GPT-5.5 Instant vs o3
完整资料:GPT-5.5 Instant(OpenAI)和 o3(OpenAI),包括全部基准测试、价格和排名。
更新于 · 数据来自 15 个来源
截至 2026年11月16日,GPT-5.5 Instant 与 o3 的质量不相上下(BenchLeader Index 56.9 比 60.4,在 ±6.9 的误差范围内)。o3 更便宜,对方的价格是它的 3.2 倍(每百万 token 混合价格 $3.50 比 $11.25)。看重多模态(58 比 53)、人类偏好(66 比 61)和指令遵循(70 比 65)选 GPT-5.5 Instant;看重数学(71 比 48)、智能体与工具(70 比 50)和推理(61 比 54)选 o3。GPT-5.5 Instant 的首次回答更快(1.8 秒 比 5.2 秒)。
要点(截至 2026年11月16日)
- GPT-5.5 Instant 的 BenchLeader Index 为 56.9,o3 为 60.4(BenchLeader,2026年11月16日)。
- GPT-5.5 Instant 每百万 token 混合价格为 $11.25(标价,2026年11月16日)。
- o3 每百万 token 混合价格为 $3.50(标价,2026年11月16日)。
- 在两者都有结果的 17 项基准测试中,GPT-5.5 Instant 领先 15 项(BenchLeader,2026年11月16日)。
按用途怎么选
推荐模型的数值列在前面。类别得分采用 BenchLeader 标尺(50 为模型平均水平,15 分为一个标准差)。领先半个标准差及以上为“高”置信度;相差不到 1 分则视为“均可”。
| 用途 | 推荐 | 理由 | 置信度 |
|---|---|---|---|
| 编程 | GPT-5.5 Instant | 类别得分 61 比 60;Arena Coding 1513 比 1460 | 中 |
| 智能体与工具调用 | o3 | 类别得分 70 比 50;Terminal-Bench Hard 37.1% 比 42.4% | 高 |
| 数学 | o3 | 类别得分 71 比 48;Arena Maths 1448 比 1462 | 高 |
| 推理 | o3 | 类别得分 61 比 54;Arena Hard Prompts 1441 比 1491 | 中 |
| 长文档 | o3 | 类别得分 62 比 59;AA-LCR v1.1 74.7% 比 70.0% | 中 |
| 图像及其他媒体 | GPT-5.5 Instant | 类别得分 58 比 53;Arena Vision 1251 比 1214 | 中 |
| 指令遵循 | GPT-5.5 Instant | 类别得分 70 比 65;IFBench 71.5% 比 71.4% | 中 |
| 对话质量(人类偏好) | GPT-5.5 Instant | Arena 投票 66 比 61 | 中 |
| 成本最低 | o3 | 每百万 token 混合价格 $3.50 比 $11.25;智能体编程会话 $0.152 比 $0.420 | – |
| 首次回答最快 | GPT-5.5 Instant | 首个回答 token 1.8 秒(GPT-5.5 Instant)比 5.2 秒(o3) | – |
| 低预算大批量 | 两者都不选 | 通常更小的模型更合适:便宜好用的大模型、最快的大模型 | – |
主要差异
- GPT-5.5 Instant 与 o3 的质量不相上下(56.9 比 60.4,在 ±6.9 的误差范围内)。
- GPT-5.5 Instant 在编程、人类偏好、指令遵循、多模态方面更强。
- o3 在智能体与工具、长上下文、数学、推理方面更强。
- o3 更便宜,对方的价格是它的 3.2 倍(每百万 token 混合价格 $3.50 比 $11.25)。
概览
| 规格 | GPT-5.5 Instant | o3 |
|---|---|---|
| 提供商 | OpenAI | OpenAI |
| 发布日期 | 2026年5月5日 | 2025年4月16日 |
| 上下文窗口(token) | 400,000 | 200,000 |
| 对比时的配置 | GPT-5.5 Instant | o3 |
| 开放权重 | 否 | 否 |
| 每百万 token 价格(输入 / 输出 / 缓存输入) | $5.00 / $30.00 / $0.500 | $2.00 / $8.00 / $0.500 |
逐类别对比
类别得分采用 BenchLeader 标尺:50 为参评模型的平均水平,15 分为一个标准差。差距不到 1 分视为持平。
| 类别 | GPT-5.5 Instant | o3 | 领先者 |
|---|---|---|---|
| 推理 | 53.6 | 60.9 | o3 |
| 编程 | 60.9 | 59.8 | GPT-5.5 Instant |
| 智能体与工具 | 49.9 | 70.3 | o3 |
| 数学 | 48.3 | 70.6 | o3 |
| 知识 | – | 56.2 | 无法比较 |
| 指令遵循 | 70.2 | 65.2 | GPT-5.5 Instant |
| 人类偏好 | 66.1 | 61.0 | GPT-5.5 Instant |
| 多模态 | 58.2 | 52.8 | GPT-5.5 Instant |
| 长上下文 | 59.4 | 61.9 | o3 |
同一图表对比
各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。
未绘制(测得的模型少于两个):知识。
各来源的分歧
在两者都有结果的 17 项基准测试中,GPT-5.5 Instant 领先 15 项,o3 领先 2 项。所有同时评测两者的综合评分都认为 GPT-5.5 Instant 更强。
| 综合 Index | GPT-5.5 Instant | o3 | 领先者 |
|---|---|---|---|
| BenchLeader Index | 56.9 | 60.4 | 不相上下 |
| Arena Text | 1473 | 1432 | GPT-5.5 Instant |
各发布方使用各自的任务、评测框架和推理强度设置,因此总体结论可能不同;BenchLeader 将它们统一到同一标尺上。† 表示同一模型在另一推理强度设置下的测量值(发布方未测试本页对比的设置)。
价格、速度与延迟
标价按每 1 个输出 token 对应 3 个输入 token 混合计算。每项任务的价格采用方法论页面中的 token 数量。每项基准测试任务的成本、token 数和耗时均为实测值,取自 Artificial Analysis 整个 Intelligence Index 测试的平均值。
| 指标 | GPT-5.5 Instant | o3 |
|---|---|---|
| 每百万 token 混合价格 | $11.25 | $3.50 |
| 每百万 token 输入 / 输出 | $5.00 / $30.00 | $2.00 / $8.00 |
| 每百万 token 缓存输入 | $0.500 | $0.500 |
| 每项任务价格:聊天回复 | $0.011 | $0.0032 |
| 每项任务价格:总结一份 30 页的报告 | $0.078 | $0.029 |
| 每项任务价格:代码编辑 | $0.075 | $0.024 |
| 每项任务价格:智能体编程会话 | $0.420 | $0.152 |
| 每项任务价格:结构化信息提取 | $0.016 | $0.0056 |
| 智能体编程会话(输入大多命中缓存) | $0.217 | $0.085 |
| 输出速度 | 125 tok/s | 131 tok/s |
| 首次回答时间 | 1.8 秒 | 5.2 秒 |
| 完整回答耗时(最近一次测量 2026年11月13日) | 47.7 秒 | 17.3 秒 |
每个模型都按其排名最高的推理强度设置进行对比。GPT-5.5 Instant 得分 56.9,首个回答 token 需 2 秒。o3 得分 60.4,首个回答 token 需 5 秒;o3 (high) 为 55.1(5 秒),o3 (medium) 为 53.3(5 秒)。推理强度越高,回答前思考越久:得分更高,但等待更长、计费 token 也更多。 推理强度如何影响得分和成本
全部基准测试
共 107 项基准测试,按类别分组;点击名称可查看该排行榜及领先模型。† 表示同一模型在另一推理强度设置下的测量值,仅供参考,不计入胜场。
| 指标 | 发布方 | GPT-5.5 Instant | o3 |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 56.9 | 60.4 |
| 智能体与工具得分 | BenchLeader | 49.9 | 70.3 |
| 编程得分 | BenchLeader | 60.9 | 59.8 |
| 人类偏好得分 | BenchLeader | 66.1 | 61.0 |
| 指令遵循得分 | BenchLeader | 70.2 | 65.2 |
| 长上下文得分 | BenchLeader | 59.4 | 61.9 |
| 数学得分 | BenchLeader | 48.3 | 70.6 |
| 多模态得分 | BenchLeader | 58.2 | 52.8 |
| 推理得分 | BenchLeader | 53.6 | 60.9 |
| 知识得分 | BenchLeader | – | 56.2 |
| 混合价格(美元/百万 token) | BenchLeader | $11.25 | $3.50 |
| 输出速度 | BenchLeader | 125 tok/s | 131 tok/s |
| 首次回答时间 | BenchLeader | 1.8 秒 | 5.2 秒 |
| 上下文窗口 | BenchLeader | 400,000 token | 200,000 token |
| 推理 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 82.5% | 81.8%† |
| Humanity's Last Exam | Scale AI / CAIS | – | 20.3%† |
| SimpleBench | SimpleBench | – | 53.1%† |
| Arena Hard Prompts | Arena (LMArena) | 1491 | 1441 |
| GPQA Diamond (AA) | Artificial Analysis | 84.7% | 82.7% |
| Humanity's Last Exam (AA) | Artificial Analysis | 21.6% | 20.1% |
| HLE-Diamond (AA) | Artificial Analysis | 14.6% | – |
| GPQA Diamond (Vals) | Vals AI | – | 84.1%† |
| Kagi LLM Benchmark | Kagi LLM Benchmark | – | 67.6% |
| GPQA Diamond (HELM) | HELM Capabilities | – | 75.3% |
| ARC-AGI-1 | ARC Prize | – | 60.8%† |
| ARC-AGI-2 | ARC Prize | – | 6.5%† |
| CritPt | Artificial Analysis | 2.6% | 1.1% |
| SciPredict | Scale AI SEAL | – | 17.9% |
| Arena Expert | Arena (LMArena) | 1474 | 1448 |
| Chess Puzzles | Epoch AI Benchmarking Hub | – | 36.0%† |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | – | 29.0%† |
| CL-bench | Epoch AI Benchmarking Hub | – | 17.8%† |
| LMCA | Epoch AI Benchmarking Hub | – | 39.7%† |
| DTBench | Epoch AI Benchmarking Hub | – | 84.8%† |
| ForecastBench | ForecastBench | – | 64.3% |
| 编程 | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | – | 62.3%† |
| SciCode | SciCode | 52.5% | – |
| WeirdML | WeirdML | – | 52.4%† |
| GSO-Bench | GSO-Bench | – | 8.8%† |
显示全部 107 项基准测试
| 指标 | 发布方 | GPT-5.5 Instant | o3 |
|---|---|---|---|
| 编程 | |||
| Arena Coding | Arena (LMArena) | 1513 | 1460 |
| LiveCodeBench | Vals AI | – | 83.9%† |
| Aider Polyglot | Aider polyglot leaderboard | – | 76.9% |
| SWE-bench Verified (bash only) | SWE-bench | – | 58.4% |
| SWE-bench Verified (any scaffold) | SWE-bench | – | 58.4% |
| CadEval | Epoch AI Benchmarking Hub | – | 74.0%† |
| ALE-Bench | Epoch AI Benchmarking Hub | – | 933.5† |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 12.6% | – |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 34.8% | – |
| GameBench 2 Overall | DuelLab GameBench 2 | – | 34.1 |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | – | 30.4† |
| Design Arena Website | Design Arena | – | 1028 |
| LiveCodeBench (AA) | Artificial Analysis | – | 80.8% |
| 智能体与工具 | |||
| GDPval | OpenAI | – | 30.8%† |
| Terminal-Bench Hard | Artificial Analysis | 42.4% | 37.1% |
| τ²-Bench Telecom (AA) | Artificial Analysis | 49.4% | 80.7% |
| BFCL Overall | Berkeley Function Calling Leaderboard | – | 63.0% |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 0.4% | – |
| GDPval-AA v2.1 | Artificial Analysis | 516 | – |
| τ³-Banking (AA) | Artificial Analysis | 11.8% | – |
| Arena Search | Arena (LMArena) | – | 1197 |
| DeepResearch Bench | DeepResearch Bench | – | 45.2%† |
| METR Time Horizons | METR | – | 63.6% |
| AutomationBench | Artificial Analysis | 36.4% | – |
| GDP.pdf (AA) | Artificial Analysis | 20.2% | – |
| AA-Briefcase v1.1 | Artificial Analysis | 1086 | – |
| BrowseComp-Plus | BrowseComp-Plus | – | 50.5% |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 26.3% | 33.3%† |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 2.4% | – |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 68.1% | 83.9%† |
| MATH Level 5 | Epoch AI Benchmarking Hub | – | 97.8%† |
| AIME (Vals) | Vals AI | – | 85.3%† |
| MGSM | Vals AI | – | 91.8%† |
| IMO 2025 | MathArena | – | 16.7%† |
| Omni-MATH (HELM) | HELM Capabilities | – | 71.4% |
| MATH 500 | Vals AI | – | 94.6%† |
| Arena Maths | Arena (LMArena) | 1462 | 1448 |
| AIME 2025 (AA) | Artificial Analysis | – | 88.3% |
| 知识 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | – | 49.4%† |
| MMLU-Pro | Vals AI | – | 85.6%† |
| LegalBench | Vals AI | – | 83.8%† |
| CorpFin | Vals AI | – | 59.7%† |
| TaxEval | Vals AI | – | 74.6%† |
| MedQA | Vals AI | – | 96.1%† |
| PRBench Finance | Scale AI SEAL | – | 47.7% |
| PRBench Legal | Scale AI SEAL | – | 48.6% |
| MultiNRC | Scale AI SEAL | – | 45.5%† |
| MMLU-Pro (HELM) | HELM Capabilities | – | 85.9% |
| MedCode | Vals AI | – | 47.3%† |
| MedScribe | Vals AI | – | 76.7%† |
| 指令遵循 | |||
| IFBench | Artificial Analysis | 71.5% | 71.4% |
| MultiChallenge | Scale AI SEAL | – | 56.6%† |
| TutorBench | Scale AI SEAL | – | 52.1%† |
| IFEval (HELM) | HELM Capabilities | – | 86.9% |
| WildBench (HELM) | HELM Capabilities | – | 86.1% |
| Arena Instruction Following | Arena (LMArena) | 1456 | 1403 |
| 人类偏好 | |||
| Arena Text | Arena (LMArena) | 1473 | 1432 |
| EQ-Bench Creative Writing v3 | EQ-Bench | – | 1675 |
| Arena Creative Writing | Arena (LMArena) | 1454 | 1383 |
| Arena Multi-turn | Arena (LMArena) | 1483 | 1420 |
| Arena Longer Queries | Arena (LMArena) | 1475 | 1411 |
| Lech Mazur Creative Writing | Lech Mazur | – | 83.9%† |
| 多模态 | |||
| Arena Vision | Arena (LMArena) | 1251 | 1214 |
| MMMU-Pro | Artificial Analysis | – | 70.1% |
| VISTA | Scale AI SEAL | – | 50.1%† |
| MMMU-Pro (Vals) | Vals AI | – | 80.4%† |
| MortgageTax | Vals AI | – | 65.7%† |
| VTB | Scale AI SEAL | – | 13.7% |
| GeoBench | GeoBench | – | 60.0%† |
| VPCT | Epoch AI Benchmarking Hub | – | 52.0%† |
| 长上下文 | |||
| Fiction.LiveBench 120k | Fiction.live | – | 100.0%† |
| AA-LCR v1.1 | Artificial Analysis | 70.0% | 74.7% |
| Arena Document | Arena (LMArena) | 1460 | – |
| MLCR | Artificial Analysis | 31.7% | – |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | – | 147.1 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 26.0 | 20.2 |
| AA Progress Index v1 | Artificial Analysis | 282.1 | 258.3 |
| HELM Capabilities mean | HELM Capabilities | – | 81.1% |
| 安全与诚实 | |||
| FORTRESS | Scale AI SEAL | – | 16.0% |
| MASK | Scale AI SEAL | – | 84.5%† |
| PropensityBench | Scale AI SEAL | – | 10.5% |
| 元数据 | |||
| AA Openness Index | Artificial Analysis | – | 5.6 |
数据截至 2026年11月16日。对比的是每个模型的最佳配置;每项分数的来源链接都在模型页面上。
DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.
变化
- o3:BenchLeader Index 61.2 → 60.4。
- o3:1 项分数修订。
- o3:1 项新结果(Arena Search)。
- o3:1 项分数修订。
- GPT-5.5 Instant:1 项新结果(AA-Briefcase v1.1)。
- GPT-5.5 Instant:BenchLeader Index 58.7 → 57.0。
- GPT-5.5 Instant:2 项新结果(AA Progress Index v1, HLE-Diamond (AA))。
- o3:1 项新结果(AA Progress Index v1)。
- GPT-5.5 Instant:价格 $0.69/M → $0.57/M。
- GPT-5.5 Instant:1 项新结果(AA-Briefcase v1.1)。
相关对比
- GPT-5.5 Instant vs Muse Spark 1.3
- GPT-5.5 Instant vs Gemini 3 Pro
- GPT-5.5 Instant vs GPT-5
- o3 vs Claude Opus 5.5
- o3 vs GPT-6.1 Sol
- o3 vs GPT-5.6 Sol
- o3 vs Gemini 4 Argon
- o3 vs Muse Wonder
排行榜: 综合最佳大模型 · 最适合智能体的大模型 · 便宜好用的大模型
GPT-5.5 Instant vs o3:常见问题
- GPT-5.5 Instant 比 o3 更好吗?
- GPT-5.5 Instant 与 o3 的质量不相上下(56.9 比 60.4,在 ±6.9 的误差范围内)。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,两者差距在误差范围内,请结合你的用途查看各类别得分。
- GPT-5.5 Instant 和 o3 哪个更便宜?价格会变吗?
- 目前 o3 更便宜:每百万 token $3.50 比 $11.25(按每 1 个输出 token 对应 3 个输入 token 混合计算)。两者均未公布价格调整。
- 编程用 GPT-5.5 Instant 还是 o3 更好?
- GPT-5.5 Instant 在编程方面得分更高(类别得分 61 比 60,50 为平均水平)。在两者共同的最主要编程基准测试 Arena Coding 上,GPT-5.5 Instant 为 1513,o3 为 1460。
- GPT-5.5 Instant 和 o3 哪个更快?
- o3 输出更快(输出 131 比 125 token/秒,Artificial Analysis 7 日中位数)。
- 智能体和工具调用用 GPT-5.5 Instant 还是 o3 更好?
- o3 在智能体任务方面得分更高(类别得分 70 比 50,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 Terminal-Bench Hard 上,GPT-5.5 Instant 为 42.4%,o3 为 37.1%。
更多问题(4)
- 处理长文档哪个更好?
- o3 在长上下文基准测试上得分更高(62 比 59)。GPT-5.5 Instant 支持更长的上下文:400,000 token,o3 为 200,000 token。
- 哪个延迟更低?
- GPT-5.5 Instant 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 1.8 秒比 5.2 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
- 第三方基准测试对 GPT-5.5 Instant 和 o3 的看法一致吗?
- 在两者都有结果的 17 项基准测试中,GPT-5.5 Instant 领先 15 项,o3 领先 2 项。所有同时评测两者的综合评分都认为 GPT-5.5 Instant 更强。
- GPT-5.5 Instant 是什么时候发布的?
- GPT-5.5 Instant 于 2026年5月5日 发布。