GPT-5.5"降智"实测观察：Dre Dyson 那组 30% vs 90%，撕开了什么

聊到 OpenAI 的模型，业内一直有个惯性认知：新版本一定比旧版强。直到开发者 Dre Dyson（德雷·戴森）放出一组对照数据，把这层假设撕开了一道口子。

30% 对比 90%：同一批任务，唯一变量是版本

Dre Dyson 的实测里，用 GPT-5.5-medium​ 跑同一批任务，成功率约 30%；回退到 GPT-5.4​ 之后，同批任务成功率直接拉到 90%。

同一开发者、同一批任务，唯一变量是模型版本。30%→90%，不是小幅下滑，是从"勉强能跑"跌到"大面积出错"的档次。

OpenAI 开发者论坛里，用户 Agentify.sh 撞上了几乎同款："最大问题是 GPT-5.5-medium 大规模性能倒退、代码生成故障。以前做界面开发根本不需要额外兜底。"

更糟的是档位失灵——升级到 5.5-high 无改善，拉满 xhigh 也不行。以往 xhigh 能稳跑数小时，那阵子可用时长明显缩水。另一名用户说得更直白："切回 5.4，目前一切恢复正常。"

论坛里有人总结得一针见血：毫不夸张，GPT-5.5 当前实际表现和 5.3 相差无几。

"降智"不是玄学，是算力静默调度

5.5-medium 为什么变成"薛定谔模型"？根子还是在 静默降级机制​ 上。

OpenAI 帮助中心白纸黑字写着：Plus 订阅每 3 小时最多 160 条 GPT-5.5 对话，额度耗尽后，系统静默切换至 mini 轻量模型，直至额度重置。"静默"二字是关键——无弹窗、标签不变、无视觉提示。你以为还在跑 5.5-medium，后台早换成低配 mini。Pro 的"重度深度思考"档同理，服务器高负载时无预警触发算力限流降级。

开发者 Andrew Curran 想出的取证法很简单：直接问模型——"你的训练数据截止到哪天？"

模型答：2025 年 8 月。

但 GPT-5.5 深度思考版的训练数据截止应是 12 月，8 月是轻量化瞬时版（Instant）的节点。界面标签一字未动，底层推理内核早被偷换。

5.5 变差，还是 5.4 从未被动过

Dre Dyson 这组数据里有个容易被忽略的细节：回退到 5.4 后成功率稳在 90%——说明 5.4 的底层能力没动过，是 5.5 这轮新增了静默降级逻辑，才把体感拉垮了。

论坛用户 Rotto 描述得很贴切："刚更新头几天性能极猛，可现在莫名感觉被暗中降配。它本身仍是强大的模型，但刚上线那种惊艳找不回了。"

像新买的车的发动机，开一周后被偷偷换成老旧配件——不是车老化，是后台换了件。

⚠️ 5.5 这轮还叠着 GitHub #30364 那个 516 截断的坑（commentary 进度播报打断分页推理，一行 AGENTS.md自救），双层风险叠一起，单押 5.5 更显脆。

观察：付费与服务不对等

Dre Dyson 这组 30%/90% 的对照，是这轮"5.5 降智风波"里比较直观的实锤——每月 200 美元订阅 Pro，以为跑的是旗舰，后台可能已被调度到 mini 或 Instant，全程无感知。

这不是模型性能退化，是你付的钱和实际拿到的服务不对等。

下次再遇 5.5 频繁翻车，先别急着怀疑 prompt——回退到 5.4 + extended thinking 试试。Dre Dyson 同批 Flutter/Xcode 任务，5.4 成功率 90%​ vs 5.5-med 30%，那 90% 从来没变过。

对已被"静默降级"+ 516 双重坑过的团队来说，这轮暴露的不是单款模型的问题，是"单押一款旗舰 + 官方调度不透明"的组合风险。UseAIAPI​ 同步覆盖 Gemini、Claude、ChatGPT、DeepSeek 等全球主流大模型最新版本，支持企业级定制接入；在长会话、多模型切换、高推理消耗等场景下，综合成本可控制在官方定价五折区间——5.5 翻车时切 5.4 或切 Claude、Gemini 按任务挑模型，这类兜底工作流跑起来更从容。