Wariant modelu GPT-5.5 stosujący dodatkowe obliczenia równoległe podczas wnioskowania (parallel test-time compute) przeznaczony do najtrudniejszych zadań wymagających wyższej dokładności.
Okno kontekstowe
1M
tokenów
Max output
128 000
tokenów
Data premiery
23 kwietnia 2026
Dostęp:APIHostedWdrożenie:☁ Cloud
Przegląd
Zastosowania
Dostęp i wdrożenie
APIHostowane
Chmura
Wagi: Zamknięte
Kluczowe parametry
📏 Kontekst: 1M
✓ Narzędzia
📥 Wejście: tekst, obraz
Platformy
Specyfikacja techniczna
Okno kontekstowe
1M
tokenów
Max output tokens
128 000
tokenów na odpowiedź
Knowledge cutoff
1 gru 2025
Data graniczna wiedzy
Licencja
Proprietary (closed)
Funkcje:✓ Używanie narzędzi
Modalności
⬇ Wejście (Input)
textimage
⬆ Wyjście (Output)
textcodestructured_data
Możliwości i zastosowania
Natywne możliwości modelu
Rozumowanie
Zdolność modelu do logicznego wnioskowania, analizowania zależności i wyprowadzania odpowiedzi na podstawie przesłanek.
Kategoria: reasoning
Rozumowanie wieloetapowe
Zdolność modelu do rozwiązywania problemów wymagających kilku kolejnych kroków rozumowania.
Kategoria: reasoning
Długi kontekst
Zdolność modelu do pracy na długim kontekście i utrzymywania spójności przy dużej ilości danych wejściowych.
Kategoria: reasoning
Kodowanie
Zdolność modelu do generowania, analizowania, poprawiania i wyjaśniania kodu.
Kategoria: coding
Wywoływanie funkcji
Natywne wsparcie dla ustrukturyzowanego wykorzystania narzędzi, umożliwiające przepływy pracy oparte na agentach.
Kategoria: planning
Wyjście ustrukturyzowane
Zdolność modelu do generowania odpowiedzi w uporządkowanej formie, np. JSON, list, tabel lub schematów.
Kategoria: structured_generation
Rozumienie audio
Zdolność modelu do interpretowania dźwięku, mowy, tonów i sygnałów audio.
Kategoria: audio
Rozumienie obrazów
Zdolność modelu do analizowania i interpretowania zawartości obrazów.
Kategoria: vision
Rozumienie wideo
Zdolność analizy wideo poprzez przetwarzanie sekwencji klatek.
Kategoria: video
Rozumienie wykresów
Zdolność modelu do rozumienia wykresów, trendów, osi, legend i danych wizualnych.
Kategoria: vision
Rozumowanie po diagramach
Zdolność modelu do analizowania diagramów, schematów i relacji przedstawionych wizualnie.
Kategoria: reasoning
OCR
Zdolność modelu do odczytywania i interpretowania tekstu znajdującego się na obrazach lub skanach.
Kategoria: vision
Wielojęzyczność
Zdolność modelu do rozumienia i generowania treści w wielu językach.
Kategoria: language
Planowanie
Zdolność modelu do wyznaczania sekwencji działań prowadzących do celu — przewidywania skutków akcji i wyboru optymalnej ścieżki w danym środowisku.
Kategoria: planning
Wyjście strumieniowe
Wiadomości strumieniowe umożliwiają pobieranie treści w czasie rzeczywistym, gdy model generuje odpowiedzi, bez czekania na wygenerowanie całej odpowiedzi. Takie podejście może znacząco poprawić doświadczenie użytkownika, zwłaszcza podczas tworzenia długich treści tekstowych, ponieważ użytkownicy mogą od razu zobaczyć, że odpowiedź zaczyna się pojawiać.
Kategoria: reasoning
Przeplatane wejście multimodalne
Zdolność do dowolnego łączenia tekstu i obrazu w dowolnej kolejności w ramach jednego polecenia.
Kategoria: reasoning
Rozumienie multimodalne
Zdolność modelu do łączenia i interpretowania informacji z więcej niż jednej modalności, np. tekstu i obrazu.
Kategoria: multimodal
Wyniki benchmarków
4 benchmarki
BrowseComp
accuracy · Ewaluacja zdolności do wyszukiwania trudnych informacji w sieci; reasoning effort xhigh w środowisku badawczym.
90.1%
📅 23 kwi 2026📄 OpenAI (openai.com/index/introducing-gpt-5-5/)
Wynik GPT-5.5 Pro (90.1%) wyższy niż GPT-5.5 standard (84.4%) i Gemini 3.1 Pro (85.9%). Ewaluacja z reasoning effort xhigh.
EpochAI Frontier Math
accuracy · Ewaluacja z reasoning effort xhigh w środowisku badawczym.
52.4%
📅 23 kwi 2026📄 OpenAI (openai.com/index/introducing-gpt-5-5/)
Wynik GPT-5.5 Pro (52.4%) wyższy niż GPT-5.5 standard (51.7%).
EpochAI Frontier Math
accuracy · Najtrudniejszy poziom FrontierMath; reasoning effort xhigh w środowisku badawczym.
39.6%
📅 23 kwi 2026📄 OpenAI (openai.com/index/introducing-gpt-5-5/)
Wynik GPT-5.5 Pro (39.6%) wyższy niż GPT-5.5 standard (35.4%) i Claude Opus 4.7 (22.9%).
Humanity's Last Exam (HLE)
accuracy · Ewaluacja z narzędziami; reasoning effort xhigh w środowisku badawczym.
57.2%
📅 23 kwi 2026📄 OpenAI (openai.com/index/introducing-gpt-5-5/)
Wynik GPT-5.5 Pro (57.2%) wyższy niż GPT-5.5 standard (52.2%) i Claude Opus 4.7 (54.7%).
Cennik
Architektura techniczna
Rdzeń architektury (Core Architecture)
Forma modelu (Model Form)
Techniki trenowania (Training Techniques)
Wdrożenie i bezpieczeństwo
☁ Dostępny na platformach
🔒 Security / Enterprise
✓ Zweryfikowane informacje enterprise
OpenAI ocenia zdolności cybernetyczne i biologiczne modeli GPT-5.5 (w tym Pro) jako High w ramach Preparedness Framework. Model przeszedł pełny proces bezpieczeństwa przed wydaniem, w tym targetowane ewaluacje dla zaawansowanych zdolności cybernetycznych i biologicznych.
Aktualizacja: 25 kwi 2026↗ Dokumentacja security
Źródła i powiązane strony
3 źródła