GPT-5.5 Released! Nvidia Engineer Says Losing It Feels Like Amputation

Full text · 原文 3,258 字

梦晨发自凹非寺量子位 | 公众号 QbitAI GPT-5.5，刚刚降临。 官方定位，“一种面向实际工作和智能体的新型智能。 这次奥特曼没有自己站出来说“初体验被吓到眩晕瘫坐，那一刻就像看到原子弹爆炸”了，而是请了一群嘴替（早期测试用户）。 其中有一位英伟达工程师，他在早期测试结束后短暂的失去了GPT-5.5的访问权限，然后说了这样一句话： 失去GPT-5.5，就像被截肢。 说归说，闹归闹。 OpenAI与英伟达这次的合作是前所未有的。 第一，GPT-5.5和英伟达GB200、GB300 NVL72系统是联合设计的，训练到部署，模型和硬件之间从诞生开始就双向奔赴。 第二，推广Codex到英伟达全公司，奥特曼还晒出了与老黄的邮件。 合作的成果，先来看数据。 与上个版本GPT5.4相比，新模型在代码、知识工作、科学研究三个领域全部拉开身位。 综合测试Artificial Analysis Intelligence Index结果，有两种解读方式： GPT-5.5获得相同的分数比Claude Opus 4.7和其他模型消耗token更少。 或者消耗同样的token，GPT-5.5完成的任务更多。 但最让人意外的不是跑分。 过去每一次模型升级，“更强”和“更慢”几乎是打包出售的。 这是Scaling Law的代价，更大的模型，更多的参数，更长的思考时间。用户为智能买单的同时也在为延迟买单。 GPT-5.5打破了这条铁律。 在真实生产环境中，它的逐token延迟和GPT-5.4相当，完成相同任务需要的token还比GPT5.4少了。 效率更高，功能更强大。 （但价格翻倍） 截至发稿，Codex更新最新版已经能用上GPT-5.5。 上下文窗口也升级到400K 给编程开挂 编程是GPT-5.5提升最猛的领域。 上一代模型用起来，还是得小心翼翼地拆任务，一步步看着它走，随时准备纠偏。 GPT-5.5不一样了。你把需求丢过去，它自己拆解、自己执行、自己检查。你只需要看结果。 OpenAI展示了Codex下GPT-5.5生成的3D动作游戏，在网页上直接运行。 包括用TypeScript/Three.js实现战斗系统、敌人遭遇、HUD反馈以及GPT生成的环境纹理。 Terminal-Bench 2.0，衡量复杂命令行工作流的硬核测试，GPT-5.5拿到82.7%。 上一个版本本的GPT-5.4是75.1%，目前最强竞品Claude Opus 4.7是69.4%。 可以理解为：碰到这种级别的难题，上一代模型将近三分之一会卡住，现在这个比例压到了四分之一以下。 接下来请各路嘴替： 早期测试者Dan Shipper做了一个实验。他是初创公司CEO，同时也是一位活跃的AI产品开发者。 他的App上线后出了一个bug，请了一位顶尖工程师来重构。工程师花了一番功夫，最终给出了一个解决方案。 然后Shipper把时钟拨回去：把那段有bug的代码丢给模型，看它能不能独立做出和那位工程师一样的决策。 GPT-5.4做不到。GPT-5.5做到了。 Shipper说，这是他第一次在一个编程模型身上感受到真正的“概念清晰度”。 不是接话，是理解了问题之后自己想明白如何解决。 越来越多高级工程师在反馈同一件事：GPT-5.5在推理和自主性上明显强于GPT-5.4和Claude Opus 4.7。 它能够提前发现问题，并在无需明确提示的情况下预测测试和审查需求。 编程只是开始。同样的能力跃迁，正在向知识工作和科学研究两个方向扩散。 编程之外 GPT-5.5在Codex里干的事，远不止写程序。生成文档、整理表格、做PPT。 OpenAI多次强调，它比上一代更懂你想要什么。 更关键的是，它会自己用工具、自己检查输出对不对。你给一个模糊的想法，它能帮你补完剩下的。 这里有个数据很有意思，OpenAI自己超过85%的员工，每周都在用Codex干活。（另外15%是怎么回事？） 还是先看评测结果。 在知识工作基准测试GDPval上，GPT-5.5拿到84.9%，比Claude Opus 4.7高出4.6个百分点。 FrontierMath Tier 4，目前最难的数学基准之一，题目来自未发表的论文和顶尖研究者的开放问题。 GPT-5.5 Pro在这个测试上拿下了39.6%。Claude Opus 4.7是22.9%，差距接近一倍了。 真正有意思的是科学家们怎么用它。 Bartosz Naskręcki是波兰亚当·密茨凯维奇大学的数学助理教授。他给Codex写了一句话，11分钟后，一个代数几何可视化应用就跑起来了。 这个应用能画出两个二次曲面的交线，标成红色，还能用Riemann-Roch定理把交线转成Weierstrass曲线的标准形式。后来他又扩展了更稳定的奇点可视化功能。 一句话，11分钟。搁以前，光是搭项目框架就得半天。 Derya Unutmaz是杰克逊基因组医学实验室的免疫学教授。他用GPT-5.5 Pro分析了一份基因表达数据集：62个样本，将近28000个基因。最后产出了一份完整的研究报告。 他说，这本来要花团队几个月的时间。 OpenAI对GPT-5.5在科研中的定位，有一句话概括得很准，它不再像一次性答案引擎，更像一个”研究伙伴”。 早期测试者拿它做的不只是查资料。多轮批改论文，逐条挑论证的漏洞，提出新的分析方案。它记住了你整个研究脉络，每一轮对话都建立在前一轮的基础上。 GPT-5.5在数学领域做了一件大事。 Ramsey数，组合数学里最核心的问题之一。 通俗地说，它研究的是：一个网络要大到什么程度，才能保证某种秩序必然出现？ 比如，六个人里一定有三个人互相认识，或者三个人互相不认识，这就是最简单的Ramsey定理。 它是数学界几十年的硬骨头，off-diagonal Ramsey数的渐近性质，更是长期悬而未决。 GPT-5.5找到了一个新的证明路径。不是复现已知方法，而是发现了一条新路。随后，这个证明被数学界最严格的形式化验证工具之一Lean确认无误。 一个AI，在纯数学的核心领域，做出了被形式化工具验证的原创贡献。 一年前，这还不可想象。 更强却不更快的秘密 “更强却更快”是怎么做到的？ 答案不是在某一个环节上做了优化。OpenAI把整个推理系统推倒重来了。 前面提到GPT-5.5和英伟达GB200、GB300 NVL72系统是联合设计的，结果在同等延迟下，智能水平大幅跃升。 但还有另一个故事。 GPT-5.5驱动的Codex系统，分析了数周的生产流量数据，然后写出了一个负载均衡的分区启发式算法。 之前，请求被切分成固定数量的块，分发给加速器处理。但固定的分块策略在不同流量模式下并不总是最优。有时候块分得太粗，有时候太细，资源利用率忽高忽低。 Codex看了几周的真实流量数据，自己写了一套自适应的分区算法。根据实际流量形态动态调整分块策略。 token生成速度提升了超过20%。 模型优化了运行自己的基础设施，AI在让自己跑得更快。 推理系统的整体重构，加上模型参与自身的优化，两件事叠在一起，带来了这样的结果。 OpenAI说，这是“迈向用计算机完成工作的新方式的一步”。 但当模型已经开始优化自己运行的基础设施—— 这一步，到底迈了多远？ One More Thing 有了GPT-5.5，OpenAI预计接下来模型发布数据将加快。 我们看到短期内有相当显著的进步，中期有极其显著的进步。 我认为过去几年进展出乎意料地缓慢。 说这话的是首席科学家Jakub Pachocki ，场合是与记者的电话会议上。 参考链接：[1] https://openai.com/index/introducing-gpt-5-5/[2] https://x.com/firstadopter/status/2047378435555651856?s=20

Site key	qbitai
Policy area	人工智能
Category	report

GPT-5.5 Released! Nvidia Engineer Says Losing It Feels Like Amputation

刚刚，GPT-5.5发布！内测英伟达工程师：失去它像被截肢