GPT-5.5领跑基准测试但存在幻觉和成本问题

关键信息

尽管API每百万token的价格翻倍至5美元/30美元（输入/输出），GPT-5.5相比GPT-5.4节省了约40%的token消耗，仅带来约20%的净成本上涨；但其幻觉率仍高达86%，难以接受。

资讯摘要

GPT-5.5在Artificial Analysis智能指数中得分60，成为当前表现最强的模型，超越了Claude Opus 4.7和Gemini 3.1 Pro Preview。尽管如此，由于token使用成本上升，其API价格相比前代模型净增约20%，即便它比GPT-5.4节省了40%的token消耗。

最令人担忧的是其高达86%的幻觉率——远高于Claude Opus 4.7（36%）和Gemini 3.1 Pro Preview（50%）。虽然GPT-5.5在事实记忆方面表现更好，但它仍频繁编造答案而非承认知识盲区，这引发了人们对其在编码或决策等关键任务中实际可靠性的质疑。

资讯正文

GPT-5.5在基准测试中表现领先，但依然频繁出现幻觉，且API价格高出20%

关键点

- OpenAI的GPT-5.5以60分的成绩领跑人工分析智能指数（Artificial Analysis Intelligence Index），超越了Claude Opus 4.7和Gemini 3.1 Pro Preview等竞争对手。

- 尽管API价格名义上翻倍，但相比前代模型GPT-5.4，其token消耗减少了约40%，使整体价格仅上涨约20%。

- 模型仍存在明显短板：幻觉率高达86%。尽管在事实类基准测试中准确率最高，GPT-5.5仍倾向于编造答案，而非承认知识盲区。

GPT-5.5通过API的价格比GPT-5.4高出约20%。该模型登顶AI排行榜，但幻觉问题依然突出。

从纸面数据看，GPT-5.5的API价格已升至每百万输入token 5美元、输出token 30美元，相较GPT-5.4翻了一倍。但根据基准测试服务Artificial Analysis的数据，该模型的token使用量减少了约40%，因此实际价格涨幅约为20%。这比起Anthropic的Opus 4.7要小得多——后者定价与前代相同，却多消耗35%到40%的token。GPT-5.5也让OpenAI重回AI排行榜首位，在人工分析智能指数中领先三位。

性能强劲，但基准测试只是部分真相

在中等算力下，GPT-5.5的表现可媲美Claude Opus 4.7在最大算力下的水平，成本仅为四分之一左右（约1200美元对比4800美元）。Google的Gemini 3.1 Pro Preview甚至更便宜，约为900美元。但基准测试并不能反映全部情况：我们的测试和开发者反馈显示，Gemini主要在日常通用性任务（如谷歌产品集成）和视觉任务上表现优异，而最新的OpenAI和Anthropic模型则在编程和代理类任务上更具优势。

幻觉仍是致命弱点

OpenAI的新模型在幻觉问题上仍然表现不佳。在Artificial Analysis的AA Omniscience基准测试中（该测试奖励事实准确性并惩罚错误回答），GPT-5.5取得了57%的最高准确率。但其幻觉率高达86%，远高于Claude Opus 4.7的36%和Gemini 3.1 Pro Preview的50%。相较于GPT-5.4，它在这一基准上的分数提升了14个百分点，主要得益于更好的事实记忆能力，幻觉控制方面的提升则相对有限。

了解何时该停止回答或承认不确定性，正是我们希望AI具备的能力。从这个角度看，GPT-5.5更像是倒退，而非进步。

不带炒作的AI新闻——由人类精选

来源与参考

1. 原始链接
2. GPT-5.5 tops benchmarks but still hallucinates frequently and costs 20 percent more over the API