GPT-5.5vsGPT-5.4
在 23 个共同 benchmark 中，GPT-5.5 整体领先：GPT-5.5 领先 22 项，GPT-5.4 领先 1 项，持平 0 项，平均分差 +8.27。
GPT-5.522 项(96%)(4%)1 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 23 项。
数学
GPT-5.5 领先 5/5| 评测项 | GPT-5.5 | GPT-5.4 | 分差 |
|---|---|---|---|
| MathArena Apex | 80.212 / 17Extra-High (With Tools) | 54.178 / 17Extra-High (With Tools) | +26.04 |
| FrontierMath Tier 4 v2 | 72.507 / 42Extra-High (No Tools) | 4912 / 42Extra-High (No Tools) | +23.50 |
| FrontierMath v2 | 85.266 / 58Extra-High (No Tools) | 78.6010 / 58Extra-High (No Tools) | +6.67 |
| AIME 2026 | 1001 / 30Extra-High (With Tools) | 99.174 / 30Extra-High (With Tools) | +0.83 |
| HMMT Feb 2026 | 98.481 / 10Extra-High (With Tools) | 97.732 / 10Extra-High (With Tools) | +0.75 |
临床工作与医疗决策
GPT-5.5 领先 2/2| 评测项 | GPT-5.5 | GPT-5.4 | 分差 |
|---|---|---|---|
| MedScribe | 86.8713 / 66Extra-High (With Tools) | 77.5546 / 66Extra-High (With Tools) | +9.32 |
| MedCode | 49.1018 / 64Extra-High (With Tools) | 41.2941 / 64Extra-High (With Tools) | +7.81 |
多轮记忆与持续上下文
GPT-5.5 领先 2/2| 评测项 | GPT-5.5 | GPT-5.4 | 分差 |
|---|---|---|---|
| Context Arena | 41.9398 / 126Normal (No Tools) | 32.79112 / 126Normal (No Tools) | +9.14 |
| EBR-bench | 34.298 / 23Extra-High (With Tools) | 25.4011 / 23Extra-High (With Tools) | +8.89 |
维护、优化与工程管理
GPT-5.5 领先 2/2| 评测项 | GPT-5.5 | GPT-5.4 | 分差 |
|---|---|---|---|
| Code Migration | 45.1612 / 43Extra-High (With Tools) | 34.9825 / 43Extra-High (With Tools) | +10.18 |
| GSO | 40.204 / 21Extra-High (With Tools) | 31.376 / 21Extra-High (With Tools) | +8.83 |
跨应用与工具编排
胶着 2/2| 评测项 | GPT-5.5 | GPT-5.4 | 分差 |
|---|---|---|---|
| MCP-Atlas | 75.3026 / 44Extra-High (With Tools) | 70.6029 / 44Extra-High (With Tools) | +4.70 |
| PinchBench v2 | 75.5018 / 45Reported best (effort unspecified) | 75.7017 / 45Reported best (effort unspecified) | -0.20 |
仓库修复与多文件工程
GPT-5.5 领先 1/1| 评测项 | GPT-5.5 | GPT-5.4 | 分差 |
|---|---|---|---|
| DeepSWE | 67.0435 / 92Extra-High (With Tools) | 51.7765 / 92Extra-High (With Tools) | +15.27 |
写作与创意表达
GPT-5.5 领先 1/1| 评测项 | GPT-5.5 | GPT-5.4 | 分差 |
|---|---|---|---|
| Creative Writing | 1,84415 / 110Normal (No Tools) | 1,84019 / 110Normal (No Tools) | +4.20 |
图像感知与视觉推理
GPT-5.5 领先 1/1| 评测项 | GPT-5.5 | GPT-5.4 | 分差 |
|---|---|---|---|
| MMMU-Pro | 71.40121 / 229Normal (No Tools) | 70.60125 / 229Normal (No Tools) | +0.80 |
客服与业务流程
GPT-5.5 领先 1/1| 评测项 | GPT-5.5 | GPT-5.4 | 分差 |
|---|---|---|---|
| SAGE | 51.539 / 64Extra-High (With Tools) | 43.3137 / 64Extra-High (With Tools) | +8.22 |
抽象归纳与泛化
GPT-5.5 领先 1/1| 评测项 | GPT-5.5 | GPT-5.4 | 分差 |
|---|---|---|---|
| ARC-AGI-3 | 0.4329 / 51Thinking High (No Tools) | 0.2136 / 51Thinking High (No Tools) | +0.22 |
机器学习工程
GPT-5.5 领先 1/1| 评测项 | GPT-5.5 | GPT-5.4 | 分差 |
|---|---|---|---|
| WeirdML v2 | 67.1522 / 52Normal (With Tools) | 57.4431 / 52Normal (With Tools) | +9.71 |
科学知识与推理
GPT-5.5 领先 1/1| 评测项 | GPT-5.5 | GPT-5.4 | 分差 |
|---|---|---|---|
| CritPt | 1.40139 / 204Normal (No Tools) | 0.60172 / 204Normal (No Tools) | +0.80 |
程序生成与编辑
GPT-5.5 领先 1/1| 评测项 | GPT-5.5 | GPT-5.4 | 分差 |
|---|---|---|---|
| Vibe Code Bench v1.1 | 69.8527 / 61Extra-High (With Tools) | 48.4738 / 61Extra-High (With Tools) | +21.38 |
自主开发与终端任务
GPT-5.5 领先 1/1| 评测项 | GPT-5.5 | GPT-5.4 | 分差 |
|---|---|---|---|
| Terminal Bench Hard | 49.2024 / 244Normal (With Tools) | 37.9059 / 244Normal (With Tools) | +11.30 |
跨能力综合测试
GPT-5.5 领先 1/1| 评测项 | GPT-5.5 | GPT-5.4 | 分差 |
|---|---|---|---|
| LiveBench | 79.911 / 117Deep Thinking (No Tools) | 77.975 / 117Deep Thinking (No Tools) | +1.94 |
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 | 暂无数据 | 暂无数据 |
| 上下文长度 | 1000K | 1M |
| 最大输出 | 128K | 125K |
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 | $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 | $0.25 / 1M tokens |
小结
- GPT-5.5在以下类目领先:数学 (5/5)、临床工作与医疗决策 (2/2)、多轮记忆与持续上下文 (2/2)、维护、优化与工程管理 (2/2)、仓库修复与多文件工程 (1/1)、写作与创意表达 (1/1)、图像感知与视觉推理 (1/1)、客服与业务流程 (1/1)、抽象归纳与泛化 (1/1)、机器学习工程 (1/1)、科学知识与推理 (1/1)、程序生成与编辑 (1/1)、自主开发与终端任务 (1/1)、跨能力综合测试 (1/1)
- 胶着类目:跨应用与工具编排
23 个共同 benchmark 上，GPT-5.5 平均高出 8.27 分。
单项差距最大的 benchmark：MathArena Apex — GPT-5.5 80.21，GPT-5.4 54.17（分差 +26.04）。
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。