GPT-5.5 對上 Claude Opus 5：一場沒人能公平評分的程式設計競賽

GPT-5.5與Claude Opus 5就是大多數團隊在說「前沿程式設計」時，實際上指的那兩個模型，而且從紙面規格來看，兩者差距小到通常只能靠一張跑分表來做決定。但今年這麼做是個錯誤，原因與這兩個模型的能力都無關：GPT-5.5 將於 2026 年 10 月 14 日從 ChatGPT、ChatGPT Work 和 Codex 退役，而 Codex 正是其大量程式使用者實際工作的介面。Claude Opus 5 則不會消失。所以這場對決的第一個問題不是哪個模型寫的程式碼更好——而是到了十一月，哪一個還會回應你即將送出的請求。

那重新框定了這項比較，但並沒有解決它。如果你是透過 API，或透過以你自己的 API 金鑰驗證的 Codex 工作階段來呼叫 GPT-5.5，那麼這次退役並不會影響到你，而能力問題依然和四月時一樣真切。接下來是這個問題的誠實版本，包括大多數比較頁面會略過的部分：兩個模型的頭條數字，其衡量方式都會美化負責跑測試的那一方。

一句話的答案

如果你需要最短、站得住腳的版本：在 2026 年底，Claude Opus 5 是生產環境編碼工作更安全的預設選擇，因為它的輸出成本較低、經過獨立基準測試，而且不會從你大概正在使用的那個工具中被汰除。GPT-5.5 在特定面向上仍是更強的選擇——終端原生的代理式工作、長上下文檢索，以及困難任務上的 token 效率——而在 API 路徑上，這些它全都保留。以下內容就是這個區分背後的推理，以及讓它不如聽起來那麼乾淨俐落的種種但書。

兩款在不同世界問世的旗艦

GPT-5.5 於 2026 年 4 月 23 日登場，是 OpenAI 專為複雜專業工作負載打造的前沿模型，以 GPT-5.4 為基礎建構，具備更強的推理能力、更佳的可靠性，以及——這是 OpenAI 主打的宣傳重點——在艱難任務上更優異的 token 效率。它接受文字、圖像與檔案輸入，提供約 922K 輸入與 128K 輸出 token，定價為每百萬輸入 token 5.00 美元、每百萬輸出 token 30.00 美元，快取讀取為 0.50 美元，而超過 272,000 輸入 token 時則適用較高費率。

Claude Opus 5 是 Anthropic 的旗艦模型，專為高強度推理、程式編寫與長時程代理式工作而打造，並針對一個長久困擾代理式程式開發的特定弱點進行了調校：在大量使用工具、步驟繁多的超長工作階段中保持連貫一致。它支援 100 萬 token 的上下文，輸出上限達 128K，可接受文字、圖像與檔案輸入，價格為輸入 $5.00、輸出 $25.00，快取讀取同樣為 $0.50。它以推理強度旋鈕取代 temperature、top_p 這類取樣參數——這在如何調校它上確實有實質差異，但在它能做什麼上則不然。

規格對比

• 價格 — GPT-5.5 每 100 萬個 token 為 $5.00/$30.00，對比 Claude Opus 5 每 100 萬個為 $5.00/$25.00；輸入價格相同，Claude Opus 5 的輸出價格便宜約 17%

• 快取輸入 — 兩者皆為每 100 萬個詞元 $0.50，輸入費率可享 90% 折扣

• 上下文 — GPT-5.5 約 922K 輸入 / 128K 輸出 對比 Claude Opus 5 1M 輸入 / 128K 輸出

• 輸入模態 — GPT-5.5 文字、圖像、檔案 對比 Claude Opus 5 文字、圖像、檔案；兩者在這一點上不相上下

• 調校 — GPT-5.5 的推理投入程度設定從 none 到 xhigh，對比 Claude Opus 5 透過投入程度旋鈕進行自適應推理，且不使用 temperature 或 top_p

• 可用性 — GPT-5.5 將於 2026 年 10 月 14 日從 ChatGPT、ChatGPT Work 與 Codex 下架，但 API 除外；相較之下，Claude Opus 5 在所有 Anthropic 平台皆持續提供，且未宣布退役時程

基準測試的宣稱不再具可比性之處

先從獨立評測來看，因為這是整件事裡唯一任何人都能查核的部分。Artificial Analysis 在其 Intelligence Index 上給 Claude Opus 5 打了 51 分。它給 GPT-5.5 在現行 v4.3 指數上打了 39 分——而且更說明問題的是，它已將 GPT-5.5 標記為 deprecated，並把評估縮回到預設的 10,000-token 工作負載。這點值得仔細解讀。GPT-5.5 的獨立評測紀錄不只是較弱；它正在收尾，而一旦它停止，這個模型仍在流傳的每一個數字就都是廠商自家的數字。

在廠商自行公布的數據方面，OpenAI 自家的數字把 GPT-5.5 在 Terminal-Bench 2.0 上列為 82.7%，在 SWE-bench Verified 上為 82.6%，在 SWE-bench Pro 上為 58.6%。Anthropic 針對 Claude Opus 5 公布的數字，則包括 Terminal-Bench 2.1 上的 90.2、SWE-bench Pro 上的 74.7，以及 JobBench 上的 68.0。令人心動的做法，是把這些數字並排攤開，然後宣布誰是贏家。千萬別這麼做——而且請注意，大多數比較頁面還是照做不誤。

Terminal-Bench 這一行是最明顯的例子。GPT-5.5 的 82.7% 是 Terminal-Bench 2.0 的成績；Claude Opus 5 的 90.2 則是 Terminal-Bench 2.1 的成績。那是不同版本的基準測試，任務集也不一樣，而跨版本比較根本算不上比較。SWE-bench Pro 的那幾列至少是同一套測試，而在那裡，Claude Opus 5 的 74.7 對上 GPT-5.5 的 58.6，確實是真實且明顯的差距——但兩邊的數字都是廠商自行提報的，而且沒有任何一方是在完全相同的測試框架條件下重現過。

測試框架問題，這才是真正的關鍵所在。

如果說這場對決有一個值得帶走的發現，那就是：測試框架的選擇對這些模型的影響，比它們之間的差距還大。一份 arXiv 評估發現，GPT-5.5 在 Claude Code 下表現最強，但換到 OpenHands 後掉了 21.8 分；而該研究中的對照基準 Claude Opus 4.8，在同樣變動下只掉了 5.5 分。光是更換輔助框架就造成 21 分的擺盪，這比兩個旗艦模型之間大多數已發表的直接對比差異都還大。

這件事有一個 OpenAI 自家說法也承認的實務版本：GPT-5.5 在其原生 Codex CLI 測試框架下，於 Terminal-Bench 上達到 83.4%，而在標準測試框架下則是 72.1%。如果你的評估是在 Codex 之外執行 GPT-5.5，那你衡量的就是一個與發布表格中不同的模型。

這件事對這次退役的影響，很容易被忽略。如果你的 GPT-5.5 成績是在 Codex 裡用 ChatGPT 登入所產生的，而這條路徑將於 10 月 14 日關閉，那你不只是失去一個模型——還會失去你的基準測試在校準時所對應的那套測試框架。在你就後繼模型會讓你付出什麼代價得出任何結論之前，先在 API 路徑上重新建立基準。

按任務計費，而非按代幣計費

每 token 的比較很直接，而且略微有利於 Claude Opus 5：同樣是 $5.00 的輸入價格，輸出則是 $25.00 對上 $30.00。真正有趣的比較是每完成一項任務的成本，而情況在那裡就反轉了，因為 OpenAI 對 GPT-5.5 的核心主張是 token 效率——根據多位開發者的說法，在同等任務上大約少了 40% 的 token。如果一個模型能用少 40% 的輸出 token 完成同樣的工作，那麼 $30 的輸出費率，對上一個更冗長的模型所收取的 $25 費率，反而可能產生更低的帳單。那項主張是以廠商立場提出的說法，尚未被獨立重現，所以請把它當成待在你自己的工作負載上測試的假設，而不是已經確定的事實。

這兩個模型都在我們的目錄中，因此要以正確方式而非憑個案經驗來執行那項測試，成本很低。兩者都位於同一把金鑰之後，依供應商牌價計費、0% 加成，所以在你自己的流量上做直接的 A/B 測試，只是在請求主體中換一個模型字串，而不是簽第二份合約——而任何供應商調價一經公布，當天就會反映在我們這邊。這裡真正有用的是路由 DSL：將即時流量拆分到兩者之間，把拆分比例維持在你的錯誤預算能容忍的任何比率，並讓每項任務成本數字來自正式環境，而不是基準測試頁面。

這對接下來六週意味著什麼

對於今天就要做出選擇的團隊而言，這個決策存在一種只從能力面評估會掩蓋掉的不對稱性。Claude Opus 5 是風險較低的選擇：有獨立評分、輸出成本更低，而且並未被排定從其販售所在的產品中移除。GPT-5.5 並不是個糟糕的模型——它很強大，在終端原生代理式作業上擁有貨真價實的優勢——但若透過訂閱途徑選擇它，就意味著選擇一個已知六週後到期的模型；而若透過 API 途徑選擇它，則意味著接受一份更單薄且不斷縮水的獨立評測紀錄。

站得住腳的立場，是把 GPT-5.5 留在它確實勝出、而且路徑由你掌控的地方——API，也就是以 API 金鑰進行的 Codex 工作階段——其餘一切則以 Claude Opus 5 作為預設。無論朝哪個方向，該讓你改變心意的都不是任何一方的行銷話術：而是第一份在單一固定評測框架下進行的中立正面對決結果，以及 OpenAI 就 GPT-5.5 的 API 路徑能否在產品退役後繼續存續所公布的任何說法。

這場對決的雙方都藏在同一把金鑰之後：GPT-5.5與 Claude Opus 5 只差一個模型字串，兩者之間具備自動容錯移轉。