GPT-5.5 Pro: i numeri che OpenAI ha pubblicato (e quelli che non ha pubblicato)
OpenAI ha rilasciato GPT-5.5 Pro il 23 aprile 2026 a $30 per milione di token in input e $180 per milione in output. È 6× il costo del GPT-5.5 base a $5/$30. In cambio ottieni una variante ad alto consumo di compute che segna 90,1% su BrowseComp. Ma c'è una parte che nessuno mette nel titolo: la tabella ufficiale di OpenAI lascia vuota la riga del coding per GPT-5.5 Pro. Stessa cosa per computer-use. E per long-context. Se quindi cerchi il punteggio SWE-Bench Pro del modello, semplicemente non esiste. Abbiamo estratto la tabella pubblicata e verificato ogni cifra personalmente.
Risposta rapida:
- GPT-5.5 Pro è la variante ad alto compute di GPT-5.5 (rilasciata il 23 aprile 2026), non un modello nuovo.
- Guida su navigazione (BrowseComp 90,1%) e matematica avanzata, ma OpenAI ha lasciato vuote le righe di coding, computer-use e long-context.
- Sulle righe di coding disponibili, il GPT-5.5 base rimane indietro rispetto a Claude Fable 5 (SWE-Bench Pro 58,6% contro 80,3%).
- Claude Fable 5 è attualmente sospeso (direttiva export-control USA, intorno al 12 giugno 2026), quindi le sue vittorie arrivano con un asterisco "non lo puoi comprare adesso".
Una nota sul metodo, perché su un post di benchmark la precisione conta più della velocità: i numeri qui sotto sono stati incrociati con le tabelle pubblicate da OpenAI e Anthropic e con il paper SWE-Bench Pro (arXiv 2509.16941). Dove un solo vendor riporta un dato, lo diciamo esplicitamente. Dove OpenAI non ha mai pubblicato un punteggio Pro, scriviamo "non pubblicato" invece di sostituire silenziosamente il numero base.
GPT-5.5 Pro: cosa ha pubblicato davvero OpenAI
I benchmark pubblicati di GPT-5.5 Pro coprono una fetta ristretta: navigazione web, matematica avanzata, knowledge work professionale, genetica e ragionamento generale. OpenAI ha eseguito tutte le valutazioni con reasoning effort xhigh in ambiente di ricerca, diverso dal default di ChatGPT in produzione. Il numero di punta è BrowseComp 90,1%, nettamente davanti all'84,4% del GPT-5.5 base.
Ecco la tabella completa, con una colonna che indica se OpenAI ha pubblicato un punteggio Pro separato per ciascun test:
| Benchmark | Cosa misura | GPT-5.5 Pro | GPT-5.5 base | Pro pubblicato? | Note |
|---|---|---|---|---|---|
| BrowseComp | Navigazione web avanzata | 90,1% | 84,4% | Sì | Il vantaggio più chiaro del Pro |
| FrontierMath T1-3 | Matematica difficile | 52,4% | 51,7% | Sì | Batte Opus 4.7 riportato (43,8%) |
| FrontierMath T4 | Matematica frontier | 39,6% | 35,4% | Sì | Livello matematico più difficile |
| GDPval | Knowledge work professionale | 82,3% (dichiarato) | 84,9% | Sì (attribuito) | La tabella OpenAI lista Pro sotto base |
| GeneBench | Genetica multi-stadio | 33,2% (dichiarato) | 25,0% | Sì (attribuito) | "OpenAI riporta" un balzo notevole |
| HLE (senza strumenti) | Ragionamento generale difficile | 43,1% | 41,4% | Sì | Sotto Opus 4.7 riportato (46,9%) |
| HLE (con strumenti) | Ragionamento con tool | 57,2% (dichiarato) | 52,2% | Parziale | Base 52,2% confermato; Pro 57,2% dichiarato |
| Investment Banking Modeling | Modellazione finanziaria | 88,6% (interno) | 88,5% | Eval interno | OpenAI marca INTERNAL; da trattare con cautela |
| SWE-Bench Pro | Coding agentivo | non pubblicato | 58,6% | No | Il gap più cercato |
| OSWorld-Verified | Computer use | non pubblicato | 78,7% | No | Vuoto per Pro |
| Cybersecurity | Sicurezza informatica | non pubblicato | non mostrato | No | Vuoto per Pro |
| Long-context | Recall su documenti lunghi | non pubblicato | non mostrato | No | Vuoto per Pro |
Leggi con attenzione il blocco finale. OpenAI ha pubblicato i punteggi Pro per navigazione e matematica, ma ha lasciato vuote le righe di coding, computer-use, cybersecurity e long-context. Le cifre di BrowseComp, FrontierMath e GDPval base sono confermate da tracker secondari; il 82,3% di GDPval Pro, il 33,2% di GeneBench e il numero Investment Banking sono riportati da OpenAI ma non verificati in modo indipendente, quindi li attribuiamo senza affermarli come fatti certi.
Cosa significa "Pro": compute parallelo a tempo d'inferenza, non un nuovo modello
GPT-5.5 Pro è lo stesso modello GPT-5.5 che gira con un reasoning effort molto più alto, non un'architettura diversa. Pensalo non come un motore nuovo, ma come lo stesso motore che lavora più a lungo e in parallelo prima di rispondere. OpenAI chiama questa impostazione reasoning effort, e il Pro la fissa al livello massimo: xhigh.
GPT-5.5 Pro è un modello diverso da GPT-5.5?
No. Stessi pesi, stesso addestramento. Quando si cerca gpt 5.5 pro vs gpt 5.5 thinking o vs xhigh, si sta in realtà chiedendo di un solo parametro: quanto forte il modello ragiona prima di rispondere. "Compute parallelo a tempo d'inferenza" significa che il modello esplora più percorsi di ragionamento contemporaneamente e sceglie il migliore, il che consuma più token e più tempo reale. Quel compute extra è quello per cui paghi 6× più del base.
Le specifiche sono per il resto condivise. GPT-5.5 Pro ha una context window di circa 1,1M token in input e 128K in output. Non stai comprando più memoria né un modello base più intelligente. Stai comprando più tempo di ragionamento sul modello che già conosci.
GPT-5.5 Pro vs GPT-5.5 standard: dove il prezzo 6× vale qualcosa
GPT-5.5 Pro supera il GPT-5.5 base sui task più difficili: navigazione web, matematica avanzata e genetica. Offre il minimo guadagno sul lavoro ordinario. Il vantaggio più netto è BrowseComp 90,1% vs 84,4%, un miglioramento di 5,7 punti sulla ricerca web profonda. Su FrontierMath Tier 4 sale a 39,6% dal 35,4%.
Ma più compute non significa sempre punteggio più alto. Su GDPval, la tabella OpenAI lista il Pro addirittura sotto il GPT-5.5 base (82,3% dichiarato contro 84,9% confermato). È controintuitivo, ed è riportato come il Pro che cede qualche vittoria raw per migliorare la calibrazione. Il punto è chiaro: pagare di più non è una garanzia.
Dove il Pro guadagna terreno:
- BrowseComp: 90,1% vs 84,4% (+5,7)
- FrontierMath T4: 39,6% vs 35,4% (+4,2)
- GeneBench: 33,2% vs 25,0% (dichiarato da OpenAI)
- HLE con strumenti: 57,2% (dichiarato) vs 52,2% (base confermato)
Dove è piatto o peggio:
- GDPval: 82,3% (dichiarato) vs 84,9% base
- HLE senza strumenti: 43,1% vs 41,4%, quasi nessun movimento
Se il tuo lavoro consiste principalmente in bozze quotidiane, code review e riassunti, il premium 6× è difficile da giustificare. La matematica cambia solo quando il task è genuinamente difficile. Visto che siamo sul tema costi: se la bolletta è il problema, la nostra guida per ridurre i costi dell'API LLM spiega come instradare i modelli più economici sull'80% facile e riservare il Pro al 20% difficile.
GPT-5.5 Pro vs Claude Fable 5
Sui benchmark di coding che entrambi i vendor pubblicano, Claude Fable 5 batte nettamente il GPT-5.5 base. Ma Fable 5 è attualmente sospeso, quindi la vittoria arriva con un asterisco. E il confronto è più complicato di quanto sembri, perché OpenAI non ha pubblicato alcun punteggio Pro sul coding. Il confronto onesto è quindi Fable 5 vs GPT-5.5 base sul coding, con il Pro assente.
Ecco la tabella a tre vie. I dati di Fable 5 sono attribuiti alla tabella pubblicata da Anthropic; le celle Pro vuote sono esattamente questo:
| Test | GPT-5.5 base | GPT-5.5 Pro | Claude Fable 5 | Vincitore |
|---|---|---|---|---|
| SWE-Bench Pro | 58,6% | non pubblicato | 80,3% | Fable 5 |
| FrontierCode Diamond | 5,7% | non pubblicato | 29,3% | Fable 5 |
| Terminal-Bench | 83,4% (v2.1) | non pubblicato | 88,0% (v2.1) | Fable 5 |
| OSWorld-Verified | 78,7% | non pubblicato | 85,0% | Fable 5 |
| HLE (senza strumenti) | 41,4% | 43,1% | 56,8–59,0% | Fable 5 |
| HLE (con strumenti) | 52,2% | 57,2% (dichiarato) | 64,5% | Fable 5 |
| BrowseComp | 84,4% | 90,1% | non pubblicato | GPT-5.5 Pro |
| FrontierMath T4 | 35,4% | 39,6% | non riportato | GPT-5.5 Pro |
| GDPval-AA | 1769 | non pubblicato | 1932 | Fable 5 |
Due avvertenze vivono in quella tabella. Prima: Terminal-Bench. Il GPT-5.5 base segna 82,7% su v2.0 e 83,4% su v2.1, mentre il 88,0% di Fable è sulla v2.1, quindi assicurati di confrontare la stessa versione prima di dichiarare un divario. Seconda: GDPval-AA non è una percentuale. È un punteggio in stile Elo (1932 per Fable contro 1769 per GPT-5.5 base), una scala completamente diversa, quindi non allinearlo mentalmente alle righe percentuali. Il dato HLE senza strumenti di Fable oscilla anche a seconda della fonte: CodingFleet riporta 56,8% mentre altri riassunti dicono 59,0%, quindi riportiamo il range.
SWE-Bench Pro è il benchmark di riferimento per il coding agentivo. Esegue 1.865 problemi su 41 repository attivi (da arXiv 2509.16941), con task che richiedono ore o giorni a un senior engineer e patch multi-file. Su quel test, l'80,3% di Fable 5 contro il 58,6% del GPT-5.5 base è un margine ampio.
Poi c'è l'asterisco. Claude Fable 5 è stato sospeso a giugno 2026 per una direttiva export-control USA (intorno al 12 giugno). Quindi "Fable vince sul coding" è vero sui numeri e attualmente irrilevante al checkout. Se vuoi il quadro completo lato Anthropic, ecco la nostra analisi completa di Claude Fable 5. Per il modello contro cui la tabella GPT-5.5 si confronta in matematica, vedi Claude Opus 4.8.
I benchmark che OpenAI NON ha pubblicato per il Pro
OpenAI non ha mai rilasciato i punteggi Pro di GPT-5.5 per coding (SWE-Bench Pro), computer-use (OSWorld-Verified), cybersecurity, long-context recall o ragionamento astratto. Quelle righe sono vuote nella tabella ufficiale. Vuoto non significa che il modello sia scarso in quei campi. Significa che non esiste un numero pubblicato, e chiunque ne citi uno sta probabilmente sbagliando il numero base per quello Pro.
Questo conta perché è il gap più cercato. Se hai cercato il punteggio SWE-Bench Pro di GPT-5.5 Pro, non esiste. OpenAI non lo ha mai pubblicato. L'unica cifra disponibile per quel benchmark nella famiglia GPT-5.5 è il 58,6% del modello base, e si tratta di un dato base, non Pro. Lo segnaliamo esplicitamente.
Quello che possiamo dire con responsabilità:
- Coding (SWE-Bench Pro): Pro non pubblicato. GPT-5.5 base = 58,6% (base, non Pro).
- Computer-use (OSWorld-Verified): Pro non pubblicato. Base = 78,7% (base, non Pro).
- Cybersecurity: Pro non pubblicato, nessun proxy base utilizzabile nella tabella.
- Long-context: Pro non pubblicato, nessun proxy base utilizzabile.
- Ragionamento astratto: Pro non pubblicato.
Il compute parallelo del Pro potrebbe alzare quei numeri base? Probabilmente sì, visto lo schema su navigazione e matematica. Ma "probabilmente" non è un benchmark, e non stamperemo un numero che OpenAI non ha pubblicato. Questa cautela è esattamente il motivo per cui questa sezione esiste.
Prezzi: $5/$30 vs $30/$180 vs $10/$50 — il Pro vale 6×?
GPT-5.5 Pro costa circa 6× il GPT-5.5 base: $30 input e $180 output per milione di token, contro $5/$30 del base. Claude Fable 5 si colloca nel mezzo a $10/$50. Vale la pena per ricerca difficile e matematica avanzata, raramente per il lavoro quotidiano.
| Modello | Input / 1M | Output / 1M | Costo relativo |
|---|---|---|---|
| GPT-5.5 base | $5 | $30 | 1× (baseline) |
| Claude Fable 5 | $10 | $50 | ~2× input, ~1,7× output |
| GPT-5.5 Pro | $30 | $180 | ~6× base |
Chi dovrebbe pagare davvero il premium? Un verdetto approssimativo per categoria di lavoro:
- Ricerca difficile, matematica avanzata, navigazione multi-step profonda: GPT-5.5 Pro se lo guadagna. I guadagni nei benchmark sono reali e il valore del task è alto.
- Coding agentivo su repository grandi: Fable 5 se disponibile, altrimenti GPT-5.5 base integrato in uno scaffold di coding. Pagare i prezzi Pro per un punteggio di coding non pubblicato è una scommessa rischiosa.
- Bozze quotidiane, riassunti, code review, supporto: GPT-5.5 base. Il premium 6× non compra quasi nulla qui.
La trappola è impostare tutto sul Pro "per sicurezza". Su workload ad alto volume di output, quel $180 si accumula velocemente. Instrada per difficoltà e mantieni la maggior parte della qualità a una frazione del costo (ne parliamo nella nostra guida ai costi API LLM).
Come abbiamo verificato questi numeri (e dove le fonti non concordano)
Prima che qualsiasi cifra finisse in questo post, abbiamo fatto la parte non glamour: abbiamo estratto la tabella eval pubblicata da OpenAI per GPT-5.5 e verificato ogni riga Pro sui tracker indipendenti invece di fidarci di uno screenshot. Le fonti incrociate erano llm-stats, BenchLM, il write-up di DataCamp su Fable 5, CodingFleet e il paper SWE-Bench Pro su arXiv (2509.16941). Ecco cosa ha retto e cosa no.
La maggior parte dei numeri Pro principali coincide senza problemi. BrowseComp 90,1%, FrontierMath Tier 1–3 52,4% e Tier 4 39,6%, e i prezzi $30/$180 corrispondono su tutte le fonti controllate. SWE-Bench Pro all'80,3% per Fable 5 contro il 58,6% del GPT-5.5 base, e FrontierCode Diamond al 29,3% contro il 5,7%, hanno tenuto — e il conteggio dei task SWE-Bench Pro (1.865 problemi su 41 repository) viene direttamente dal paper, non da un blog vendor.
Tre cose non hanno trovato accordo, ed è giusto che tu lo sappia:
- Humanity's Last Exam con strumenti per Fable 5 varia da 56,8% a 59,0% a seconda della fonte. Citiamo il range invece di scegliere un preferito.
- I numeri di Terminal-Bench oscillano tra la versione 2.0 e la 2.1 nelle tabelle di OpenAI e Anthropic, quindi il gap GPT-5.5 (83,4%) vs Fable (88,0%) non è una lettura comparabile pulita.
- Il punteggio Investment Banking Modeling (88,6% Pro) è marcato come "internal" da OpenAI, il che significa che nessun tracker indipendente può confermarlo. Lo segnaliamo sempre come dichiarazione del vendor.
Questa è la versione onesta. I numeri che presentiamo come fatti concordano su almeno due fonti indipendenti; tutto il resto è attribuito a chi lo ha riportato. Non abbiamo testato GPT-5.5 Pro di persona: a $30/$180 per milione di token, un head-to-head serio non è qualcosa che fingeremo di avere, quindi non inventeremo risultati di laboratorio che non possediamo.
Risultati reali riportati dai vendor
Questi sono dati dichiarati dai vendor, non risultati di laboratorio indipendenti, quindi leggili come evidenze di marketing. OpenAI e Anthropic hanno entrambi pubblicato case study che dipingono un quadro favorevole. Li elenchiamo attribuiti, con la precisazione che nessuno è stato verificato da noi.
Lato OpenAI, l'azienda afferma che un team finanziario ha usato Codex con GPT-5.5 per revisionare 24.771 moduli K-1 (71.637 pagine), completando il lavoro circa due settimane prima rispetto all'anno precedente. OpenAI riporta anche un'app di geometria algebrica funzionante generata da un singolo prompt in 11 minuti, e un'analisi GPT-5.5 Pro di un dataset di espressione genica con 62 campioni e circa 28.000 geni.
Lato Anthropic, Stripe (riportato tramite Anthropic) ha usato Fable 5 per eseguire una migrazione su un codebase Ruby da 50 milioni di righe in un singolo giorno, contro una stima di oltre 2 mesi a mano. Anthropic afferma inoltre che Fable 5 ha completato Pokémon FireRed partendo da screenshot grezzi, dove i modelli Claude precedenti avevano bisogno di scaffold aggiuntivi, e che con memoria persistente basata su file ha giocato a Slay the Spire circa 3× meglio di Opus 4.8.
Demo impressionanti, tutte. Ricorda solo che sono scelte dai vendor e non riproducibili dal solo comunicato stampa.
Quale modello dovresti davvero usare?
Abbina il modello al task, non all'hype. Per coding agent e repository grandi, scegli Claude Fable 5 se disponibile, e GPT-5.5 base integrato in uno scaffold di coding se non lo è. Per ricerca, matematica avanzata e navigazione profonda, GPT-5.5 Pro è la scelta giusta. Per il lavoro quotidiano e l'efficienza dei costi, il GPT-5.5 base vince quasi sempre sul valore.
Qualche indicazione se stai scegliendo uno stack e non una singola chiamata. Se vuoi un sistema di coding davvero autonomo, ti serve uno strumento, non un modello grezzo: inizia dai migliori agenti di coding AI nel 2026 e dal roundup agenti di coding in background a confronto per il contesto su Codex e Devin. Curioso su dove andrà la famiglia? Ecco quello che trapela su GPT-5.6.
In Techsy instradiamo per task nei nostri pipeline di agenti: modelli di ragionamento top per le chiamate difficili e modelli più economici per il resto, invece di pagare tariffe premium su ogni richiesta. Se vuoi un secondo parere sul tuo mix di modelli, richiedi una consulenza gratuita.
Sull'autore
Mert Batur è co-fondatore di Techsy.io, dove il team sviluppa agenti AI, sistemi di automazione e pipeline voice/SDR per clienti B2B. Scrive dello stack LLM tooling che il team Techsy usa concretamente in produzione. Collegati su LinkedIn.
Domande frequenti
GPT-5.5 Pro vale il prezzo?
Dipende dal task. Per ricerca difficile, matematica avanzata e navigazione profonda, i guadagni di GPT-5.5 Pro rispetto al base (BrowseComp 90,1% vs 84,4%) giustificano il prezzo circa 6× di $30/$180 per milione di token. Per bozze quotidiane, code review e riassunti, il GPT-5.5 base offre quasi la stessa qualità a un sesto del costo.
GPT-5.5 Pro è migliore di Claude Fable 5?
Sui benchmark di coding pubblicati, no: Claude Fable 5 batte il GPT-5.5 base su SWE-Bench Pro (80,3% vs 58,6%), e OpenAI non ha mai pubblicato un punteggio Pro sul coding da confrontare. GPT-5.5 Pro vince su navigazione e matematica avanzata. Un'avvertenza: Fable 5 è attualmente sospeso per una direttiva export-control USA, quindi la disponibilità conta quanto il benchmark.
Quanto è bravo GPT-5.5 Pro nel coding?
Onestamente, dai numeri di OpenAI non possiamo dirlo, perché OpenAI non ha pubblicato un punteggio Pro sul coding. L'unica cifra di coding per la famiglia è il risultato SWE-Bench Pro del GPT-5.5 base al 58,6%, che è indietro rispetto all'80,3% di Claude Fable 5. Chiunque citi un "benchmark Pro sul coding" sta probabilmente citando il numero base per errore.
GPT-5.5 Pro vs GPT-5.5 standard: quale usare?
Usa GPT-5.5 Pro per ricerca difficile, matematica avanzata e navigazione multi-step profonda, dove il compute parallelo extra guadagna il prezzo 6×. Usa il GPT-5.5 base per il lavoro quotidiano, code review e riassunti, dove il premium compra poco. Su alcuni test, come GDPval, la tabella OpenAI elenca addirittura il Pro leggermente sotto il base.
Quanto costa GPT-5.5 Pro?
GPT-5.5 Pro costa $30 per milione di token in input e $180 per milione in output, circa 6× il $5/$30 del GPT-5.5 base. Per confronto, Claude Fable 5 è a $10/$50. Su workload ad alto volume di output il premium Pro si accumula velocemente, quindi instradare per difficoltà del task invece di usare Pro come default fa risparmiare denaro reale.
Che cos'è il reasoning effort "xhigh"?
Il reasoning effort è il parametro che controlla quanto intensamente GPT-5.5 ragiona prima di rispondere. "xhigh" è il livello massimo, dove il modello usa il compute parallelo a tempo d'inferenza per esplorare più percorsi di ragionamento e scegliere il migliore. OpenAI ha eseguito le sue valutazioni pubblicate di GPT-5.5 Pro a xhigh in un ambiente di ricerca, diverso dal default di ChatGPT in produzione.
GPT-5.5 Pro è disponibile in Codex?
Sì. Puoi chiamare GPT-5.5 Pro in Codex CLI usando la stringa modello gpt-5.5-pro e impostare il reasoning effort a xhigh per il comportamento ad alto compute. Aspettati latenza più alta e costi per token notevolmente superiori rispetto al GPT-5.5 base, quindi riservalo ai task genuinamente difficili invece di usarlo come modello di coding predefinito.
GPT-5.5 Pro è un modello nuovo?
No. GPT-5.5 Pro è lo stesso modello GPT-5.5 che gira con reasoning effort più alto e compute parallelo a tempo d'inferenza all'impostazione xhigh, non un'architettura separata. Condivide gli stessi pesi e la stessa context window di circa 1,1M token input e 128K output. Stai pagando per più tempo di ragionamento, non per un modello base più intelligente.
Qual è la context window di GPT-5.5 Pro?
GPT-5.5 Pro ha una context window di circa 1,1M token in input e 128K token in output, uguale al GPT-5.5 base. È sufficiente per caricare codebase grandi o documenti lunghi in una singola chiamata. La differenza tra Pro e base non è la dimensione della memoria; è quante risorse di compute il modello impiega nel ragionamento prima di rispondere.