Ethan Mollick 评测 GPT-5.5:能力跃升但前沿仍参差
知名学者 Ethan Mollick 发布对 OpenAI GPT-5.5 的早期体验报告,认为该模型标志着 AI 快速进步未停歇且整体性能显著提升。通过对比 o3、Kimi K2.6 与 GPT-5.5 Pro 在复杂代码生成任务中的表现,文章指出尽管旧式基准测试已失效,但 AI 能力的“锯齿状”前沿特征依然存在。
报道正文
本文目录2 个章节
我提前体验了 GPT-5.51,我认为这是一件大事。之所以是大事,是因为它表明 AI 的快速进步尚未止步。这也是因为它确实非常出色。此外,即便拥有这些优势,AI 能力的边界依然参差不齐(jagged)。
随着 AI 变得越来越强大,要快速展示每一代的变化正变得愈发困难,因为许多过去 AI 不擅长的任务——比如数学计算或统计单词中的字母数量——如今对 AI 来说已是易如反掌。因此,我会提供复杂的细节,但首先给出一个我认为能很好说明问题的简单示例。目前 AI 模型最擅长的是编程,所以我向一系列 AI 提出了同一个编程挑战:从 OpenAI 的首个推理模型 o3(发布仅一年零一周!)到当前最佳的开源权重模型(Kimi K2.6),再到全新的 GPT-5.5 Pro:“请为我构建一个程序化生成的 3D 模拟场景,展示一个港口城镇从公元前 3000 年到公元 3000 年的演变过程,要求视觉效果精美,并允许我进行一定的交互控制。”
随后,我将所有回答都发布在这个画廊中,以便你可以亲自尝试(实际上,这个画廊页面是由 GPT-5.5 Codex 为我构建的)。你应该去体验一下以感受其中的差异,下面也展示了一些示例。除了在其他所有维度上都表现更优之外,只有 GPT-5.5 Pro 真正模拟了一个不断演变的城镇,而不仅仅是随时间生成新的建筑替换物。GPT-5.5 Pro 的速度也比其前代版本快得多:GPT-5.4 Pro 完成该任务耗时 33 分钟,而 GPT-5.5 Pro 仅用了 20 分钟。
模型、应用与框架
我一直鼓励大家不要将 AI 视为单一事物,而是将其看作三个相互关联的概念集合。你需要关注模型(Models),例如 Opus 4.7、Gemini 3.1,以及(现在的)GPT-5.5。你还需要留意应用(Apps),即你实际用来与模型交互的产品,它们让模型能够为你完成真正的工作。最常见的应用是这些模型各自的网站:chatgpt.com、claude.ai、gemini.google.com。但日益重要的是,像 Claude Code、Claude Cowork 和 OpenAI Codex 这样的桌面应用程序正逐渐成为最有用的 AI 应用。最后是框架(Harnesses),即 AI 可以使用的工具,以及 AI 模型如何与这些工具连接起来。工具使 AI 能够控制你的计算机、编写代码、进行研究并生成图像。
OpenAI 在这三个方面都取得了进展。在模型方面,GPT-5.5 是一个强大的模型家族,其中 GPT-5.5 Pro(仅可通过网站访问)能力最强。近期在应用方面也取得了重大进展,OpenAI 的 Codex 正日益追随优秀的 Claude Code 的脚步,打造出一款易于使用且实用的桌面应用程序。最后是框架及其可用的工具。框架方面有很多新的改进,其中最引人注目的来自 OpenAI,他们推出了一款新的图像模型。
这款新模型现在能够渲染高质量文本,并创建几乎任何你能描述的图片。长期读者都知道我的 Otter Test,该测试要求 AI 生成一张水獭在飞机上使用 Wi-Fi 的图片。与其再次描述它,不如让这款新的图像模型(有时被称为 GPT-imagegen-2)来为我解释:“一张照片,展示了一位水獭科学家演示 Ethan Mollick 的水獭测试结果,该测试显示了 AI 图像生成器在制作‘一只坐在飞机上使用 Wi-Fi 的水獭’图片方面的表现。”
也许你想看看相关的学术论文?“给我看 Otter 测试那篇学术论文的第一页,排版精美,放在桌面上”(不妨放大查看文字细节)
或者我们干脆把它做成艺术品?“现在展示一个精致的艺术画廊,墙上每幅画都是水獭在飞机上用笔记本电脑的场景,分别采用克里姆特、罗斯科、马蒂斯、莫奈、毕加索、提香、伦勃朗和奥基夫的风格。每幅画下方应有清晰可读的标签。”(值得放大细看)
这一切都非常酷,而且几个月前还不可能实现,但它同样具有实用价值。一个能生成精细文字和图像的图像生成器,可以用来制作 PowerPoint 幻灯片、产品原型图、示例网站,或任何你需要的内容。但这只是一个工具,真正的魔力在于将 harnesses、应用和模型结合起来解决实际问题。这里有一个我拖延了十年的问题。
整合起来
我们还有另一种方式,将 harnesses(测试框架)、应用程序和模型整合在一起。我让 Codex 创作一款全新的桌面角色扮演游戏,基本上就是它自创奇幻世界版的《龙与地下城》,包含了游玩所需的所有表格和规则。我还要求它模拟玩家体验游戏的过程,并根据发现的情况修订规则。正如你所见,AI 照做了,不仅排版出了一份精美的 101 页 PDF,还利用其图像生成器进行了配图。
除了技术上的巧妙之处,实际内容也有很多可圈可点的地方。世界观设定新颖有趣,规则看起来也合乎逻辑,既借鉴了现有的游戏模式,又融入了独特的元素。然而,仔细审视也会发现,AI 能力的“锯齿状前沿”并未完全消失。每一代 AI 模型在构建长篇虚构作品时都面临挑战。如果你是 AI 写作的常客,就会在这里看到同样的问题:对怪诞风格的偏爱;过于复杂却未能充分展开的概念;奇怪的比喻(例如“天气和建筑是同一论点在不同速度下的体现”);过多华丽辞藻堆砌的句子(“当大海忘记自己曾是一条道路时浮现的神圣之物”,单看一句很酷,但整本书都这样写就令人疲惫不堪);所有角色说话都像同一种简短语调的对话;以及那个名字“Mara”。因此,尽管取得了惊人的技术进展,粗糙的边缘依然存在。
GPT-5.5 向我们表明,模型正变得越来越智能,应用程序的功能日益强大,而支撑它们的框架(harnesses)也在不断优化,从而使其在解决实际问题时更加高效。仅通过四个提示词,我就能获得一篇接近博士水平的论文;只需一个提示词,便能生成一款可玩的、配有插图且经过“试玩”的角色扮演游戏。然而,其虚构内容依然平淡,即便统计数据严谨,提出的假设有时仍缺乏新意。但即便如此,一年前这一切还遥不可及,而随着最新版本的发布,能力增长似乎正在加速。
GPT-5.5 显然不是这一进程的终点,但它无疑是途中值得注意的一步。我撰写这份通讯已超过三年,模式从未改变:每隔几个月就会有一个新模型问世。当我运行测试时,曾经不可能的事情变得轻而易举,而每次新版本发布周期中,跨越式的进步幅度都在增大。“参差不齐的前沿”(jagged frontier)依然存在,只是它比过去延伸得更远了。
这是 GPT-5.5 选择用来阐释本文的配图,我又何必反驳呢?1
我不接受 OpenAI 或任何其他 AI 实验室的资金支持,OpenAI 也未提前审阅过这篇文章。此外,我在撰写本文时尚未掌握此次发布的全部细节,因此如有错误,敬请谅解。




