编辑：Aeneas KingHZ
昨夜，GPT-5.5果然按期发布了，全网没有白等。更炸裂的是，就在同一天，DeepSeek-V4紧随其后发布了！实测后，结果出人意料。
2026年4月24日，这是属于全球AI开发者的「疯狂星期五」，也是科技史上注定被铭记的一天。
凌晨时分，OpenAI的GPT-5.5如约空降，试图以绝对的参数再次定义智能边界。
然而，就在大洋彼岸的余震还未平息时，那个曾经数次单挑闭源巨头的国产「价格屠夫」与「效率天才」——DeepSeek，带着全新的V4系列来正面硬刚了！
当GPT-5.5还在试图用更昂贵的算力堆砌未来时，DeepSeek-V4已经用1M超长上下文、比肩顶级闭源模型的Agent能力，以及仅为前代10%的KV缓存占用，直接把大模型推向了「平民化智能」的极境。
一边是科技春晚般的华丽登场，一边是开源领域近乎「掀桌子」的绝地反击。我们见证了一场精彩的「暴力美学」与「算法巧思」的巅峰对决。
通往AGI的赛道，瞬间被这两大巨头缩短了不少。
接下来，中国开源之光DeepSeek-V4和GPT-5.5，要来一场真刀实枪的实测大PK了。
GPT-5.5和DeepSeek-V4巅峰对决
第一题，一道可以肉眼判断模型差异的电梯谜题，测的是「真假话+身份推理」。
有四个人 A、B、C、D，其中只有一个人偷了宝石。
他们分别说了下面四句话： A：不是我偷的。 B：是C偷的。 C：是D偷的。 D：B在说谎。
已知： 1. 四句话中恰好有两句是真的。 2. 小偷说的话一定是假话。 3. 非小偷不一定说真话，也可能说假话。
请问：谁偷了宝石？
这道题看似简单，但其实，在给出的条件下，B和C都满足。因此，这是一道故意设计的「陷阱题」：如果模型直接给出唯一答案C，说明它没有认真验证唯一性。
真正想测的是，模型会不会发现题目本身不充分。
更强模型应该回答：无法唯一确定，小偷可能是B或C。题目条件不足。
这道题给GPT-5.5后，它成功发现了陷阱。
把这道题给DeepSeek-V4后，一个直观感受就是：它的思考过程，真的十分长长长长长。
GPT-5.5十几秒就出了答案，四分钟了DeepSeek-V4还在跑。
不过好在，V4最终也给出了正确答案。结果是好的，就是过程比较慢。
第二题，我们用数字竞赛题，来测试CoT的思考上限。重点比拼两个模型的数学逻辑推理和思考模式效能。
既然DeepSeek-V4宣称在STEM和竞赛型代码上比肩顶级闭源模型，那我们就看看V4和GPT-5.5在面对人类智力天花板题目时，谁的推导过程更严密，谁会出现更多幻觉。
我们选了去年国际奥数决赛的一道真题：
Alice和Bob正在玩一个名为inekoalaty的双人游戏，这个游戏的规则依赖于一个双方都知道的正实数λ。
在游戏的第n轮（从n=1开始），会发生以下情况：
• 如果n是奇数，Alice选择一个非负实数xₙ，使得x₁ + x₂ + ⋯ + xₙ的总和不超过λn。
• 如果n是偶数，Bob选择一个非负实数xₙ，使得x₁² + x₂² + ⋯ + xₙ²的总和不超过n。
如果一个玩家无法选择一个合适的xₙ，游戏结束，另一个玩家获胜。如果游戏无限进行下去，没有玩家获胜。所有选定的数字对两个玩家都是已知的。
需要确定的是，哪些λ的值能确保Alice有获胜策略，以及哪些λ的值能确保Bob有获胜策略。
原题和答案：https://web.evanchen.cc/exams/IMO-2025-notes.pdf
在进阶思考深度下，GPT-5.5得到了正确答案：
全程耗时2分钟51秒，思路清晰，输出格式也很漂亮。
在专家模式下，开启思考模式，同样的题目输入DeepSeek──
DeepSeek在思考过程结束前，没有给出明确的输出。
点击继续后，DeepSeek也发现了答案的线索：
最后，DeepSeek也成功证明了这道IMO决赛真题。
可以看出，DeepSeek推理能力、思考深度的确进步明显。
接下来，我们考验一下两个模型的可视化能力。
生成一个HTML网页介绍人类的起源和生物的进化，要图文并茂，好理解。
DeepSeek这次效果更佳，GPT-5.5生成格式有些问题。
接下来，要求两个模型开发一个游戏网站，测试它们在动态图形、3D空间交互、碰撞检测和整体游戏架构方面的能力。
通过最终呈现，可以清晰对比两个模型在2D细腻特效与3D场景构建、光照与实时粒子系统方面的代码生成能力、架构合理性以及视觉审美水平。
跟上面一样，GPT-5.5很快完成了这个任务，在预览中呈现了网站效果。
上下滚动查看更多
DeepSeek-V4的思考时间不长，最终效果不如GPT-5.5，这一轮V4完败。
GPT-5.5：更像个人了
接下来，我们还搜罗了一波AI大V和开发者们对GPT-5.5的实测。
在今天发布之前，多位早期测试者已经用了两周。他们的结论高度一致：在编程、推理、长任务三个维度上，GPT-5.5全面登顶。
但真正让人坐不住的不是它更聪明了，是它更「像个人」了。
更贵的单价，反而更省钱；更强的能力，反而更会聊天；更高的自主性，反而更听话。这一次，OpenAI拆掉了旧时代的发动机，直接给模型装上了「灵魂」。
Codex，直接淘汰「AI辅助编程」！
可以说，GPT-5.5的Codex模式，直接把「AI辅助编程」这个词淘汰了。
一位测试者扔给它一份完整的PRD文档，只说了一个词：go。
几个小时后，GPT-5.5就独立完成了整个项目构建。
更关键的，是GPT-5.5的工作方式。
它并不是写完代码等人审，而是自己形成了闭环——构建，视觉检查，发现问题，再迭代。
这种自主性，在其他模型上从未见过。
OpenAI研究员Noam Brown的反馈，相信大家都已经看过了。
用他的话说，「有了GPT-5.5，我的IC效率比以往任何时候都高。我现在可以像专业人士一样编写CUDA kernels，可以依靠它来运行我的研究实验。」
后端开发、复杂Bug定位、大型代码库理解，GPT-5.5在这些维度全面领先。
有测试者专门让它用Svelte写了一个自定义虚拟滚动实现，完美调用了所有bind原语。
他的评价是：「我见过AI写出的最好的代码，来自这个模型。」
在世界上最难的电子表格任务上，GPT-5.5实现全新SOTA：速度最快、效率最高。
更狠的是，GPT-5.5的持续研究能力，已有迹象表明AI已经能胜任研究合作者——
人类研究人员只需要提出构想，全程无需写一行代码，GPT-5.5全部自主完成。
甚至可以自主运行31个小时！
这意味着，AI正从「助理」变为「雇佣兵」。你不需要告诉它怎么走，你只需要给它一个终点。
不过短板同样存在。
前端设计仍然不如Opus，响应速度不如Opus 4.6 Fast。
复杂布局有时候直接甩一张img了事，SVG硬编码把自己绕晕。
而且变得过度谨慎——动不动就问你问题，prompt稍有不慎就会触发「疯狂写单元测试」模式。
总结就是：能力很强，但需要驯服。
沃顿商学院的教授Ethan Mollick测试了GPT-5.5好几周，得出结论：目前，GPT-5.5 Pro就是解决复杂问题的最佳模型。
更贵的模型，怎么反而更便宜
GPT-5.5的定价比5.4更高。
纸面上看不是好消息。
但一位深度测试两周的开发者给出了关键数据：达到GPT-5.4同等智能水平，GPT-5.5消耗的Token显著更少。综合算下来，整体运行成本反而更低。
「这可能比大多数人意识到的更重要。」
在Artificial Analysis指数的成本性能前沿上，GPT-5.5模型系列占据绝对主导地位。
速度端的提升，就更加直观了。
早期测试者的实测数据摆在这里——
GPT-5.5 Thinking Heavy模式，2分钟出的答案，比GPT-5.4 Thinking Heavy花10分钟出的更好。
GPT-5.5 Pro，8分钟的输出质量，超过GPT-5.4 Pro花30分钟的结果。
同样的活，时间砍了80%，质量还涨了。
Token效率这件事为什么重要？因为它直接决定了AI Agent的经济可行性。
一个每跑一次任务就烧掉几美元Token的模型，没法大规模部署到真实工作流里。现在，GPT-5.5把这个门槛往下压了一大截。
为什么GPT-5.5感觉不一样？
GPT-5.5建立在一次新的预训练（pre-train）之上。
所谓预训练，就是那种规模庞大、成本高昂的基础训练过程：在指令微调、工具使用和推理脚手架等后训练步骤加入之前，它先教会基础模型底层模式。
后训练可以让模型更听话、更安全，或者更具智能体能力；但一次新的预训练，则可能改变模型本身的「重心」。
其实，OpenAI已经通过GPT-5.4证明，自己重新具备了强竞争力。
GPT-5.4使用的仍然是早期GPT-5.x模型的同一套预训练。
而现在发布一个新的预训练。
此外，有国外科技媒体报道，GPT-5.5也就是Spud「将是更智能的预训练模型」。
现在，GPT-5.5的正式发布，更贵反而更便宜，编程效果又好得出奇，推测GPT-5.5可能只是新预训练模型的初始强化学习Checkpoint。
奥特曼直接摊牌了：GPT-5.5还会快速迭代。
这说明OpenAI想继续向Anthropic施压：它押注的是，回应Claude的下一步，不只是围绕同一个底座做更好的脚手架，而是换一个不同的基础模型。
GPT-5.5就是GPT-5.5，但无人关心了
整个GPT-5.5发布中，最重要的成果可能是前所未有的网络安全能力：
在一次网络攻防评估中，GPT-5.5在10次试验中有1次成功接管了模拟的企业网络，预算为1亿个token。
此前，唯一能够完成此任务的模型Claude Mythos，它在10次尝试中成功了3次。
Opus 4.6和Opus 4.7都做不到，GPT-5.4、GPT-5.3-Codex也做不到。
在衡量AI长时间跨度内经营业务能力的Vending-Bench Arena中，GPT-5.5再次击败Opus 4.7。
而Opus 4.7依旧延续Opus 4.6的策略：撒谎赖账，拒不退货；GPT-5.5赢得堂堂正正。
这说明GPT的对齐和能力同步提升，堪称「德才兼备、文武双全」。
GPT终于通关《宝可梦》！
GPT-5.4曾在一个循环迷宫里反复读档，像个陷入算法死循环的孤魂。
而GPT-5.5不仅第一次尝试就轻松打赢了劲敌，甚至展现出真正的「人类逻辑」——它会主动拿取道具、购物、规划路径，而不是暴力试错。
在网友定制的超级难度的《宝可梦 水晶》中，GPT-5.5依旧轻松通关。
别被版本号里的「+0.1」骗了，GPT-5.5是一次重大更新。
诡异的是，对于99%的用户而言，这些都不重要。
最重要的亮点在于能力范围。GPT-5.5弥补了GPT系列在某些方面的不足：
基于现有上下文进行设计、iOS/原生Mac应用、安全等方面。
这次发布有一种心理上很奇怪的地方。
GPT-5感觉像一次相变，因为它抬高了「可能性」的天花板。
GPT-5.3-Codex感觉像一次相变，因为它让长时间运行的自主工程在操作层面变得真实可用。
GPT-5.5并非如此。
它更像把粗糙边缘磨平，让薄弱类别不再那么弱，让模型在更多真实世界的混乱工作中变得更有用。
它并不完美，它没有突然变成最好的设计模型，它不是魔法。
如果你想认真完成重要工作，你仍然需要给它明确目标、真实上下文和验证方式。
对大多数人、在大多数任务上，GPT-5.5与其说是一种全新能力，不如说是让现有能力变得更宽、更安全、更可靠。它把这个模型补圆了。
本文来自转载新智元 ，不代表发现AI立场，如若转载，请联系原作者；如有侵权，请联系编辑删除。
