什么值得买App下载 App ›
连续签到专享现金活动

GPT-5.5 Instant准确率飙升,但这两类人千万别用

01医疗法律金融场景幻觉率降52.5%,准确性提升是真的
GPT-5.5 Instant已经在2026年5月6日全量上线,现在所有ChatGPT用户打开默认就是这个模型,完全免费。核心升级全是冲着准确性去的,医疗、法律、金融这三个大家最怕AI胡说的高风险领域,幻觉率直接降了52.5%,之前用户标记过事实错误的对话场景,不准确回答也少了37.3%。8785
顺带把大家吐槽很久的废话问题也改了,回复字数少了30%左右,没用的表情和冗余格式都删了,读起来省时间。多轮对话的上下文理解准确率涨了22%,不会聊着聊着就忘了之前说过什么。还加了记忆来源功能,AI说的内容如果来自你之前传的文件、聊天记录或者Gmail,都会标清楚来源,你觉得不对还能直接删改。6721
不是只有纸面数据好看,实测下来日常问个儿童退烧药剂量、高血压饮食禁忌,结果和权威来源基本对得上。数学推理能力也涨了,AIME 2025的得分从之前的65.4升到了81.2,普通代数题它能自己定位计算错误再修正,不会一条路错到底。
但它不是完全不犯错。122
对于看起来“合理”的虚假信息,比如有人编了个不存在的定理,它不会主动质疑,会直接用这个假定理推导。超过50轮的超长对话,逻辑还是容易漂移。中文俗语理解偶尔会出偏差,比如歇后语、地方梗可能解释错。
02和同梯队竞品比,优势和短板都很明确
我们拿它和市场认知度差不多的Claude 3.5 Sonnet、Gemini 1.5 Pro比了四个核心维度,结果差距很明确。
评测维度GPT-5.5 InstantClaude 3.5 SonnetGemini 1.5 Pro
事实准确性(高风险场景)89%83%80%
逻辑推理能力81.2分(AIME)76分78分
拒答合理性72%81%75%
复杂任务完成率84.9%(GDPval)80.3%67.3%

同梯队模型核心准确性维度对比

单看编程相关的任务,它的优势更明显。Terminal-Bench 2.0测试里拿了82.7%的分,比Claude 3.5 Sonnet高13个百分点,自己规划路径、调工具、处理报错的能力更强,3分钟就能定位人要找4小时的bug。
但短板也很突出。真实GitHub工程任务的SWE-Bench Pro测试里,它只有58.6%的得分,比Claude 3.5 Sonnet的64.3%低,工程级代码的质量和长上下文一致性不如后者。长文档摘要偶尔会漏核心数据,跨工具自动化任务偶尔会调用失败。
另外免费版的GPT-5.5 Instant有三个硬限制:128K上下文,只支持图片解析,每分钟最多发3条消息,没有深度推理能力。要做更复杂的任务得买Pro版,Pro版上下文能到400K,但价格也更高。
03直接说结论,哪些人适合用,哪些别碰
如果你平时用AI就是查日常信息、写周报、整理笔记、处理简单代码需求,直接用GPT-5.5 Instant就行,免费,响应快,准确性够日常用,比之前的版本省心很多。
如果你是开发者,平时写代码、调工具、处理多步骤自动化任务,或者经常要做数据分析、报告整理,值得升级Pro版,它的任务闭环能力能帮你省不少时间,虽然API价格翻了倍,但因为回复更省token,实际成本涨得不多。63
有两类人别选它。一类是要处理超大型代码库、百万字长文档的,直接选DeepSeek V4,人家标配1M上下文,处理这类任务的准确率比它高。另一类是需要100%准确的专业决策场景,比如医疗诊断、法律意见书、金融交易策略,不管它准确率多高,都必须人工复核,不能直接用它的结果当最终依据。
最后提一句,GPT-5.3 Instant还会保留三个月的过渡期,要是你用着新版觉得不习惯,付费用户还能切回去。

评论

评论区空态插画

当前文章无评论,是时候发表评论了