GPT-5.5 模型全面调研（截至 2026-04-24）
GPT-5.5 模型全面调研（截至 2026-04-24）
GPT 5.5 模型全面调研（截至 2026 04 24） GPT 5.5 模型全面调研（截至 2026 04 24） Modified April 24 GDPval (wins or ties) 84.9% 83.0% 更强的职业型知识工作执行 OSWorld Verified 78.7% 75.0% 更强的计算机环境操作能力 BrowseComp 84.4% 82.7% 更强的信息搜集与综合 MCP Atlas 75.3% 70.6% 多工具/外部系统协同更稳 Toolathlon 55.6% 54.6% 工具使用仍在进步，但不是断层式跳跃 如果说 GPT 5.2 把“专业知识工作”这件事讲清楚了，GPT 5.4 把它做成了主力旗舰，那么 GPT 5.5 更像是在把这条路继续推向“更接近员工/研究搭档”的形态。 2.3 科研、数学与长上下文：能力外溢开始更明显 发布页中，OpenAI 特别强调了科研辅助与数学推理，这意味着 GPT 5.5 的提升已经不局限于常见办公任务。 维度 GPT 5.5 GPT 5.4 观察 GeneBench 25.0% 19.0% 多阶段生物数据分析明显提升 BixBench 80.5% 74.0% 生信/数据分析类科研任务更强 FrontierMath Tier 1 3 51.7% 47.6% 中高难数学继续上升 FrontierMath Tier 4 35.4% 27.1% 最高难度区间抬升很明显 Graphwalks BFS 1M f1 45.4% 9.4% 1M 长上下文能力是一个大信号 CyberGym 81.8% 79.0% 安全能力增强，但也带来更强管控 这一组数据说明，GPT 5.5 在“长链路、长上下文、强工具依赖”的任务上，开始呈现出比通用聊天模型更清晰的分层优势。 2.4 能力结构图 Unable to load the board. Please refresh and try again.Copy ErrorRefresh Nothing on the board yet 3. 可用性、价格与当前现实 截至 2026 04 24，GPT 5.5 的真实状态可以概括成一句话： 产品已经来了，API 还在路上。 3.1 当前可用范围 场景 当前状态 ChatGPT GPT 5.5 Thinking 已向 Plus / Pro / Business / Enterprise 推出 ChatGPT Pro 档 GPT 5.5 Pro 已向 Pro / Business / Enterprise 推出 Codex GPT 5.5 已向 Plus / Pro / Business / Enterprise / Edu / Go 推出 OpenAI API 官方已给出价格与上下文规格，但仍是 coming soon 3.2 已公布 API 定价 模型 输入 缓存输入 输出 备注 GPT 5.5 $5 / 1M $0.5 / 1M $30 / 1M coming soon GPT 5.4 $2.5 / 1M $0.25 / 1M $15 / 1M 当前 API 主力旗舰 GPT 5.5 Pro $30 / 1M $180 / 1M 更高精度，价格也极高 官方同时给出几个值得注意的点： • gpt 5.5 计划进入 Responses API 与 Chat Completions API • 规划中的上下文窗口是 1M • Batch 和 Flex 价格是标准价的 50% • Priority 是标准价的 2.5 倍 这意味着 API 侧的 GPT 5.5 明显更像“高价值任务模型”，而不是默认普及型模型。 4. GPT 5.5 与 GPT 5.4 的关键差异 我认为两者最重要的区别不在“分数差了多少”，而在下面四点： 维度 GPT 5.4 GPT 5.5 我的解读 产品定位 专业工作旗舰 真实工作执行旗舰 5.5 更强调把任务做完 上线节奏 ChatGPT / API / Codex 同步感更强 ChatGPT / Codex 先行，API 延后 说明 5.5 的服务与安全门槛更高 成本 更便宜 更贵 但 OpenAI 强调“单位任务总 token 可能更低” 采用建议 当前最稳的 API 选择 当前最强的交互式工作选择 先用场景分流，不要一刀切迁移 5. 风险、限制与解读边界 一份负责的 GPT 5.5 调研，不能只写“更强”，还要写清楚它的边界： • API 尚未正式开放：这意味着开发团队现在还不能把它当成已经可随时生产接入的标准模型。 • 默认推荐位仍是 gpt 5.4：OpenAI 开发者文档当前仍建议从 gpt 5.4 开始，这个信号非常重要。 • 部分 benchmark 有解读风险：例如 SWE Bench Pro 在发布页里就附带了公开评测的记忆化争议提示。 • 内部评测占比不低：像 Expert SWE、部分投行建模任务、Capture the Flags 等属于 OpenAI 内部或定制评测，参考价值高，但不能简单等同于公开标准。 • 更强安全限制会带来体验波动：OpenAI 明确把 GPT 5.5 的生物/网络安全能力视作 High，并提到更严格的 cyber classifier；这对防御场景是好事，但也可能让一部分正常用户感到“拒答变多”。 6. 我的观点 观点 1：GPT 5.5 是“工作流模型”而不只是“聊天模型” 如果只把它当作问答模型来理解，会低估它。它真正的价值，在于更像一个能持续推进任务的协作者，尤其适合： • 复杂编码 • 深度调研 • 文档与表格产出 • 多步骤、跨工具、需要验证的工作 观点 2：OpenAI 正在把“最强模型”与“默认模型”分开 从公开信息看，OpenAI 并没有立刻让 API 侧默认切到 GPT 5.5，而是保留 gpt 5.4 作为当前推荐起点。这反映了一个越来越清晰的趋势： • 最强模型负责高价值、高复杂度任务 • 默认模型负责更稳、更广覆盖的开发与生产工作 这对企业是好事，因为它避免了“每次新模型发布就全量迁移”的冲动。 观点 3：2026 年的大模型竞争，已经从“答得更像人”转向“做事更像团队成员” GPT 5.5 的发布文案、评测结构、价格、计划和安全策略都指向同一个方向：OpenAI 认为下一阶段竞争核心，不是单轮对话有多聪明，而是模型能否在真实环境里持续完成复杂任务。 如果这个判断成立，那么未来模型分层会越来越清楚： • 默认旗舰负责通用生产 • 高端旗舰负责重度执行 • mini / nano 负责高吞吐子任务 7. 对不同角色的建议 角色 建议 重度 ChatGPT / Codex 用户 可以优先试用 GPT 5.5，尤其是编码、研究、文档产出类工作 工程团队负责人 不要立刻全面迁移 API 栈，但可以提前规划基于 GPT 5.5 的高价值任务 A/B 测试 AI 产品经理 继续把 gpt 5.4 作为当前稳定默认位，同时为 gpt 5.5 预留实验开关 企业采购 / 管理者 把 GPT 5.5 看成“高复杂度岗位增强器”，而不是面向所有员工的默认成本最优解 科研 / 投研 /分析团队 GPT 5.5 更值得重点关注，因为其科研、建模、长上下文与资料综合提升更明显 8. 可追溯来源 以下链接均为我本次调研实际参考的官方来源： • OpenAI：Introducing GPT 5.5 • OpenAI API Pricing • OpenAI Developers：Models • OpenAI Developers：Using GPT 5.4 / Latest model guide • OpenAI：Introducing GPT 5.4 💡 如果后续你要把这份调研继续升级成“汇报版”，我建议下一步再补三块内容：竞品对照（Claude / Gemini）、适用企业案例、采购与ROI测算模板。当前这版已经足够作为高质量研究稿与内部分享底稿。 OpenAI：Introducing GPT 5.5 OpenAI API Pricing OpenAI Developers：Models OpenAI Developers：Using GPT 5.4 / Latest model guide OpenAI：Introducing GPT 5.4 GDPval (wins or ties) 84.9% 83.0% 更强的职业型知识工作执行 OSWorld Verified 78.7% 75.0% 更强的计算机环境操作能力 BrowseComp 84.4% 82.7% 更强的信息搜集与综合 MCP Atlas 75.3% 70.6% 多工具/外部系统协同更稳 Toolathlon 55.6% 54.6% 工具使用仍在进步，但不是断层式跳跃 GDPval (wins or ties) GDPval (wins or ties) 84.9% 84.9% 83.0% 83.0% 更强的职业型知识工作执行 更强的职业型知识工作执行 OSWorld Verified OSWorld Verified 78.7% 78.7% 75.0% 75.0% 更强的计算机环境操作能力 更强的计算机环境操作能力 BrowseComp BrowseComp 84.4% 84.4% 82.7% 82.7% 更强的信息搜集与综合 更强的信息搜集与综合 MCP Atlas MCP Atlas 75.3% 75.3% 70.6% 70.6% 多工具/外部系统协同更稳 多工具/外部系统协同更稳 Toolathlon Toolathlon 55.6% 55.6% 54.6% 54.6% 工具使用仍在进步，但不是断层式跳跃 工具使用仍在进步，但不是断层式跳跃 如果说 GPT 5.2 把“专业知识工作”这件事讲清楚了，GPT 5.4 把它做成了主力旗舰，那么 GPT 5.5 更像是在把这条路继续推向“更接近员工/研究搭档”的形态。 2.3 科研、数学与长上下文：能力外溢开始更明显 发布页中，OpenAI 特别强调了科研辅助与数学推理，这意味着 GPT 5.5 的提升已经不局限于常见办公任务。 维度 GPT 5.5 GPT 5.4 观察 GeneBench 25.0% 19.0% 多阶段生物数据分析明显提升 BixBench 80.5% 74.0% 生信/数据分析类科研任务更强 FrontierMath Tier 1 3 51.7% 47.6% 中高难数学继续上升 FrontierMath Tier 4 35.4% 27.1% 最高难度区间抬升很明显 Graphwalks BFS 1M f1 45.4% 9.4% 1M 长上下文能力是一个大信号 CyberGym 81.8% 79.0% 安全能力增强，但也带来更强管控 维度 维度 GPT 5.5 GPT 5.5 GPT 5.4 GPT 5.4 观察 观察 GeneBench GeneBench 25.0% 25.0% 19.0% 19.0% 多阶段生物数据分析明显提升 多阶段生物数据分析明显提升 BixBench BixBench 80.5% 80.5% 74.0% 74.0% 生信/数据分析类科研任务更强 生信/数据分析类科研任务更强 FrontierMath Tier 1 3 FrontierMath Tier 1 3 51.7% 51.7% 47.6% 47.6% 中高难数学继续上升 中高难数学继续上升 FrontierMath Tier 4 FrontierMath Tier 4 35.4% 35.4% 27.1% 27.1% 最高难度区间抬升很明显 最高难度区间抬升很明显 Graphwalks BFS 1M f1 Graphwalks BFS 1M f1 45.4% 45.4% 9.4% 9.4% 1M 长上下文能力是一个大信号 1M 长上下文能力是一个大信号 CyberGym CyberGym 81.8% 81.8% 79.0% 79.0% 安全能力增强，但也带来更强管控 安全能力增强，但也带来更强管控 这一组数据说明，GPT 5.5 在“长链路、长上下文、强工具依赖”的任务上，开始呈现出比通用聊天模型更清晰的分层优势。 2.4 能力结构图 Unable to load the board. Please refresh and try again.Copy ErrorRefresh Nothing on the board yet 3. 可用性、价格与当前现实 截至 2026 04 24，GPT 5.5 的真实状态可以概括成一句话： 产品已经来了，API 还在路上。 3.1 当前可用范围 场景 当前状态 ChatGPT GPT 5.5 Thinking 已向 Plus / Pro / Business / Enterprise 推出 ChatGPT Pro 档 GPT 5.5 Pro 已向 Pro / Business / Enterprise 推出 Codex GPT 5.5 已向 Plus / Pro / Business / Enterprise / Edu / Go 推出 OpenAI API 官方已给出价格与上下文规格，但仍是 coming soon 场景 场景 当前状态 当前状态 ChatGPT ChatGPT GPT 5.5 Thinking 已向 Plus / Pro / Business / Enterprise 推出 GPT 5.5 Thinking 已向 Plus / Pro / Business / Enterprise 推出 ChatGPT Pro 档 ChatGPT Pro 档 GPT 5.5 Pro 已向 Pro / Business / Enterprise 推出 GPT 5.5 Pro 已向 Pro / Business / Enterprise 推出 Codex Codex GPT 5.5 已向 Plus / Pro / Business / Enterprise / Edu / Go 推出 GPT 5.5 已向 Plus / Pro / Business / Enterprise / Edu / Go 推出 OpenAI API OpenAI API 官方已给出价格与上下文规格，但仍是 coming soon 官方已给出价格与上下文规格，但仍是 coming soon 3.2 已公布 API 定价 模型 输入 缓存输入 输出 备注 GPT 5.5 $5 / 1M $0.5 / 1M $30 / 1M coming soon GPT 5.4 $2.5 / 1M $0.25 / 1M $15 / 1M 当前 API 主力旗舰 GPT 5.5 Pro $30 / 1M $180 / 1M 更高精度，价格也极高 模型 模型 输入 输入 缓存输入 缓存输入 输出 输出 备注 备注 GPT 5.5 GPT 5.5 $5 / 1M $5 / 1M $0.5 / 1M $0.5 / 1M $30 / 1M $30 / 1M coming soon coming soon GPT 5.4 GPT 5.4 $2.5 / 1M $2.5 / 1M $0.25 / 1M $0.25 / 1M $15 / 1M $15 / 1M 当前 API 主力旗舰 当前 API 主力旗舰 GPT 5.5 Pro GPT 5.5 Pro $30 / 1M $30 / 1M $180 / 1M $180 / 1M 更高精度，价格也极高 更高精度，价格也极高 官方同时给出几个值得注意的点： • gpt 5.5 计划进入 Responses API 与 Chat Completions API • 规划中的上下文窗口是 1M • Batch 和 Flex 价格是标准价的 50% • Priority 是标准价的 2.5 倍 这意味着 API 侧的 GPT 5.5 明显更像“高价值任务模型”，而不是默认普及型模型。 4. GPT 5.5 与 GPT 5.4 的关键差异 我认为两者最重要的区别不在“分数差了多少”，而在下面四点： 维度 GPT 5.4 GPT 5.5 我的解读 产品定位 专业工作旗舰 真实工作执行旗舰 5.5 更强调把任务做完 上线节奏 ChatGPT / API / Codex 同步感更强 ChatGPT / Codex 先行，API 延后 说明 5.5 的服务与安全门槛更高 成本 更便宜 更贵 但 OpenAI 强调“单位任务总 token 可能更低” 采用建议 当前最稳的 API 选择 当前最强的交互式工作选择 先用场景分流，不要一刀切迁移 维度 维度 GPT 5.4 GPT 5.4 GPT 5.5 GPT 5.5 我的解读 我的解读 产品定位 产品定位 专业工作旗舰 专业工作旗舰 真实工作执行旗舰 真实工作执行旗舰 5.5 更强调把任务做完 5.5 更强调把任务做完 上线节奏 上线节奏 ChatGPT / API / Codex 同步感更强 ChatGPT / API / Codex 同步感更强 ChatGPT / Codex 先行，API 延后 ChatGPT / Codex 先行，API 延后 说明 5.5 的服务与安全门槛更高 说明 5.5 的服务与安全门槛更高 成本 成本 更便宜 更便宜 更贵 更贵 但 OpenAI 强调“单位任务总 token 可能更低” 但 OpenAI 强调“单位任务总 token 可能更低” 采用建议 采用建议 当前最稳的 API 选择 当前最稳的 API 选择 当前最强的交互式工作选择 当前最强的交互式工作选择 先用场景分流，不要一刀切迁移 先用场景分流，不要一刀切迁移 5. 风险、限制与解读边界 一份负责的 GPT 5.5 调研，不能只写“更强”，还要写清楚它的边界： • API 尚未正式开放：这意味着开发团队现在还不能把它当成已经可随时生产接入的标准模型。 • 默认推荐位仍是 gpt 5.4：OpenAI 开发者文档当前仍建议从 gpt 5.4 开始，这个信号非常重要。 • 部分 benchmark 有解读风险：例如 SWE Bench Pro 在发布页里就附带了公开评测的记忆化争议提示。 • 内部评测占比不低：像 Expert SWE、部分投行建模任务、Capture the Flags 等属于 OpenAI 内部或定制评测，参考价值高，但不能简单等同于公开标准。 • 更强安全限制会带来体验波动：OpenAI 明确把 GPT 5.5 的生物/网络安全能力视作 High，并提到更严格的 cyber classifier；这对防御场景是好事，但也可能让一部分正常用户感到“拒答变多”。 6. 我的观点 观点 1：GPT 5.5 是“工作流模型”而不只是“聊天模型” 如果只把它当作问答模型来理解，会低估它。它真正的价值，在于更像一个能持续推进任务的协作者，尤其适合： • 复杂编码 • 深度调研 • 文档与表格产出 • 多步骤、跨工具、需要验证的工作 观点 2：OpenAI 正在把“最强模型”与“默认模型”分开 从公开信息看，OpenAI 并没有立刻让 API 侧默认切到 GPT 5.5，而是保留 gpt 5.4 作为当前推荐起点。这反映了一个越来越清晰的趋势： • 最强模型负责高价值、高复杂度任务 • 默认模型负责更稳、更广覆盖的开发与生产工作 这对企业是好事，因为它避免了“每次新模型发布就全量迁移”的冲动。 观点 3：2026 年的大模型竞争，已经从“答得更像人”转向“做事更像团队成员” GPT 5.5 的发布文案、评测结构、价格、计划和安全策略都指向同一个方向：OpenAI 认为下一阶段竞争核心，不是单轮对话有多聪明，而是模型能否在真实环境里持续完成复杂任务。 如果这个判断成立，那么未来模型分层会越来越清楚： • 默认旗舰负责通用生产 • 高端旗舰负责重度执行 • mini / nano 负责高吞吐子任务 7. 对不同角色的建议 角色 建议 重度 ChatGPT / Codex 用户 可以优先试用 GPT 5.5，尤其是编码、研究、文档产出类工作 工程团队负责人 不要立刻全面迁移 API 栈，但可以提前规划基于 GPT 5.5 的高价值任务 A/B 测试 AI 产品经理 继续把 gpt 5.4 作为当前稳定默认位，同时为 gpt 5.5 预留实验开关 企业采购 / 管理者 把 GPT 5.5 看成“高复杂度岗位增强器”，而不是面向所有员工的默认成本最优解 科研 / 投研 /分析团队 GPT 5.5 更值得重点关注，因为其科研、建模、长上下文与资料综合提升更明显 角色 角色 建议 建议 重度 ChatGPT / Codex 用户 重度 ChatGPT / Codex 用户 可以优先试用 GPT 5.5，尤其是编码、研究、文档产出类工作 可以优先试用 GPT 5.5，尤其是编码、研究、文档产出类工作 工程团队负责人 工程团队负责人 不要立刻全面迁移 API 栈，但可以提前规划基于 GPT 5.5 的高价值任务 A/B 测试 不要立刻全面迁移 API 栈，但可以提前规划基于 GPT 5.5 的高价值任务 A/B 测试 AI 产品经理 AI 产品经理 继续把 gpt 5.4 作为当前稳定默认位，同时为 gpt 5.5 预留实验开关 继续把 gpt 5.4 作为当前稳定默认位，同时为 gpt 5.5 预留实验开关 企业采购 / 管理者 企业采购 / 管理者 把 GPT 5.5 看成“高复杂度岗位增强器”，而不是面向所有员工的默认成本最优解 把 GPT 5.5 看成“高复杂度岗位增强器”，而不是面向所有员工的默认成本最优解 科研 / 投研 /分析团队 科研 / 投研 /分析团队 GPT 5.5 更值得重点关注，因为其科研、建模、长上下文与资料综合提升更明显 GPT 5.5 更值得重点关注，因为其科研、建模、长上下文与资料综合提升更明显 8. 可追溯来源 以下链接均为我本次调研实际参考的官方来源： • OpenAI：Introducing GPT 5.5 OpenAI：Introducing GPT 5.5 • OpenAI API Pricing OpenAI API Pricing • OpenAI Developers：Models OpenAI Developers：Models • OpenAI Developers：Using GPT 5.4 / Latest model guide OpenAI Developers：Using GPT 5.4 / Latest model guide • OpenAI：Introducing GPT 5.4 OpenAI：Introducing GPT 5.4 💡 如果后续你要把这份调研继续升级成“汇报版”，我建议下一步再补三块内容：竞品对照（Claude / Gemini）、适用企业案例、采购与ROI测算模板。当前这版已经足够作为高质量研究稿与内部分享底稿。 如果后续你要把这份调研继续升级成“汇报版”，我建议下一步再补三块内容：竞品对照（Claude / Gemini）、适用企业案例、采购与ROI测算模板。当前这版已经足够作为高质量研究稿与内部分享底稿。 🎁 截至 2026 04 24 的核心结论： GPT 5.5 已于 2026 04 23 由 OpenAI 正式发布，当前已在 ChatGPT 与 Codex 推出，但 API 仍处于 coming soon / very soon 阶段。对终端用户来说，它已经是新一代高强度工作模型；对开发者来说，生产默认位仍然是 gpt 5.4。 截至 2026 04 24 的核心结论： GPT 5.5 已于 2026 04 23 由 OpenAI 正式发布，当前已在 ChatGPT 与 Codex 推出，但 API 仍处于 coming soon / very soon 阶段。对终端用户来说，它已经是新一代高强度工作模型；对开发者来说，生产默认位仍然是 gpt 5.4。 一页结论 • GPT 5.5 不是“把 GPT 5.4 再提一点分”的小修小补，而是一次明显偏向“真实工作流执行能力”的升级。 • OpenAI 对它的定义非常明确：更擅长编码、知识工作、计算机操作、科研辅助，而且在不少任务上做到“更强 + 更省 token + 延迟不明显上升”。 • 真正值得关注的，不只是 benchmark 的提升，而是它在 Codex / ChatGPT 场景里更像一个“能持续把事做完”的模型。 • 但截至 2026 04 24，OpenAI 开发者文档依然写着“GPT 5.5 is currently available in ChatGPT and Codex, with API availability coming soon.”，并继续建议开发者优先从 gpt 5.4 开始。这说明产品化上线已经先走，API 大规模开放还在安全、供给和成本之间做平衡。 1. GPT 5.5 到底是什么 OpenAI 在 2026 04 23 的正式发布页里，将 GPT 5.5 定义为 “A new class of intelligence for real work”。从产品定位看，它不只是“更会答题”的模型，而是更偏向完成真实工作闭环的模型： • 能更自然地理解含糊、多步骤、跨工具的任务 • 更适合写代码、调试、查资料、分析数据、生成文档和表格 • 在 Codex 与 ChatGPT 里被强调为更能坚持长链路任务、更少中途停下 • 在推理效率上，OpenAI 明确宣称其达到了接近 GPT 5.4 的单位延迟，但完成同类任务时通常更省 token 我对这一定义的理解是：GPT 5.5 的核心竞争力并不是“单点 IQ 再上一个台阶”，而是把“会想”继续推进成“会做、肯做、做得更完整”。 版本脉络 Unable to load the board. Please refresh and try again.Copy ErrorRefresh Nothing on the board yet 2. 核心能力提升 2.1 Agentic Coding：最值得重视的提升方向 OpenAI 把 Agentic coding 放在最靠前的位置，这很能说明问题。对工程团队来说，GPT 5.5 的价值并不只是代码生成，而是更擅长： • 看懂系统结构和故障上下文 • 在大代码库里持续推进多步修改 • 自己检查假设并调用工具验证 • 更少返工、更少来回提示 下表是几个最有代表性的官方指标： 维度 GPT 5.5 GPT 5.4 观察 Terminal Bench 2.0 82.7% 75.1% 长链路命令行任务提升明显 SWE Bench Pro (Public) 58.6% 57.7% 提升有限，且需注意公开评测的记忆化争议 Expert SWE (Internal) 73.1% 68.5% 内部长程工程任务继续抬升 维度 维度 GPT 5.5 GPT 5.5 GPT 5.4 GPT 5.4 观察 观察 Terminal Bench 2.0 Terminal Bench 2.0 82.7% 82.7% 75.1% 75.1% 长链路命令行任务提升明显 长链路命令行任务提升明显 SWE Bench Pro (Public) SWE Bench Pro (Public) 58.6% 58.6% 57.7% 57.7% 提升有限，且需注意公开评测的记忆化争议 提升有限，且需注意公开评测的记忆化争议 Expert SWE (Internal) Expert SWE (Internal) 73.1% 73.1% 68.5% 68.5% 内部长程工程任务继续抬升 内部长程工程任务继续抬升 我的判断：如果你的工作流已经进入“让模型自己读代码、改代码、跑工具、修问题”的阶段，那么 GPT 5.5 的边际价值会远高于普通聊天场景。 2.2 Knowledge Work：从“回答问题”走向“交付成果” GPT 5.5 的第二个亮点，是知识工作的完整性。OpenAI 强调它更擅长把原始资料变成真正可用的输出，比如调研、文档、表格、分析框架、投研草稿、运营计划。 维度 GPT 5.5 GPT 5.4 观察