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。

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。

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。

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。

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。

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。

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。

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。

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。
• 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。
• 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。
• 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。

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。 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。

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。