花了一天时间把GPT-5.5和5.4在我们项目上做了对比测试，分享数据。
测试场景： 中型Python/TypeScript项目，约5万行代码
| 任务类型 | GPT-5.4 | GPT-5.5 | 变化 |
|---|---|---|---|
| 单函数重构 | 一次通过率 ~72% | ~85% | +13pt |
| 跨文件修改 | 一次通过率 ~45% | ~65% | +20pt |
| Bug定位+修复 | 一次通过率 ~55% | ~72% | +17pt |
| 写单元测试 | 覆盖率平均 78% | 87% | +9pt |
| 回答复杂技术问题 | 主观评分 7/10 | 8.5/10 | +1.5 |
结论： 跨文件和bug定位的提升最明显，单函数级别的提升没有宣传的那么夸张。
成本方面：5.5每次调用token消耗比5.4多约30%，思考链更深了。
横向对比下DeepSeek V4（昨天发的）：
DeepSeek V4 SWE-bench Verified ~81%，Codeforces 3206。这两项数据甚至超过了GPT-5.4 xHigh，5.5的具体数据OpenAI还没完全公开但应该在接近范围。
差别是：V4开源+便宜（$0.30/MTok），5.5闭源+贵。
程序员日常用选哪个？我觉得轻度用DeepSeek就够，重度需要稳定性和Agent能力还是5.5更顶。
跨文件修改+20pt这个数据跟我测的差不多。我做的是重构整个模块，5.4经常在modules之间切换时丢掉上下文，5.5能保持住项目结构理解。
这个能力差距在大项目上感知特别明显，小项目其实5.4就够了。
小提升，比a社的mythos强了
30%多消耗token性能提升20%，ROI不太划算啊……除非你的项目复杂到5.4真的搞不定
给个务实建议：简单代码任务走DeepSeek V4省钱，5.5专攻跨文件重构和调试这类需要深度的任务。 在OpenClaw或者Cursor里都可以配多个模型手动切换。
我公司团队现在就是这么用的，月均API成本降了60%，效率反而提升了（因为每个任务用对了模型）。
楼主这个数据是手动评估的还是有正式benchmark？一次通过率这种主观性挺强，不同人测可能差很多。建议跑一下HumanEval或SWE-bench有公开数据才好对比。
是手动评估，小样本（每类20-30个任务）。正式benchmark我还没跑完，跑完发个更新。不过体感上跨文件和debug能力是真的进步大。