GPT-5.5 实测：从编码挑战到四步生成学术论文

我提前获得了 GPT-5.51 的使用权限，我认为这是一件大事。这是一件大事，因为它表明 AI 的快速进步还没有结束。这也是一件大事，因为它就是单纯地好用。而且这是一件大事，因为即便有这一切，AI 能力的前沿依然是参差不齐的。

随着 AI 变得越来越好，要快速展示每一代的进步变得越来越难，因为很多 AI 过去不擅长的事情，比如数学或数单词里的字母，现在对 AI 来说都是小菜一碟。所以，我会给你讲复杂的细节，但首先，举一个我认为很有说明性的简单例子。AI 模型最擅长的是编程，所以我给从 OpenAI 的第一个推理模型 o3（一年零一周前发布！）到当前最好的开放权重模型（Kimi K2.6），再到新的 GPT-5.5 Pro 这些 AI 出了一个编程挑战：“给我构建一个程序化生成的 3D 模拟，展示一个港口城镇从公元前 3000 年到公元 3000 年的演变，它应该看起来很美，并允许我对它有一些控制。”

然后我把每个答案都发布到了这个画廊里，这样你就可以亲自试验它们（实际上，我是让 GPT-5.5 Codex 帮我构建的画廊页面）。你应该玩玩它们来感受差异，但你可以在下面看到其中几个例子。除了在其他所有维度上都更好之外，只有 GPT-5.5 Pro 真正建模了一个不断演变的城镇，而不是仅仅随时间生成新的建筑替换。GPT-5.5 Pro 也比它之前的版本快得多：GPT-5.4 Pro 花了 33 分钟完成任务，GPT-5.5 Pro 只用了 20 分钟。

模型、应用和工具框架

我一直在鼓励你不要把 AI 看作单一的东西，而是看作三个相互关联的概念组成的一套体系。你需要考虑模型，比如 Opus 4.7、Gemini 3.1，或者（现在）GPT-5.5。你还要关注应用，也就是你实际用来与模型对话的产品，它们让模型能为你做真正的工作。最常见的应用是每个模型各自的网站：chatgpt.com、claude.ai、gemini.google.com。但是，像 Claude Code、Claude Cowork 和 OpenAI Codex 这样的桌面应用正日益成为最有用的 AI 应用。最后，还有工具框架，即 AI 可以使用的工具，以及 AI 模型如何与这些工具连接。工具让 AI 能够控制你的电脑、编写代码、做研究和生成图像。

OpenAI 在这三个领域都取得了进展。在模型方面，GPT-5.5 是一个强大的模型家族，其中 GPT-5.5 Pro（只能在网站上访问）能力最强。最近在应用方面也有重大进展，OpenAI 的 Codex 越来越沿着出色的 Claude Code 的道路前进，成为一个易用且实用的桌面应用。最后，还有工具框架及其可以使用的工具。有很多新的工具框架改进，但其中最有趣的之一来自 OpenAI，它有一个新的图像模型

这个新模型现在可以渲染高质量文本，并创建几乎任何你能描述出来的图片。长期读者都知道我的水獭测试，它要求 AI 生成一张水獭在飞机上用 wifi 的图片。与其再次描述它，不如让新的图像模型（有时称为 GPT-imagegen-2）替我解释：“一张水獭科学家的照片，展示 Ethan Mollick 的水獭测试结果，该测试展示了一个 AI 图像生成器能多好地生成一张水獭坐在飞机上使用 wifi 的图片”

也许你想看看关于它的学术论文？“给我展示关于水獭测试的学术论文第一页，格式良好，放在桌子上”（可以随意放大文字）

或者也许我们应该把它做成艺术？“现在展示一个精致的艺术画廊，墙上的每一幅画都是一只水獭在飞机上使用笔记本电脑，风格分别采用 Klimt、Rothko、Matisse、Monet、Picasso、Titian、Rembrandt 和 O’Keefe。每幅画下方都应有可读的标签。”（这值得放大看）

所有这些都非常酷，几个月前还不可能做到，但它也很有用。一个能够生成详细文本和图像的图像生成器，可以用来制作 PowerPoint 幻灯片、产品模型、示例网站或任何你要求的东西。但这只是一个工具，真正的魔力发生在你把 harnesses、应用和模型结合起来解决一个真实问题时。这里有一个我已经拖延了十年的问题。

把它整合起来

我是一名学者，我的许多非 AI 工作，尤其是在 2010 年代初期，都集中在众筹上。我有数百个关于该主题的匿名数据文件，这些文件来自调查、分析和研究工作，混合了 STATA、CSV、XLS 和 Word 文件，我一直没来得及写一篇关于它们的论文。我想看看 GPT-5.5 能用这些信息做到什么程度。于是，我使用由 GPT-5.5 驱动的 Codex，并问道：“帮我整理[这些数据]，并生成一个可能有趣的新假设，用复杂的方法测试它，并写一篇学术论文。”我还要求它包含文献综述和格式。结果非常令人印象深刻，尤其是在我让 GPT-5.5 Pro 对论文发表评论，并将这些结果反馈给 Codex 之后。你可以在这里阅读结果。它并不完美，但这不再是因为存在明显错误：文献综述都是真实的，统计数据也是真实的。相反，是因为作为一名专家，我认为这个假设并不那么有趣，而且即使 AI 使用了非常复杂的统计方法来尝试解决，仍然存在一些关于因果关系的常见担忧。简而言之，如果这篇论文是一个二年级博士项目的成果，我会非常满意。而我只是给了它四个提示，自己从未碰过文本。

我们还可以用另一种方式把 harnesses、应用和模型结合起来。我让 Codex 创建一个全新的桌面角色扮演游戏，基本上是它自己版本的《龙与地下城》，设定在一个它自己发明的奇幻世界中，包含游玩所需的所有表格和规则。我还要求它模拟玩家体验这个游戏，并根据发现修订规则。如你所见，AI 照做了，包括排版出一份有吸引力的 101 页 PDF，并使用其图像生成器为其配图。

除了技术上很精巧之外，实际内容也有很多值得喜欢的地方。设定有趣而新颖，规则看起来也说得通，借鉴了现有的游戏模式，同时加入了独特的元素。然而，仔细审视后也会发现，AI 能力的参差边界并未完全消失。每一代 AI 模型都在真正构建长篇虚构作品上苦苦挣扎。如果你是 AI 写作的常客，你会在这里看到同样的问题：对诡异感的偏爱；过于复杂却未能完全兑现的想法；奇怪的隐喻（“天气和建筑是以不同速度进行的同一场争论”）；过多华丽的句子（“当一片海忘记自己曾是一条路时浮现的神圣之物”，一次很酷，整本书都这样则令人疲惫）；对话中每个角色都用同样短促的语气说话；以及“Mara”这个名字。所以，即便在所有惊人的技术进步之中，仍然存在粗糙的边缘。

GPT-5.5 向我们表明，模型越来越聪明，应用越来越强大，工具链也越来越好，使它们在解决实际问题上愈发高效。我可以通过四个提示词得到一篇接近博士水准的论文，或者通过一个提示词得到一个可玩的角色扮演游戏，配有插画并经过“试玩”。但虚构作品仍然平淡，假设有时即使统计数据可靠也乏善可陈。不过话说回来。一年前，这些都还差得远，而随着最新版本的发布，能力提升似乎正在加速。

GPT-5.5 显然不是这一进程的终点，但它是沿途一个值得注意的台阶。我写这份通讯已经三年多了，模式从未改变：每隔几个月就会有新模型到来。我跑我的测试，曾经不可能的事情变得容易，而每一次新版本发布，跃升的幅度都在增大。参差的边界依然存在。只是它比过去远得多了。

立即订阅

这就是 GPT-5.5 选择为这篇文章配的插图，我有什么好争辩的呢？

我不从 OpenAI 或任何其他 AI 实验室拿钱，OpenAI 也没有提前看过这篇文章。另外，我写这篇文章时并不了解发布的全部细节，所以如有错误，敬请谅解。