OpenAI released GPT-5.5 於週三發布，但最新的基準測試數據顯示，Anthropic 的受管控 Claude Mythos Preview 在九項可直接比較的測試中，仍有六項領先。
GPT-5.5 基準測試分數
GPT-5.5 arrived 於 4 月 23 日在 ChatGPT 和 Codex 上線，定價為每百萬輸入 token 5 美元、輸出 30 美元，是前一代價格的兩倍。
該模型在 Terminal-Bench 2.0 上scored 取得 82.7% 分數，在這唯一一個明顯獲勝的基準上，以 0.7 分的差距壓過 Mythos。
Mythos, which Anthropic withheld from public release over cybersecurity concerns，在 SWE-bench Pro 上則以 77.8% 領先 GPT-5.5 的 58.6%。
它亦在 Humanity's Last Exam（無工具情境）tops 遙遙領先，得分 56.8%，相比之下 GPT-5.5 為 41.4%。這個受管控模型同時在 CyberGym、OSWorld-Verified，以及長上下文 GraphWalks 任務上佔優。
Also Read: Top Crypto Exchanges Mandate AI Tools, Track Token Use As KPI: Report
分析師提示的限制
比較結果仍然不夠精準，因為兩間實驗室都沒有直接將模型互相比對。OpenAI chose 選擇 Claude Opus 4.7 作為公開比較對象，而 Anthropic 在其 245 頁的系統卡中，則是拿 Mythos 和 GPT-5.4 對比。
測試框架亦有差異。OpenAI 在 Terminal-Bench 上使用 Codex CLI 設定，而 Anthropic 的 Terminus-2 scaffolding 則在 Terminal-Bench 2.1 的計時規則下，將 Mythos 推升至 92.1% 的成績。
Anthropic 在 4 月 7 日宣布決定對 Mythos 設置存取管控後，據報引發與歐盟委員會的會議，以及英格蘭銀行行長的警告，指該模型可能徹底撕開網絡風險防線。
Read Next: Ethereum Nears $2,450 Showdown As Bulls And Bears Split On Next Move