标签： Codex

OpenAI在2026年5月这波更新，藏着他们真正的野心

2026年4月23日到5月28日这段时间，OpenAI密集发布了一堆更新。表面上看，就是发布了新模型、修了几个bug、加了两个功能。但如果你仔细看这波操作的逻辑，会发现他们真正想做的，是把AI从”聊天工具”变成”能连续工作几小时的数字化员工”。

GPT-5.5来了，但重点不是”更聪明”

4月23日，GPT-5.5在API、ChatGPT Plus/Pro、Codex、Copilot中上线。数字看着挺漂亮：支持100万token上下文，SWE-bench Verified得分88.7%，MMLU 92.4%，定价5/30美元每百万token。

但真正有意思的是5月5日上线的GPT-5.5 Instant，它取代了GPT-5.3 Instant成为所有ChatGPT用户的默认模型。OpenAI内部测试显示，在高风险提示下，它的幻觉率比上一代降低了52.5%。用户标记过事实错误的真实对话中，不准确陈述减少了37.3%。

GPT-5.5 Instant的输出也更简洁了，相同提示下输出字数减少30.2%。以前那种”好的！我很乐意帮助您…”的废话开头，现在少多了。

不过有个细节值得注意：52.5%的幻觉降低，是在开启工具使用的高风险提示下测得的数据。如果不开启工具，纯靠模型自己生成长文本，GPT-5.5的幻觉率仍有86%，远高于Claude Opus 4.7的36%。所以，它的事实性优势主要来自工具引导和上下文工程，而不是基础模型本身有多牛。

Codex CLI偷偷升级成了”持久自主运行时”

5月7日到26日，Codex CLI连发4个版本。表面上是加了Vim编辑支持、修了几个bug、改进了UI。但5月21日v0.133.0的更新，才是这波操作的核心：目标模式（Goals Mode）默认开启。

这个”目标模式”是干嘛的？简单说，就是你定义一个结果和成功标准，然后Codex可以自己跑几个小时甚至几天，而且进度是跨轮次、跨会话、跨机器持久化的。目前这个功能在CLI、IDE扩展、ChatGPT应用里都已经正式可用。

这意味着什么？以前你让AI帮你写代码，它写完就完事儿，你得自己测试、自己修bug、自己接着往下做。现在你可以直接甩给它一个目标，比如”把这个项目的所有单元测试覆盖率提升到80%”，然后你就可以去干别的了，它自己会想办法、自己测试、自己迭代，直到达成目标或者卡住。

其他几个更新也挺实用：v0.131.0支持通用的”@”选择器，可以一次性搜索文件、目录、插件、技能；v0.134.0支持对话历史搜索，还支持按服务器配置MCP环境变量。这些看起来是小事儿，但堆在一起，就是在把Codex从”交互式编码助手”升级成”持久自主运行时”。

ChatGPT for Excel和Google Sheets，这步棋下得挺大

5月5日，ChatGPT for Excel和Google Sheets正式发布。这个功能是在Excel和Google Sheets里加个侧边栏，让ChatGPT直接读写你的电子表格。

有两个概念值得注意：技能（Skills）是可复用的操作手册，教ChatGPT如何处理你这个组织的电子表格工作流、格式和审核步骤；应用（Apps）允许侧边栏连接外部数据源（比如金融数据、内部数据库），让推理基于正确的上下文，而不只是靠公式推理。

这个动作的信号很清晰：OpenAI不想让ChatGPT只是个”聊天框”，他们想让它嵌入到你的工作流里。Excel和Google Sheets是全世界上亿人的日常工具，把AI直接塞进去，比让你打开个网页聊天的使用频率高多了。

商业和企业版用户可以免费试用到2026年6月2日，之后就要按套餐积分配额计费了。这个时间节点卡得挺准，给你一个月时间尝鲜，然后就开始收费。

记忆源（Memory Sources）：个性化推荐背后的隐私陷阱

5月18-20日，记忆源功能向Plus和Pro用户的网页端开放。这个功能的核心是：当ChatGPT给你个性化回答时，你可以查看它引用了哪些来源——过往对话、保存的记忆、自定义指令、文件库中的文件、已连接的Gmail账户邮件。

每个来源都可以修正、删除或标记为”不相关”。共享对话不包含来源列表，所以共享边界处的隐私是受到保护的。

紧接着，Google日历集成也来了：连接日历后，ChatGPT可以起草会议议程、推送生日提醒、为即将到来的旅行推荐餐厅。

这里有一个明显的隐私权衡：你连接了Gmail或日历之后，其中的内容可能会在回答中露出来。如果你忘了已经连接了Gmail，然后问它”我们的Q2战略”，它可能会引用一封你早就忘了的邮件线程。建议定期去审计一下记忆源面板。

GPT-5.6的影子：到底发没发布？

5月中旬，有用户发现Codex日志中短暂出现过gpt-5.6的部署映射条目，但很快就消失了，回滚成了gpt-5.5。这个现象符合后端金丝雀测试的特征：把少量生产流量路由到实验版本，测量性能和行为。

所以，GPT-5.6大概率是在开发中。Polymarket的交易者认为，2026年6月30日之前公开发布的概率是80-89%。但这是博彩市场的信号，不是厂商的承诺。

OpenAI目前没有发布GPT-5.6的模型卡、API端点、基准测试或者发布日期。所以如果你在规划Q3的路线图，建议先基于GPT-5.5开发，保持模型ID可配置，方便后续一行代码迁移。任何假设GPT-5.6六月发布的路线图，目前都只是押注，不是承诺。

跟Claude Opus 4.7、Gemini 3.1 Pro比，GPT-5.5赢在哪？

2026年5月，这三款旗舰模型在Artificial Analysis智能指数上只相差约3分。差异化不再来自原始能力，而是各自的优势领域。

• GPT-5.5：在代理执行领域领先，Terminal-Bench得分82.7%（Opus 4.7是69.4%），OSWorld 78.7%。它有全新的Codex目标模式运行时和最深入的第一方工具集成。
• Claude Opus 4.7：SWE-bench Pro得分64.3%（GPT-5.5是58.6%），长文本事实性幻觉率36%（同基准下GPT-5.5是86%）。写作质量更优，更适合风险敏感的企业场景。
• Gemini 3.1 Pro：纯推理能力领先，GPQA Diamond 94.3%，ARC-AGI-2 77.1%，而且价格更低（输出约12美元每百万token，不到GPT-5.5或Opus 4.7的一半）。

选型建议挺直白：自主代理和Office嵌入工作流选GPT-5.5，代码审查和高信任长文本选Opus 4.7，成本敏感的大规模场景或多模态视频选Gemini 3.x。

开发者这个月实际踩了哪些坑

文档是一回事，生产环境是另一回事。这个月开发者实际踩过的坑包括：

• Codex 40万 vs API 100万上下文不匹配：给Codex喂接近API 100万限制的提示会报错”超出模型上下文窗口”。Codex内上限需控制在40万token。
• 推理token计费：思考token按输出费率计费，不是单独的等级，而且计入上下文预算。需要谨慎设置reasoning_effort。
• 长文本幻觉：GPT-5.5长文本事实性幻觉率86%，跟Opus 4.7的36%差距明显。无检索接地的情况下多段落事实生成，是这个模型的最大弱点。
• Codex 0.134配置文件迁移：旧配置文件会被拒绝，需要显式传入--profile或更新配置文件到新schema。
• 记忆源隐私：如果连接了Gmail或日历但忘了，相关邮件内容会在上下文相关的回答中露出来。共享前务必审计记忆源面板。

写在最后

OpenAI这波5月更新的核心逻辑，其实不是在比谁的模型更聪明，而是在布局”AI能不能真正替人干活”。GPT-5.5 Instant降低幻觉、Codex目标模式支持长时间自主运行、ChatGPT嵌入Excel和Google Sheets——这些都是在把AI从”聊天工具”推向”数字化员工”。

竞争对手也没闲着。Anthropic的Claude Opus 4.7在事实性和代码审查上仍有优势，Google的Gemini 3.5 Flash在成本和多模态上发力。这场AI战争，已经从”谁的模型分数高”转向”谁能真正嵌入到用户的工作流里”。

对于开发者来说，现在最务实的策略是：先基于GPT-5.5构建，但保持模型ID可配置。GPT-5.6大概率会在Q3发布，到那时候，一行代码就能切换过去。但在那之前，先把能用的功能用起来，比等着”下一代模型”更实际。