一周前Anthropic发布了Opus 4.7，紧接着OpenAI推出了GPT 5.5，展示了类似的帕累托前沿性能提升曲线。GPT 5.5在整体智能表现上被评为全球顶尖的独立验证模型，且在每美元智能度方面表现优异。具体来说，GPT-5.5（中等版本）在智能指数上与Claude Opus 4.7（最高版本）持平，但成本仅为后者的四分之一（约1200美元对4800美元），而Gemini 3.1 Pro Preview则以约900美元的成本达到相同分数。
OpenAI还透露了一些训练硬件细节，并展示了积极的用户反馈和多样的基准测试结果。虽然有观点认为此次发布只是一个小版本更新（甚至有人称之为5.9），但实际上它还包含了重要的Codex升级。
此次更新集成了浏览器控制等多项功能，并融合了已停用的Prism项目，标志着OpenAI将Codex打造为其超级应用战略的核心基础。
OpenAI官方表示，GPT-5.5在ChatGPT和Codex中推出，API访问将稍后开放以确保安全。该模型在长远任务执行、计算机使用能力和令牌效率方面均有显著提升。API定价为每百万输入/输出令牌5美元/30美元，Pro版本为30美元/180美元，支持100万令牌的上下文窗口。用户反馈称GPT-5.5更具人性化，适合持续的代理工作流程，尤其是在Codex环境中表现突出。
Codex的升级使其从单纯的编程工具转变为更全面的计算机工作代理，支持网页应用交互、截图、自动审查等功能，覆盖问答、电子表格、演示文稿、应用构建和研究等多种任务。
与此同时，DeepSeek发布了DeepSeek-V4 Preview，开源了1.6万亿参数的V4-Pro和2840亿参数的V4-Flash，均支持100万令牌上下文，采用MIT许可证，定价极具竞争力。技术报告强调了长上下文效率、混合注意力机制和量化感知训练等创新。
在代理基础设施方面，业界关注点从单一模型转向代理系统的整体架构，包括记忆管理、评估机制和编排工具。多代理编排产品如Sakana AI的Fugu和Hermes Agent也相继推出，推动代理成为多工具、多模型的协调层。
视觉和多模态领域同样活跃。Google DeepMind发布了Vision Banana，将二维和三维视觉任务统一为图像生成问题，表现优于多项专业视觉系统。Meta发布了Sapiens2，专注于人类图像的高分辨率视觉变换器。视频技术方面，LTX HDR Beta突破了动态范围瓶颈，支持更高质量的生产级视频处理。
训练和扩展技术方面，Google提出了Decoupled DiLoCo，实现了全球分布式预训练的容错和异构硬件支持。算法层面，研究表明通过自我博弈和高效采样，较小模型可达到大型模型的部分能力。基础设施需求持续增长，推测到2026年底全球算力需求将达到1.2GW。
总结来看，GPT 5.5不仅在智能水平和成本效益上取得突破，还通过Codex超级应用扩展了AI代理的实际应用场景，推动了多模态系统和代理基础设施的快速发展。
