有没有被一个AI气到想砸电脑的瞬间？

我有。就在上周。

一个破项目——从乱七八糟的日志里扒数据、生成可视化报表——我拿GPT-4o搞了两天，写了十几个prompt模板，调来调去。每次输出都不一样。要么漏字段，要么格式飞出天际。气得我啊，差点以为是自己不会写prompt，在AI面前智商归零了。

然后昨天下午，我抱着"再信一次"的心态，把同一个任务扔给了刚上线的o1-preview。

你猜怎么着？

第一次输出，完美。连字段顺序都跟我脑子里想的一模一样。

我愣了五秒钟，又跑了三遍。三次完全一样！新模型的多Pass一致性已经被吹了好久了，我以为是营销。现在信了——这玩意儿第一次就是最好的。写代码的人都懂这意味着什么：再也不用"再跑一遍看看会不会好一点"。省下来的不光是API费用，还有你被反复折磨掉的那点耐心。

但，别急着高兴。

啊，价格嘛，说来话长……你先坐稳。

Token省了，钱却没省——这不是数学题，是哲学题。

说到这，我算了一笔账，你听听看是不是想骂人。

o1这代推理效率提升确实猛。我拿一个中等难度的找规律题试手，它思考了3000个Token就拿到正确答案，比4o少了大概10%。而Claude Opus要至少8000，有些国产模型动不动冲到20000、50000。更夸张的是，同任务o1的Token消耗比4o省了整整40%。

效率涨了啊！所以红利你总能吃到吧？

来，看价格——直接翻倍还不止。

输入从5美元/百万Token涨到15块，输出从15涨到60。跟Claude Opus比，输入倒是便宜点，输出也差不多。Pro版本？输出600美元/百万Token，普通人看一眼就默默关网页了。

我帮你再细算一笔：做一个任务，4o需要1000个输出Token，成本15美元；o1只用600个（省了40%），但单价60美元——总成本36美元，多了21美元。

效率高了，花的钱没省，还涨了。OpenAI的逻辑是"任务复杂时一次过，总成本可能更低"。但那说的是高难度任务。简单任务？就是更贵。

所以选择很直白：想省钱，用4o；想一遍过不纠结，上o1。省钱和舒坦，你只能二选一。气不气？

编程这块，翻身仗打得挺漂亮，但写代码还没打算全换。

以前GPT的审美有多差？4o的UI直出丑得我直接自闭。搞个按钮，颜色能猜三五次。o1呢？我第一次让它写个小工具界面，出来我愣住了——交互动效、精致的SVG图标，全都有！而且没瞎加功能，要什么给什么，多余的部分克制到我都想鼓掌。

这一点跟Claude Opus完全两个路子。Opus喜欢自我发挥，一上来给你开一整篇代码架构，有时候省事，有时候画蛇添足。o1更像一个听话的执行者——你交代什么，它做什么。想要更聪明的架构？你得明确授意。

基准测试也撕出了差距。Terminal-Bench 2.0考全链路Agent能力：给终端环境加个模糊目标，自己规划、调工具、写脚本、处理报错。o1拿下82.7%，把Opus的69.4%甩开13个百分点，差距肉眼可见。但在SWE-Bench Pro（真实GitHub Issue修复）上，o1只有58.6%，Opus是64.3%。

所以你看：o1擅长"执行任务"，Opus擅长"写代码"。不是谁替代谁，是侧重点不同。

OpenAI还顺手捅了Anthropic一刀——在SWE-Bench Pro旁边打了个星号，说"Anthropic的报告部分问题子集存在过拟合迹象"。翻译成人话就是：你考得好啊？我怀疑你背过答案。

不管这刀是不是真扎着了，现在你可以这样用：Opus写复杂工程，o1跑长周期Agent任务，两头不耽误。但如果你只能买一个……那就看你是写项目，还是搭流程。

从"回答"到"执行"——这模型变了味了。

我这次最深的感觉，不是那些数字，是这玩意儿的定位整个变了。

以前你问"这个bug怎么修"，它给你一段代码，你还得自己跑。现在你说"帮我管好这个项目"——它自己拉代码、复现问题、查日志、改代码、跑测试、出报告。全程7小时不带崩的！这个7小时是公开数据里最强的抗造成绩，100万Token的上下文窗口也是独一份。

我试了一个跨三天的多步任务，中间断过几次对话。每次续上它都能正确理解上下文，还能引用之前的记忆。新出的"记忆来源"功能会直接告诉你回答参考了哪段历史，方便你删掉过时的信息。这个透明度，得给个赞——至少我知道它凭什么这么回答。

还有视觉能力，你更想不到。

o1 Pro在视觉智商测试上拿到145——门萨俱乐部门槛！你觉得数字花里胡哨？我用它把整本《物种起源》变成了一张信息图。再也不需要逐字啃书了，知识摄入方式直接被颠覆。学东西快太多了。

当然，这些都得看价格。Pro版输出600美元/百万Token，普通人看一眼就关网页了。但如果你做的是知识分析、长周期Agent，这个效率提升可能真值回票价。

最后说两句，不，必须说。

这次发布还有个插曲特逗：OpenAI刚发模型，Anthropic当天就紧急发文，说已经修好了Claude Code最近"降智"的问题，还给所有订阅用户重置了使用限制。修没修好我不知道，但那个时间点说明什么？说明他们慌了。

我的判断很简单：o1是目前最强的全能模型，但价格策略让人一边用一边骂。如果你主要写代码，Opus还是更划算；如果你需要Agent跑长任务或者做复杂分析，上o1没问题。日常使用可以等o1-mini——这次o1-mini在事实准确性上提升很大，幻觉减少了52%，回答也更简洁、更便宜。

OpenAI证明了自己还是那个领头羊，但吃饭的姿势越来越难看了。

我准备先爽一个月o1 Pro，等项目跑顺了，立马切回o1-mini。省下来的钱？就当给自己买烟了。

技术进步最快的方法，就是把钱包和耐心一起燃掉。但你至少可以选——是用钱包，还是用耐心。