OpenAI повертає лідерство: GPT-5.5 випередила Claude Opus 4.7 у ключовому бенчмарку Terminal-Bench 2.0

Компанія OpenAI представила GPT-5.5 — нову LLM-модель, орієнтовану на виконання складних багатоетапних завдань з мінімальним втручанням людини. Це перша повністю перенавчена базова модель з часів GPT-4.5.

OpenAI позиціонує GPT-5.5 як «найрозумнішу й найінтуїтивнішу» LLM, яка може самостійно планувати завдання, використовувати інструменти, перевіряти проміжні результати й доводити справу до кінця без потреби контролювати кожен крок.

GPT-5.5 побудована та обслуговується на кластерах NVIDIA GB200 і GB300-NVL72, при цьому затримка на токен залишається на рівні GPT-5.4. Примітно, що GPT-5.5 сама допомагала оптимізувати власну інфраструктуру: зокрема, розробила евристику балансування навантаження, що підвищили швидкість генерації токенів на понад 20%.

Ключові покращення по напрямках

• Кодування. На Terminal-Bench 2.0 модель набрала 82.7% — найвищий результат серед усіх публічно доступних моделей. На внутрішньому бенчмарку Expert-SWE, де задачі мають медіанний час виконання 20 годин людиною, GPT-5.5 перевершує попередника. SWE-Bench Pro — 58.6%, хоча Claude Opus 4.7 тут іще попереду з 64.3% (OpenAI зазначає можливу меморизацію в результатах Anthropic).
• Робота з комп’ютером. На OSWorld-Verified — 78.7%, що вперше виводить флагманську модель OpenAI вперед Anthropic у повноцінному керуванні робочим столом.
• Наукові дослідження. На BixBench (біоінформатика та аналіз даних) — найкращий результат серед моделей з опублікованими оцінками. Внутрішня версія GPT-5.5 знайшла новий доказ асимптотичного факту про позадіагональні числа Ремсі в комбінаториці, пізніше перевірений у Lean.
• Знання. FinanceAgent — 60.0%, завдання інвестиційного банкінгу — 88.5%, OfficeQA Pro — 54.1%, GDPval (84 професії) — 84.9%.

«Модель демонструє суттєві покращення в науково-технічних дослідницьких робочих процесах і може реально допомогти науковцям просуватися вперед, зокрема у відкритті ліків», — пише Марк Чен, директор з досліджень OpenAI: 

Слабкі сторони та застереження

Незважаючи на рекордні показники, компанія сама визнає ряд обмежень. Найсуттєвіше — рівень галюцинацій: 86% за незалежним бенчмарком AA-Omniscience (для порівняння: Claude Opus 4.7 — 36%). Модель демонструє найвищу точність (57%), але впевнено відповідає навіть тоді, коли помиляється — це критично для юридичних, фінансових та медичних застосувань.

На деяких тестах MRCR-v2 у діапазоні 16К–64К токенів GPT-5.5 дещо поступається GPT-5.4, хоча на довгих контекстах (до 1M) суттєво виграє. SWE-Bench Pro все ще за Claude Opus 4.7. Доступ через API затримується через вимоги безпеки — модель отримала класифікацію High за Preparedness Framework. Легітимні дослідники у сфері кібербезпеки мають реєструватися в програмі Trusted Access for Cyber.

Курс на «суперзастосунок» та конкуренція з Anthropic

Грег Брокман і Сем Альтман давно говорять про створення єдиного «суперзастосунку», що об’єднає ChatGPT, Codex і AI-браузер в одну платформу для бізнесу. GPT-5.5 — черговий крок у цьому напрямку. Головний науковець OpenAI Якуб Пахоцький зазначив, що компанія очікує «дуже значних покращень у середньостроковій перспективі», назвавши останні два роки «напрочуд повільними».

Наразі нова модель доступна в двох варіантах:

На жаль, для сторонніх розробників програмного забезпечення, доступ до API поки що недоступний ні для GPT-5.5, ні для GPT-5.5 Pro. Але компанія обіцяє додати цю опцію «дуже скоро».

Модель GPT-5.5 зараз можуть спробувати лише платні користувачі ChatGPT Plus ($20 на місяць), Pro ($100-200 на місяць), Business та Enterprise, причому доступ до GPT-5.5 Pro починається з рівня Pro і вище.

Нагадаємо, кілька днів тому OpenAI презентувала ChatGPT Images 2.0: візуальну модель, яка забезпечує прорив у генерації зображень.

Підписуйтесь на нас у соцмережах: Telegram | Facebook | LinkedIn