Бенчмарки GPT-5.5 Pro: цифри, які опублікувала OpenAI (і які ні)

Бенчмарки GPT-5.5 Pro: цифри, які опублікувала OpenAI (і які ні)

OpenAI випустила GPT-5.5 Pro 23 квітня 2026 року й встановила ціну $30 за мільйон вхідних токенів і $180 за мільйон вихідних. Це у 6 разів більше за базову GPT-5.5 з ціною $5/$30. За ці гроші ви отримуєте варіант із більшими обчисленнями, який показує 90.1% на BrowseComp. Але ось що ніхто не виносить у заголовки: власна таблиця оцінок OpenAI залишає рядок кодингу GPT-5.5 Pro порожнім. Те саме для використання комп'ютера. Те саме для довгого контексту. Тож коли ви шукаєте оцінку SWE-Bench Pro для цієї моделі, її просто немає. Ми взяли опубліковану таблицю й самостійно оцінили кожну цифру.

Коротка відповідь:

• GPT-5.5 Pro — це варіант GPT-5.5 від OpenAI з більшими обчисленнями (випущений 23 квітня 2026 року), а не нова модель.
• Вона лідирує у веб-пошуку (BrowseComp 90.1%) та передовій математиці, але OpenAI залишила рядки кодингу, використання комп'ютера й довгого контексту порожніми.
• У наявних рядках кодингу базова GPT-5.5 поступається Claude Fable 5 (SWE-Bench Pro 58.6% проти 80.3%).
• Claude Fable 5 наразі призупинено (директива США з експортного контролю, приблизно 12 червня 2026 року), тож її перемоги мають примітку «зараз її не купити».

Коротка примітка щодо методології, бо точність важливіша за швидкість у дописі про бенчмарки: наведені нижче цифри звірено з опублікованими таблицями OpenAI та Anthropic, а також зі статтею про SWE-Bench Pro (arXiv 2509.16941). Там, де цифру повідомляє лише один вендор, ми це зазначаємо. Там, де OpenAI ніколи не публікувала оцінку Pro, ми пишемо «не опубліковано» замість того, щоб тихо підставляти базове число.

Бенчмарки GPT-5.5 Pro: що насправді опублікувала OpenAI

Опубліковані бенчмарки GPT-5.5 Pro охоплюють вузький зріз: веб-пошук, передова математика, професійна інтелектуальна робота, генетика та широке міркування. OpenAI проводила кожну оцінку з рівнем reasoning effort (рівень міркування) xhigh у дослідницькому середовищі, що відрізняється від стандартного для продакшн ChatGPT. Головна цифра — BrowseComp 90.1%, що значно перевищує 84.4% базової GPT-5.5.

Ось зведена таблиця, з колонкою, що показує, чи опублікувала OpenAI окрему оцінку Pro для кожного тесту:

Уважно прочитайте цей нижній блок. OpenAI опублікувала оцінки GPT-5.5 Pro для веб-пошуку та математики, але залишила рядки кодингу, використання комп'ютера, кібербезпеки й довгого контексту порожніми. Цифри BrowseComp, FrontierMath і базової GDPval підтверджено за вторинними трекерами; GDPval-Pro 82.3%, GeneBench 33.2% і число для інвестиційного банкінгу повідомлені OpenAI, але не перевірені незалежно, тож ми посилаємося на них, а не стверджуємо їх прямо.

Що насправді означає «Pro»: паралельні обчислення на етапі інференсу, а не нова модель

GPT-5.5 Pro — це та сама модель GPT-5.5, що працює зі значно більшими зусиллями на міркування, а не інша архітектура. Думайте про це не як про новий двигун, а як про той самий двигун, що працює довше й паралельно, перш ніж відповісти. OpenAI називає цей параметр reasoning effort (рівень міркування), і Pro встановлює його на найвищому рівні: xhigh.

Чи GPT-5.5 Pro — інша модель, ніж GPT-5.5?

Ні. Ті самі ваги, те саме навчання. Коли люди шукають gpt 5.5 pro vs gpt 5.5 thinking або vs xhigh, вони насправді питають про один регулятор: наскільки інтенсивно модель думає, перш ніж відповісти. «Паралельні обчислення на етапі інференсу» означає, що модель досліджує кілька шляхів міркування одночасно й обирає найкращий, що коштує більше токенів і більше реального часу. Саме за ці додаткові обчислення ви платите у 6 разів більше.

В інших аспектах характеристики спільні. GPT-5.5 Pro має контекстне вікно приблизно 1.1M токенів на вході та 128K на виході. Тож ви не купуєте більшу пам'ять чи розумнішу базову модель. Ви купуєте більше часу на міркування для моделі, який уже знаєте.

GPT-5.5 Pro проти GPT-5.5 (стандарт): де 6× ціна дає щось

GPT-5.5 Pro перевершує базову GPT-5.5 у найскладніших завданнях: веб-пошуку, передовій математиці та генетиці. Найменше вона дає у рутинній роботі. Найчистіший виграш — BrowseComp 90.1% проти 84.4%, приріст на 5.7 пункту в глибокому веб-дослідженні. На FrontierMath Tier 4 вона піднімається до 39.6% з 35.4%.

Але більше обчислень не завжди означає вищу оцінку. На GDPval таблиця OpenAI фактично ставить Pro нижче за базову GPT-5.5 (82.3% заявлено проти 84.9% підтверджено). Це суперечить інтуїції, і пояснюється тим, що Pro жертвує частиною «сирих» перемог заради калібрування. Висновок незмінний: платити більше — не гарантія.

Де Pro виривається вперед:

• BrowseComp: 90.1% проти 84.4% (+5.7)
• FrontierMath T4: 39.6% проти 35.4% (+4.2)
• GeneBench: 33.2% проти 25.0% (заявлено OpenAI)
• HLE з інструментами: 57.2% (заявлено) проти 52.2% (підтверджено для базової)

Де вона на рівні або гірше:

• GDPval: 82.3% (заявлено) проти 84.9% базової
• HLE без інструментів: 43.1% проти 41.4%, майже без змін

Якщо ваша робота — це здебільшого щоденне написання текстів, рев'ю коду та підсумки, 6× надбавку важко виправдати. Математика змінюється лише тоді, коли завдання справді складне. Раз уже ми про вартість: якщо проблема у рахунку, наш гід як скоротити витрати на LLM API розповідає, як маршрутизувати дешевші моделі для легких 80% і приберегти Pro для складних 20%.

GPT-5.5 Pro проти Claude Fable 5

У бенчмарках кодингу, які повідомляють обидва вендори, Claude Fable 5 впевнено перевершує базову GPT-5.5. Але Fable 5 наразі призупинено, тож перемога має примітку. І порівняння безладніше, ніж здається, бо OpenAI взагалі не опублікувала оцінок кодингу GPT-5.5 Pro. Тож чесне зіставлення — це насправді Fable 5 проти базової GPT-5.5 у кодингу, за відсутності Pro.

Ось тристороння таблиця. Цифри Fable 5 наведені з посиланням на опубліковану таблицю Anthropic; порожні клітинки Pro — саме порожні:

У цій таблиці є два застереження. По-перше, Terminal-Bench: базова GPT-5.5 показує 82.7% на v2.0 і 83.4% на v2.1, тоді як 88.0% Fable — на v2.1, тож переконайтеся, що читаєте ту саму версію, перш ніж оголошувати розрив. По-друге, GDPval-AA — не відсоток. Це оцінка в стилі Ело (1932 для Fable проти 1769 для базової GPT-5.5), зовсім інша шкала, тож не зіставляйте її подумки з відсотковими рядками. Цифра Fable для HLE без інструментів також коливається залежно від джерела: CodingFleet вказує 56.8%, тоді як інші підсумки кажуть 59.0%, тож ми наводимо діапазон.

SWE-Bench Pro — це бенчмарк, на який варто спиратися для агентного кодингу. Він охоплює 1 865 задач у 41 активному репозиторії (за arXiv 2509.16941), із завданнями, які займають у старшого інженера години або дні й потребують багатофайлових патчів. У цьому тесті 80.3% Fable 5 проти 58.6% базової GPT-5.5 — це великий розрив.

Тепер про примітку. Claude Fable 5 було призупинено у червні 2026 року за директивою США з експортного контролю (приблизно 12 червня). Тож «Fable перемагає в кодингу» — правда за цифрами, але наразі не має значення на касі. Якщо хочете глибшу картину з боку Anthropic, ось наш повний розбір Claude Fable 5. Щодо моделі, з якою таблиця GPT-5.5 порівнюється в математиці, дивіться Claude Opus 4.8.

Бенчмарки, які OpenAI НЕ опублікувала для Pro

OpenAI ніколи не публікувала оцінок GPT-5.5 Pro для кодингу (SWE-Bench Pro), використання комп'ютера (OSWorld-Verified), кібербезпеки, відтворення довгого контексту чи абстрактного міркування. Ці рядки порожні в офіційній таблиці. Порожньо не означає, що модель у них слабка. Це означає, що опублікованого числа немає, і будь-хто, хто його цитує, або вгадує, або помилково наводить базову оцінку.

Це важливо, бо це найпошуковіша прогалина. Якщо ви шукали оцінку SWE-Bench Pro для GPT-5.5 Pro, її немає. OpenAI ніколи її не публікувала. Єдина цифра, що існує для цього бенчмарку в родині GPT-5.5, — це 58.6% базової моделі, і це базова цифра, а не Pro. Ми навмисне це підкреслюємо.

Що ми можемо відповідально стверджувати:

• Кодинг (SWE-Bench Pro): Pro не опубліковано. Базова GPT-5.5 = 58.6% (базова, не Pro).
• Використання комп'ютера (OSWorld-Verified): Pro не опубліковано. Базова = 78.7% (базова, не Pro).
• Кібербезпека: Pro не опубліковано, у таблиці немає придатного базового замінника.
• Довгий контекст: Pro не опубліковано, немає придатного базового замінника.
• Абстрактне міркування: Pro не опубліковано.

Чи могли б паралельні обчислення Pro підняти ці базові цифри? Ймовірно, зважаючи на закономірність у веб-пошуку та математиці. Але «ймовірно» — не бенчмарк, і ми не друкуватимемо число, якого OpenAI не публікувала. Саме ця стриманість — причина існування цього розділу.

Ціни: $5/$30 проти $30/$180 проти $10/$50 — чи варта Pro 6×?

GPT-5.5 Pro коштує приблизно у 6 разів більше за базову GPT-5.5: $30 за вхід і $180 за вихід на мільйон токенів, проти $5/$30 у базової. Claude Fable 5 розташована між ними — $10/$50. Варта для складних досліджень і передової математики, рідко варта для щоденної роботи.

Тож хто насправді має платити надбавку? Приблизний вердикт за типом роботи:

• Складні дослідження, передова математика, глибокий багатоетапний веб-пошук: GPT-5.5 Pro це відпрацьовує. Виграші в бенчмарках реальні, а цінність завдань висока.
• Агентний кодинг на великих репозиторіях: Fable 5, якщо можете її отримати, інакше базова GPT-5.5 в каркасі для кодингу. Платити ціну Pro за неопубліковану оцінку кодингу — погана ставка.
• Щоденне написання текстів, підсумки, рев'ю коду, підтримка: базова GPT-5.5. Витрати у 6 разів тут майже нічого не дають.

Пастка — скеровувати все на Pro «для надійності». У навантаженнях із великим виходом ця цифра $180 швидко накопичується. Маршрутизуйте за складністю — і збережете більшу частину якості за частку рахунку (докладніше в нашому гіді з вартості LLM API).

Як ми перевіряли ці цифри (і де джерела розходяться)

Перш ніж будь-яка з цих цифр потрапила в цей допис, ми зробили непривабливу частину: взяли опубліковану таблицю оцінок GPT-5.5 від OpenAI й перевірили кожен рядок Pro за незалежними трекерами, замість того щоб довіряти одному скріншоту. Джерела, з якими ми звірялися: llm-stats, BenchLM, огляд Fable 5 від DataCamp, CodingFleet і стаття SWE-Bench Pro на arXiv (2509.16941). Ось що підтвердилося, а що ні.

Більшість головних цифр Pro узгоджуються чисто. BrowseComp 90.1%, FrontierMath Tier 1–3 52.4% і Tier 4 39.6%, а також ціна $30/$180 збіглися в усіх перевірених джерелах. SWE-Bench Pro — 80.3% для Fable 5 проти 58.6% для базової GPT-5.5 — і FrontierCode Diamond 29.3% проти 5.7% також підтвердилися, а кількість задач SWE-Bench Pro (1 865 задач у 41 репозиторії) взята прямо зі статті, а не з блогу вендора.

Три речі не узгодилися, і вам варто про них знати:

• Humanity's Last Exam з інструментами для Fable 5 фігурує в межах від 56.8% до 59.0% залежно від джерела. Ми наводимо діапазон, а не обираємо улюблене.
• Цифри Terminal-Bench коливаються між версіями 2.0 і 2.1 у таблицях OpenAI та Anthropic, тож розрив GPT-5.5 (83.4%) проти Fable (88.0%) — не чисте порівняння рівного з рівним.
• Оцінку моделювання в інвестиційному банкінгу (88.6% Pro) OpenAI позначила як «внутрішню», тобто жоден незалежний трекер не може її підтвердити. Ми щоразу позначаємо її як заяву вендора.

Ось чесна версія. Цифри, які ми подаємо як факт, узгодилися щонайменше у двох незалежних джерелах; усе інше приписане тому, хто це повідомив. Ми самі не запускали GPT-5.5 Pro — за $30/$180 на мільйон токенів серйозне очне порівняння не те, що ми імітуватимемо, тож не вдаватимемо, ніби маємо лабораторні результати, яких не маємо.

Реальні результати, які повідомляють вендори

Це заяви вендорів, а не незалежні лабораторні результати, тож сприймайте їх як докази, близькі до маркетингу. OpenAI та Anthropic кожна опублікувала кейси, що малюють привабливу картину. Ми наводимо їх з посиланням на джерело, із застереженням, що жоден не перевірений нами.

З боку OpenAI: компанія каже, що фінансова команда використала Codex із GPT-5.5 для перевірки 24 771 податкової форми K-1 (71 637 сторінок), завершивши приблизно на два тижні швидше, ніж торішній процес. OpenAI також повідомляє про робочий застосунок з алгебричної геометрії, створений з одного промпту за 11 хвилин, і аналіз GPT-5.5 Pro набору даних експресії генів, що охоплює 62 зразки та близько 28 000 генів.

З боку Anthropic: Stripe (повідомлено через Anthropic) використала Fable 5 для міграції всієї кодової бази на 50 мільйонів рядків Ruby за один день, проти оцінних 2+ місяців вручну. Anthropic також каже, що Fable 5 пройшла Pokémon FireRed із сирих скріншотів, тоді як попереднім моделям Claude потрібні були додаткові інструменти каркаса, і що з постійною файловою пам'яттю вона грала в Slay the Spire приблизно у 3 рази краще за Opus 4.8.

Усі вони — вражаючі демо. Просто пам'ятайте, що їх обрано вендорами, і їх не відтворити лише з пресрелізу.

Яку модель насправді варто використовувати?

Підбирайте модель під завдання, а не під хайп. Для агентів кодингу та великих репозиторіїв беріть Claude Fable 5, якщо вона вам доступна, і базову GPT-5.5 в каркасі для кодингу, якщо ні. Для досліджень, передової математики й глибокого веб-пошуку — GPT-5.5 Pro. Для щоденної роботи та економії базова GPT-5.5 майже завжди виграє за цінністю.

Кілька порад, якщо ви обираєте стек, а не один виклик. Якщо ви справді хочете автономну систему кодингу, вам потрібен інструмент, а не сира модель, тож почніть з найкращих AI-агентів кодингу 2026 та огляду фонових агентів кодингу в порівнянні для контексту Codex і Devin. Цікаво, куди рухається родина далі? Ось що відомо з витоків про GPT-5.6.

У Techsy ми маршрутизуємо кожне завдання через наші агентні пайплайни: топові моделі міркування для складних викликів і дешевші для решти, замість того щоб платити преміальні тарифи за кожен запит. Якщо хочете другу думку щодо власного набору моделей, отримайте безкоштовну консультацію.

Про автора

Мерт Батур Гюрмюз — співзасновник Techsy.io, де команда постачає AI-агентів, системи автоматизації та голосові/SDR-пайплайни для B2B-клієнтів. Він навчається в Бірмінгемському університеті й пише про стек LLM-інструментів, який команда Techsy реально використовує в продакшн. Зв'язатися в LinkedIn.

Часті запитання

Чи варта GPT-5.5 Pro?

Залежить від завдання. Для складних досліджень, передової математики й глибокого веб-пошуку виграші GPT-5.5 Pro над базовою (BrowseComp 90.1% проти 84.4%) виправдовують приблизно 6× ціну $30/$180 на мільйон токенів. Для щоденного написання текстів, рев'ю коду та підсумків базова GPT-5.5 дає майже ту саму якість за шостину вартості.

Чи GPT-5.5 Pro краща за Claude Fable 5?

У опублікованих бенчмарках кодингу — ні: Claude Fable 5 перевершує базову GPT-5.5 на SWE-Bench Pro (80.3% проти 58.6%), а OpenAI ніколи не публікувала оцінку кодингу Pro для порівняння. GPT-5.5 Pro виграє у веб-пошуку та передовій математиці. Один нюанс: Fable 5 наразі призупинено за директивою США з експортного контролю, тож доступність важить не менше за бенчмарк.

Наскільки GPT-5.5 Pro добра в кодингу?

Чесно кажучи, ми не можемо сказати з цифр OpenAI, бо OpenAI не опублікувала оцінку кодингу GPT-5.5 Pro. Єдина цифра кодингу для родини — це результат SWE-Bench Pro базової GPT-5.5, 58.6%, що поступається 80.3% Claude Fable 5. Будь-хто, хто цитує «бенчмарк кодингу Pro», ймовірно, помилково наводить базове число.

GPT-5.5 Pro проти стандартної GPT-5.5 — яку обрати?

Використовуйте GPT-5.5 Pro для складних досліджень, передової математики й глибокого багатоетапного веб-пошуку, де її додаткові паралельні обчислення відпрацьовують 6× ціну. Використовуйте базову GPT-5.5 для щоденної роботи, рев'ю коду та підсумків, де надбавка дає мало. У деяких тестах, як-от GDPval, таблиця OpenAI навіть ставить Pro трохи нижче за базову.

Скільки коштує GPT-5.5 Pro?

GPT-5.5 Pro коштує $30 за мільйон вхідних токенів і $180 за мільйон вихідних токенів, приблизно у 6 разів більше за $5/$30 базової GPT-5.5. Для порівняння, Claude Fable 5 — $10/$50. У навантаженнях із великим виходом надбавка Pro швидко накопичується, тож маршрутизація за складністю завдань замість стандартного вибору Pro заощоджує реальні гроші.

Що таке reasoning effort «xhigh»?

Reasoning effort (рівень міркування) — це регулятор, що контролює, наскільки інтенсивно GPT-5.5 думає перед відповіддю. «xhigh» — найвищий рівень, де модель використовує паралельні обчислення на етапі інференсу, щоб дослідити кілька шляхів міркування й обрати найкращий. OpenAI проводила опубліковані оцінки GPT-5.5 Pro на рівні xhigh у дослідницькому середовищі, що відрізняється від стандартного для продакшн ChatGPT.

Чи доступна GPT-5.5 Pro в Codex?

Так. Ви можете викликати GPT-5.5 Pro в Codex CLI, використовуючи рядок моделі gpt-5.5-pro, і встановити рівень міркування xhigh для поведінки з найвищими обчисленнями. Очікуйте вищої затримки та помітно вищої вартості токенів, ніж у базової GPT-5.5, тож прибережіть її для справді складних завдань, а не запускайте як стандартну модель кодингу.

Чи GPT-5.5 Pro — нова модель?

Ні. GPT-5.5 Pro — це та сама модель GPT-5.5, що працює з більшим рівнем міркування та паралельними обчисленнями на етапі інференсу на рівні xhigh, а не окрема архітектура. Вона має ті самі ваги й те саме контекстне вікно приблизно 1.1M вхідних і 128K вихідних токенів. Ви платите за більше часу на міркування, а не за розумнішу базову модель.

Яке контекстне вікно у GPT-5.5 Pro?

GPT-5.5 Pro має контекстне вікно приблизно 1.1M токенів на вході та 128K токенів на виході, те саме, що й базова GPT-5.5. Цього достатньо, щоб завантажити великі кодові бази або довгі документи за один виклик. Різниця між Pro і базовою — не в розмірі пам'яті, а в тому, скільки обчислень на міркування модель витрачає перед відповіддю.