GPT-5.5vsGPT-5.4
在 12 个共同 benchmark 中，GPT-5.5 整体领先：GPT-5.5 领先 11 项，GPT-5.4 领先 0 项，持平 1 项，平均分差 +5.84。
GPT-5.511 项(92%)持平1(0%)0 项GPT-5.4
评测分数
按能力类目分组，每组内按分差大小排列；共 12 项。
综合评估
GPT-5.5 领先 4/5| 评测项 | GPT-5.5 | GPT-5.4 | 分差 |
|---|---|---|---|
| ARC-AGI-2 | 851 / 58极高强度思考（无工具） | 77.107 / 58Normal (No Tools) | +7.90 |
| ARC-AGI | 953 / 65极高强度思考（无工具） | 93.707 / 65Normal (No Tools) | +1.30 |
| GPQA Diamond | 93.606 / 175Thinking High (No Tools) | 92.809 / 175极高强度思考（无工具） | +0.80 |
| HLE | 52.2010 / 149Thinking High (With Tools) | 52.1011 / 149极高强度思考（工具） | +0.10 |
| ARC-AGI-3 | 02 / 6Thinking High (No Tools) | 04 / 6Thinking High (No Tools) | 持平 |
AI Agent - 工具使用
GPT-5.5 领先 2/2| 评测项 | GPT-5.5 | GPT-5.4 | 分差 |
|---|---|---|---|
| Terminal Bench 2.0 | 82.701 / 43Thinking High (With Tools) | 75.104 / 43极高强度思考（工具） | +7.60 |
| OSWorld-Verified | 78.702 / 14Thinking High (With Tools) | 754 / 14极高强度思考（工具） | +3.70 |
数学推理
GPT-5.5 领先 2/2| 评测项 | GPT-5.5 | GPT-5.4 | 分差 |
|---|---|---|---|
| FrontierMath - Tier 4 | 35.407 / 80Thinking High (With Tools) | 27.1011 / 80极高强度思考（无工具） | +8.30 |
| FrontierMath | 51.702 / 60Thinking High (With Tools) | 47.605 / 60极高强度思考（无工具） | +4.10 |
Agent能力评测
GPT-5.5 领先 1/1| 评测项 | GPT-5.5 | GPT-5.4 | 分差 |
|---|---|---|---|
| τ²-Bench - Telecom | 985 / 35Thinking High (With Tools) | 64.3030 / 35Normal (With Tools) | +33.70 |
AI Agent - 信息收集
GPT-5.5 领先 1/1| 评测项 | GPT-5.5 | GPT-5.4 | 分差 |
|---|---|---|---|
| BrowseComp | 84.405 / 43Thinking High (With Tools + Internet) | 82.709 / 43极高强度思考（工具） | +1.70 |
编程与软件工程
GPT-5.5 领先 1/1| 评测项 | GPT-5.5 | GPT-5.4 | 分差 |
|---|---|---|---|
| SWE-Bench Pro - Public | 58.603 / 36Thinking High (With Tools) | 57.706 / 36极高强度思考（无工具） | +0.90 |
规格对比
| 字段 | GPT-5.5 | GPT-5.4 |
|---|---|---|
| 发布机构 | OpenAI | OpenAI |
| 发布时间 | 2026-04-23 | 2026-03-05 |
| 模型类型 | 推理大模型 | 多模态大模型 |
| 架构 | 稠密模型 | 稠密模型 |
| 参数规模 | 0.0 | 0.0 |
| 上下文长度 | 1000K | 1M |
| 最大输出 | 131072 | 128000 |
API 调用价格
价格优先使用 DataLearner 配置的 API 记录；缺失项不做推测。
| 价格项 | GPT-5.5 | GPT-5.4 |
|---|---|---|
| 文本输入 | $0.5 / 1M tokens | $2.5 / 1M tokens |
| 文本输出 | $30 / 1M tokens | $15 / 1M tokens |
| 缓存读取 | $0.5 / 1M tokens | 暂无公开价格 |
| 缓存写入 | $6.25 / 1M tokens | $0.25 / 1M tokens |
小结
- GPT-5.5在以下类目领先:综合评估 (4/5)、AI Agent - 工具使用 (2/2)、数学推理 (2/2)、Agent能力评测 (1/1)、AI Agent - 信息收集 (1/1)、编程与软件工程 (1/1)
12 个共同 benchmark 上，GPT-5.5 平均高出 5.84 分。
单项差距最大的 benchmark：τ²-Bench - Telecom — GPT-5.5 98，GPT-5.4 64.30（分差 +33.70）。
本页正文由结构化模型、价格与 benchmark 数据生成，不使用实时 LLM 撰写。