BenchLeader

GPT-5.5

推理强度
质量第 14 / 339 名
64.1Index
前 10%
较中位数 +13.9
价格第 240 / 255 名
$11.25每百万 token
最贵的四分之一
中位数的 13 倍
速度第 111 / 216 名
81token/秒
低于中位数
中位数的 1.0 倍
性价比第 240 / 255 名
5.7分/$
后四分之一
中位数的 0.1 倍

性价比更高: Gemini 3.7 Flash $1.50/M 即可获得 Index 62.1,便宜 87%。

有 8 个更便宜的已排名模型得分更高:Gemini 4 Carbon (68.9, $4.00)、Claude Opus 5.5 (68.4, $8.00)、GPT-6.1 Sol (66.6, $4.00),另有 5 个。

截至 2026年11月16日,GPT-5.5(OpenAI)在 BenchLeader Index 上得分 64.1(在 608 个已排名配置中前 50 名)。表现最好的是指令遵循(74),最弱的是编程(61)。API 价格为输入每百万 token $5.00、输出每百万 token $30.00(按 3:1 混合为 $11.25),为 2026年11月16日的标价。输出速度约为 81 token/秒(Artificial Analysis)。发布于 2026年4月23日。

要点(截至 2026年11月16日)

  • GPT-5.5 的 API 价格为输入每百万 token $5.00、输出每百万 token $30.00(按 3:1 混合为 $11.25)(标价,2026年11月16日)。
  • GPT-5.5 的输出速度约为 81 token/秒(Artificial Analysis,2026年11月16日)。
  • GPT-5.5 于 2026年4月23日发布(OpenAI)。

详细说明:GPT-5.5 是 OpenAI 的闭源推理模型,发布于 2026年4月23日。其最佳配置(推理强度 xhigh)在 BenchLeader Index 上得分 64.1 ±3.9,在 608 个配置中排第 31 名,处于上半区。关键在于这个“±”:另有 102 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,指令遵循得分最高(74),编程最低(61)。按混合价格计,每百万 token $11.25,属于已排名模型中最贵的一档。输出速度为 81 token/秒,首次回答需 38.3 秒,比大多数模型慢。它已在 6 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2026年11月11日。

混合价格
$11.25/M
输入 $5.00 · 输出 $30.00
来源:Artificial Analysis
输出速度
81 tok/s
由 Artificial Analysis 测量
首次回答
38 s
首 token 2.87 s
上下文
1.1M
来源:models.dev
完整回答
104 s
最近一次测量 2026年11月13日
单任务成本
–
单任务 token 数
–
发布日期
2026年4月23日
各类别得分虚线 = 平均模型(50)。每 15 分为一个标准差。
  1. 综合 Index64
  2. 推理68
  3. 编程61
  4. 智能体与工具62
  5. 数学69
  6. 知识64
  7. 指令遵循74
  8. 多模态62
  9. 长上下文67

嵌入这个排名

更多徽章样式
[![GPT-5.5 on BenchLeader: 综合第 14 名](https://www.benchleader.com/badge/gpt-5-5.svg?style=compact)](https://www.benchleader.com/models/gpt-5-5)

粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。

OpenAI 发布新模型时邮件通知我

进入排名时再通知一次,每周一另有每周回顾。

选择提供商和邮件类型

版本

OpenAI 以这个名称发布过 13 个模型。每个版本都只按自身结果排名;较新的版本往往结果较少,在更多结果出炉之前,其 Index 会更接近平均水平。

模型发布日期Index排名
GPT-5.62026年7月9日––
GPT-5.5xhigh本页2026年4月23日64.1#31
GPT-5.4xhigh2026年3月5日63.1#42
GPT-5.2xhigh2025年12月11日59.9#95
GPT-5.1high2025年11月12日57.5#151
GPT-5medium2025年8月7日59.0#113
GPT-4.12025年4月14日48.7#377
GPT-4.52025年2月27日50.5#335
GPT 4 01252024年1月25日––
GPT-4 11062023年11月6日––
GPT 4 06132023年6月13日39.5#541
GPT-42023年3月14日42.3#496
GPT-3.5–––

不同推理强度的配置

同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。

推理强度Index排名速度首次回答聊天回复成本类别
无推理52.3#28276 tok/s1.70 s$0.011智能体与工具 54 · 编程 56 · 指令遵循 48 · 长上下文 56 · 数学 48 · 多模态 54 · 推理 56
low58.1#13973 tok/s2.68 s$0.011智能体与工具 62 · 编程 56 · 指令遵循 64 · 长上下文 65 · 数学 60 · 多模态 61 · 推理 56
medium60.8#7278 tok/s5.23 s$0.011智能体与工具 67 · 编程 60 · 指令遵循 70 · 长上下文 66 · 多模态 64 · 推理 63
high63.5#3781 tok/s16 s$0.011智能体与工具 70 · 编程 60 · 人类偏好 67 · 指令遵循 70 · 长上下文 67 · 数学 67 · 多模态 64 · 推理 62
xhigh最佳64.1#3181 tok/s38 s$0.011智能体与工具 62 · 编程 61 · 指令遵循 74 · 知识 64 · 长上下文 67 · 数学 69 · 多模态 62 · 推理 68
未说明61.0#6951 tok/s2.87 s$0.011智能体与工具 59 · 编程 54 · 人类偏好 66 · 数学 68 · 多模态 64 · 推理 68

Index 走势

2026年9月8日 至 2026年11月16日
566370
  • xhigh
  • high
  • 默认
  • medium

Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。

基准测试结果

查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。

推理

基准测试无推理lowmediumhighxhigh默认来源趋势
GPQA Diamond77.3%#14890.7%#45––––Epoch AI Benchmarking Hub
SimpleBench推理强度未说明–––––69.0%#28SimpleBench
Arena Hard Prompts–––1501#33–1499#38Arena (LMArena)
LiveBench 1.0 Reasoning不计入 Index––––89.7%#15–LiveBench
GPQA Diamond (AA)不计入 Index76.8%#23191.0%#5492.6%#3293.2%#2293.5%#14–Artificial Analysis
Humanity's Last Exam (AA)不计入 Index13.7%#28632.7%#15642.4%#8045.0%#5845.8%#56–Artificial Analysis
GPQA Diamond (Vals)不计入 Index––––93.2%#10–Vals AI
Kagi LLM Benchmark推理强度未说明–––––88.8%#2Kagi LLM Benchmark
ARC-AGI-1–76.2%#13992.2%#6694.5%#4695.0%#44–ARC Prize
ARC-AGI-2–33.3%#13270.4%#6583.3%#4485.0%#37–ARC Prize
ARC-AGI-3–––0.4%#59––ARC Prize
CritPt不计入 Index1.4%#2308.0%#15318.6%#7925.4%#5127.1%#39–Artificial Analysis
Arena Expert不计入 Index–––1511#30–1510#32Arena (LMArena)
Chess Puzzles不计入 Index9.0%#13430.0%#72––63.0%#9–Epoch AI Benchmarking Hub
Mystery Game Puzzles不计入 Index18.0%#7428.0%#43–52.0%#1456.0%#12–Epoch AI Benchmarking Hub
CL-bench Life不计入 Index–––22.2%#1––Epoch AI Benchmarking Hub
LMCA不计入 Index––––54.3%#53–Epoch AI Benchmarking Hub
DTBench不计入 Index––––96.0%#35–Epoch AI Benchmarking Hub
ForecastBench不计入 Index–––66.7%#1–64.2%#27ForecastBench
BTF-3不计入 Index–––14.3%#3––Epoch AI Benchmarking Hub

编程

基准测试无推理lowmediumhighxhigh默认来源趋势
SciCode47.3%#14051.6%#10554.5%#6956.1%#5055.8%#53–SciCode
WeirdML67.2%#38––83.9%#1684.9%#14–WeirdML
FrontierCode推理强度未说明–––––43.0%#19Cognition
GSO-Bench––––40.2%#9–GSO-Bench
Arena Coding–––1518#42–1510#61Arena (LMArena)
Arena WebDev–––1487#721512#651455#81Arena (LMArena)
LiveBench 1.0 Coding不计入 Index––––82.2%#10–LiveBench
SciCode (AA)不计入 Index––54.5%#7156.1%#4955.8%#53–Artificial Analysis
LiveCodeBench––––85.3%#34–Vals AI
SWE-bench (Vals)不计入 Index––––82.6%#1976.4%#36Vals AI
Code Migration不计入 Index––––45.2%#18–Vals AI
ProgramBench不计入 Index––––0.5%#19–Vals AI
Vibe Code Bench v1.1不计入 Index––––69.8%#5267.4%#55Vals AI
SWE Atlas v1.0: Codebase QnA不计入 Index––––45.4%#8–Scale AI SEAL
SWE Atlas v1.0: Refactoring不计入 Index––––44.8%#6–Scale AI SEAL
SWE Atlas v1.0: Test Writing不计入 Index––––42.6%#9–Scale AI SEAL
MirrorCode不计入 Index–––10.0%#4323.3%#37–Epoch AI Benchmarking Hub
Surface Evolver Bench不计入 Index––81.3%#888.1%#5––Epoch AI Benchmarking Hub
DeepSWE v1.1不计入 Index–27.0%#6554.0%#4064.4%#2967.0%#22–Epoch AI Benchmarking Hub
ALE-Bench不计入 Index1127.6#58–1589.4#24–1943.0#13–Epoch AI Benchmarking Hub
Terminal-Bench 4.0 (AA)不计入 Index––5.0%#1349.1%#12014.7%#98–Artificial Analysis
Terminal-Bench 2.1 (AA)不计入 Index61.0%#9865.5%#8280.5%#4379.4%#4984.3%#30–Artificial Analysis
GameBench 2 Overall不计入 Index跨设置–––––49.2#37DuelLab GameBench 2
GameBench 2 by reasoning setting不计入 Index36.4#151–51.4#90–59.9#65–DuelLab GameBench 2
Design Arena Website不计入 Index推理强度未说明–––––1248#62Design Arena

智能体与工具

基准测试无推理lowmediumhighxhigh默认来源趋势
Terminal-Bench推理强度未说明–––––84.7%#1Terminal-Bench
OSWorld-Verified 2.0––––13.0%#9–OSWorld
Remote Labor Index推理强度未说明–––––6.3%#8Scale AI / CAIS
APEX-Agents推理强度未说明–––––55.1%#26Mercor
LiveBench Agentic Coding不计入 Index––––54.0%#34–LiveBench
Terminal-Bench Hard49.2%#2452.3%#1957.6%#1159.9%#960.6%#7–Artificial Analysis
τ²-Bench Telecom (AA)不计入 Index69.3%#15983.9%#10691.8%#5793.0%#4693.9%#38–Artificial Analysis
Terminal-Bench 2.1 (Vals)–––76.4%#16–57.3%#44Vals AI
MCP Atlas––––75.3%#22–Scale AI SEAL
HiL-Bench推理强度未说明–––––39.7%#23Scale AI SEAL
τ³-bench Banking不计入 Index––––44.6%#5–τ²-bench
GDPval-AA v2.1不计入 Index978#1901053#1701242#1301335#1091357#101–Artificial Analysis
τ³-Banking (AA)14.8%#12324.9%#8629.9%#6836.7%#4339.0%#35–Artificial Analysis
ITBench SRE (AA)不计入 Index––––45.8%#13–Artificial Analysis
Analyst Agent (AA)不计入 Index7.5%#50–––50.0%#11–Artificial Analysis
APEX-Agents (AA)不计入 Index––––37.7%#6–Artificial Analysis
Finance Agent v2不计入 Index––––51.8%#40–Vals AI
Harvey's Legal Agent Benchmark v1不计入 Index––––3.8%#41–Vals AI
Legal Research Bench不计入 Index––––40.4%#36–Vals AI
SkillsBench不计入 Index––––62.2%#562.6%#4Vals AI
SREBench不计入 Index––––3.8%#19–Vals AI
Tax Agent Bench不计入 Index––––21.8%#50–Vals AI
Terminal-Bench 2.0 (Vals)不计入 Index–––73.2%#1––Vals AI
Time Horizon Index: KSP不计入 Index––––8.3%#10–Vals AI
Arena Search不计入 Index推理强度未说明–––––1226#8Arena (LMArena)
DeepResearch Bench不计入 Index–48.7%#1749.6%#1254.0%#4––DeepResearch Bench
PostTrainBench不计入 Index––––23.9%#17–Epoch AI Benchmarking Hub
ExploitBench不计入 Index推理强度未说明–––––47.4%#2Epoch AI Benchmarking Hub
GBAEval不计入 Index推理强度未说明–––––53.2%#6Epoch AI Benchmarking Hub
Vending-Bench 2不计入 Index推理强度未说明–––––7523.8#18Andon Labs
AutomationBench不计入 Index––40.1%#13144.4%#12347.3%#117–Artificial Analysis
GDP.pdf (AA)不计入 Index––20.6%#8622.6%#6921.2%#79–Artificial Analysis
EnterpriseOps-Gym不计入 Index––44.1%#18–46.6%#13–Artificial Analysis
AA-Briefcase v1.1不计入 Index––1000#1541087#1401135#128–Artificial Analysis
Design Arena Agentic不计入 Index推理强度未说明–––––1113#57Design Arena
RoboDojo (LLM as robot policy)不计入 Index推理强度未说明–––––1.1#3RoboDojo

数学

基准测试无推理lowhighxhigh默认来源趋势
FrontierMath Tiers 1–3–––85.3%#16–Epoch AI Benchmarking Hub
FrontierMath Tier 4–––72.5%#22–Epoch AI Benchmarking Hub
OTIS Mock AIME57.8%#17984.4%#109–––Epoch AI Benchmarking Hub
ProofBench–––50.0%#33–Vals AI
LiveBench Mathematics不计入 Index–––95.9%#14–LiveBench
AIME 2026可能存在污染–––100.0%#1–MathArena
HMMT February 2026可能存在污染–––98.5%#1–MathArena
USAMO 2026不计入 Index可能存在污染–––98.2%#1–MathArena
MathArena Apex可能存在污染–––80.2%#2–MathArena
Arena Maths––1491#26–1500#18Arena (LMArena)
FrontierMath Erdős不计入 Index–––0.0%#8–Epoch AI Benchmarking Hub

知识

基准测试xhigh来源趋势
SimpleQA Verified63.0%#16Epoch AI Benchmarking Hub
LiveBench 1.0 Data Analysis不计入 Index81.6%#5LiveBench
MMLU-Pro88.1%#21Vals AI
LegalBench86.5%#13Vals AI
CorpFin68.4%#9Vals AI
TaxEval75.0%#25Vals AI
CaseLaw v2不计入 Index66.2%#7Vals AI
Excel Modeling Benchmark不计入 Index64.5%#26Vals AI
MedCode不计入 Index49.1%#27Vals AI
MedScribe不计入 Index86.9%#20Vals AI
Public Benefits Bench v1.1不计入 Index60.9%#32Vals AI
DrugDiscoveryBench不计入 Index51.6%#9Scale AI SEAL
EBR-bench不计入 Index34.3%#14Epoch AI Benchmarking Hub
GDP.pdf不计入 Index26.0%#16Epoch AI Benchmarking Hub

指令遵循

基准测试无推理lowmediumhighxhigh默认来源趋势
LiveBench Language不计入 Index––––87.4%#9–LiveBench
LiveBench Instruction Following不计入 Index––––70.7%#27–LiveBench
IFBench46.1%#19964.3%#11071.0%#6371.6%#5275.8%#26–Artificial Analysis
Arena Instruction Following不计入 Index–––1477#29–1475#31Arena (LMArena)

人类偏好

基准测试high默认来源趋势
Arena Text1481#291476#33Arena (LMArena)
EQ-Bench 4推理强度未说明–1295#6EQ-Bench
EQ-Bench Creative Writing v3不计入 Index推理强度未说明–1845#18EQ-Bench
Arena Creative Writing不计入 Index1451#381448#45Arena (LMArena)
Arena Multi-turn不计入 Index1488#261484#32Arena (LMArena)
Arena Longer Queries不计入 Index1487#341486#35Arena (LMArena)

多模态

基准测试无推理lowmediumhighxhigh默认来源趋势
Arena Vision–––1295#25–1296#22Arena (LMArena)
MMMU-Pro71.4%#15079.0%#7481.2%#4981.1%#5079.9%#64–Artificial Analysis
MMMU-Pro (Vals)不计入 Index––––88.3%#8–Vals AI
MortgageTax不计入 Index––––68.8%#10–Vals AI
Blueprint-Bench 2不计入 Index推理强度未说明–––––36.2%#12Epoch AI Benchmarking Hub
Furniture Assembly不计入 Index––––44.2%#17–Epoch AI Benchmarking Hub
Code2Video-AA不计入 Index––––1000#18–Artificial Analysis

长上下文

基准测试无推理lowmediumhighxhigh默认来源趋势
AA-LCR v1.164.0%#27981.0%#6983.0%#3084.3%#1084.3%#10–Artificial Analysis
Arena Document不计入 Index–––1481#10–1479#12Arena (LMArena)
MLCR不计入 Index––22.2%#4225.0%#3328.9%#22–Artificial Analysis

综合

基准测试无推理lowmediumhighxhigh默认来源趋势
Epoch Capabilities Index不计入 Index推理强度未说明–––––160.1#20Epoch AI Benchmarking Hub
LiveBench 1.0不计入 Index––––80.2%#12–LiveBench
AA Intelligence Index v4.3.2不计入 Index23.2#19830.7#12333.8#10637.0#8838.4#81–Artificial Analysis
AA Progress Index v1不计入 Index271.5#198291.2#141307.3#105313.5#84320#62–Artificial Analysis
Vals RSI Index不计入 Index––––16.5%#23–Vals AI
Vals Multimodal Index不计入 Index––––68.1%#9–Vals AI

安全与诚实

基准测试xhigh来源趋势
FORTRESS不计入 Index16.3%#25Scale AI SEAL

GameBench 2 Overall: 49.2. GameBench 2, best reasoning setting (XHigh): 59.9. 仅供参考,不计入 BenchLeader Index。

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.

优势所在

在所有已测配置中,这个配置排名前五的基准测试。

API 价格:在哪里调用

通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。

提供商速度首 token输入 $/M输出 $/M上下文量化
OpenAI49 tok/s1.27 s$5.00$30.001.1M–
Azure44 tok/s2.41 s$5.00$30.001.1M–

使用情况

GPT-5.5 的实际使用量,依据公开这类数据的网关报告。使用情况不计入 Index。使用最多的模型和提供商

编程智能体轮次占比,30 天
0.01%
Other agents 中占 80%

来源: T3 Code via Slopalytics。

一项任务的成本

根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存,价格为每百万 token $0.500。未计入推理 token。

工作负载输入 / 输出 token成本使用缓存耗时
聊天回复400 / 300$0.011$0.009741.9 s
总结一份 30 页的报告12,000 / 600$0.078$0.03745.6 s
代码编辑6,000 / 1,500$0.075$0.05556.7 s
智能体编程会话60,000 / 4,000$0.420$0.2171.5 min
结构化信息提取2,000 / 200$0.016$0.009340.7 s

OpenAI 的更多模型

本月新上线

将 GPT-5.5 与以下模型对比

另请参阅

嵌入或引用

在模型卡片或 README 中展示 GPT-5.5 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。

[![GPT-5.5 on BenchLeader: 综合第 14 名](https://www.benchleader.com/badge/gpt-5-5.svg)](https://www.benchleader.com/models/gpt-5-5)

引用本页

排名每天都会变化,因此引用时需注明数据日期。APA 格式:

BenchLeader. (2026, November 16). GPT-5.5 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/gpt-5-5

BibTeX:

@misc{benchleader_gpt_5_5_20261116,
  author       = {{BenchLeader}},
  title        = {{GPT-5.5 on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/gpt-5-5}},
  note         = {Data as of 2026-11-16}
}

全部徽章样式、可嵌入的前 10 名小组件,以及如何引用 Index

常见问题

GPT-5.5 的基准测试得分是多少?
截至 2026年11月16日,GPT-5.5(推理强度 xhigh)的 BenchLeader Index 为 64.1 ±3.9(前 50 名)。最强的是指令遵循(74),最弱的是编程(61)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
GPT-5.5 排名第几?
截至 2026年11月16日,GPT-5.5(推理强度 xhigh)在 608 个已排名配置中排第 31 名(前 50 名)。另有 102 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
GPT-5.5 每百万 token 的价格是多少?
截至 2026年11月16日,GPT-5.5 的价格为输入每百万 token $5.00、输出每百万 token $30.00,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $11.25。
GPT-5.5 比 GPT-6.1 Terra 更好吗?
截至 2026年11月16日,GPT-5.5(推理强度 xhigh)与 GPT-6.1 Terra(推理强度 max)的质量不相上下(BenchLeader Index 64.1 比 64.1,在 ±4.4 的误差范围内),可根据价格、速度和你看重的类别来选择。逐项基准测试的详细对比见对比页面。
GPT-5.5 是什么时候发布的?
OpenAI 于 2026年4月23日发布了 GPT-5.5。BenchLeader 收录了它在 6 种推理强度设置下的结果。

数据截至 2026年11月16日。 对比这些配置

引用格式:BenchLeader,《GPT-5.5:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/gpt-5-5。