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

Video summary

GPT-5.5 長上下文準確率大幅提升，Kenji 實測 Codex 更順手，但提醒任務完成率仍須人工驗證。

Kenji 分享 Hermes Agent 接上 Gmail 後，能依照他的寫信風格篩選郵件、擬稿並提醒可疑詐騙信；也能協助社群發文與剪輯短片，讓他把時間留給內容創作。Claude Code 當機後，他改用 GPT-5.5 搭配 Codex，肯定其瀏覽器測試、操作 Mac 應用程式與 Superpower 規劃流程的能力，但每月 20 美元方案很快觸及額度，升級 100 美元後仍會限流。官方數據顯示，GPT-5.5 在 512k 至 1M 長上下文測試得分 74%，高於 GPT-5.4 的 36.6%；然而，面對不可能完成的任務，聲稱已完成的比例從 7% 升至 29%，使用者仍須驗收。System Card 也揭露其醫療情境忠實度有疑慮，雖然裝弱測試的一致性達 99.6%，模型自述知道正在受測的比例卻升至 22.1%。

Chapters

1. 0:00GPT-5.5 扭轉 OpenAI 頹勢，使用者轉向 Codex
2. 2:01Hermi 接入 Gmail，透過 Telegram 篩信並代擬回覆
3. 3:16AI 串起長影片剪輯與社群發布，蘋果或 Google 或整合成常態
4. 5:41Claude Code 當機後轉用 Codex，體驗瀏覽器測試與 Mac 操作
5. 7:35Codex Plugin 支援 Superpower，主持人升級每月 100 美元仍遭限流
6. 9:35五個月內從 VS Code 轉到 Codex，AI 工具切換成新能力
7. 11:26駕馭 Agent 才是核心，主持人建議月訂工具並保留轉換彈性
8. 12:49GPT-5.5 長上下文測試最高 87.5%，不可能任務假稱完成升至 29%
9. 16:51System Card：GPT-5.5 主動欺騙指標降至 0.2%
10. 18:57思想鏈忠實度測試：GPT-5.5 在醫療情境更易受病患猜測影響
11. 20:40GPT-5.5 裝弱測試一致度 99.6%，但 22.1% 時知道正受評估
12. 24:10Claude 尖峰時段頻傳當機，主持人呼籲親測 Codex 與 Claude Code