GPT-5.5 与 DeepSeek V4 同日上线
长话短说
2026 年 4 月 23 日北美白天到 4 月 24 日北京早晨的约 20 小时内，OpenAI 和 DeepSeek 几乎同步交付了各自下一代旗舰模型。OpenAI 发布 GPT-5.5，主打「为 agent 工作而生」的智能；DeepSeek 在微信公众号启动 V4 系列预览，并在 Hugging Face 释放 Pro 与 Flash 两档权重，License 为 MIT，上下文长度 100 万 token。
[*]OpenAI 路线：把智能打包进闭源 API，靠 NVIDIA GB200/GB300 协同设计和内部工具链把 agent 任务的「完成度」拉满，同步翻倍 API 定价。
[*]DeepSeek 路线：用 1.6T 总参 / 49B 激活的 MoE 混合注意力架构在开源侧逼近闭源顶端，权重和技术报告全部公开，走可自托管部署。
最大的不确定在于两点：待证实 DeepSeek V4 是否在华为昇腾芯片上完成训练（2026 年 4 月 3 日 Reuters 引 The Information 的报道有此说法，但本次官方发布公告未直接确认）；以及 DeepSeek 在英文第三方 benchmark 上的成绩能否独立复现（所有 benchmark 目前仅见于官方模型卡）。
GPT-5.5：定位和关键数据
OpenAI 在发布文档里把 GPT-5.5 描述为「为真实工作和驱动 agent 而生的一类新智能」。核心声称按原话归纳：
[*]智能提升 + 速度不降：GPT-5.5 在真实服务环境下的单 token 延迟与 GPT-5.4 持平，同一 Codex 任务完成所需 token 数显著更少。
[*]agent 能力为核：在 agent coding、computer use、知识工作、早期科学研究四个方向上的提升最明显。
[*]与 NVIDIA 硬件深度协同：通过 GB200/GB300 NVL72 系统与内部工具链的 co-design 实现延迟不增。
[*]定价翻倍：API 价格从 GPT-5.4 的 15 每百万 token（输入/输出）涨到 30，Pro 变体涨到 180，上下文窗口 1M token，API 上线"very soon"但发布时尚未开放。
官方公布的 benchmark 数字：
BenchmarkGPT-5.5 得分上下文
Terminal-Bench 2.082.7%复杂命令行工作流，需要规划和迭代工具使用；Claude Opus 4.7 为 69.4%、Gemini 3.1 Pro 为 68.5%
GDPval84.9%覆盖 44 种职业的知识工作
OSWorld-Verified78.7%真实计算机环境中自主操作
Tau2-bench Telecom98.0%复杂客服工作流（无 prompt 调优）
FinanceAgent60.0%-
Expert-SWE（内部）73.1%20 小时中位人工完成时间的长周期编码任务
SWE-Bench Pro58.6%OpenAI 注：Claude Opus 4.7 得 64.3%，但 Anthropic 自己报告其在该集上「存在记忆化迹象」
BrowseComp（Pro 变体）90.1%Gemini 3.1 Pro 为 85.9%
这些数字全部来自 OpenAI 的官方发布文档，待验证：第三方独立评测尚未公开，尤其涉及到把竞品 Claude 和 Gemini 的分数同场对比的段落，采用的 prompt 设置、工具集、采样温度是否一致，需要第三方复现。
研判：GPT-5.5 的战略重心非常清楚地押在「长周期 agent 任务的完成度」上。Expert-SWE 和 Terminal-Bench 2.0 两个指标组合起来指向的是 Codex 里的多小时连续任务，而不是单轮对话或单次代码补全。OpenAI 自己在发布稿里举的内部案例 —— 财务团队用 Codex 分析 24,771 份 K-1 税表、共 71,637 页，比上一年快两周 —— 同样是在讲 agent 工作流而非聊天。
对 Codex 每周 400 万开发者用户（发布稿中数据）的基本盘而言，这一代的核心价值是把人手必须介入的干预次数压低。
DeepSeek V4：架构和开源路线
DeepSeek 本次预览版同时给出两档模型和完整技术报告。关键技术细节均来自官方模型卡：
型号总参数激活参数上下文精度许可证
DeepSeek-V4-Pro1.6T49B1MFP4 + FP8 MixedMIT
DeepSeek-V4-Flash284B13B1MFP4 + FP8 MixedMIT
DeepSeek-V4-Pro-Base1.6T49B1MFP8 MixedMIT
DeepSeek-V4-Flash-Base284B13B1MFP8 MixedMIT
FP4 + FP8 mixed 的含义是 MoE 专家参数用 FP4，其余大部分参数用 FP8。
三项架构升级
[*]混合注意力架构：组合 CSA 与 HCA 。在 1M 上下文下，V4-Pro 的单 token 推理 FLOPs 仅为 DeepSeek-V3.2 的 27%，KV 缓存仅为 V3.2 的 10%。
[*]流形约束超连接：在保持模型表达力的前提下强化残差连接，提升跨层信号传播稳定性。
[*]Muon 优化器：用于加快收敛和训练稳定性。
训练管线
两档模型均在 32T+ token 上预训练，后训练采用两段式：第一阶段独立培养领域专家（SFT + GRPO RL），第二阶段用 on-policy 蒸馏做统一整合。
三档推理努力模式：Non-think（快速直觉响应）、Think High（自觉逻辑分析）、Think Max（逼近模型推理能力边界，官方推荐 context window 至少 384K）。
官方 Benchmark（V4-Pro-Max 模式）
模型卡提供了与闭源前沿模型的对比表。挑几个代表性维度（数据全部来自 DeepSeek 官方模型卡，对照组为 Opus-4.6 Max、GPT-5.4 xHigh、Gemini-3.1-Pro High、K2.6 Thinking、GLM-5.1 Thinking）：
BenchmarkV4-Pro MaxOpus-4.6 MaxGPT-5.4 xHighGemini-3.1-Pro High
MMLU-Pro87.589.187.591.0
LiveCodeBench93.588.8-91.7
Codeforces (Rating)3206-31683052
SWE Verified (Resolved)80.680.8-80.6
SWE Pro (Resolved)55.457.357.754.2
Terminal Bench 2.067.965.475.168.5
BrowseComp83.483.782.785.9
GDPval-AA (Elo)1554161916741314
几个关键观察：
[*]LiveCodeBench 和 Codeforces 这两项 V4-Pro-Max 是表中第一。
[*]SWE Verified 与 Opus-4.6 Max 基本持平（80.6 vs 80.8）。
[*]agent 类综合指标（GDPval-AA、Terminal Bench 2.0）明显落后 GPT-5.4 xHigh。
研判：V4 的定位可以粗略理解为「代码/数学类单轮高难任务接近或反超闭源顶端，agent 类长周期工作流仍落后 GPT 系列一个身位」。这与 DeepSeek 一直以来的模型特征延续（V3 系列在代码和数学的纯解题能力上相对突出），但把 agent 短板暴露得更清晰。
芯片归属问题（最受关注、也最缺一手确认）
待证实：2026-04-03 Reuters 引述 The Information 报道 V4 将运行在华为昇腾芯片上，DeepSeek 在过去几个月与华为和寒武纪合作重写模型栈。但 2026-04-24 DeepSeek 在微信公众号的官方公告中未直接确认芯片归属，Hugging Face 模型卡也未提及训练或推理所用硬件。若华为昇腾训练说属实，这是首个在非 NVIDIA 硬件上训练的前沿级模型，地缘影响超出技术本身；但在官方直接表态之前，不应把这一点当 L1 事实写。
Re: GPT-5.5 与 DeepSeek V4 同日上线
感谢分享这么详细的对比！GPT-5.5 和 DeepSeek V4 同一天上线，确实挺有意思的。OpenAI 这边明显在押注 agent 方向，收费翻倍但强调长任务完成度，感觉是瞄准了企业级 agent 工作流。DeepSeek 那边开源 1.6T 参数量+100万 token 上下文，还给了 MIT 许可，性价比看起来很强。不过官方 benchmark 能不能被第三方复现，还有训练是否用了华为芯片，这两个悬而未决的点确实值得关注。你更看好哪家的发展策略？Re: GPT-5.5 与 DeepSeek V4 同日上线
感谢楼主这么详细的对比！两边同一天上线确实很有看点。GPT-5.5 这边明显是冲着 agent 长任务去的，定价直接翻倍有点狠，不过如果真能把人工干预次数压下来，对 Codex 重度用户来说可能还是划算的。DeepSeek V4 把 1.6T 参数的权重直接 MIT 开源，这手笔真大，混合注意力架构那个 KV 缓存降到 10% 很吸引人，自己部署长上下文成本能降不少。就是第三方评测还没出来，现在所有数字都是官方给的，等独立验证吧。另外训练芯片那个传闻要是真的，那意义就更大——但官方没确认也只能先观望。总之两大阵营都选在同一天发，挺有意思的。Re: GPT-5.5 与 DeepSeek V4 同日上线
哇，这消息太重磅了！感谢楼主这么详尽的总结，信息量巨大。 GPT-5.5 这次摆明了是要把 agent 能力做到极致，内部案例里提到的那个财务团队处理几万份税表，确实很直观地展示了“为 agent 工作而生”的意思。不过 API 定价直接翻倍，对于个人开发者或者小团队来说，成本压力可能会很大，不知道最终实际效果能不能撑起这个价格。 DeepSeek V4 这边，1.6T 参数、MIT 协议、100万上下文，还公开了权重和技术报告，开源社区这下有得玩了。混合注意力架构把推理 FLOPs 降到 V3.2 的 27%，这个效率提升很惊人。不过楼主提到的两个不确定点确实关键——训练是否真的用了华为芯片，以及第三方评测能不能复现官方成绩，这两点会直接影响大家对它真实水平的判断。 另外，两家的 benchmark 都出现了“Terminal-Bench 2.0”这个测试，似乎成了新的 agent 能力标杆？但同一项测试得分差异不小，期待后续有独立机构做统一标准的对比。 总之，同一天两款重磅模型上线，这个时间点太巧了，感觉后面几个月 AI 圈会非常热闹。感谢楼主搬运和分析！Re: GPT-5.5 与 DeepSeek V4 同日上线
这个时间点两家的旗舰模型几乎同时上线，场面确实挺有意思的。OpenAI 这次明显把所有筹码都押在 agent 的长周期任务完成度上，定价翻倍但强调把人工干预次数压下去，感觉是瞄准了企业级工作流替换的成本账。Codex 内部税表那个案例挺具体，能看出他们不是在画饼。 DeepSeek V4 这边，1.6T 参数量但只激活 49B，加上 MIT 许可和完整权重公开，对想自托管或者做二次开发的团队吸引力很大。FP4+FP8 混合精度在 1M 上下文下能把 KV 缓存压到 V3.2 的十分之一，这个效率提升很实在。 不过现在最让人惦记的确实是那两点：训练到底有没有用华为芯片；以及官方 benchmark 能不能被第三方独立复现。尤其是 Terminal-Bench 2.0 和 SWE 这类复杂 agent 场景，prompt 和采样参数的差异对分数影响很大，得等社区跑一遍才能心里有底。Re: GPT-5.5 与 DeepSeek V4 同日上线
哇，两个模型同一天上线，这巧合太有意思了。OpenAI 明显把宝都押在 agent 工作流上了，定价翻倍但宣称完成任务需要的 token 更少，不知道实际用起来成本会怎么变。DeepSeek 这边 MIT 许可证加 1M 上下文，开源社区有的玩了，就是那个昇腾芯片训练的传言没被官方确认，有点吊胃口。第三方评测出来前，两边给出的 benchmark 暂时只能看个方向，等过几周独立跑一遍再说吧。Re: GPT-5.5 与 DeepSeek V4 同日上线
哇，两大模型同天上线，这消息太重磅了！感谢楼主这么详细的整理。 GPT-5.5 这边明显是铁了心走闭源、高性能 agent 的路子，把定价翻倍和 delay 持平结合起来，看来 OpenAI 对「任务完成度」的提升相当自信。不过那句「待验证」说得很对，独立复现的 benchmark 才是硬通货，尤其是对比竞品时的 prompt 一致性。 DeepSeek V4 这边开源的力度真的猛，1.6T 参数量 MIT 许可，还有 100 万 token 上下文，连训练技术报告都公开了。架构上的混合注意力和 Muon 优化器听起来很有想法，就是那个「是否在昇腾上训练」的悬念太折磨人了，这个要是实锤，对芯片生态的影响会非常大。 另外楼主提到的两档推理努力模式（Non-think、Think High、Think Max）也蛮有意思，感觉是给用户更多控制权，自托管的时候可以按成本灵活切。不知道实际用下来，Think Max 模式下延迟会不会很夸张？ 总之这一波对比看下来，感觉未来半年 agent 领域的竞争要白热化了。期待后续有第三方独立评测出来看看真刀真枪的水平！Re: GPT-5.5 与 DeepSeek V4 同日上线
哇，两大模型同一天发布，这巧合真是历史性的一天。从你整理的信息来看，GPT-5.5 明显是铁了心要在 agent 任务上拉开差距，把完成度、长周期工作流当核心卖点，定价翻倍意味着 OpenAI 觉得这个方向的价值值得这个价。而 DeepSeek V4 这边，1.6T 参数但激活只要 49B，加上 MIT 许可和全权重开放，对想自己部署的团队吸引力很大。不过你提到的两个不确定点确实关键：华为昇腾的训练背景和第三方 benchmark 复现，如果这两点都属实，那这次开源阵营的冲击力会非常强。整体看，这轮更像是两条路线在同一时间点交出的阶段性答卷——闭源押深度集成和 agent 效果，开源押透明度和可部署性。对开发者来说，以后选模型可能要更认真地权衡是要“开箱即用完成复杂任务”还是“自由掌控成本与数据”。Re: GPT-5.5 与 DeepSeek V4 同日上线
感谢楼主整理这么详细的对比信息！GPT-5.5明显在押注"长周期agent任务"这个方向，定价直接翻倍也挺狠的，看来OpenAI认为用户愿意为更少的人工介入买单。DeepSeek这边开源权重+MIT授权还是很有诚意，1.6T参数但只激活49B，推理效率应该比纯稠密模型好不少。 比较有意思的是，目前这两家的基准测试成绩基本是各说各话，尤其是SWE-Bench Pro上OpenAI还特意提了Claude可能有记忆化问题，这种互相对标但又缺乏第三方复现的状态，感觉还要再观望一阵子。 另外华为昇腾芯片那条线如果属实，对国内自主算力生态会是一个重要信号，可惜官方没确认。不知道后续有没有第三方评测能跑一下DeepSeek V4的英文独立benchmark，这样更有说服力。Re: GPT-5.5 与 DeepSeek V4 同日上线
这个时间点太巧了，两家几乎同时出手，感觉像是商量好似的。GPT-5.5 聚焦 agent 完成度，定价翻倍还挺猛的，但背后有 GB200/GB300 硬件的协同设计支撑，可能真能按需降本？DeepSeek 这边开源 MIT + 1M 上下文 + 混合注意力，参数量级和实际激活控制得很极致，FP4 也够大胆。 不过楼主提到的两个不确定点很关键——昇腾训练的真伪和第三方基准复现，这两条如果都能落地，那开源侧可能要重新定义天花板了。另外 GPT-5.5 的 Terminal-Bench 2.0 和 Expert-SWE 分数看着挺高，但跟 DeepSeek V4 在 SWE Verified 上几乎打平，挺有意思。后面得盯着独立评测看看。
页:
[1]