OpenRouter 实测 GPT-5.5 价格翻倍 实际成本增幅达 92%

OpenAI 发布 GPT-5.5 模型时同步将定价上调至上一代（GPT-5.4）的两倍，但真实使用场景中的成本涨幅受生成长度影响存在显著差异。根据 OpenRouter 针对用户切换日志的追踪，实际使用成本整体上升 49% 至 92%。在长上下文场景中，模型生成的缩短部分抵消了单价上涨的代价。

GPT-5.5 官方定价策略与涨幅基准

OpenAI 在 GPT-5.5 发布之际实施了两倍的定价跃升。官方公布数据显示，输入 token 费率从每百万 2.50 美元（$2.50/M）调整为 5.00 美元（$5.00/M），输出 token 费率则由 15 美元（$15/M）调整为 30 美元（$30/M）。在官方技术说明中，OpenAI 亦指出该新模型具备更强的输出节制能力，针对相同指令的生成结果更为简练。这一设计方向与近年主流模型追求详尽回复的策略形成反差。

长上下文生成量下降抵消部分涨价

实际使用日志反映出的生成长度变化并不均匀。OpenRouter 数据显示，当提示词长度超过 10K tokens 时，GPT-5.5 的中位数输出长度较 GPT-5.4 缩减 19% 至 34%。具体而言，在面对 128K+ 极长上下文时，输出量从 215 tokens 降至 143 tokens，降幅最为明显。这表明模型在面对复杂长篇任务时，能够主动收敛冗长回复，为开发者带来实质性的 token 消耗节约。
然而，在中等语境范围内（2K 至 10K tokens），GPT-5.5 的中位数输出长度反而增加了 52%，导致该场景下的成本优势被完全抹平。

不同场景下的实际成本测算

基于 OpenRouter 的计费日志测算，不同输入长度的用户面临截然不同的成本曲线。分析采用 GPT-5.4 时代活跃用户切换至 GPT-5.5 的对照组进行标准化比对。

• 10K 以上长提示词：实际每百万 token 成本增幅为 49% 至 62%。得益于生成量的压缩，长上下文任务的用户实际支出控制在相对可控范围内。

• 10K 以下短提示词：成本增幅急剧攀升，在 2K 至 10K 区间内涨幅达 69%，而低于 2K 的微调指令请求成本飙升 92%。

方法论与数据来源说明

该分析追踪了相同用户群体（Switcher Cohort）在模型切换前后的完整请求链。由于 GPT-5.4 与 GPT-5.5 采用相同的 tokenizer 架构，不同 token 计数基准的差异被有效排除。原始数据窗口选定为 GPT-5.4 发布前（4 月 21 日至 23 日）与 GPT-5.5 发布后（4 月 25 日至 28 日，排除发布首日），并剔除了媒体文件处理与请求取消状态。OpenRouter 的 token 统计独立于 OpenAI 自身统计，提供了跨版本一致的成本对照基准。完整分析方法与原始日志见 OpenRouter 原始分析报告。

GPT-5.5 的定价上调意味着 API 调用成本结构将发生根本性变化。对于依赖长文本处理的业务（如 RAG、代码库分析与长篇文档摘要），模型的自动输出压缩特性将在一定程度上缓解支出压力。而对于短指令交互与高频微调场景，开发者可能需要进一步通过提示词工程（Prompt Engineering）控制输出边界，以应对高达 92% 的理论涨幅溢价。