DeepSeek-V4和GPT-5.5第一波實(shí)測對決，結(jié)果出人意料！

新智元報(bào)道

編輯：Aeneas KingHZ

【新智元導(dǎo)讀】昨夜，GPT-5.5果然按期發(fā)布了，全網(wǎng)沒有白等。更炸裂的是，就在同一天，DeepSeek-V4緊隨其后發(fā)布了！實(shí)測后，結(jié)果出人意料。

2026年4月24日，這是屬于全球AI開發(fā)者的「瘋狂星期五」，也是科技史上注定被銘記的一天。

凌晨時(shí)分，OpenAI的GPT-5.5如約空降，試圖以絕對的參數(shù)再次定義智能邊界。

然而，就在大洋彼岸的余震還未平息時(shí)，那個(gè)曾經(jīng)數(shù)次單挑閉源巨頭的國產(chǎn)「價(jià)格屠夫」與「效率天才」——DeepSeek，帶著全新的V4系列來正面硬剛了！

當(dāng)GPT-5.5還在試圖用更昂貴的算力堆砌未來時(shí)，DeepSeek-V4已經(jīng)用1M超長上下文、比肩頂級(jí)閉源模型的Agent能力，以及僅為前代10%的KV緩存占用，直接把大模型推向了「平民化智能」的極境。

一邊是科技春晚般的華麗登場，一邊是開源領(lǐng)域近乎「掀桌子」的絕地反擊。我們見證了一場精彩的「暴力美學(xué)」與「算法巧思」的巔峰對決。

通往AGI的賽道，瞬間被這兩大巨頭縮短了不少。

接下來，中國開源之光DeepSeek-V4和GPT-5.5，要來一場真刀實(shí)槍的實(shí)測大PK了。

GPT-5.5和DeepSeek-V4巔峰對決

第一題，一道可以肉眼判斷模型差異的電梯謎題，測的是「真假話+身份推理」。

有四個(gè)人 A、B、C、D，其中只有一個(gè)人偷了寶石。

他們分別說了下面四句話： A：不是我偷的。 B：是C偷的。 C：是D偷的。 D：B在說謊。

已知： 1. 四句話中恰好有兩句是真的。 2. 小偷說的話一定是假話。 3. 非小偷不一定說真話，也可能說假話。

請問：誰偷了寶石？

這道題看似簡單，但其實(shí)，在給出的條件下，B和C都滿足。因此，這是一道故意設(shè)計(jì)的「陷阱題」：如果模型直接給出唯一答案C，說明它沒有認(rèn)真驗(yàn)證唯一性。

真正想測的是，模型會(huì)不會(huì)發(fā)現(xiàn)題目本身不充分。

更強(qiáng)模型應(yīng)該回答：無法唯一確定，小偷可能是B或C。題目條件不足。

這道題給GPT-5.5后，它成功發(fā)現(xiàn)了陷阱。

把這道題給DeepSeek-V4后，一個(gè)直觀感受就是：它的思考過程，真的十分長長長長長。

GPT-5.5十幾秒就出了答案，四分鐘了DeepSeek-V4還在跑。

不過好在，V4最終也給出了正確答案。結(jié)果是好的，就是過程比較慢。

第二題，我們用數(shù)字競賽題，來測試CoT的思考上限。重點(diǎn)比拼兩個(gè)模型的數(shù)學(xué)邏輯推理和思考模式效能。

既然DeepSeek-V4宣稱在STEM和競賽型代碼上比肩頂級(jí)閉源模型，那我們就看看V4和GPT-5.5在面對人類智力天花板題目時(shí)，誰的推導(dǎo)過程更嚴(yán)密，誰會(huì)出現(xiàn)更多幻覺。

我們選了去年國際奧數(shù)決賽的一道真題：

Alice和Bob正在玩一個(gè)名為inekoalaty的雙人游戲，這個(gè)游戲的規(guī)則依賴于一個(gè)雙方都知道的正實(shí)數(shù)λ。

在游戲的第n輪（從n=1開始），會(huì)發(fā)生以下情況：

? 如果n是奇數(shù)，Alice選擇一個(gè)非負(fù)實(shí)數(shù)x?，使得x? + x? + ? + x?的總和不超過λn。

? 如果n是偶數(shù)，Bob選擇一個(gè)非負(fù)實(shí)數(shù)x?，使得x?2 + x?2 + ? + x?2的總和不超過n。

如果一個(gè)玩家無法選擇一個(gè)合適的x?，游戲結(jié)束，另一個(gè)玩家獲勝。如果游戲無限進(jìn)行下去，沒有玩家獲勝。所有選定的數(shù)字對兩個(gè)玩家都是已知的。

需要確定的是，哪些λ的值能確保Alice有獲勝策略，以及哪些λ的值能確保Bob有獲勝策略。

原題和答案：https://web.evanchen.cc/exams/IMO-2025-notes.pdf

在進(jìn)階思考深度下，GPT-5.5得到了正確答案：

全程耗時(shí)2分鐘51秒，思路清晰，輸出格式也很漂亮。

在專家模式下，開啟思考模式，同樣的題目輸入DeepSeek──

DeepSeek在思考過程結(jié)束前，沒有給出明確的輸出。

點(diǎn)擊繼續(xù)后，DeepSeek也發(fā)現(xiàn)了答案的線索：

最后，DeepSeek也成功證明了這道IMO決賽真題。

可以看出，DeepSeek推理能力、思考深度的確進(jìn)步明顯。

接下來，我們考驗(yàn)一下兩個(gè)模型的可視化能力。

生成一個(gè)HTML網(wǎng)頁介紹人類的起源和生物的進(jìn)化，要圖文并茂，好理解。

DeepSeek這次效果更佳，GPT-5.5生成格式有些問題。

接下來，要求兩個(gè)模型開發(fā)一個(gè)游戲網(wǎng)站，測試它們在動(dòng)態(tài)圖形、3D空間交互、碰撞檢測和整體游戲架構(gòu)方面的能力。

通過最終呈現(xiàn)，可以清晰對比兩個(gè)模型在2D細(xì)膩特效與3D場景構(gòu)建、光照與實(shí)時(shí)粒子系統(tǒng)方面的代碼生成能力、架構(gòu)合理性以及視覺審美水平。

跟上面一樣，GPT-5.5很快完成了這個(gè)任務(wù)，在預(yù)覽中呈現(xiàn)了網(wǎng)站效果。

上下滾動(dòng)查看更多

DeepSeek-V4的思考時(shí)間不長，最終效果不如GPT-5.5，這一輪V4完敗。

GPT-5.5：更像個(gè)人了

接下來，我們還搜羅了一波AI大V和開發(fā)者們對GPT-5.5的實(shí)測。

在今天發(fā)布之前，多位早期測試者已經(jīng)用了兩周。他們的結(jié)論高度一致：在編程、推理、長任務(wù)三個(gè)維度上，GPT-5.5全面登頂。

但真正讓人坐不住的不是它更聰明了，是它更「像個(gè)人」了。

更貴的單價(jià)，反而更省錢；更強(qiáng)的能力，反而更會(huì)聊天；更高的自主性，反而更聽話。這一次，OpenAI拆掉了舊時(shí)代的發(fā)動(dòng)機(jī)，直接給模型裝上了「靈魂」。

Codex，直接淘汰「AI輔助編程」！

可以說，GPT-5.5的Codex模式，直接把「AI輔助編程」這個(gè)詞淘汰了。

一位測試者扔給它一份完整的PRD文檔，只說了一個(gè)詞：go。

幾個(gè)小時(shí)后，GPT-5.5就獨(dú)立完成了整個(gè)項(xiàng)目構(gòu)建。

更關(guān)鍵的，是GPT-5.5的工作方式。

它并不是寫完代碼等人審，而是自己形成了閉環(huán)——構(gòu)建，視覺檢查，發(fā)現(xiàn)問題，再迭代。

這種自主性，在其他模型上從未見過。

OpenAI研究員Noam Brown的反饋，相信大家都已經(jīng)看過了。

用他的話說，「有了GPT-5.5，我的IC效率比以往任何時(shí)候都高。我現(xiàn)在可以像專業(yè)人士一樣編寫CUDA kernels，可以依靠它來運(yùn)行我的研究實(shí)驗(yàn)?！?/p>

后端開發(fā)、復(fù)雜Bug定位、大型代碼庫理解，GPT-5.5在這些維度全面領(lǐng)先。

有測試者專門讓它用Svelte寫了一個(gè)自定義虛擬滾動(dòng)實(shí)現(xiàn)，完美調(diào)用了所有bind原語。

他的評(píng)價(jià)是：「我見過AI寫出的最好的代碼，來自這個(gè)模型。」

在世界上最難的電子表格任務(wù)上，GPT-5.5實(shí)現(xiàn)全新SOTA：速度最快、效率最高。

更狠的是，GPT-5.5的持續(xù)研究能力，已有跡象表明AI已經(jīng)能勝任研究合作者——

人類研究人員只需要提出構(gòu)想，全程無需寫一行代碼，GPT-5.5全部自主完成。

甚至可以自主運(yùn)行31個(gè)小時(shí)！

這意味著，AI正從「助理」變?yōu)椤腹蛡虮?。你不需要告訴它怎么走，你只需要給它一個(gè)終點(diǎn)。

不過短板同樣存在。

前端設(shè)計(jì)仍然不如Opus，響應(yīng)速度不如Opus 4.6 Fast。

復(fù)雜布局有時(shí)候直接甩一張img了事，SVG硬編碼把自己繞暈。

而且變得過度謹(jǐn)慎——?jiǎng)硬粍?dòng)就問你問題，prompt稍有不慎就會(huì)觸發(fā)「瘋狂寫單元測試」模式。

總結(jié)就是：能力很強(qiáng)，但需要馴服。

沃頓商學(xué)院的教授Ethan Mollick測試了GPT-5.5好幾周，得出結(jié)論：目前，GPT-5.5 Pro就是解決復(fù)雜問題的最佳模型。

更貴的模型，怎么反而更便宜

GPT-5.5的定價(jià)比5.4更高。

紙面上看不是好消息。

但一位深度測試兩周的開發(fā)者給出了關(guān)鍵數(shù)據(jù)：達(dá)到GPT-5.4同等智能水平，GPT-5.5消耗的Token顯著更少。綜合算下來，整體運(yùn)行成本反而更低。

「這可能比大多數(shù)人意識(shí)到的更重要。」

在Artificial Analysis指數(shù)的成本性能前沿上，GPT-5.5模型系列占據(jù)絕對主導(dǎo)地位。

速度端的提升，就更加直觀了。

早期測試者的實(shí)測數(shù)據(jù)擺在這里——

GPT-5.5 Thinking Heavy模式，2分鐘出的答案，比GPT-5.4 Thinking Heavy花10分鐘出的更好。

GPT-5.5 Pro，8分鐘的輸出質(zhì)量，超過GPT-5.4 Pro花30分鐘的結(jié)果。

同樣的活，時(shí)間砍了80%，質(zhì)量還漲了。

Token效率這件事為什么重要？因?yàn)樗苯記Q定了AI Agent的經(jīng)濟(jì)可行性。

一個(gè)每跑一次任務(wù)就燒掉幾美元Token的模型，沒法大規(guī)模部署到真實(shí)工作流里?，F(xiàn)在，GPT-5.5把這個(gè)門檻往下壓了一大截。

為什么GPT-5.5感覺不一樣？

GPT-5.5建立在一次新的預(yù)訓(xùn)練（pre-train）之上。

所謂預(yù)訓(xùn)練，就是那種規(guī)模龐大、成本高昂的基礎(chǔ)訓(xùn)練過程：在指令微調(diào)、工具使用和推理腳手架等后訓(xùn)練步驟加入之前，它先教會(huì)基礎(chǔ)模型底層模式。

后訓(xùn)練可以讓模型更聽話、更安全，或者更具智能體能力；但一次新的預(yù)訓(xùn)練，則可能改變模型本身的「重心」。

其實(shí)，OpenAI已經(jīng)通過GPT-5.4證明，自己重新具備了強(qiáng)競爭力。

GPT-5.4使用的仍然是早期GPT-5.x模型的同一套預(yù)訓(xùn)練。

而現(xiàn)在發(fā)布一個(gè)新的預(yù)訓(xùn)練。

此外，有國外科技媒體報(bào)道，GPT-5.5也就是Spud「將是更智能的預(yù)訓(xùn)練模型」。

現(xiàn)在，GPT-5.5的正式發(fā)布，更貴反而更便宜，編程效果又好得出奇，推測GPT-5.5可能只是新預(yù)訓(xùn)練模型的初始強(qiáng)化學(xué)習(xí)Checkpoint。

奧特曼直接攤牌了：GPT-5.5還會(huì)快速迭代。

這說明OpenAI想繼續(xù)向Anthropic施壓：它押注的是，回應(yīng)Claude的下一步，不只是圍繞同一個(gè)底座做更好的腳手架，而是換一個(gè)不同的基礎(chǔ)模型。

GPT-5.5就是GPT-5.5，但無人關(guān)心了

整個(gè)GPT-5.5發(fā)布中，最重要的成果可能是前所未有的網(wǎng)絡(luò)安全能力：

在一次網(wǎng)絡(luò)攻防評(píng)估中，GPT-5.5在10次試驗(yàn)中有1次成功接管了模擬的企業(yè)網(wǎng)絡(luò)，預(yù)算為1億個(gè)token。

此前，唯一能夠完成此任務(wù)的模型Claude Mythos，它在10次嘗試中成功了3次。

Opus 4.6和Opus 4.7都做不到，GPT-5.4、GPT-5.3-Codex也做不到。

在衡量AI長時(shí)間跨度內(nèi)經(jīng)營業(yè)務(wù)能力的Vending-Bench Arena中，GPT-5.5再次擊敗Opus 4.7。

而Opus 4.7依舊延續(xù)Opus 4.6的策略：撒謊賴賬，拒不退貨；GPT-5.5贏得堂堂正正。

這說明GPT的對齊和能力同步提升，堪稱「德才兼?zhèn)?、文武雙全」。

GPT終于通關(guān)《寶可夢》！

GPT-5.4曾在一個(gè)循環(huán)迷宮里反復(fù)讀檔，像個(gè)陷入算法死循環(huán)的孤魂。

而GPT-5.5不僅第一次嘗試就輕松打贏了勁敵，甚至展現(xiàn)出真正的「人類邏輯」——它會(huì)主動(dòng)拿取道具、購物、規(guī)劃路徑，而不是暴力試錯(cuò)。

在網(wǎng)友定制的超級(jí)難度的《寶可夢 水晶》中，GPT-5.5依舊輕松通關(guān)。

別被版本號(hào)里的「+0.1」騙了，GPT-5.5是一次重大更新。

詭異的是，對于99%的用戶而言，這些都不重要。

最重要的亮點(diǎn)在于能力范圍。GPT-5.5彌補(bǔ)了GPT系列在某些方面的不足：

基于現(xiàn)有上下文進(jìn)行設(shè)計(jì)、iOS/原生Mac應(yīng)用、安全等方面。

這次發(fā)布有一種心理上很奇怪的地方。

GPT-5感覺像一次相變，因?yàn)樗Ц吡恕缚赡苄浴沟奶旎ò濉?/p>

GPT-5.3-Codex感覺像一次相變，因?yàn)樗岄L時(shí)間運(yùn)行的自主工程在操作層面變得真實(shí)可用。

GPT-5.5并非如此。

它更像把粗糙邊緣磨平，讓薄弱類別不再那么弱，讓模型在更多真實(shí)世界的混亂工作中變得更有用。

它并不完美，它沒有突然變成最好的設(shè)計(jì)模型，它不是魔法。

如果你想認(rèn)真完成重要工作，你仍然需要給它明確目標(biāo)、真實(shí)上下文和驗(yàn)證方式。

對大多數(shù)人、在大多數(shù)任務(wù)上，GPT-5.5與其說是一種全新能力，不如說是讓現(xiàn)有能力變得更寬、更安全、更可靠。它把這個(gè)模型補(bǔ)圓了。

參考資料：

https://x.com/nicochristie/status/2047476237464211721

https://x.com/MatthewBerman/status/2047375703516361174

https://www.oneusefulthing.org/p/sign-of-the-future-gpt-55

https://www.reddit.com/r/singularity/comments/1sttcbf/is_the_ai_subscription_bubble_starting_to_crack/

https://x.com/ArtificialAnlys/status/2047378419282034920