哈利花大半集拆解 GPT-5.5：全新的 Base Model、智能與 Token 效率都領先，只有前端還輸 Opus 4.7。接著談他為什麼覺得 AGI 時程開始說得通，最後快速過一遍 DeepSeek-V4。
重點
GPT-5.5 是從頭訓練的新 Base Model。哈利說 GPT-5 到 GPT-5.4 都是同一個基底調出來的，GPT-5.5 是代號 Spud 系列的全新模型，是 OpenAI 兩年預訓練研究的成果。參數量是他自己推測的，約 6 兆，OpenAI 沒有公布。
更聰明，而且更省。OpenAI 報的 benchmark GPT-5.5 全部更高；哈利自己用 Codex 和 Claude Code 同題比較，核心邏輯錯誤比 Opus 4.7 少。他認為企業該看的是 Cost Per Task，不是 API 單價，GPT-5.5 的 Token 用得少，整體反而更便宜。
前端仍是 Opus 4.7 的強項。哈利覺得 GPT-5.5 做的網頁比較單調死板，奧特曼自己也在 X 上承認前端稍弱。
Codex 有機會追上 Claude Code。哈利認為 AI 競賽已變成 Agentic Coding 與長時間任務的競賽，需要產品飛輪來養資料。Claude Code 的飛輪轉得比較久，但最近 Anthropic 惹惱不少開發者，Codex 趁機變香。
Digital AGI 的時程說得通。哈利回頭檢查自己 2025 年 7 月的預測，認為進度是 on track。他定義的 AGI 仍然是 Jagged 的，只要能做完白領知識工作的 60% 就夠格。
DeepSeek-V4 效率強、智能仍落後。支援 100 萬 token 的 context，KV Cache 只要 10%；但哈利認為智能約在 Sonnet 等級，並轉述前字節跳動工程師的說法，認為中美 AI 差距在拉大。
時間軸 點時碼從那一段開始
- 追不上 AI 的焦慮哈利說自己也跟不上 AI，連 Andrej Karpathy 都覺得跟不上。追新聞很累，但每次硬著頭皮用 AI 工具，熱情又會燒回來。最後預告兩個主題：GPT-5.5 和 DeepSeek-V4。
- 為什麼值得聊新模型有兩種：沿用舊基底微調，或全新的 Base Model。GPT-5.1 到 GPT-5.4 屬於前者，GPT-5.5 是後者，他用黑咖啡豆的比喻說明。
- Spud 系列哈利說 OpenAI 自 GPT-4 之後沒有成功 scale up pre-training，這次的 Spud 是兩年預訓練研究的集大成，中途 GPT-4.5 摔過一跤也學到經驗。
- 更大的內部模型與參數推測哈利推測 OpenAI 內部還有對標 Anthropic Mythos 的更大模型，可能 10 兆參數以上，這不是 OpenAI 說的。他估 GPT-5.5 約 6 兆參數，依據是 API 價格比 Opus 4.7 貴 20%、比 GPT-5.4 貴一倍。
- 開放用量與 benchmark每月 20 美金的 Plus 就能用 GPT-5.5，預設模型也換成它，免費方案還是 GPT-5.3。OpenAI 報的 benchmark 全部領先，第三方有些項目略低於 Opus 4.7，但在統計誤差內。
- 哈利的實測：核心邏輯他在各自原生的 Codex CLI 與 Claude Code CLI 裡丟同樣的 prompt。做報價 Excel 時，GPT-5.5 金額都算對、只是格子太窄，Opus 4.7 則是金額整個消失。
- 前端：Opus 4.7 仍勝哈利覺得 GPT-5.5 的網頁不醜但單調，Opus 4.7 多了創造力。他手上的案子前端要求高，所以這一項他很在意。
- 奧特曼的推文與流行語奧特曼發文承認前端稍弱、整體智能遠勝。哈利藉機解釋 Maxing、mog 這類矽谷圈的流行說法。
- Token 效率GPT-5.5 完成同樣的事用更少 Token。他讓它重做去年 12 月 GPT-5.2 做的 Sales Kit，PPT 品質差不多，時間從 32 分鐘縮到 4 分鐘。他也說「多想」與「少想」兩種宣稱看似矛盾，其實都是各家在優化的方向。
- Cost Per Task 與 Vibe Code Bench企業在意的是完成一件事花多少錢。Vals.ai 的 Vibe Code Bench 上 Opus 4.7 準確率 71%、花 21 美金，GPT-5.5 是 70%、花 16 美金，API 單價較低的 Opus 反而總成本更高。
- 兩家的路線差異哈利推測 OpenAI 能給 20 美金訂戶更多用量，一部分是 GPU 買得多，一部分是 Token 效率壓低了單用戶成本。Opus 4.7 換了 tokenizer，Token 量比 Opus 4.6 多 20% 到 30%。他把 OpenAI 稱為 Model Access Maxing，Anthropic 是 Model Intelligence Maxing。
- Semi-Analysis 的看法網路上評價幾乎一面倒。Semi-Analysis 的工程師拿到 early access 測了一兩週，認為 GPT-5.5 核心設計出錯較少、開工前會多拉相關資料，缺點是太照字面理解 prompt、改 code 偏保守。
- 哈利現在怎麼用 AI一般問題、商業分析、學習、寫程式、語音全用 ChatGPT，龍蝦也用 ChatGPT 訂閱接上，只有前端才交給 Claude。他認為 Agentic Coding 與長時間任務是目前最有經濟價值的兩項能力，也讓模型能加速下一代開發。
- ImageGen2哈利說新生圖模型比 Nano Banana Pro 更強，還能結合 Agent 能力：他請它做帶 QR Code 的宣傳海報，它自己去找 Logo 和連結。有人猜 OpenAI 砍掉 Sora 之後也會砍生圖，哈利說不會，OpenAI 總裁 Greg Brockman 也出面說過；他的理由是生圖和 LLM 同為自回歸 Transformer，Sora 則是 Diffusion Transformer。
- Codex 的飛輪贏下這局的關鍵是 Codex 的用戶市佔要上升，才能養出資料飛輪。Claude Code 的飛輪轉很久了，Codex 市佔仍輸，但哈利看到不少人宣布主力轉向 Codex。
- Anthropic 惹惱開發者哈利說 Opus 4.6 變笨的問題出在 Claude Code 的 Harness，多加了一兩行 System Prompt、改了預設思考時間。另有傳聞 20 美金方案可能取消 Claude Code，他的結論是這波 Anthropic 有點危險。
- 近一年的里程碑Claude Code 全面推出到現在不到一年。去年 12 月起 Agentic 與 Coding 能力大躍進，Opus 4.5 把 AI 能做的事從 20% 推到 80%，龍蝦也因此從沒人理會變成爆紅。
- Digital AGI 預測在軌道上他在 2025 年 7 月預測 Digital AGI 兩年內出現的機率很高，現在回看覺得 on track。再來三到四次能力躍升，他認為很可能達標，而且仍是 Jagged 的，完成 60% 白領工作就夠格。
- Karpathy 的笑話觀察哈利轉述 Karpathy 的看法：三年來模型的 Coding 能力天差地別，講出來的笑話卻還是同一個，能力的進步並不平均。
- DeepSeek-V4 的規格與智能V4 Pro 是 16 兆參數的 MoE，每次推論只啟動 49 Billion；Flash 為 284 Billion。支援 100 萬 token context，在這個長度下推論算力約為 V3.2 的 27%，KV Cache 只要 10%。哈利認為智能約在 Sonnet 等級，benchmark 輸、體感更差。
- Benchmark Maxing 與中美差距哈利說中國模型比較常為 benchmark 優化，並轉述一位前字節跳動 LLM 工程師的訪談：產品飛輪沒轉起來、算力與基礎設施不足，所以中美差距在拉大。哈利說這和他前兩集的看法一致。
值得記的話
▶ 17:07「現在所有 AI agent 他們的強度都是模型跟 harness 各佔一半嘛」
▶ 26:29「你真正在意的成本指標其實是 Cost Per Task」
▶ 44:21「真正有變的是它的 Harness，就是 Claude Code 的部分」
▶ 54:00「他只要能夠完成 80% 的工作，他就絕對可以稱作一個 AGI 了」
▶ 1:01:22「中國模型有比較多 Benchmark Maxing 的狀況」
名詞與人物
- Spud
- GPT-5.5 背後的新 Base Model 系列代號，哈利稱它是 OpenAI 兩年預訓練研究的集大成。
- Harness
- 模型的運行框架，也就是在什麼產品、用什麼邏輯跑它；哈利說 AI agent 的強度模型與 harness 各佔一半。
- Cost Per Task
- 模型完成一件事的總花費，哈利認為比 API 單價更能反映企業的真實成本。
- Token Maxing
- 矽谷流行說法，指狂用 Token 到最大；哈利說現在每間公司都在這樣做。
- Vibe Code Bench
- Vals.ai 設計的 benchmark，測模型的 Vibe Coding 能力，哈利拿來比較準確率與成本。
- Semi-Analysis
- 半導體研究機構，工程師有 GPT-5.5 的 early access，哈利轉述他們的測試心得。
- Jagged Intelligence
- 模型在複雜任務上很強、在人類覺得簡單的事上卻會出錯的狀態，哈利預期 Digital AGI 也是這樣。
- Digital AGI
- 哈利的用語；他定義的是能完成大部分白領知識工作、但不必完美的 AGI。
- DeepSeek-V4 Pro / Flash
- DeepSeek 發表的兩個模型，Pro 為 16 兆參數的 MoE，Flash 為 284 Billion 參數。
- MHC
- Manifold Constrained Hyperconnections，DeepSeek-V4 用來更有效利用長 context 的技術，節目另有一集專門講。
- Benchmark Maxing
- 為了讓 benchmark 成績好看而優化，哈利說中國模型比較常見，導致實際體感較差。
延伸
- 哈利提到 MHC 在先前有一整集科技浪專門講解，想了解這項技術可以回頭找那集。
- 哈利提到上週的節目談過晶片禁令如何限制中國 AI 公司的算力，這集的 DeepSeek 段落延續了那個論點。
- 他在 DeepSeek 段落說自己還沒時間細讀 technical paper，想看技術細節的人要等後續介紹。