GPT-5.5 对决 Claude Opus 5：无人能公平评分的编程竞赛

GPT-5.5和Claude Opus 5当团队说"前沿编码模型"时，他们真正指的大多是这两个模型；从纸面上看，两者足够接近，以至于决策往往只凭一张基准测试表格就能做出。但今年这么做是个错误，原因与这两个模型的能力无关：GPT-5.5 将于 2026 年 10 月 14 日从 ChatGPT、ChatGPT Work 和 Codex 中退役，而 Codex 正是其大量编码用户实际使用的界面。Claude Opus 5 则不会消失。所以，这场对决中的第一个问题不是哪个模型写代码写得更好，而是到了 11 月，你即将发出的那个请求，还有哪个模型会来回应。

这重新框定了这一比较，但并没有解决它。如果你通过 API 调用 GPT-5.5，或是通过用你自己的 API 密钥认证的 Codex 会话调用它，那么退役并不会波及你，而能力问题仍与四月时一样切实存在。接下来是该问题的诚实版本，包括大多数比较页面都会跳过的那部分：两个模型的主要数字，其衡量方式都会偏向于运行测试的那一方。

一句话的回答

如果你需要最简短、也最站得住脚的说法：到 2026 年末，Claude Opus 5 是生产环境编码工作中更稳妥的默认选择，因为它的输出成本更低、有独立基准测试背书，而且不会从你很可能正在使用的那个工具中被下架。GPT-5.5 在某些特定方面仍然是更强的选择——终端原生的智能体工作、长上下文检索，以及在困难任务上的 token 效率——而在 API 路径上，这些优势它全都保留。下文将展开说明这一分野背后的推理，以及那些让实际情况并没有听起来那么干净利落的注意事项。

两大旗舰，驶向不同的世界

GPT-5.5 于 2026 年 4 月 23 日发布，作为 OpenAI 面向复杂专业工作负载的前沿模型，基于 GPT-5.4 构建，具备更强的推理能力、更高的可靠性，以及——OpenAI 主推的亮点——在困难任务上更高的 token 效率。它接受文本、图像和文件输入，支持约 922K 输入和 128K 输出 token，定价为每百万输入 token 5.00 美元、每百万输出 token 30.00 美元，缓存读取为 0.50 美元，并且在输入超过 272,000 token 时采用更高费率。

Claude Opus 5 是 Anthropic 的旗舰模型，专为高要求的推理、编程和长周期智能体工作而打造，并针对智能体编程长期存在的一个特定弱点做了调优：在大量使用工具的超长多步骤会话中保持连贯性。它提供 100 万 token 的上下文，最多可输出 128K，接受文本、图像和文件输入，价格为输入 $5.00、输出 $25.00，缓存读取同样为 $0.50。它用推理强度调节旋钮取代了 temperature、top_p 这类采样参数，这在调优方式上是实实在在的差异，但模型能力本身并无不同。

规格对比

• 价格 — GPT-5.5 为每 100 万 token 5.00 美元/30.00 美元，而 Claude Opus 5 为每 100 万 token 5.00 美元/25.00 美元；输入价格相同，Claude Opus 5 的输出价格约便宜 17%

• 缓存输入 — 均为每 100 万 tokens $0.50，相比输入价格优惠 90%

• 上下文 — GPT-5.5 约922K 输入 / 128K 输出，对比 Claude Opus 5 1M 输入 / 128K 输出

• 输入模态——GPT-5.5 支持文本、图像、文件，Claude Opus 5 支持文本、图像、文件；两者在这方面旗鼓相当

• 调优 — GPT-5.5 的推理力度设置从 none 到 xhigh，对比 Claude Opus 5 通过一个力度旋钮进行的自适应推理，且无 temperature 或 top_p

• 可用性 — GPT-5.5 将于 2026 年 10 月 14 日退出 ChatGPT、ChatGPT Work 和 Codex，但不退出 API；相比之下，Claude Opus 5 在 Anthropic 的所有平台上均可用，且未公布退役计划

基准测试的宣称在何处不再具有可比性

先从独立评估说起，因为这是整件事里唯一任何人都能核查的部分。Artificial Analysis 在其 Intelligence Index 上给 Claude Opus 5 打出 51 分。在当前的 v4.3 指数上，它给 GPT-5.5 打 39 分——而且更能说明问题的是，它已将 GPT-5.5 标记为已弃用，并把对该模型的评测回退到默认的 10,000 token 工作负载。这一点值得仔细琢磨。GPT-5.5 的独立记录不只是更弱；它正在走向终结，而一旦终结，该模型仍在流传的每一个数字都是厂商自报的数字。

在厂商自报数据方面，OpenAI 自己给出的数字将 GPT-5.5 在 Terminal-Bench 2.0 上列为 82.7%，在 SWE-bench Verified 上列为 82.6%，在 SWE-bench Pro 上列为 58.6%。Anthropic 给出的 Claude Opus 5 数据包括 Terminal-Bench 2.1 上的 90.2、SWE-bench Pro 上的 74.7 以及 JobBench 上的 68.0。诱人的做法是把这些并排放在一起，然后宣布谁赢了。不要这样做——还要注意，大多数对比页面反正都会这么做。

Terminal-Bench 这一行是最清楚的例子。GPT-5.5 的 82.7% 是在 Terminal-Bench 2.0 上取得的；Claude Opus 5 的 90.2 则是在 Terminal-Bench 2.1 上。这是任务集各不相同的两个基准测试版本，而跨版本比较根本算不上比较。SWE-bench Pro 那几行至少是同一套测试，在那里 Claude Opus 5 的 74.7 对 GPT-5.5 的 58.6 是真实且悬殊的差距——但这两个数字双方都是厂商自行报告的，而且两者都没有在完全相同的测试框架条件下得到复现。

线束问题，这才是真正的关键

如果说这场对比中有一个值得记住的发现，那就是：智能体框架的选择对这些模型的影响，比它们彼此之间的差距还要大。一项 arXiv 评测发现，GPT-5.5 在 Claude Code 下表现最强，而换到 OpenHands 后下降了 21.8 分；相比之下，Claude Opus 4.8——该研究中的对照基准——在同样的切换下只下降了 5.5 分。仅仅因为脚手架不同就出现 21 分的波动，已经大于这两个旗舰模型之间大多数已发表的直接对比差异。

对此有一个务实的说法，连 OpenAI 自己的表述也承认：GPT-5.5 在使用其原生 Codex CLI 测试框架时，在 Terminal-Bench 上达到 83.4%，而在标准测试框架上只有 72.1%。如果你在 Codex 之外运行对 GPT-5.5 的评估，那你衡量的就是与发布表格中不同的模型。

这对这次退役很重要，但很容易被忽略。如果你的 GPT-5.5 数据是在 ChatGPT 登录状态下、于 Codex 内生成的，而这条路径将于 10 月 14 日关闭，那么你失去的不只是一个模型——你还会失去你的基准测试所校准的那套测试框架。在你就后继模型会让你付出什么代价得出结论之前，先在 API 路径上重新建立基线。

按任务计费，而非按令牌计费

按 token 比较很直接，并且略微偏向 Claude Opus 5：输入同为 $5.00，输出则是 $25.00 对 $30.00。更有意思的比较是每完成一项任务的成本，而在这方面情况反转了，因为 OpenAI 对 GPT-5.5 的核心主张是 token 效率——据多位开发者反映，在同等任务上大约少用 40% 的 token。如果一个模型用少 40% 的输出 token 完成同样的工作，那么 $30 的输出费率可能比一个更啰嗦模型的 $25 费率带来更小的账单。该说法由厂商提出，尚未被独立复现，所以应把它当作要在你自己的工作负载上验证的假设，而不是既定事实。

两个模型都已收录在我们的目录中，因此这项测试可以低成本地严谨开展，而不是只凭零散经验。两者都可通过同一个密钥访问，按供应商标价费率计费、0% 加价，所以在自己的流量上直接做 A/B，只是在请求体里改一个模型字符串，而不是再签一份合同——而且任何供应商调价，都会在公布当天同步到我们这边。这里真正有用的是路由 DSL：把实时流量分给两者，将分流比例保持在你的错误预算可承受的任何水平，并让每任务成本数据来自生产环境，而不是基准测试页面。

这对未来六周意味着什么

对于今天就要做选择的团队而言，这个决定存在一种不对称性，而单纯评估能力是看不出来的。Claude Opus 5 是风险更低的选择：有独立评分，输出成本更低，也没有被安排从其所销售的产品中移除。GPT-5.5 并不是一个糟糕的模型——它很强大，在终端原生的智能体工作中有着真正的优势——但选择它意味着：走订阅路径，就是选择一个已知在六周后到期的模型；走 API 路径，则是接受一份更单薄且不断缩减的独立记录。

站得住脚的立场是：把 GPT-5.5 保留在它可证明胜出、且你能掌控路径的地方——API、使用 API 密钥的 Codex 会话——并让 Claude Opus 5 成为其他所有场景的默认选择。无论朝哪个方向，真正应该改变你想法的东西都不是这两个模型的市场营销：而是在单一固定测试框架下进行的首次中立正面对决，以及 OpenAI 就 GPT-5.5 的 API 路径是否会在产品退役后继续存在所发布的任何内容。

这场对决的双方共用一个密钥：GPT-5.5 和 Claude Opus 5 仅相差一个模型字符串，二者之间可实现自动故障转移。