Benchmarki GPT-5.5 Pro: liczby, które OpenAI opublikowało (i te, których nie opublikowało)
OpenAI wydało GPT-5.5 Pro 23 kwietnia 2026 roku i wyceniło je na 30 $ za milion tokenów wejściowych oraz 180 $ za milion tokenów wyjściowych. To 6× więcej niż bazowy GPT-5.5 za 5 $/30 $. Za te pieniądze dostajesz wariant o większej mocy obliczeniowej, który uzyskuje 90,1% w BrowseComp. Ale oto część, której nikt nie umieszcza w nagłówku: własna tabela ewaluacyjna OpenAI zostawia pusty wiersz kodowania GPT-5.5 Pro. To samo dla obsługi komputera. To samo dla długiego kontekstu. Więc gdy szukasz wyniku SWE-Bench Pro tego modelu, nie ma czego znaleźć. Pobraliśmy opublikowaną tabelę i sami oceniliśmy każdą liczbę.
Krótka odpowiedź:
- GPT-5.5 Pro to wariant GPT-5.5 o większej mocy obliczeniowej (wydany 23 kwietnia 2026), nie nowy model.
- Prowadzi w przeglądaniu (BrowseComp 90,1%) i matematyce na pograniczu możliwości, ale OpenAI zostawiło puste wiersze kodowania, obsługi komputera i długiego kontekstu.
- W istniejących wierszach kodowania bazowy GPT-5.5 ustępuje Claude Fable 5 (SWE-Bench Pro 58,6% vs 80,3%).
- Claude Fable 5 jest obecnie zawieszony (dyrektywa USA dotycząca kontroli eksportu, około 12 czerwca 2026), więc jego zwycięstwa mają gwiazdkę „teraz nie kupisz".
Kilka słów o metodologii, bo w poście o benchmarkach dokładność liczy się bardziej niż szybkość: poniższe liczby są zweryfikowane krzyżowo z opublikowanymi tabelami OpenAI i Anthropic oraz artykułem o SWE-Bench Pro (arXiv 2509.16941). Gdy tylko jeden dostawca podaje wartość, zaznaczamy to. Tam, gdzie OpenAI nigdy nie opublikowało wyniku Pro, piszemy „nie opublikowano" zamiast po cichu podstawiać liczbę wersji bazowej.
Benchmarki GPT-5.5 Pro: co OpenAI faktycznie opublikowało
Opublikowane benchmarki GPT-5.5 Pro obejmują wąski wycinek: przeglądanie, matematykę na pograniczu możliwości, profesjonalną pracę z wiedzą, genetykę i szerokie rozumowanie. OpenAI przeprowadziło każdą ewaluację na poziomie wysiłku rozumowania xhigh w środowisku badawczym, co różni się od domyślnego ustawienia produkcyjnego ChatGPT. Główna liczba to BrowseComp 90,1%, znacznie powyżej 84,4% bazowego GPT-5.5.
Oto tabela zbiorcza, z kolumną pokazującą, czy OpenAI opublikowało osobny wynik Pro dla każdego testu:
| Benchmark | Co testuje | GPT-5.5 Pro | GPT-5.5 bazowy | Pro opublikowany? | Uwagi |
|---|---|---|---|---|---|
| BrowseComp | Trudne przeglądanie internetu / wyszukiwanie informacji | 90,1% | 84,4% | Tak | Najwyraźniejsza przewaga Pro nad wersją bazową |
| FrontierMath T1-3 | Trudna matematyka | 52,4% | 51,7% | Tak | Pokonuje zgłoszony wynik Opus 4.7 (43,8%) |
| FrontierMath T4 | Matematyka na pograniczu możliwości | 39,6% | 35,4% | Tak | Najtrudniejszy poziom matematyczny |
| GDPval | Profesjonalna praca z wiedzą | 82,3% (deklarowany) | 84,9% | Tak (przypisany) | W tabeli OpenAI Pro jest poniżej wersji bazowej |
| GeneBench | Wieloetapowa genetyka | 33,2% (deklarowany) | 25,0% | Tak (przypisany) | „OpenAI zgłasza" duży skok |
| HLE (bez narzędzi) | Szerokie trudne rozumowanie | 43,1% | 41,4% | Tak | Poniżej zgłoszonego wyniku Opus 4.7 (46,9%) |
| HLE (z narzędziami) | Rozumowanie z użyciem narzędzi | 57,2% (deklarowany) | 52,2% | Częściowo | Bazowy 52,2% potwierdzony; Pro 57,2% deklarowany |
| Modelowanie bankowości inwestycyjnej | Modelowanie finansowe | 88,6% (wewnętrzny) | 88,5% | Wewnętrzny test | OpenAI oznaczyło to jako WEWNĘTRZNE; traktować jako orientacyjne |
| SWE-Bench Pro | Kodowanie agentowe | nie opublikowano | 58,6% | Nie | Główna luka |
| OSWorld-Verified | Obsługa komputera | nie opublikowano | 78,7% | Nie | Puste dla Pro |
| Cyberbezpieczeństwo | Zadania bezpieczeństwa | nie opublikowano | nie pokazano | Nie | Puste dla Pro |
| Długi kontekst | Przywoływanie długich dokumentów | nie opublikowano | nie pokazano | Nie | Puste dla Pro |
Przeczytaj uważnie ten dolny blok. OpenAI opublikowało wyniki GPT-5.5 Pro dla przeglądania i matematyki, ale zostawiło puste wiersze kodowania, obsługi komputera, cyberbezpieczeństwa i długiego kontekstu. Wyniki BrowseComp, FrontierMath i GDPval dla wersji bazowej są potwierdzone przez niezależne trackery; GDPval-Pro 82,3%, GeneBench 33,2% i wynik modelowania bankowości inwestycyjnej są zgłoszone przez OpenAI, ale nie zostały niezależnie zweryfikowane, więc przypisujemy je źródłu, zamiast stwierdzać wprost.
Co naprawdę oznacza „Pro": równoległe obliczenia w czasie testu, nie nowy model
GPT-5.5 Pro to ten sam model GPT-5.5 działający ze znacznie większym wysiłkiem rozumowania, nie inna architektura. Myśl o tym mniej jak o nowym silniku, a bardziej jak o tym samym silniku pracującym dłużej i równolegle, zanim odpowie. OpenAI nazywa to ustawienie wysiłkiem rozumowania, a Pro ustawia je na najwyższym poziomie: xhigh.
Czy GPT-5.5 Pro to inny model niż GPT-5.5?
Nie. Te same wagi, to samo szkolenie. Gdy ludzie szukają gpt 5.5 pro vs gpt 5.5 thinking lub vs xhigh, tak naprawdę pytają o jedno pokrętło: jak intensywnie model myśli, zanim odpowie. „Równoległe obliczenia w czasie testu" oznaczają, że model eksploruje kilka ścieżek rozumowania jednocześnie i wybiera najlepszą, co kosztuje więcej tokenów i więcej czasu rzeczywistego. Za te dodatkowe obliczenia płacisz 6× więcej.
Poza tym specyfikacja jest wspólna. GPT-5.5 Pro ma okno kontekstowe wynoszące około 1,1 mln tokenów wejściowych i 128 tys. wyjściowych. Nie kupujesz więc większej pamięci ani mądrzejszego modelu bazowego. Kupujesz więcej czasu na myślenie na modelu, który już znasz.
GPT-5.5 Pro vs GPT-5.5 (standardowy): gdzie cena 6× daje Ci coś
GPT-5.5 Pro pokonuje bazowego GPT-5.5 w najtrudniejszych zadaniach: przeglądaniu, matematyce na pograniczu możliwości i genetyce. Najmniej daje Ci przy rutynowej pracy. Najwyraźniejszy zysk to BrowseComp 90,1% vs 84,4%, wzrost o 5,7 punktu w głębokich badaniach internetowych. W FrontierMath Tier 4 wspina się z 35,4% na 39,6%.
Ale większa moc obliczeniowa nie zawsze oznacza wyższy wynik. W GDPval tabela OpenAI umieszcza Pro niżej niż bazowego GPT-5.5 (82,3% deklarowany vs 84,9% potwierdzony). To nieintuicyjne i jest raportowane jako zamiana przez Pro części surowych zwycięstw na kalibrację. Wniosek pozostaje: płacenie więcej nie jest gwarancją.
Gdzie Pro wychodzi na prowadzenie:
- BrowseComp: 90,1% vs 84,4% (+5,7)
- FrontierMath T4: 39,6% vs 35,4% (+4,2)
- GeneBench: 33,2% vs 25,0% (deklarowany przez OpenAI)
- HLE z narzędziami: 57,2% (deklarowany) vs 52,2% (potwierdzony bazowy)
Gdzie jest remis lub gorzej:
- GDPval: 82,3% (deklarowany) vs 84,9% bazowy
- HLE bez narzędzi: 43,1% vs 41,4%, ledwie ruch
Jeśli Twoja praca to głównie codzienne pisanie, przegląd kodu i podsumowania, premia 6× jest trudna do uzasadnienia. Rachunek zmienia się dopiero, gdy zadanie jest naprawdę trudne. Skoro już mowa o kosztach: jeśli problemem jest Twój rachunek, nasz przewodnik jak obniżyć koszty API LLM obejmuje kierowanie tańszych modeli do łatwych 80% i rezerwowanie Pro na trudne 20%.
GPT-5.5 Pro vs Claude Fable 5
W benchmarkach kodowania raportowanych przez obu dostawców Claude Fable 5 zdecydowanie pokonuje bazowego GPT-5.5. Ale Fable 5 jest obecnie zawieszony, więc to zwycięstwo ma gwiazdkę. I porównanie jest bardziej zagmatwane, niż wygląda, ponieważ OpenAI w ogóle nie opublikowało wyników kodowania GPT-5.5 Pro. Uczciwe zestawienie to więc naprawdę Fable 5 vs bazowy GPT-5.5 w kodowaniu, przy nieobecnym Pro.
Oto tabela trójstronna. Wyniki Fable 5 są przypisane opublikowanej tabeli Anthropic; puste komórki Pro są dokładnie tym:
| Test | GPT-5.5 bazowy | GPT-5.5 Pro | Claude Fable 5 | Zwycięzca |
|---|---|---|---|---|
| SWE-Bench Pro | 58,6% | nie opublikowano | 80,3% | Fable 5 |
| FrontierCode Diamond | 5,7% | nie opublikowano | 29,3% | Fable 5 |
| Terminal-Bench | 83,4% (v2.1) | nie opublikowano | 88,0% (v2.1) | Fable 5 |
| OSWorld-Verified | 78,7% | nie opublikowano | 85,0% | Fable 5 |
| HLE (bez narzędzi) | 41,4% | 43,1% | 56,8-59,0% | Fable 5 |
| HLE (z narzędziami) | 52,2% | 57,2% (deklarowany) | 64,5% | Fable 5 |
| BrowseComp | 84,4% | 90,1% | nie opublikowano | GPT-5.5 Pro |
| FrontierMath T4 | 35,4% | 39,6% | nie podano | GPT-5.5 Pro |
| GDPval-AA | 1769 | nie opublikowano | 1932 | Fable 5 |
W tej tabeli kryją się dwa zastrzeżenia. Po pierwsze, Terminal-Bench: bazowy GPT-5.5 uzyskuje 82,7% w v2.0 i 83,4% w v2.1, podczas gdy 88,0% Fable jest w v2.1, więc upewnij się, że czytasz tę samą wersję, zanim ogłosisz różnicę. Po drugie, GDPval-AA nie jest procentem. To wynik w stylu Elo (1932 dla Fable vs 1769 dla bazowego GPT-5.5), zupełnie inna skala, więc nie zestawiaj go w myślach z wierszami procentowymi. Wynik Fable w HLE bez narzędzi również różni się w zależności od źródła: CodingFleet podaje 56,8%, podczas gdy inne podsumowania mówią o 59,0%, więc podajemy zakres.
SWE-Bench Pro to benchmark, na którym warto się oprzeć w kwestii kodowania agentowego. Obejmuje 1 865 problemów w 41 aktywnych repozytoriach (wg arXiv 2509.16941), z zadaniami, które zajmują starszemu inżynierowi godziny lub dni i wymagają łat wieloplikowych. W tym teście 80,3% Fable 5 wobec 58,6% bazowego GPT-5.5 to duża przewaga.
Teraz gwiazdka. Claude Fable 5 został zawieszony w czerwcu 2026 na mocy dyrektywy USA dotyczącej kontroli eksportu (około 12 czerwca). Więc „Fable wygrywa w kodowaniu" jest prawdziwe w liczbach i obecnie bez znaczenia przy zakupie. Jeśli chcesz głębszy obraz ze strony Anthropic, oto nasza pełna analiza Claude Fable 5. Model, z którym tabela GPT-5.5 porównuje się w matematyce, to Claude Opus 4.8.
Benchmarki, których OpenAI NIE opublikowało dla Pro
OpenAI nigdy nie udostępniło wyników GPT-5.5 Pro dla kodowania (SWE-Bench Pro), obsługi komputera (OSWorld-Verified), cyberbezpieczeństwa, przywoływania długiego kontekstu ani abstrakcyjnego rozumowania. Te wiersze są puste w oficjalnej tabeli. Puste pole nie oznacza, że model jest w tym słaby. Oznacza, że nie ma opublikowanej liczby, a każdy, kto jakąś podaje, albo zgaduje, albo przez pomyłkę cytuje wynik wersji bazowej.
To ważne, bo to najczęściej wyszukiwana luka. Jeśli szukałeś wyniku SWE-Bench Pro GPT-5.5 Pro, nie ma go. OpenAI nigdy go nie opublikowało. Jedyna istniejąca liczba dla tego benchmarku w rodzinie GPT-5.5 to 58,6% modelu bazowego i to jest wynik wersji bazowej, nie Pro. Celowo tak to oznaczamy.
Co możemy odpowiedzialnie powiedzieć:
- Kodowanie (SWE-Bench Pro): Pro nie opublikowano. Bazowy GPT-5.5 = 58,6% (bazowy, nie Pro).
- Obsługa komputera (OSWorld-Verified): Pro nie opublikowano. Bazowy = 78,7% (bazowy, nie Pro).
- Cyberbezpieczeństwo: Pro nie opublikowano, brak użytecznego odpowiednika bazowego w tabeli.
- Długi kontekst: Pro nie opublikowano, brak użytecznego odpowiednika bazowego.
- Abstrakcyjne rozumowanie: Pro nie opublikowano.
Czy równoległe obliczenia Pro mogą podnieść te wyniki bazowe? Prawdopodobnie, biorąc pod uwagę wzorzec w przeglądaniu i matematyce. Ale „prawdopodobnie" to nie benchmark i nie wydrukujemy liczby, której OpenAI nie podało. Ta powściągliwość jest całym powodem istnienia tej sekcji.
Ceny: 5 $/30 $ vs 30 $/180 $ vs 10 $/50 $ — czy Pro jest warte 6×?
GPT-5.5 Pro kosztuje około 6× więcej niż bazowy GPT-5.5: 30 $ za wejście i 180 $ za wyjście na milion tokenów, wobec 5 $/30 $ wersji bazowej. Claude Fable 5 plasuje się między nimi za 10 $/50 $. Warto przy trudnych badaniach i matematyce na pograniczu możliwości, rzadko warto przy codziennej pracy.
| Model | Wejście / 1M | Wyjście / 1M | Koszt względny |
|---|---|---|---|
| GPT-5.5 bazowy | 5 $ | 30 $ | 1× (punkt odniesienia) |
| Claude Fable 5 | 10 $ | 50 $ | ~2× wejście, ~1,7× wyjście |
| GPT-5.5 Pro | 30 $ | 180 $ | ~6× wersji bazowej |
Kto więc powinien faktycznie zapłacić premię? Orientacyjny werdykt w zależności od zadania:
- Trudne badania, matematyka na pograniczu możliwości, głębokie wieloetapowe przeglądanie: GPT-5.5 Pro się opłaca. Zyski w benchmarkach są realne, a wartość zadania wysoka.
- Kodowanie agentowe na dużych repozytoriach: Fable 5, jeśli możesz go dostać, w przeciwnym razie bazowy GPT-5.5 owinięty w rusztowanie do kodowania. Płacenie ceny Pro za nieopublikowany wynik kodowania to zły zakład.
- Codzienne pisanie, podsumowania, przegląd kodu, wsparcie: bazowy GPT-5.5. Wydatek 6× nie daje tu prawie nic.
Pułapką jest ustawianie Pro jako domyślnego wyboru „na wszelki wypadek". Przy obciążeniach generujących dużo danych wyjściowych te 180 $ szybko się kumuluje. Kieruj według stopnia trudności, a zachowasz większość jakości za ułamek rachunku (więcej w naszym przewodniku po kosztach API LLM).
Jak sprawdziliśmy te liczby (i gdzie źródła się rozjeżdżają)
Zanim którakolwiek z tych liczb trafiła do tego posta, wykonaliśmy tę mało efektowną część: pobraliśmy opublikowaną tabelę ewaluacyjną GPT-5.5 od OpenAI i sprawdziliśmy każdy wiersz Pro z niezależnymi trackerami, zamiast ufać jednemu zrzutowi ekranu. Źródła, z którymi konfrontowaliśmy dane, to llm-stats, BenchLM, opracowanie Fable 5 od DataCamp, CodingFleet i artykuł o SWE-Bench Pro na arXiv (2509.16941). Oto co się potwierdziło, a co nie.
Większość głównych liczb Pro zgadza się bez zastrzeżeń. BrowseComp 90,1%, FrontierMath Tier 1–3 52,4% i Tier 4 39,6% oraz ceny 30 $/180 $ — wszystko to zgadzało się we wszystkich sprawdzonych źródłach. SWE-Bench Pro na poziomie 80,3% dla Fable 5 wobec 58,6% dla bazowego GPT-5.5 oraz FrontierCode Diamond 29,3% wobec 5,7% również się potwierdziły — a liczba zadań SWE-Bench Pro (1 865 problemów w 41 repozytoriach) pochodzi bezpośrednio z artykułu, nie z bloga dostawcy.
Trzy rzeczy się nie potwierdziły i powinieneś o nich wiedzieć:
- Humanity's Last Exam z narzędziami dla Fable 5 pojawia się w zakresie od 56,8% do 59,0% w zależności od źródła. Podajemy zakres, zamiast wybierać faworyta.
- Wyniki Terminal-Bench krążą między wersją 2.0 a 2.1 w tabelach OpenAI i Anthropic, więc różnica GPT-5.5 (83,4%) vs Fable (88,0%) nie jest czystym porównaniem jabłek do jabłek.
- Wynik modelowania bankowości inwestycyjnej (88,6% Pro) jest oznaczony przez OpenAI jako „wewnętrzny", co oznacza, że żaden niezależny tracker nie może go potwierdzić. Za każdym razem oznaczamy to jako deklarację dostawcy.
To jest uczciwa wersja. Liczby, które przedstawiamy jako fakt, potwierdziły się w co najmniej dwóch niezależnych źródłach; wszystko inne jest przypisane temu, kto to zgłosił. Nie uruchamialiśmy GPT-5.5 Pro sami — przy 30 $/180 $ za milion tokenów poważne porównanie nie jest czymś, co będziemy udawać, więc nie będziemy twierdzić, że mamy wyniki laboratoryjne, których nie mamy.
Wyniki z rzeczywistości zgłaszane przez dostawców
To są deklaracje dostawców, nie niezależne wyniki laboratoryjne, więc czytaj je jako dowody z pogranicza marketingu. OpenAI i Anthropic opublikowali studia przypadków, które malują korzystny obraz. Wymieniamy je z przypisaniem źródła, z zastrzeżeniem, że żadne nie zostały przez nas zweryfikowane.
Po stronie OpenAI firma twierdzi, że zespół finansowy użył Codex z GPT-5.5 do przeglądu 24 771 formularzy podatkowych K-1 (71 637 stron), kończąc około dwa tygodnie szybciej niż proces z poprzedniego roku. OpenAI zgłasza również działającą aplikację geometrii algebraicznej zbudowaną z jednego prompta w 11 minut oraz analizę GPT-5.5 Pro zestawu danych ekspresji genów obejmującego 62 próbki i około 28 000 genów.
Po stronie Anthropic Stripe (zgłoszony przez Anthropic) użył Fable 5 do przeprowadzenia migracji całej bazy kodu liczącej 50 milionów wierszy w Ruby w jeden dzień, wobec szacowanych ponad 2 miesięcy pracy ręcznej. Anthropic twierdzi również, że Fable 5 ukończył Pokémon FireRed na podstawie surowych zrzutów ekranu, gdzie wcześniejsze modele Claude wymagały dodatkowych narzędzi rusztowaniowych, oraz że dzięki trwałej pamięci opartej na plikach grał w Slay the Spire około 3× lepiej niż Opus 4.8.
Imponujące dema, wszystkie. Tylko pamiętaj, że są wybrane przez dostawców i nie do odtworzenia na podstawie samego komunikatu prasowego.
Którego modelu powinieneś właściwie używać?
Dobieraj model do zadania, nie do szumu. Do agentów kodowania i dużych repozytoriów sięgnij po Claude Fable 5, jeśli jest dla Ciebie dostępny, a po bazowego GPT-5.5 owiniętego w rusztowanie do kodowania, jeśli nie. Do badań, matematyki na pograniczu możliwości i głębokiego przeglądania wyborem jest GPT-5.5 Pro. Do codziennej pracy i efektywności kosztowej bazowy GPT-5.5 wygrywa stosunkiem wartości do ceny niemal za każdym razem.
Kilka wskazówek, jeśli wybierasz stos, a nie pojedyncze wywołanie. Jeśli naprawdę chcesz autonomicznego systemu do kodowania, potrzebujesz narzędzia, a nie surowego modelu, więc zacznij od najlepszych agentów kodowania AI w 2026 i porównania agentów kodowania w tle, aby poznać kontekst Codex i Devin. Ciekawi Cię, dokąd zmierza ta rodzina? Oto co wycieka o GPT-5.6.
W Techsy kierujemy zadania w naszych potokach agentowych — najlepsze modele rozumowania do trudnych zadań i tańsze do reszty — zamiast płacić stawki premium za każde żądanie. Jeśli chcesz uzyskać drugą opinię na temat własnego zestawu modeli, umów się na bezpłatną konsultację.
O autorze
Mert Batur Gurbuz jest współzałożycielem Techsy.io, gdzie zespół dostarcza agentów AI, systemy automatyzacji i potoki głosowe/SDR dla klientów B2B. Studiuje na Uniwersytecie w Birmingham i pisze o stosie narzędzi LLM, którego zespół Techsy faktycznie używa w produkcji. Połącz się na LinkedIn.
Często zadawane pytania
Czy GPT-5.5 Pro jest tego warte?
To zależy od zadania. Przy trudnych badaniach, matematyce na pograniczu możliwości i głębokim przeglądaniu zyski GPT-5.5 Pro nad wersją bazową (BrowseComp 90,1% vs 84,4%) uzasadniają cenę około 6× wyższą, wynoszącą 30 $/180 $ za milion tokenów. Przy codziennym pisaniu, przeglądzie kodu i podsumowaniach bazowy GPT-5.5 daje niemal tę samą jakość za jedną szóstą kosztu.
Czy GPT-5.5 Pro jest lepszy niż Claude Fable 5?
W opublikowanych benchmarkach kodowania, nie: Claude Fable 5 pokonuje bazowego GPT-5.5 w SWE-Bench Pro (80,3% vs 58,6%), a OpenAI nigdy nie opublikowało wyniku Pro w kodowaniu do porównania. GPT-5.5 Pro wygrywa w przeglądaniu i matematyce na pograniczu możliwości. Jeden haczyk: Fable 5 jest obecnie zawieszony na mocy dyrektywy USA dotyczącej kontroli eksportu, więc dostępność liczy się tak samo jak benchmark.
Jak dobry jest GPT-5.5 Pro w kodowaniu?
Szczerze mówiąc, nie możemy tego powiedzieć na podstawie liczb OpenAI, ponieważ OpenAI nie opublikowało wyniku kodowania GPT-5.5 Pro. Jedyną liczbą kodowania dla tej rodziny jest wynik SWE-Bench Pro bazowego GPT-5.5 wynoszący 58,6%, co ustępuje 80,3% Claude Fable 5. Każdy, kto cytuje „benchmark kodowania Pro", prawdopodobnie przez pomyłkę cytuje liczbę wersji bazowej.
GPT-5.5 Pro vs GPT-5.5 standardowy — którego powinienem używać?
Używaj GPT-5.5 Pro do trudnych badań, matematyki na pograniczu możliwości i głębokiego wieloetapowego przeglądania, gdzie jego dodatkowe równoległe obliczenia uzasadniają cenę 6×. Używaj bazowego GPT-5.5 do codziennej pracy, przeglądu kodu i podsumowań, gdzie premia daje niewiele. W niektórych testach, jak GDPval, tabela OpenAI umieszcza Pro nawet nieco poniżej wersji bazowej.
Ile kosztuje GPT-5.5 Pro?
GPT-5.5 Pro kosztuje 30 $ za milion tokenów wejściowych i 180 $ za milion tokenów wyjściowych, około 6× więcej niż 5 $/30 $ bazowego GPT-5.5. Dla porównania, Claude Fable 5 kosztuje 10 $/50 $. Przy obciążeniach generujących dużo danych wyjściowych premia Pro szybko się kumuluje, więc kierowanie według stopnia trudności zamiast domyślnego wybierania Pro oszczędza realne pieniądze.
Czym jest wysiłek rozumowania „xhigh"?
Wysiłek rozumowania to pokrętło kontrolujące, jak intensywnie GPT-5.5 myśli przed odpowiedzią. „xhigh" to najwyższy poziom, gdzie model używa równoległych obliczeń w czasie testu do eksploracji kilku ścieżek rozumowania i wyboru najlepszej. OpenAI przeprowadziło opublikowane testy GPT-5.5 Pro na poziomie xhigh w środowisku badawczym, co różni się od domyślnego ustawienia produkcyjnego ChatGPT.
Czy GPT-5.5 Pro jest dostępny w Codex?
Tak. Możesz wywołać GPT-5.5 Pro w Codex CLI, używając ciągu modelu gpt-5.5-pro, i ustawić wysiłek rozumowania na xhigh, aby uzyskać zachowanie o najwyższej mocy obliczeniowej. Spodziewaj się wyższego opóźnienia i zauważalnie wyższego kosztu tokenów niż w bazowym GPT-5.5, więc rezerwuj go na naprawdę trudne zadania, zamiast uruchamiać jako domyślny model do kodowania.
Czy GPT-5.5 Pro to nowy model?
Nie. GPT-5.5 Pro to ten sam model GPT-5.5 działający z większym wysiłkiem rozumowania i równoległymi obliczeniami w czasie testu na ustawieniu xhigh, nie odrębna architektura. Dzieli te same wagi i to samo okno kontekstowe wynoszące około 1,1 mln tokenów wejściowych i 128 tys. wyjściowych. Płacisz za więcej czasu na myślenie, nie za mądrzejszy model bazowy.
Jakie jest okno kontekstowe GPT-5.5 Pro?
GPT-5.5 Pro ma okno kontekstowe wynoszące około 1,1 mln tokenów wejściowych i 128 tys. tokenów wyjściowych, takie samo jak bazowy GPT-5.5. To wystarczy, aby załadować duże bazy kodu lub długie dokumenty w jednym wywołaniu. Różnica między Pro a wersją bazową nie polega na rozmiarze pamięci, lecz na tym, ile obliczeń rozumowania model wykonuje przed odpowiedzią.