GPT‑5.5和5.6，升级差距在哪？
GPT-5.5到5.6，如果说代码层面是"挤牙膏"，逻辑层面就是"换挡"。最能说明问题的是Agents' Last Exam——跨55个专业领域的长流程任务，5.6 Sol拿了53.6分，比Fable 5高出13.1分，这是它在整套评测里对Anthropic拉开的最大差距。13.1分意味着什么？意味着在那些要"先理解目标→拆解步骤→跨工具执行→中途纠错→收敛结果"的长链路任务上，5.6的逻辑连贯性明显上了一个台阶。静态问答这种短逻辑，两者差距不大；但一旦任务需要它记住十几步之前的目标、在中间岔路上还能拉回来，5.6的表现就好得多。网络研究它拿了92.2%，computer use也到62.6%，全是冲着"长逻辑"去的。我自己的体感是：让5.6处理那种"给我做个方案，要调研背景、对比竞品、最后出结论"的多步需求，它不再像5.5那样中途走偏。逻辑层面对普通用户最值的提升，就是它终于能"把一件事从头跟到尾"。
发布于 广东
分享
评论
赞
未登录
友善发言
评论
加载中
