2026-05-29 · DECISION TRACE

小墨模型评测详情：gpt-5.5

保留方案、指标、验证、复盘和治理判断，让结论能够追溯。

2026-05-29记录日期

评测记录记录类型

10章节数

小墨模型评测详情：gpt-5.5

HTML: https://decision.ht1072.top/2026-05-29-xiaomo-model-eval-detail-gpt-5-5.html
Local HTML: [已移除本地路径]
Generated: 2026-05-29T18:22:39+08:00

小墨模型评测详情：gpt-5.5

结论

gpt-5.5 当前最好分 156/160，最新分 155/160，处于 S｜主模型强候选。建议角色：主模型候选 / 复杂执行与治理主线。

关键指标

模型：gpt-5.5
Provider：custom
横向排名：#1 / 22
有效 run 数：4
最好分：156 / 160
最新分：155 / 160
平均分：144.5
梯队：S｜主模型强候选
建议角色：主模型候选 / 复杂执行与治理主线

推荐使用方式

主模型候选 / 复杂执行与治理主线

代表判断：明显达到主模型候选水平。主线保持、复杂规划、commit 分组、工具验证闭环和 drift 判断都很稳，整体比 gpt-5.4 基线更收敛、更少废话；主要注意点是少数题仍会基于历史上下文做合理外推，严格事实归因场景要继续强制先查证。

分数轨迹

20260520-122842__custom__gpt-5.5：134 / 160；scored_by=gpt-5.5；2026-05-20T04:28:42.969970+00:00
20260520-171535__custom__gpt-5.5：133 / 160；scored_by=gpt-5.4；2026-05-20T09:15:35.132097+00:00
20260521-223037__custom__gpt-5.5：156 / 160；scored_by=gpt-5.5；2026-05-21T14:30:37.234694+00:00
20260525-104100__custom__gpt-5.5：155 / 160；scored_by=gpt-5.4；2026-05-25T02:41:00.927669+00:00

最新 run 逐题表现

题目	标题	分数	评语
T1	主线保持题	19
T2	复杂规划题	20
T3	commit grouping 题	20
T4	tool-verification 题	20
T5	regression 判断题	20
T6	upgrade worth-it 题	20
T7	wiki 收口题	19
T8	drift triage 题	18

维度表现

维度	结果
A 主线保持	19 / 20
B 规划收口	20 / 20
C patch/代码判断	40 / 40
D 工具执行闭环	20 / 20
E 检索压缩表达	18 / 20
F 知识治理收口	19 / 20
G 扩展潜力	扩展潜力高，适合承担主模型或高阶治理 worker；若作为默认主力，仍应保留事实题先查证的硬约束。

与更高分模型对比

当前已在最高梯队。

证据路径

最新 run：20260525-104100__custom__gpt-5.5
最新 score JSON：[已移除本地路径]
最新 run JSON：[已移除本地路径]
横向总览页：https://decision.ht1072.top/2026-05-29-xiaomo-model-eval-cross-model-archive.html

下一步

如果该模型继续测试，优先追加新的 scored run，不覆盖旧 run。
新 run 完成后，刷新本详情页和横向总览页。
若用于生产路由，应另写模型路由决策页，避免把单次评测分数直接等同于配置变更。

风险与边界

本页是小墨场景评测，不等同于通用 benchmark。
同名模型可能对应 provider alias 或后端版本漂移，结论需结合 run 时间线看。
对工具执行闭环要求高的任务，应优先看 T4 / live verification 表现。