Hello，我是Niko。16年程序员老兵，专注分享 AI编程实战经验、宝藏工具资源、前沿技术动态。不玩套路，多讲干货。
上周三 OpenAI 放出 GPT-5.5，36氪的标题是"全榜第一碾压 Opus 4.7"。我刷到这条消息的第一反应不是兴奋，是怀疑。跑分碾压和实际写代码是两码事，这个道理我在 AI 编程这条路上已经被教过好几次了。
所以我花了几天时间，把 GPT-5.5 的跑分数据拆开看了一遍，在 Codex 里实际跑了几个任务，然后回到 Claude Code 继续干活。以下是我的真实判断。
发生了什么
4月23日，OpenAI 发布 GPT-5.5，五个月内的第三次重大模型发布。同时推出的还有 GPT-5.5 Pro（面向 Pro/Business/Enterprise 用户）。
几个关键数字：
- API 定价标准版 30（每百万 input/output tokens），旗舰版 60
- 上下文窗口 API 层面可达 1M tokens
- OpenAI 首席研究官 Mark Chen 说在编码、研究、数据分析、文档生产和软件操控方面都有提升
- OpenAI 正在把 ChatGPT、Codex 和浏览器功能整合成一个"超级 App"
TechCrunch 的定位很准确：这不只是一个新模型，是 OpenAI 朝"超级应用"迈出的一步。
跑分数据冷读：谁碾压谁？
"全榜第一"这个说法，得看你看的是哪张榜。
GPT-5.5 在通用基准测试上确实表现抢眼：Terminal-Bench 2.0 拿了 82.7%，BrowseComp 84.4%，CyberGym 81.8%。这些数字放在一起，标题党写"碾压"也不算太离谱。
但你要是写代码的，真正该看的是编程基准测试。这里的数据就没那么好看了：
在最接近"日常写代码"的 SWE-bench 测试里，Opus 4.7 领先 3.4 到 5.7 个百分点。SWE-bench Verified 测的是修复真实 GitHub issue 的能力，跟我们每天干的活最像。这个差距不算微小。
GPT-5.5 真正拉开差距的是终端操作和长上下文。Terminal-Bench 领先 13 个百分点，长上下文更是 74% 对 32.2%。
Latent Space 的分析里有个有意思的细节：Artificial Analysis 的智能指数显示 GPT-5.5（medium）和 Claude Opus 4.7（max）得分相同，但成本只有后者的四分之一。不过 Gemini 3.1 Pro Preview 在同等分数下更便宜。
所以"碾压"这个词，在编程场景下不成立。各有所长：GPT-5.5 赢在效率和长上下文，Opus 赢在复杂代码理解和修复。
实测体验：跑分之外的真实差距
跑分是一回事，实际用起来又是另一回事。我看了几份靠谱的实测报告，也自己上手试了试 Codex 里的 GPT-5.5。
ChatPRD 的评测让我印象最深。他们让 GPT-5.5 自主完成一个遗留数据迁移任务，处理数百万条记录。GPT-5.5 Pro 自己跑了 5 小时 57 分钟，中间零人工干预，还自己创建了子 agent 来做冒烟测试。200 万行数据只剩一个未解决的边界问题。
这个"自主性"是 GPT-5.5 最明显的进步。它不再是你问一句答一句的助手，更像一个你交代完任务就能去干别的事的同事。
MindStudio 的开发者评测给出了更平衡的视角：
GPT-5.5 的指令持久性有提升，以前跑到第八九步就会忘记系统提示里的约束，现在好多了。工具编排也更聪明了，15 个以上工具的大型工具库里冗余调用明显减少。但"过度自信"问题还在：错了不知道自己错了，继续往下跑。
MindStudio 做的分场景对比我觉得很实用：
| 场景 | 谁更强 | 原因 |
|---|---|---|
| 复杂多文件 bug 修复 | Opus 4.7 | 代码库推理和上下文管理更好 |
| 脚手架代码生成 | GPT-5.5 | 效率优势明显 |
| 测试生成 | 打平 | 风格不同但能力相当 |
| 代码重构 | Opus 4.7 | 更擅长在重构中保留原始意图 |
| 高吞吐流水线 | GPT-5.5 | 速度和 token 效率支撑规模化 |
这跟我自己的体感基本一致。用 Claude Code 做项目级别的改动，它对代码结构的理解确实更深，它知道改了这个文件哪些地方会受影响。GPT-5.5 在单个任务上可能更快，但需要全局视角的场景下目前还差一截。
还有个数字：GPT-5.5 的 token 效率比 Opus 4.7 高 72%，同样的任务花的 token 更少。但响应速度慢了大约 6 倍（首 token 延迟约 3 秒 vs Opus 的 0.5 秒）。做交互式编程的话，这个延迟感知很明显。
真正值得警惕的不是模型，是 Codex 超级 App
说实话，GPT-5.5 本身并没有让我紧张。模型能力的差距在缩小，但 Anthropic 这边也没闲着，Opus 4.7 在核心编程能力上依然领先。
真正让我多看几眼的是 OpenAI 在 Codex 上的动作。
GPT-5.5 发布的同时，Codex 平台做了一次大升级。浏览器控制和 Web 应用交互让 Codex 能直接操控浏览器测试 Web 应用。Google Sheets/Slides 集成把办公场景打通了。auto-review 模式用一个"守护者"agent 自动审查代码变更。还有 OS 级别的语音输入，支持跨应用的语音交互。
这不是在做一个更好的编程助手。这是在做一个"什么都能干"的计算机代理。TechCrunch 说得对，OpenAI 要把 ChatGPT、Codex 和浏览器揉成一个超级 App，像一个全能的数字员工。
对比一下 Claude Code 目前的策略。走的是"thin harness, fat skills"路线，一个轻量级的运行框架，通过 Skill、Hook、Subagent 来扩展能力。这条路更灵活、更开放，但在"开箱即用"的程度上不如 OpenAI 的一站式打法。
两条路线各有赌注。OpenAI 赌的是"把什么都包进来，用户不用折腾"。Anthropic 赌的是"给你最好的引擎，生态让社区来建"。
短期看，已经在用 Claude Code 的开发者，Opus 4.7 + Skill 生态的组合在复杂项目上的体验仍然更好。但如果 OpenAI 的超级 App 路线跑通了，那些还没形成工具偏好的新用户很可能会被"一站式"吸引过去。
我的判断
回到最初的问题：Claude Code 用户该不该慌？
三个字：不用慌，但要看。
不用慌，是因为 GPT-5.5 在编程能力上并没有实现"碾压"。SWE-bench 这类最贴近真实编程的测试里 Opus 依然领先。日常 AI 编程中最重要的能力，理解代码结构、跨文件推理、在长对话中保持上下文，恰好是 Claude Code 的强项。MindStudio 的评价我很认同：GPT-5.5 完成任务更快，但 Opus 4.7 产出的代码"更仔细、带注释、更容易 review"。做项目不是跑百米，稳比快重要。
该看，是因为 OpenAI 五个月发了三个大模型，这种节奏本身就是信号，他们在用速度换市场。Codex 的超级 App 化是更大的棋，如果他们真的做到了"一个工具解决所有办公+编程需求"，对整个 AI 编程工具市场的影响会很大。
还有定价。GPT-5.5 标准版 30 很有攻击性，token 效率又高 72%。对于跑大量自动化任务的团队来说，这个成本优势不能忽视。
顺便提一下
-
NVIDIA 透露有超过 10000 名员工通过 Codex 早期使用了 GPT-5.5。大厂内部工具链的选择往往是风向标，值得关注后续反馈。
-
Artificial Analysis 的数据显示 Gemini 3.1 Pro Preview 在同等智能指数下比 GPT-5.5 和 Opus 4.7 都便宜，而且有 1M 原生上下文。三方混战的局面正在形成。
一句话总结
如果你只记住一件事：GPT-5.5 没有碾压 Opus 4.7，但 OpenAI 用"超级 App + 激进定价 + 高频迭代"打出的组合拳，比任何单个模型的跑分都更值得关注。
