Indlæser kataloget…
Indlæser kataloget…
OpenAIs instruct-model med lang kontekst, bygget til kompleks ræsonnering i mange trin, analyse af lange dokumenter og orkestrering af værktøjer i et kontekstvindue på over 1 million tokens.
Oversigt. GPT-5.5 er en instruct-model i OpenAIs GPT-5-modelfamilie, udgivet i april 2026, med et kontekstvindue på 1.050.000 tokens og træningsdata, der slutter i december 2025. Den accepterer tekst, billeder og filer som inddata og returnerer tekst som uddata, hvilket gør den velegnet til dig, der har brug for at ræsonnere over meget lange dokumenter eller sessioner i et enkelt kald. En udvikler vil vælge den, når modelfamiliens mindre mini/nano-modeller (f.eks. gpt-5.4-mini) ikke har tilstrækkelig kontekstlængde, men hvor en dedikeret ræsonneringsmodel ikke er påkrævet.
Vigtigste styrker. OpenAIs Artificial Analysis-benchmarking (som vist på modellens endepunkt) giver GPT-5.5 et kodeindeks på 74,9 og et intelligensindeks på 56,3, med et agentisk indeks på 47,4 — en stærk kodepræstation parret med fornuftig generel ræsonnering og egenskaber inden for verktøjskald. Den understøtter styring af ræsonneringsniveau (fra none til xhigh) i stedet for temperatur, hvilket lader dig finjustere ræsonneringsdybden per forespørgsel. Bemærk, at GPT-5.6-luna og GPT-5.6-sol nu scorer højere på kvalitetsindekset i samme familie, så GPT-5.5 er et stærkt valg i mellem- til overklassen frem for at være familiens absolutte topscorer.
Anvendelsesområder. Brug GPT-5.5 til kompleks ræsonnering i mange trin, analyse af lange dokumenter og orkestrering af værktøjer, hvor kontekstvinduet på over 1 million tokens er afgørende — f.eks. gennemgang af kontrakter, spørgsmål og svar til store kildekoder eller opsummering af research på tværs af mange filer. Den er bygget til interaktiv, API-drevet brug med standard Chat Completions-semantik, herunder systemprompter og værktøjs-/funktionskald. Hvis din opgave kræver familiens højeste ræsonneringsscore, bør du overveje GPT-5.6-sol i stedet.
Begrænsninger. Den maksimale mængde uddata er begrænset til 128.000 tokens, selvom vinduet for inddata er på over 1.000.000 tokens, så meget lange genereringer skal stadig deles op. GPT-5.5 har hverken lyd som inddata eller uddata, og dens træningsdata slutter i december 2025. Den er heller ikke længere den højest scorende instruct-variant i sin egen familie, da den er blevet overgået på kvalitetsindekset af nyere søskende.
Bemærkning om suverænitet. GPT-5.5 er bygget af OpenAI, en amerikansk modelskaber, der er bekræftet underlagt CLOUD Act. Det betyder, at data behandlet gennem denne model er omfattet af amerikansk lovgivning, uanset hvor din inferens rutes hen. Den tilgås kun via API — der findes ingen mulighed for at køre selv eller suveræn drift af denne model.
| Inferensleverandør | Suverænitet | Kører i | Ind / ud per 1 mio. | Status | Fastgør |
|---|---|---|---|---|---|
| L0 | 4,54 / 27,22€+6 betingede priser | Online |
16 anvendelsesområder klassificeret af redaktøren. Noten forklarer hvorfor.
Agentisk frontmodel med Skills og udvidet ræsonnering, der er velegnet til autonome kodningsarbejdsflow med mange trin.
Eksplicit egenskab til værktøjskald på en ræsonneringsmodel på topniveau gør den til en stærk standardmodel til strukturerede applikationer med funktionskald.
Værktøjskald, udvidet ræsonnering og et kontekstvindue på over 1 million tokens understøtter de lange loops af handling og observation, som browserautomatisering kræver.
Billedforståelse og værktøjskald understøtter agentiske arbejdsflow, der kræver fortolkning af og handling på screenshots (f.eks. UI-automatisering).
Det lange kontekstvindue (1,05 millioner tokens) gør det muligt at indlæse store mængder forskningsartikler direkte, hvilket reducerer behovet for opdeling ved søgning.
Udvalgt som en agentisk frontmodel bygget til komplekse ræsonneringer med mange trin, med en tilstand til udvidet ræsonnering til bevidst planlægning.
Billedforståelse kombineret med et enormt kontekstvindue gør den velegnet til OCR og analyse af scannede lange dokumenter, selvom OCR-specifikke scorer ikke er offentliggjort.
Ræsonnering på topniveau og værktøjskald understøtter kodegennemgang, selvom modelfamiliens flagskibsmodel til ræsonnering (gpt-5.6-sol) er positioneret som det bedste valg til ren ræsonneringsdybde.
Det store kontekstvindue understøtter generering af lange dokumenter, selvom der ikke er anført nogen skrivespecifik benchmark for at hævde, at kvaliteten er klassens bedste.
Værktøjskald og lang kontekst understøtter struktureret dataudtræk fra store mængder inddata, selvom dette ikke er modellens primære anvendelsesområde.
Billedforståelse understøtter fortolkning af diagrammer, selvom der ikke er dokumenteret nogen diagramspecifik benchmark for denne variant.
Tal fra eksterne kilder, ikke vores egne vurderinger. Percentiler er målt mod hele Stav-kataloget.
Beregnet ud fra aa-intelligence-index, gpqa-diamond, aa-engineering-index, aa-coding-index, livecodebench, terminal-bench-v4, ifbench, aa-lcr.
curl https://api.stav.ai/v1/chat/completions \
-H "Authorization: Bearer $STAV_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "openai/gpt-5.5",
"reasoning_effort": "high",
"messages": [{"role": "user", "content": "Hello!"}]
}'→ X-Stav-Request-Id · X-Stav-Model · X-Stav-Provider → X-Stav-Sovereignty-Level — det niveau, forespørgslen blev betjent på