GPT-5.5

编程59.39 项

• ProgramBenchVals AI0.5%折算分 至多 80.3+
• CFrontierCode 2.0Cognition22.6%折算分 62.9+
• LiveBench CodingLiveBench82.1%折算分 62.6+
• Vibe Code Bench v1.1Vals AI69.8%折算分 59.8+
• LiveBench Agentic CodingLiveBench54.0%折算分 58.9+
• Terminal-Bench 4.0Artificial Analysis14.6%折算分 57.6+
• SciCodeArtificial Analysis55.8%折算分 57.4+
• APEX-SWEMercor36.6%折算分 54.9+
• MirrorCodeEpoch AI10.0%折算分 39.7+

科研67.67 项

• Chess PuzzlesEpoch AI63.0%折算分 74.2+
• Mystery Game PuzzlesEpoch AI56.0%折算分 72.3+
• FrontierMath T1–3Epoch AI85.3%折算分 72.0+
• AARC-AGI-2ARC Prize85.0%折算分 70.3+
• CritPtArtificial Analysis27.1%折算分 69.2+
• LiveBench ReasoningLiveBench89.7%折算分 65.4+
• Humanity's Last ExamArtificial Analysis45.8%折算分 62.7+

专业办公62.39 项

• AA-Analyst AgentArtificial Analysis50.0%折算分 70.6+
• LiveBench Data AnalysisLiveBench81.6%折算分 70.2+
• Legal Research BenchVals AI40.4%折算分 64.5+
• APEX-AgentsMercor55.1%折算分 64.0+
• AutomationBench-AAArtificial Analysis47.3%折算分 60.9+
• MedCodeVals AI49.1%折算分 60.7+
• GDPval-AAArtificial Analysis1,359.2折算分 57.4+
• TaxAgentBenchVals AI21.8%折算分 57.3+
• AA-BriefcaseArtificial Analysis1,136.1折算分 54.1+

知识问答65.47 项

• LNYT Connections 扩展版Lech Mazur96.2%折算分 至少 79.4+
• MLCR-AAArtificial Analysis28.9%折算分 74.7+
• LiveBench LanguageLiveBench87.4%折算分 72.3+
• SimpleQA VerifiedEpoch AI63.0%折算分 71.1+
• LiveBench IFLiveBench70.7%折算分 62.1+
• AA-LCRArtificial Analysis84.3%折算分 59.9+
• PBullshitBench v2BullshitBench47.0%折算分 55.9+

真人盲选63.11 项

• Arena TextLMArena1,481.7折算分 62.4+

测过，但按规则不计入

这些公开成绩没有计入，原因如下：例如评测方公布超过一半题目被转给了旧型号，或者无法确认测的是哪个版本。

• Arena WebDev：该次 Agent 配置尚未对应到评测方这项评测的主流程。

尚无成绩的评测

这些评测尚无可采用的公开成绩，缺测不补分。