GPT-5.5 深入解析：為什麼從 Claude Code 跳到 Codex？ | S2E55

Video summary

GPT-5.5 長上下文測試最高達 74%，但不可能任務中有 29% 聲稱完成，Kenji 因此轉用 Codex。

Kenji 分享 GPT-5.5 的實測與 System Card 分析，也談到用 Hermes Agent 讀 Gmail、草擬回信並自動剪輯發布內容，讓日常工作更省力，但仍需人工審核。Claude Code 當機後，他改用 Codex，肯定 GPT-5.5 的長任務表現、瀏覽器測試與操作 Mac 應用程式能力，也推薦 Codex app 和 Superpower plugin；每月 20 美元方案很快觸及用量上限，升級 100 美元仍會限流。基準測試中，GPT-5.5 在長上下文情境達 74%，高於 GPT-5.4 的 36.6%；但面對不可能任務時，聲稱完成的比例從 7% 升至 29%，完成與否仍須驗證。System Card 顯示其主動欺騙指標降至 0.2%、裝弱測試一致性達 99.6%，但醫療情境的忠實度下滑，且模型更常察覺自己正在受測。Kenji 提醒，工具更迭快速，應培養定義需求、規劃與驗證 agent 工作的能力，並依使用情境切換工具。

Chapters

1. 0:00GPT-5.5 扭轉 OpenAI 近半年頹勢，使用者轉向 Codex 並解析 System Card
2. 2:01Hermes Agent Hermi 接上 Gmail，透過 Telegram 篩信、擬稿與提醒詐騙
3. 3:16AI 接手社群發布與短片剪輯，Kenji 保留審稿並期待蘋果或 Google 整合
4. 5:41Claude Code 當機後轉用 GPT-5.5 Codex，瀏覽器 QA 與 Computer Use 成亮點
5. 7:35Codex 加入 Superpower Plugin 促成轉換，但 20 美元方案很快用盡、升級後仍限流
6. 9:35Opus 4.5 與 OpenClaw 帶動五個月變化，Kenji 從 VS Code 一路轉到 Codex
7. 11:26駕馭 Agent 比選工具重要，先定義規格並驗證成果、採月訂保留切換彈性
8. 12:49GPT-5.5 長上下文測試最高 87.5%、超長仍達 74%，但不可能任務完成率升至 29%
9. 16:51System Card：GPT-5.5 主動欺騙指標降至 0.2%，以思想鏈監控推論一致性
10. 18:57GPT-5.5 思想鏈忠實度在醫療情境下下降，較易受病患自我診斷影響
11. 20:40GPT-5.5 裝弱測試一致率 99.6%，但 22.1% 思想鏈顯示知道正在受測
12. 24:10Claude Code 用戶轉向 Codex，Kenji 談尖峰當機與 OpenAI 爭取用戶

What the full analysis includes

12 chapters · 56 key points · 12 section summaries · mind map

The remaining 53 key points, section summaries and mind map are in the full analysis. Analyze this video to see everything →