BenchLeader

GPT-5 vs GPT-5.5 Instant

完整资料:GPT-5(OpenAI)和 GPT-5.5 Instant(OpenAI),包括全部基准测试、价格和排名。

更新于 · 数据来自 9 个来源

截至 2026年11月16日,GPT-5 与 GPT-5.5 Instant 的质量不相上下(BenchLeader Index 59.0 比 56.9,在 ±8.1 的误差范围内)。GPT-5 更便宜,对方的价格是它的 3.3 倍(每百万 token 混合价格 $3.44 比 $11.25)。看重数学(65 比 48)、长上下文(70 比 59)和智能体与工具(58 比 50)选 GPT-5;看重推理(54 比 48)、编程(61 比 57)和多模态(58 比 57)选 GPT-5.5 Instant。GPT-5.5 Instant 的首次回答更快(1.8 秒 比 22.9 秒)。GPT-5.5 Instant 的输出更快(约 1.5 倍)。

要点(截至 2026年11月16日)

  • GPT-5 的 BenchLeader Index 为 59.0,GPT-5.5 Instant 为 56.9(BenchLeader,2026年11月16日)。
  • GPT-5 每百万 token 混合价格为 $3.44(标价,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)。
  • GPT-5.5 Instant 比 GPT-5 输出更快(约 1.5 倍;Artificial Analysis,7 日中位数,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 57中
智能体与工具调用GPT-5类别得分 58 比 50;Terminal-Bench Hard 37.9% 比 42.4%高
数学GPT-5类别得分 65 比 48;OTIS Mock AIME 87.2% 比 68.1%高
推理GPT-5.5 Instant类别得分 54 比 48;GPQA Diamond 82.5% 比 85.3%中
长文档GPT-5类别得分 70 比 59;AA-LCR v1.1 76.0% 比 70.0%高
图像及其他媒体GPT-5.5 Instant类别得分 58 比 57中
指令遵循均可类别得分 69 比 70;IFBench 70.6% 比 71.5%均可
对话质量(人类偏好)–只有 GPT-5.5 Instant 有 Arena 评分(类别得分 66)无法比较
成本最低GPT-5每百万 token 混合价格 $3.44 比 $11.25;智能体编程会话 $0.115 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 22.9 秒(GPT-5 (medium))–
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 (medium) 与 GPT-5.5 Instant 的质量不相上下(59.0 比 56.9,在 ±8.1 的误差范围内)。
  • GPT-5 (medium) 在智能体与工具、长上下文、数学方面更强。
  • GPT-5.5 Instant 在编程、指令遵循、多模态、推理方面更强。
  • GPT-5 (medium) 更便宜,对方的价格是它的 3.3 倍(每百万 token 混合价格 $3.44 比 $11.25)。
  • GPT-5.5 Instant 的输出速度是对方的 1.5 倍(125 比 82 token/秒)。

概览

规格GPT-5GPT-5.5 Instant
提供商OpenAIOpenAI
发布日期2025年8月7日2026年5月5日
上下文窗口(token)400,000400,000
对比时的配置GPT-5 (medium)GPT-5.5 Instant
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$1.25 / $10.00 / $0.125$5.00 / $30.00 / $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 (medium)GPT-5.5 Instant领先者
推理47.953.6GPT-5.5 Instant
编程57.460.9GPT-5.5 Instant
智能体与工具58.149.9GPT-5
数学65.448.3GPT-5
指令遵循69.470.2持平
人类偏好–66.1无法比较
多模态56.658.2GPT-5.5 Instant
长上下文70.459.4GPT-5

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。

2550 avg75推理编程智能体与工具数学指令遵循长上下文多模态GPT-5, 推理: 47.9GPT-5, 编程: 57.4GPT-5, 智能体与工具: 58.1GPT-5, 数学: 65.4GPT-5, 指令遵循: 69.4GPT-5, 长上下文: 70.4GPT-5, 多模态: 56.6GPT-5.5 Instant, 推理: 53.6GPT-5.5 Instant, 编程: 60.9GPT-5.5 Instant, 智能体与工具: 49.9GPT-5.5 Instant, 数学: 48.3GPT-5.5 Instant, 指令遵循: 70.2GPT-5.5 Instant, 长上下文: 59.4GPT-5.5 Instant, 多模态: 58.2

未绘制(测得的模型少于两个):知识, 人类偏好。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 10 项基准测试中,GPT-5 领先 5 项,GPT-5.5 Instant 领先 5 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 IndexGPT-5 (medium)GPT-5.5 Instant领先者
BenchLeader Index59.056.9不相上下
Arena Text1435†1473GPT-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 (medium)GPT-5.5 Instant
每百万 token 混合价格$3.44$11.25
每百万 token 输入 / 输出$1.25 / $10.00$5.00 / $30.00
每百万 token 缓存输入$0.125$0.500
每项任务价格:聊天回复$0.0035$0.011
每项任务价格:总结一份 30 页的报告$0.021$0.078
每项任务价格:代码编辑$0.022$0.075
每项任务价格:智能体编程会话$0.115$0.420
每项任务价格:结构化信息提取$0.0045$0.016
智能体编程会话(输入大多命中缓存)$0.064$0.217
输出速度82 tok/s125 tok/s
首次回答时间22.9 秒1.8 秒
完整回答耗时(最近一次测量 2026年11月13日)66.2 秒47.7 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 (medium) 得分 59.0,首个回答 token 需 23 秒;GPT-5 (high) 为 58.2(49 秒),GPT-5 为 56.6(5 秒)。GPT-5.5 Instant 得分 56.9,首个回答 token 需 2 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 122 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 (medium)GPT-5.5 Instant
BenchLeader IndexBenchLeader59.056.9
智能体与工具得分BenchLeader58.149.9
编程得分BenchLeader57.460.9
指令遵循得分BenchLeader69.470.2
长上下文得分BenchLeader70.459.4
数学得分BenchLeader65.448.3
多模态得分BenchLeader56.658.2
推理得分BenchLeader47.953.6
人类偏好得分BenchLeader–66.1
混合价格(美元/百万 token)BenchLeader$3.44$11.25
输出速度BenchLeader82 tok/s125 tok/s
首次回答时间BenchLeader22.9 秒1.8 秒
上下文窗口BenchLeader400,000 token400,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub85.3%82.5%
Humanity's Last ExamScale AI / CAIS25.3%†–
SimpleBenchSimpleBench56.7%†–
Arena Hard PromptsArena (LMArena)1449†1491
GPQA Diamond (AA)Artificial Analysis84.2%84.7%
Humanity's Last Exam (AA)Artificial Analysis25.4%21.6%
HLE-Diamond (AA)Artificial Analysis–14.6%
GPQA Diamond (Vals)Vals AI85.6%†–
Kagi LLM BenchmarkKagi LLM Benchmark72.7%†–
GPQA Diamond (HELM)HELM Capabilities79.1%†–
ARC-AGI-1ARC Prize56.2%–
ARC-AGI-2ARC Prize7.5%–
CritPtArtificial Analysis0.0%2.6%
CritPt v2 hard subset (AA)Artificial Analysis11.5%†–
Arena ExpertArena (LMArena)1445†1474
Chess PuzzlesEpoch AI Benchmarking Hub32.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub15.0%–
LMCAEpoch AI Benchmarking Hub40.0%†–
DTBenchEpoch AI Benchmarking Hub90.7%†–
ForecastBenchForecastBench65.0%†–
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub71.5%–
SciCodeSciCode42.9%†52.5%
WeirdMLWeirdML39.8%†–
GSO-BenchGSO-Bench6.9%†–
Arena CodingArena (LMArena)1462†1513
显示全部 122 项基准测试
指标发布方GPT-5 (medium)GPT-5.5 Instant
编程
Arena WebDevArena (LMArena)1417–
SciCode (AA)Artificial Analysis–52.5%
LiveCodeBenchVals AI85.9%†–
SWE-bench (Vals)Vals AI69.0%†–
SWE-Bench ProScale AI SEAL41.8%†–
Aider PolyglotAider polyglot leaderboard86.7%–
SWE-bench Verified (bash only)SWE-bench65.0%–
SWE-bench Verified (any scaffold)SWE-bench74.4%†–
Vibe Code Bench v1.1Vals AI20.1%†–
SWE-Bench Pro (private)Scale AI SEAL14.9%†–
MirrorCodeEpoch AI Benchmarking Hub4.4%†–
ALE-BenchEpoch AI Benchmarking Hub1162.5†–
AlgoTuneAlgoTune1.7†–
Terminal-Bench 4.0 (AA)Artificial Analysis–12.6%
Terminal-Bench 2.1 (AA)Artificial Analysis35.2%†34.8%
GameBench 2 by reasoning settingDuelLab GameBench 238.0–
Design Arena WebsiteDesign Arena1174†–
LiveCodeBench (AA)Artificial Analysis70.3%–
智能体与工具
Terminal-BenchTerminal-Bench49.6%–
GDPvalOpenAI34.8%–
Remote Labor IndexScale AI / CAIS1.7%†–
Terminal-Bench HardArtificial Analysis37.9%42.4%
τ²-Bench Telecom (AA)Artificial Analysis86.5%49.4%
GDPval-AA v2.1, normalised scoreArtificial Analysis–0.4%
GDPval-AA v2.1Artificial Analysis925†516
τ³-Banking (AA)Artificial Analysis22.1%†11.8%
Poker AgentVals AI1103.2%†–
Terminal-Bench 2.0 (Vals)Vals AI37.1%†–
Arena SearchArena (LMArena)1189†–
BALROGBALROG32.8%†–
DeepResearch BenchDeepResearch Bench48.6%–
METR Time HorizonsMETR69.6%–
AutomationBenchArtificial Analysis–36.4%
GDP.pdf (AA)Artificial Analysis–20.2%
AA-Briefcase v1.1Artificial Analysis–1086
BrowseComp-PlusBrowseComp-Plus57.6%†–
BrowseCompOpenAI20.1%†–
DeepSearchQAGoogle59.4%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub55.4%†26.3%
FrontierMath Tier 4Epoch AI Benchmarking Hub21.9%†2.4%
OTIS Mock AIMEEpoch AI Benchmarking Hub87.2%68.1%
MATH Level 5Epoch AI Benchmarking Hub97.9%–
ProofBenchVals AI18.0%†–
AIME (Vals)Vals AI93.4%†–
MGSMVals AI92.8%†–
IMO 2025MathArena38.1%†–
MathArena ApexMathArena1.0%†–
Omni-MATH (HELM)HELM Capabilities64.7%†–
MATH 500Vals AI96.0%†–
Arena MathsArena (LMArena)1411†1462
AIME 2025 (AA)Artificial Analysis91.7%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub50.1%†–
MMLU-ProVals AI86.5%†–
LegalBenchVals AI86.0%†–
CorpFinVals AI61.1%†–
TaxEvalVals AI73.4%†–
MedQAVals AI96.3%†–
PRBench FinanceScale AI SEAL51.3%†–
PRBench LegalScale AI SEAL49.0%†–
MultiNRCScale AI SEAL52.1%†–
MMLU-Pro (HELM)HELM Capabilities86.3%†–
CaseLaw v2Vals AI66.5%†–
MedCodeVals AI49.6%†–
MedScribeVals AI83.7%†–
EBR-benchEpoch AI Benchmarking Hub12.7%†–
Global-MMLU-Lite (AA)Artificial Analysis90.4%–
指令遵循
IFBenchArtificial Analysis70.6%71.5%
MultiChallengeScale AI SEAL63.2%†–
TutorBenchScale AI SEAL55.3%†–
IFEval (HELM)HELM Capabilities87.5%†–
WildBench (HELM)HELM Capabilities85.7%†–
Arena Instruction FollowingArena (LMArena)1415†1456
人类偏好
Arena TextArena (LMArena)1427†1473
EQ-Bench Creative Writing v3EQ-Bench1626†–
Arena Creative WritingArena (LMArena)1389†1454
Arena Multi-turnArena (LMArena)1449†1483
Arena Longer QueriesArena (LMArena)1435†1475
Lech Mazur Creative WritingLech Mazur86.0%–
多模态
Arena VisionArena (LMArena)1232†1251
MMMU-ProArtificial Analysis74.3%–
VISTAScale AI SEAL49.7%†–
MMMU-Pro (Vals)Vals AI81.5%†–
MortgageTaxVals AI65.5%†–
VTBScale AI SEAL17.0%†–
GeoBenchGeoBench81.0%–
VPCTEpoch AI Benchmarking Hub63.2%–
长上下文
Fiction.LiveBench 120kFiction.live96.9%–
AA-LCR v1.1Artificial Analysis76.0%70.0%
Arena DocumentArena (LMArena)–1460
MLCRArtificial Analysis–31.7%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub150†–
AA Intelligence Index v4.3.2Artificial Analysis22.926.0
AA Progress Index v1Artificial Analysis264.4282.1
HELM Capabilities meanHELM Capabilities80.7%†–
安全与诚实
FORTRESSScale AI SEAL17.0%†–
MASKScale AI SEAL79.3%†–
元数据
AA Openness IndexArtificial Analysis5.6–

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

  • GPT-5 (medium):BenchLeader Index 58.2 → 59.0。
  • GPT-5 (medium):1 项新结果(Aider Polyglot)。
  • GPT-5 (medium):2 项新结果(Global-MMLU-Lite (AA), AIME 2025 (AA));1 项分数修订。
  • GPT-5 (medium):1 项分数修订。
  • GPT-5 (medium):1 项分数修订。
  • GPT-5 (medium):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 (medium):1 项新结果(AA Progress Index v1)。
  • GPT-5.5 Instant:2 项新结果(AA Progress Index v1, HLE-Diamond (AA))。

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 vs GPT-5.5 Instant:常见问题

GPT-5 比 GPT-5.5 Instant 更好吗?
GPT-5 (medium) 与 GPT-5.5 Instant 的质量不相上下(59.0 比 56.9,在 ±8.1 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 和 GPT-5.5 Instant 哪个更便宜?价格会变吗?
目前 GPT-5 更便宜:每百万 token $3.44 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 还是 GPT-5.5 Instant 更好?
GPT-5.5 Instant 在编程方面得分更高(类别得分 61 比 57,50 为平均水平)。
GPT-5 和 GPT-5.5 Instant 哪个更快?
GPT-5.5 Instant 输出更快(约 1.5 倍;输出 125 比 82 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 GPT-5 还是 GPT-5.5 Instant 更好?
GPT-5 在智能体任务方面得分更高(类别得分 58 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 为 37.9%,GPT-5.5 Instant 为 42.4%。
更多问题(4)
处理长文档哪个更好?
GPT-5 在长上下文基准测试上得分更高(70 比 59)。两者都支持 400,000 token 的上下文。
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 22.9 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 和 GPT-5.5 Instant 的看法一致吗?
在两者都有结果的 10 项基准测试中,GPT-5 领先 5 项,GPT-5.5 Instant 领先 5 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。