OpenAI 推 GPT-5.5: 12M ngữ cảnh, chỉ số AA vươn lên dẫn đầu, Terminal-Bench 82,7% viết lại chuẩn mực cho đại lý

OpenAI vào ngày 4/23 chính thức phát hành GPT-5.5, định vị là mô hình chủ lực dành cho công việc theo hướng tác nhân (agentic) và xử lý kiến thức doanh nghiệp; đồng thời lên sóng trên ChatGPT và Codex. Bài quảng bá chính thức định hướng là “mô hình thông minh nhất và trực giác dễ dùng nhất của chúng tôi”, AA Intelligence Index đạt 60 điểm và vươn lên dẫn đầu, vượt Claude Opus 4.7 với 4,7 điểm và Gemini 3.1 Pro Preview lần lượt mỗi bên 3 điểm.

Tổng quan dữ liệu then chốt

Chỉ số GPT-5.5 đối chiếu (GPT-5.4 hoặc đối thủ cùng hạng) AA Intelligence Index 60 Claude Opus 4.7：57；Gemini 3.1 Pro Preview：57 Terminal-Bench 2.0（quy trình làm việc theo dòng lệnh） 82.7% GPT-5.4：75.1% Expert-SWE（đánh giá lập trình nội bộ của OpenAI） 73.1% GPT-5.4：68.5% Cửa sổ ngữ cảnh 1,200 vạn tokens nâng cấp mạnh, có thể xử lý toàn bộ kho mã chương trình của doanh nghiệp hoặc vài giờ video Giá (mỗi triệu token） đầu vào 5 đô la, đầu ra 30 đô la GPT-5.4 gấp 2 lần đơn giá；nhưng mức sử dụng token đầu ra giảm khoảng 40%, chi phí ròng tăng khoảng 20%

Định vị: Thiết kế cho “Kỷ nguyên Agent”

OpenAI mô tả GPT-5.5 như mô hình nền tảng cho tính toán theo hướng tác nhân, có thể hiểu các mục tiêu phức tạp, sử dụng công cụ, tự kiểm tra kết quả công việc, và có thể hoàn thành các tác vụ đa bước mà không cần con người can thiệp vào từng bước. Theo cuộc phỏng vấn của TechCrunch, Giám đốc điều hành Greg Brockman mô tả phiên bản này là “một bước tiến lớn hướng tới tương lai của tính toán, nhưng chỉ là một bước”, đồng thời nhấn mạnh rằng “so với 5.4, đây là bộ suy luận nhanh hơn, sắc bén hơn, dùng ít token hơn”.

Trưởng khoa học Jakub Pachocki cho biết, “trong ngắn hạn, chúng tôi chứng kiến sự cải thiện rất đáng kể”; Trưởng bộ phận nghiên cứu Mark Chen thì nhấn mạnh rằng phiên bản lần này mang lại “những đột phá có ý nghĩa” trong quy trình làm việc nghiên cứu khoa học và công nghệ.

Phạm vi cung cấp và phân tầng phiên bản

GPT-5.5：Người dùng Plus, Pro, Business, Enterprise có thể sử dụng trong ChatGPT và Codex

GPT-5.5 Pro：Phiên bản suy luận nâng cao hơn, có thể sử dụng trong ChatGPT dành cho người dùng Pro, Business, Enterprise

Tích hợp Codex：Đồng thời có thể dùng với công cụ tác nhân lập trình của OpenAI, tăng cường chỉnh sửa nhiều tệp, dòng lệnh và vòng lặp kiểm thử

Tăng cường luận điểm về an ninh mạng và quốc phòng

Thành viên nhóm kỹ thuật Mia Glaese cho biết trong cuộc phỏng vấn TechCrunch rằng năng lực an ninh mạng của GPT-5.5 sẽ tạo “ảnh hưởng lớn” đến cách OpenAI “triển khai mô hình theo hướng đầu tư vào phòng thủ kỹ thuật số”. Luận điểm này đối chiếu trực tiếp với tranh cãi gần đây của Anthropic xung quanh mô hình an ninh mạng cấp vũ khí Claude Mythos—trước đó Altman chỉ mới tại chương trình 《Core Memory》 phê bình chiến lược “chiến lược marketing bằng nỗi sợ” của Anthropic. Trên GPT-5.5, OpenAI nhấn mạnh hơn lập luận “tấn công lẫn phòng thủ, có thể triển khai”, nhằm tạo khác biệt với lập trường của Anthropic về việc hạn chế truy cập.

Thay đổi chiến lược giá

Giá mỗi triệu token của GPT-5.5 được nâng gấp đôi lên đầu vào 5 đô la, đầu ra 30 đô la—đây là lần đầu tiên trong dòng GPT-5 xuất hiện một thế hệ mà đơn giá tăng đáng kể. Giải thích của OpenAI là: nhờ hiệu suất suy luận tốt hơn, có thể giảm khoảng 40% token đầu ra, nên hóa đơn thực tế cho nhiệm vụ điển hình khoảng cao hơn GPT-5.4 20%, chứ không phải đơn giản là gấp 2 lần. Với doanh nghiệp, vì vậy, việc ra quyết định chuyển từ “đơn giá có đáng hay không” sang “trong cùng một prompt, liệu GPT-5.5 có thể hoàn thành các nhiệm vụ phức tạp hơn trong khi tổng lượng Token còn ít hơn hay không”.

Tín hiệu đối với ngành

GPT-5.5 mở rộng khoảng cách của OpenAI trên Terminal-Bench và các đánh giá SWE nội bộ; hai bộ chuẩn này lần lượt kiểm tra việc tác nhân dòng lệnh thực thi và các nhiệm vụ kỹ sư phần mềm thực tế—đối đầu tích cực giữa Codex và Claude Code là “điểm số” chiến trường trực tiếp hơn. Cộng thêm việc đồng thời mở cửa sổ ngữ cảnh 1,200 vạn tokens, OpenAI đồng thời gia tăng áp lực lên hai đường đua “xử lý toàn bộ kho tri thức doanh nghiệp” và “tác nhân nhiệm vụ dài”. Đối với Anthropic, Claude Opus 4.7 trong AA index tụt sau 3 điểm ở mức 57, so với đó; đối với người dùng Claude Code, cũng có thêm một lý do để theo dõi tiến độ thế hệ tiếp theo (Opus 4.8 hoặc Claude thế hệ mới).

Bài viết này: OpenAI đẩy GPT-5.5：12M ngữ cảnh、AA index lên đỉnh、Terminal-Bench 82.7% cải viết chuẩn tác nhân Xuất hiện sớm nhất tại 鏈新聞 ABMedia.