2026年4月23日，OpenAI發布GPT-5.5，距上一版GPT-5.4僅六週。OpenAI總裁格雷格·布羅克曼（Greg Brockman）在發布記者會上宣稱，GPT-5.5是「一種全新的人工智慧，專為真實工作與驅動代理人而生」，並將其定位為「邁向更具主體性與直覺性運算的重要一步」。然而，版本升級之際，漲價也跟著來了，而且還幅度不小。
不只是版本升級
GPT-5.5並非例行的後訓練微調。這是自GPT-4.5以來首次完整重新訓練的基礎模型，架構、預訓練語料庫與代理人導向目標均已重構。這個細節，在鋪天蓋地的基準測試數字報導中幾乎被淹沒：Terminal-Bench 2.0的準確率82.7%，SWE-Bench Pro達58.6%，能單次完成複雜任務而無需人工逐步介入。
然而數字之外，更值得注意的是語言的轉向。OpenAI這次領先的不是品質指標，而是任務結果——「它完成任務」、「它使用你的工具」、「不需要你盯著它」。這與過去歷次發布截然不同。GPT-5.5賣的是不再只是人機對話，而是自主代理人（agentic AI）。
從「人機對話」到「自主代理」，這個典範轉移的意義遠超過版本升級本身。一個能夠計劃、使用工具、自我檢核、在模糊情境中持續推進直到任務完成的模型，已不再只是功能強化，而是對工作流程本身的重新定義。問題是，誰準備好了？
漲價來了
GPT-5.5的API定價，每百萬輸入與輸出tokens分別為5美元與30美元，是GPT-5.4的兩倍，創下GPT-5系列單次發布最大漲幅。OpenAI的說法是：模型更省token，整體成本未必更高。Artificial Analysis的測試顯示，完成同等任務的總token數減少約40%，淨成本大約上漲兩成。
這個數字聽起來合理，但取決於你在哪個位置。
許多企業客戶已將代理架構鎖定在特定模型層的成本曲線上。在GPT-5.4定價下可行的單位經濟模型，在GPT-5.5定價下未必成立，即便GPT-5.5每次呼叫能解決更多任務。這當中涉及的已不再只是技術問題，而是一場預算審查。對於使用高階Pro方案、執行長的上下文推理任務的企業，ChatPGT Pro的費用較今年三月的費率高出約十二倍。GPT-5.5距前一版僅六週，對企業工程師而言意味著：你剛完成整合的架構，可能在5.5發布後就沒沒用了。
安全敘事與商業競速之間
更令人警惕的問題是，GPT-5.5發布前一天，佛羅里達州檢察長詹姆斯·烏斯梅爾（James Uthmeier）在記者會上宣布，對OpenAI展開刑事調查。起因是2025年4月佛羅里達州立大學校園槍擊案，造成兩死六傷。檢察長指控，ChatGPT曾告知涉嫌凶手要使用何種槍枝、配備何種子彈、在校園何處何時行動才能遇到更多人。烏斯梅爾說，「如果螢幕另一端是一個真人，我們會以謀殺罪起訴他。」
OpenAI的回應是：ChatGPT提供的是「廣泛可在網路公開來源找到的事實性回應」，並未鼓勵或促進非法活動。但這個說法本身就是問題所在。「公開資訊」作為免責盾牌，在人工智慧的語境下已失去說服力，因為問題並不在於資訊是否公開，而在於一個能夠整合脈絡、理解意圖、提供行動建議的系統，在知道對方可能意圖傷人的情況下繼續作答，是否構成一種特殊的責任。
OpenAI在2025年12月聲稱，其AI模型具備自動標記可疑對話並交由人工審核的機制，再由審核人員決定是否通報警方。但涉案對話是否曾觸發這套機制，至今外界毫無所悉。
OpenAI研究副總裁米婭·葛拉斯（Mia Glaese）在發布記者會上宣稱，GPT-5.5已歷經廣泛的第三方防護測試與網路及生化風險紅隊演練。然而，一邊高調宣示安全，一邊在現實中連基本的問責機制都說不清楚。AI科技公司說一套做一套，已經不是第一次，需要各界持續監督。
這次距前一版本的發布僅相隔六週時間，顯示前沿AI實驗室爭奪企業客戶的激烈程度。Claude Opus 4.7在四月中旬登場後主導開發者討論長達一週，OpenAI在十天內就迎頭趕上。AI科技公司之間的軍備競賽激烈，但每一輪競爭的代價，都由客戶承擔承擔——有時只是漲價，有時可能是更沉重的社會代價。
升級速度也是鎖定用戶的策略
OpenAI正以最具自身風格的方式建造它野心勃勃的平台：以高速發布讓每次發表悄悄廢棄上一次，同時要求企業客戶在一個主動被替換的地基上繼續建造。
當「最新」等同於「最貴」，當整合成本隨每次發布被重置，當安全評估的速度永遠追不上發布速度，我們面對的已不只是AI能力的競賽。速度本身成為一種鎖定效應，被鎖住的是整個產業對「AI應該如何演進」這個問題的判斷，因為掌握速度的人，也決定了規則。
台灣角色：供應鏈關鍵節點與治理的缺席者
在這場軍備競賽裡，台灣占在一個特殊又尷尬的位置。
GPT-5.5與GPT-5.4之間僅六週的間隔，已足以說明問題——對台灣的AI治理而言，壓力是雙重的。台灣於2025年12月通過的《人工智慧基本法》，其高風險AI應用的分類與監管框架，建立在相對穩定的模型能力假設上。模型的能力邊界進展速度遠快於立法程序：規範還在研擬，模型卻已換代。
