OpenAI представила GPT-5.5 — новую модель для автономного выполнения сложных задач через несколько инструментов. Компания описывает её как систему для «реальной работы и агентных сценариев». Модель уже доступна платным пользователям ChatGPT и Codex.
По данным OpenAI, GPT-5.5 умеет понимать сложные цели, использовать инструменты, проверять собственные ответы и самостоятельно доводить задачу до результата. Компания отмечает, что модель особенно сильна в написании и отладке кода, веб-исследованиях, анализе данных, создании документов и таблиц, а также в работе с программами.
OpenAI выделяет четыре ключевых направления, где улучшения заметнее всего: агентное программирование, работа за компьютером, интеллектуальный труд и ранние научные исследования. По словам компании, такие задачи требуют рассуждений в разных контекстах и выполнения действий в течение длительного времени.
На бенчмарке Terminal-Bench 2.0, который оценивает агентные сценарии в программировании, GPT-5.5 набрала 82,7%. Это на 7,6 процентного пункта выше, чем у GPT-5.4 с 75,1%. Для сравнения, Claude Opus 4.7 показала 69,4%, а Gemini 3.1 Pro — 68,5%.
На более трудных математических задачах разрыв оказался больше. В тесте FrontierMath Tier 4 GPT-5.5 получила 35,4% против 22,9% у Claude Opus 4.7 и 16,7% у Gemini 3.1 Pro. Версия GPT-5.5 Pro подняла результат до 39,6%.
OpenAI утверждает, что рост качества не привёл к потере скорости. По данным компании, задержка на токен у GPT-5.5 сопоставима с GPT-5.4, при этом для выполнения тех же задач в Codex модель использует заметно меньше токенов.
Заметный рост компания фиксирует и в задачах с длинным контекстом. На MRCR v2, где проверяется способность находить несколько скрытых фрагментов информации в очень длинных текстах, GPT-5.5 достигла 74,0% на контексте от 512 тысяч до 1 млн токенов. У GPT-5.4 этот показатель составлял 36,6%.
На тесте Graphwalks BFS с контекстом в один миллион токенов результат GPT-5.5 вырос с 9,4% до 45,4% по сравнению с GPT-5.4.
При этом лидерство модели не во всех тестах было полным. На SWE-Bench Pro, где оценивается решение реальных задач из GitHub, Claude Opus 4.7 обошла GPT-5.5: 64,3% против 58,6%. OpenAI добавляет, что Anthropic сама указывала на признаки запоминания части заданий в этом наборе.
На MCP Atlas, бенчмарке по использованию инструментов от Scale AI, GPT-5.5 получила 75,3%. Это ниже, чем у Claude Opus 4.7 с 79,1% и Gemini 3.1 Pro с 78,2%. В BrowseComp, который проверяет веб-исследования, базовая модель тоже немного уступила Gemini: 84,4% против 85,9%.
На GDPval, тесте для оценки выполнения задач из 44 профессий, прирост оказался небольшим. GPT-5.5 набрала 84,9% против 83,0% у GPT-5.4.
OpenAI сообщила, что модель создавалась и оптимизировалась вместе с системами NVIDIA GB200 и GB300-NVL72. По словам компании, GPT-5.5 и Codex помогли улучшить собственную инфраструктуру OpenAI: Codex проанализировал производственный трафик и написал эвристические алгоритмы балансировки нагрузки, что дало рост скорости генерации токенов более чем на 20%. «Модель помогла улучшить инфраструктуру, которая обслуживает её саму», — пишет OpenAI.
Одновременно со стандартной версией компания запускает GPT-5.5 Pro. OpenAI заявляет, что улучшения в полном стеке инференса сделали более мощную модель заметно практичнее для тяжёлых нагрузок. Ранние тестировщики назвали её итеративным «исследовательским партнёром», который лучше всего работает при наличии богатого контекста из документов и плагинов.
Пока OpenAI опубликовала результаты GPT-5.5 Pro только по трём из девяти тестов: BrowseComp, FrontierMath Tier 1–3 и FrontierMath Tier 4. Во всех трёх случаях версия Pro опережает базовую модель.
В своей системе оценки рисков Preparedness Framework компания отнесла биологические, химические и кибервозможности GPT-5.5 к уровню High, как и у недавних предшественников, но не к уровню Critical. В кибербезопасности модель улучшила показатели относительно GPT-5.4: 81,8% против 79,0% на CyberGym и 88,1% против 83,7% во внутренних заданиях capture-the-flag.
Одновременно OpenAI вводит более строгие классификаторы для потенциальных киберрисков. Компания предупреждает, что на старте это может привести к большему числу отказов. Программа Trusted Access for Cyber даст проверенным исследователям безопасности расширенный доступ к киберфункциям модели. OpenAI также заявила о работе с государственными партнёрами для защиты критической инфраструктуры.
В ChatGPT модель GPT-5.5 Thinking уже доступна пользователям Plus, Pro, Business и Enterprise. GPT-5.5 Pro открыта только для Pro, Business и Enterprise. В Codex GPT-5.5 доступна пользователям Plus, Pro, Business, Enterprise, Edu и Go с контекстным окном 400 тысяч токенов. Быстрый режим генерирует токены в 1,5 раза быстрее, но стоит в 2,5 раза дороже.
Для API OpenAI установила цену 5 долларов за 1 млн входных токенов и 30 долларов за 1 млн выходных токенов при контекстном окне в 1 млн токенов. Это ровно вдвое дороже GPT-5.4, для которой цены составляют 2,50 и 15 долларов соответственно. GPT-5.5 Pro стоит 30 долларов за 1 млн входных токенов и 180 долларов за 1 млн выходных токенов.
OpenAI утверждает, что более высокая цена компенсируется лучшей эффективностью, поскольку модели нужно меньше токенов для сопоставимых задач. Когда доступ получат бесплатные пользователи, компания пока не сообщила. Для API запуск ожидается «очень скоро».
Источник: The Decoder, OpenAI.
