GPT-5.5「Spud」查核：OpenAI 官方文件目前驗證的是 GPT-5.4

這並不等於證明「Spud」從未在 OpenAI 內部存在。更精確的說法是：關於 Spud 的發布時間、基準表現，或「比 GPT-5.4 更會理解影像與文件」等公開說法，尚未被本次來源中的官方證據建立起來。

為什麼目前不能把 Spud 當成官方模型

最強的官方證據指向 GPT-5.4。OpenAI 的 GPT-5.4 模型頁把 GPT-5.4 描述為用於複雜專業工作的前沿模型；OpenAI 的最新模型指南與模型索引也將讀者導向 GPT-5.4 。

相較之下，本次檢視到的 Spud 相關來源，來自一般網頁文章、Reddit、X 貼文與 YouTube 影片，而不是 OpenAI 官方模型頁、模型指南、模型卡或基準報告 。因此，較穩妥的判斷是：在 OpenAI 發布正式文件之前，GPT-5.5 Spud 應被當作傳聞或未驗證代稱。

主張查核：Spud 與 GPT-5.4

OpenAI 實際有文件記載的是什麼

OpenAI 官方 GPT-5.4 頁面說，GPT-5.4 是其用於複雜專業工作的前沿模型 。OpenAI 也提供一份聚焦 GPT-5.4 視覺與文件理解的 cookbook 指引 。

在本次取得的資料中，該指引包含幾類接近真實工作情境的例子：從手寫保險表單做結構化擷取、理解公寓平面圖的空間關係、解讀圖表，以及從警方表單中擷取 bounding box 位置 。

這些例子之所以重要，是因為文件理解不只是「把字讀出來」。真正可用於工作流程的 grounding，需要模型把答案連回頁面上的可見證據：欄位標籤與數值、表格儲存格、圖表標記、手寫字、文件版面與空間位置。

不過，也要把證據強度說清楚：本次檢視到的 GPT-5.4 材料是 OpenAI 撰寫的指引與示範，而不是能涵蓋所有生產環境文件流程的獨立稽核基準報告 。

多模態 grounding 難在哪裡

OCR 的目標主要是讀出文字；多模態 grounding 則更進一步，要求系統把文字、版面、位置、視覺結構與推理連成一個可核對的答案。

研究脈絡也支持這個較寬的理解。文件理解的評估常涵蓋表單理解、收據解析與文件視覺問答（document VQA）等任務 。多頁文件 VQA 則可能要求模型跨頁推理、瀏覽文件、找出相關內容，再檢查特定頁面，而不能只靠單張截圖或單頁裁切 。

換句話說，一張漂亮的展示截圖不等於完整驗證。嚴肅評估應該包含你實際會處理的文件類型、掃描品質、頁數、手寫內容、表格、圖表、小字，以及容易出錯的邊界案例。

現在該怎麼評估 OpenAI 的影像與文件模型

1. 先看有文件的模型，不要先追代號。 本次官方來源中有正式記載的是 GPT-5.4；GPT-5.5 Spud 尚未被驗證 。
2. 影像細節會影響結果。 OpenAI 的提示指引建議，對大型、密集或空間敏感的影像，尤其是電腦操作、定位、OCR 與點擊準確度任務，使用 original 影像細節 。
3. 評分要看證據，不只看文字流暢。 做資料擷取時，應比對欄位值是否精確；做圖表任務時，應要求答案能追溯到圖表值；處理表單與截圖時，如果位置很重要，就應要求框線或座標。OpenAI 的 GPT-5.4 範例中包含 bounding-box 擷取 。
4. 用你真的會處理的文件測試。 表單、收據與 document-VQA 類任務都出現在文件理解基準研究的範圍內 。
5. 一定要放入多頁案例。 多頁 document VQA 可能需要文件瀏覽、結構化視覺推理、語意檢索與指定頁面抓取 。
6. 比較不同流程設計。 有些任務可能一次交給模型就足夠；有些則可能需要 OCR、版面解析、檢索、裁切或先選頁，尤其是檔案很長、內容密集或位置資訊很敏感時 。

底線

「Spud」這個名稱出現在傳聞式報導與社群內容中，但在本次檢視的官方來源裡，尚未被驗證為 OpenAI 的官方公開模型。更可操作的結論是：若你要做影像、表單、掃描件、圖表與文件理解工作，應以 OpenAI 已記載的 GPT-5.4 來規劃與測試；至於 GPT-5.5 Spud 的多模態 grounding 能力宣稱，應等到 OpenAI 發布官方模型頁、模型指南、模型卡或基準報告後再下判斷 。