GPT-5.5登場：OpenAI把AI競賽推向「會做事」的新階段

【 AI 新聞 ｜ 編輯：Sandy】

OpenAI於2026年4月23日發布GPT-5.5，並在4月24日更新宣布GPT-5.5與GPT-5.5 Pro已可透過API使用，這使得這次發布不再只是一次模型升級，而是AI從「回答問題」走向「代理完成工作」的最新節點。根據OpenAI官方公告「Introducing GPT-5.5」（https://openai.com/index/introducing-gpt-5-5/），GPT-5.5主打知識工作、電腦操作、程式開發與工具使用能力，能在提示不完整、任務多步驟且含糊的情況下，更快理解使用者意圖，並持續跨工具推進任務。這句話的產業含義相當直接：大型語言模型的競爭焦點，正從單次對話的聰明程度，轉向誰能更可靠地在真實工作環境中完成複雜任務。

從聊天機器人到辦公室代理人

GPT-5.5的核心定位，是OpenAI所稱「用於真實工作的全新智慧層級」。它不只是生成文字、整理資料或寫一段程式碼，而是能研究資料、分析數據、建立文件與試算表、操作軟體，並在多個工具之間移動，直到任務完成。這與早期ChatGPT的差異在於，過去使用者往往需要把一個工作拆成許多步驟，再逐一要求模型執行；GPT-5.5則被設計成能處理較混亂、較接近真實職場的任務，例如一邊查資料，一邊驗證假設，再將結果整理成可交付的文件。

OpenAI在公告中特別強調，GPT-5.5在Codex與ChatGPT中的價值，體現在「代理式編碼」、知識工作、科學研究與電腦使用。這是一個重要轉折。AI公司過去常以模型能否通過數學、科學或常識測驗來說服市場，但企業真正付費的理由，往往不是模型能否回答一道難題，而是它能否節省工程師、分析師、律師、研究員或財務團隊的時間。OpenAI公布的內部案例也朝這個方向敘事：其財務團隊使用Codex審閱24,771份K-1稅務表格、總計71,637頁文件，並比前一年加速兩週；上市團隊員工則以自動化週報節省每週5至10小時。這些例子未必能直接代表所有企業場景，但它們指向一個更清楚的商業主張：AI不再只賣「答案」，而是賣「工作流壓縮」。

技術亮點：更強的代理能力與更好的推論經濟性

GPT-5.5的技術敘事可分為兩層。第一層是能力提升。OpenAI稱GPT-5.5在Terminal-Bench 2.0達到82.7%，在SWE-Bench Pro達到58.6%，在OSWorld-Verified達到78.7%，在GDPval則達到84.9%。這些數字本身需要謹慎解讀，因為基準測試常受到題庫、評測方式與實際使用場景差異影響；但它們仍反映出一個趨勢：模型正在從「會回答」往「會操作」與「會長時間推進」移動。尤其OSWorld-Verified測的是模型能否在真實電腦環境中自主操作，這比單純文字推理更接近企業軟體世界的現場。

第二層是成本與速度。OpenAI稱GPT-5.5在實際服務中的每token延遲可匹配GPT-5.4，同時智慧水準更高，且在Codex任務中以更少token完成工作。這是商業化上非常關鍵的一點。大型模型的能力若只能以更昂貴、更慢的推論換取，對企業而言便可能只是展示品；若能力提升同時伴隨更高推論效率，才有機會滲透到每天反覆發生的工作流程中。OpenAI還指出，GPT-5.5在API中標準價格為每100萬輸入token 5美元、每100萬輸出token 30美元，GPT-5.5 Pro則為每100萬輸入token 30美元、每100萬輸出token 180美元。這代表OpenAI仍維持高階模型的溢價策略，但試圖以更少token、更少重試與更高完成率來說服企業其總成本可被消化。

OpenAI的策略：把模型變成工作場所的作業系統

OpenAI此番發布的真正企圖，不只是再次贏得模型排行榜，而是讓ChatGPT、Codex與API成為企業工作場所中的代理層。GPT-5.5能跨已連接的工作工具採取行動，這意味著模型不再是孤立的對話框，而可能逐漸變成橫跨郵件、文件、程式碼庫、試算表、客服系統與內部資料庫的操作介面。若這一方向成立，AI平台的價值會從模型本身擴張到權限管理、資料連接、任務稽核、安全政策與工作流整合。

這也解釋了OpenAI為何在公告中大篇幅談安全與網路防禦。GPT-5.5被描述為具備更強的資安能力，OpenAI同時將其生物化學與資安能力在Preparedness Framework中視為High層級，並加強高風險資安請求的分類器與限制。這不是單純的公關補充，而是代理式AI商業化的必要條件。當模型可以操作工具、讀取內部資料、編寫與修補程式碼，它的便利性與風險同步上升。企業不會把核心工作交給一個只會聊天的模型；但也不會把核心工作交給一個無法被審計、無法被限制、無法被信任的代理人。

美國同業競爭：Anthropic與Google也在搶「長任務」

GPT-5.5發布的背景，是美國AI公司正集體把戰場推向代理式工作。Anthropic在官方公告「Introducing Claude Opus 4.7」（https://www.anthropic.com/news/claude-opus-4-7）中同樣強調更強的編碼、代理、視覺與多步驟任務能力，並把高風險資安用途的自動偵測與阻擋列為重點。這與OpenAI的敘事高度相似：最前沿模型不再只是更會說話，而是更能在長時間、多步驟、高不確定性的環境中維持目標。

Google的路線則更貼近其既有生態系。根據Google官方部落格「Gemini 3.1 Pro: A smarter model for your most complex tasks」（https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-1-pro/），Gemini 3.1 Pro已向Gemini API、Vertex AI、Gemini應用與NotebookLM推出，主打複雜任務推理；而Google在「Deep Research Max: a step change for autonomous research agents」（https://blog.google/innovation-and-ai/models-and-research/gemini-models/next-generation-gemini-deep-research/）中，則把自主研究代理、MCP支援與原生視覺化作為長程研究工作流的賣點。相較之下，OpenAI的優勢在於ChatGPT的消費級入口與Codex的工程師心智占位；Google的優勢則是Workspace、雲端、搜尋與Android等龐大分發面。兩者競爭的核心，將不只是模型分數，而是誰能把AI嵌入更多日常工作觸點。

中國與歐洲：成本、主權與開放模型的另一條路

國際視角下，GPT-5.5也必須放在中美歐三條不同路徑中理解。中國的DeepSeek在官方文件「DeepSeek V4 Preview Release」（https://api-docs.deepseek.com/news/news260424）中宣布DeepSeek-V4 Preview開源，主打100萬token上下文、DeepSeek-V4-Pro的1.6兆總參數與49B活躍參數，以及DeepSeek-V4-Flash的高效率版本。這與OpenAI的閉源、高階、企業付費模式形成對照。中國模型的戰略意義不只在模型能力，也在於以開源、低成本與本土算力適配，降低對美國模型與NVIDIA硬體的依賴。若美國公司的護城河是產品化與雲端生態，中國公司的壓力測試則是成本曲線與供應鏈限制。

歐洲則呈現第三種姿態。Mistral AI在官方公告「Introducing Forge」（https://mistral.ai/news/forge）中提出讓企業建立以自身專有知識為基礎的前沿級AI模型，並在其產品頁面強調企業資料隱私、部署控制與完整所有權。這反映出歐洲市場長期重視資料主權與合規性的需求。對許多金融、製造、公共部門與受監管產業而言，最強模型未必永遠是唯一答案；能否在本地、私有雲或受控環境中部署，能否讓資料不離開企業邊界，可能同樣重要。

產業影響：軟體、顧問與白領工作都會被重新定價

GPT-5.5若如OpenAI所描述般能穩定完成模糊、多步驟、跨工具任務，最先受到衝擊的會是軟體開發與知識工作。程式碼代理已開始改變工程團隊的分工：初階實作、重構、測試、錯誤修復與文件生成，將更多由AI先行處理；人類工程師則需要把時間移向架構判斷、需求取捨、資安審查與最終責任。這不表示工程師會被簡單取代，而是工作內容被重新分層。能指揮AI代理、驗證輸出並整合進組織流程的人，價值可能上升；只依賴單一可複製技能的人，價格壓力會增加。

在顧問、法律、財務、研究與營運領域，影響也類似。AI可以把資料蒐集、初步分析、草稿生成與格式整理的時間壓縮，進而改變專業服務的計費邏輯。過去按工時累積的工作，可能被客戶要求轉向按成果、速度或風險承擔計價。這會使大型顧問公司、律所、投行與企業內部幕僚部門面臨相同問題：若AI能完成更多基礎工作，組織究竟需要多少初階人力來培養未來的資深人才？這是AI代理時代尚未解決的管理難題。

仍待驗證的限制：可靠性、責任與整合成本

然而，GPT-5.5的前景不應被理解為無摩擦的自動化。代理式AI最大的挑戰，不是一次答錯，而是在長任務中以看似合理的方式逐步偏離目標。當模型可以操作工具、修改文件、發送請求或改動程式碼時，小錯誤可能被放大成流程錯誤。企業採用GPT-5.5，真正成本不只包括API價格，也包括權限設計、資料治理、稽核紀錄、人工覆核、錯誤回復與員工培訓。

此外，基準測試與實務場景之間仍有距離。OpenAI公布的數據顯示GPT-5.5在多項任務上領先或接近競爭者，但不同模型在不同任務上各有強弱。例如在OpenAI列出的SWE-Bench Pro公開數據中，Claude Opus 4.7仍高於GPT-5.5；在某些研究或金融任務上，Pro版本、競爭模型與工具設定也可能影響結果。企業採購不會只看單一榜單，而會看模型在自家資料、自家流程與自家風險限制下是否穩定。

中長期看，AI競賽將從模型能力轉向制度能力

GPT-5.5的發布，把AI產業帶入更現實也更複雜的階段。模型能力仍重要，但真正的競爭將越來越取決於制度能力：誰能提供更穩定的代理框架，誰能與企業資料安全地連接，誰能在成本與延遲上支撐大規模日常使用，誰能讓政府與受監管產業接受模型參與高風險工作。OpenAI憑藉ChatGPT、Codex與API取得先發位置；Anthropic以安全與長任務能力競爭；Google倚靠Workspace、雲端與搜尋生態；DeepSeek與中國廠商則以開源與成本壓力挑戰封閉模型；Mistral代表的歐洲路線則把主權、可控部署與企業資料邊界推到前台。

這次GPT-5.5的產業意義，並不在於它是否終結了模型競賽，而在於它把問題重新定義了。未來的AI產品不會只被問「它知道什麼」，而會被問「它能替組織完成什麼、在什麼限制下完成、出錯時誰負責」。當AI開始像同事一樣操作電腦，科技公司販售的就不只是智慧，而是一套新的工作秩序。GPT-5.5讓這個秩序更近一步成形，但它也提醒市場：真正困難的部分，未必是讓模型變得更聰明，而是讓組織學會在速度、信任與責任之間重新分配權力。

結語：更強的模型，也是更大的制度測驗

GPT-5.5看似是一場技術發布，實際上更像是一次企業制度的壓力測試。當模型能理解模糊指令、調用工作工具、撰寫程式、整理研究並生成可交付成果，企業採用AI的問題便從「要不要使用」轉成「哪些流程可以交給AI、哪些環節必須有人負責、哪些資料永遠不能離開控制邊界」。這些問題不會隨著模型分數提高而自動消失，反而會因模型能力提升而變得更急迫。

從市場角度看，OpenAI正試圖把GPT-5.5塑造成高階知識工作與企業代理任務的標準入口。這條路若成功，ChatGPT將不只是應用程式，而可能成為新一代工作介面；Codex也不只是程式助理，而可能成為軟體開發流程中的常駐成員。可是，競爭者不會停在原地。Anthropic會繼續以安全與長任務能力爭取企業信任，Google會以雲端、Workspace與搜尋生態推動AI滲透，中國模型會用開源與成本效率擠壓價格，歐洲業者則會把資料主權與可控部署變成差異化賣點。

因此，GPT-5.5的真正考驗不在發布日，而在接下來數月到數年的企業採用曲線。它若能穩定減少重複性工作、降低錯誤率、縮短開發與研究週期，將推動AI從輔助工具走向組織基礎設施；若它在可靠性、治理與責任歸屬上仍頻繁碰壁，市場便會再次提醒矽谷，智慧本身並不等於生產力。這也是這場競賽最值得觀察之處：AI模型愈像員工，企業就愈需要像管理員工一樣管理它。