GPT-5.5「Spud」事實核查：benchmark、demo 同發布傳聞有幾可信？

換句話說，較準確的寫法是：Spud 是一個被媒體報道的 OpenAI 內部模型代號；它的公開名稱、能力分數、發布時間與 API 可用性，仍未有官方文件或可重現 benchmark 證實。^[23][26][21]

判斷 AI model leak：甚麼才算「可驗證」？

核查模型傳聞時，最重要不是有多少人轉發，而是證據能否追溯。較嚴格的標準包括：

• 官方文件：API model list、release note、model card 或 system card。
• 公開 benchmark artifact：leaderboard row、eval card、run log、prompt set 或提交紀錄。
• 原始 demo artifact：完整影片、prompt、生成流程、模型名稱與時間戳。
• 可重現測試：第三方能用同一方法跑出接近結果。

按這個標準，Spud 的「存在與訓練進度」有媒體報道支持；但網傳 benchmark、demo、release date 和 GPT-5.5 命名，大多仍未過線。^{[23][26][3][4][21]}

可信度總覽

Benchmark 傳聞：最多人誤讀的是「別人的分數」

Spud 傳聞中最容易被放大的部分，是 benchmark。Holter 文章提到 Claude Mythos Preview 在 SWE-bench Pro 為 77.80%，GPT-5.4 為 57.70%；但文章對 Spud 的關鍵描述是「the expectation is that Spud closes most or all of that gap」這類推測語氣。^[3]

所以，這些數字最多只能支持「有人用其他模型分數推測 Spud 可能追上」；它們不能支持「Spud 已有獨立驗證 benchmark 分數」。如果要把 Spud benchmark 當成可信事實，至少需要見到以下其中一種證據：官方 benchmark 報告、model card、system card、公開 leaderboard entry、eval card、run log、prompt set、submission，或第三方可重現測試。

SWE-bench 本身有公開 leaderboard，是核對 coding benchmark claim 的基礎來源；但本次來源材料沒有提供任何可核實的 Spud leaderboard entry。^[30]

Demo 傳聞：可以當線索，不能當證明

流傳的 Spud demo 包括 3D simulations、interactive environments、website designs、SVG designs、interactive games 等。問題不是這些 demo 一定假，而是它們暫時未能證明「由 Spud 生成」和「可以重現」。Geeky Gadgets 的相關報道明確寫成「According to Universe of AI」的轉述，並提到官方 performance metrics 仍未公開。^[4]

因此，這些 demo 目前較適合分類為「網傳輸出」或「二手展示」，而不是已驗證產品能力。若要升級為可引用證據，至少需要原始影片來源、完整 prompt、生成過程、模型名稱、時間戳、可重現步驟，或者 OpenAI 官方 demo page。

發布日期與命名：GPT-5.5、GPT-6、April 16 都未定

「Spud 會叫 GPT-5.5」和「某日發布」是最吸睛、亦最容易被放大的部分。有文章已直接將 Spud 包裝成 GPT-5.5，並寫出 Q2 或 April–May 2026 的預期；另一邊，Holter 文章標題使用「Leaked April 16 Release」和「GPT-5.5 or GPT-6 Might Mean」這類仍然不確定的寫法。^[1][3]

從事實核查角度看，這些都未達到官方發布門檻。除非 OpenAI 在 model docs、API、release notes 或官方 blog 裡列出正式名稱與可用性，否則「GPT-5.5」只能視為外界命名或推測，而不是已確認產品名。本次可查 OpenAI API Models 來源未能確認 Spud／GPT-5.5 已公開。^[21]

Developer Community 帖文不是 release proof

OpenAI Developer Community 上出現「SPUD Release」字眼，容易被截圖包裝成官方暗示。但本次提供的相關頁面標題是「Please Add an Optional Expression Mode with the SPUD Release」，語境是用戶 feature request，而不是 OpenAI release note、API 文件或 model card。^[13]

Forum mention 可以證明社群有人在討論 Spud；它不能證明 OpenAI 已確認 Spud 發布。

開發者與產品團隊應該點樣處理 Spud 傳聞？

如果你要為 coding workflow、AI agent、產品 roadmap 或採購決策評估模型，暫時不應把 Spud benchmark 當成已知事實。較穩陣的做法是：

• 以官方 API model documentation 作為「可用模型」基準；本次 OpenAI API Models 來源指向 gpt-5.4 系列，而不是 Spud／GPT-5.5。^[21]
• 對 coding 能力 claim，要求公開 leaderboard、eval card 或可重現測試；SWE-bench 這類公開 leaderboard 是應核對的基礎來源。^[30]
• 對 demo claim，要求原始 artifact、完整 prompt、模型名稱與重現步驟；單一影片、截圖或二手文章不足以證明模型能力。^[4]
• 對 release date 與產品名，等待官方 release note 或 API entry；「leaked」「expected」「might」這類字眼本身就代表不確定。^[1][3]

最終判定

Spud 可能真有其事，因為有具名媒體報道 OpenAI 正準備一個代號 Spud 的模型，亦有報道轉述稱它已完成 pretraining。^[23][26] 但可發布、可依賴的結論要窄得多：目前不能把網傳 benchmark、3D demo、發布日期或 GPT-5.5 命名當成已獨立驗證事實。^{[3][4][21][30]}

對外溝通時，最準確的版本是：Spud 是一個被報道的 OpenAI 內部模型代號；其公開名稱、能力、分數與發布時間仍未獲 OpenAI 官方文件或可重現 benchmark 證實。^[21][30]