OpenAI presenta GPT-5.5: 12M de contexto, el índice AA llega al primer puesto, Terminal-Bench 82,7% reescribe el punto de referencia de los agentes

OpenAI 於 4/23 正式發布 GPT-5.5，定位為面向代理式（agentic）工作與企業知識處理的主力模型，同步登上 ChatGPT 與 Codex。官方宣傳定調為「我們最聰明、最直覺易用的模型」，AA Intelligence Index 以 60 分登頂，領先 Claude Opus 4.7 與 Gemini 3.1 Pro Preview 各 3 分。

Resumen de datos clave

Indicador Comparativa GPT-5.5 (GPT-5.4 o competidor del mismo nivel) AA Intelligence Index 60 Claude Opus 4.7：57；Gemini 3.1 Pro Preview：57 Terminal-Bench 2.0 (flujo de trabajo de línea de comandos) 82.7% GPT-5.4：75.1% Expert-SWE (evaluación interna de programación de OpenAI) 73.1% GPT-5.4：68.5% Ventana de contexto 1,200 万 tokens Aumenta drásticamente, puede procesar todo el repositorio de programación de una empresa o varios horas de video Precio (por cada millón de tokens) Entrada 5 dólares, salida 30 dólares El doble de precio de GPT-5.4; pero el uso de tokens de salida baja aproximadamente 40%, el coste neto sube aproximadamente 20%

Posicionamiento: diseñado para la «era de los agentes»

OpenAI describe GPT-5.5 como un modelo base para el cálculo de tipo agentic, capaz de comprender objetivos complejos, usar herramientas, autoinspeccionar los resultados del trabajo y ejecutar tareas de varios pasos hasta completarlas sin necesidad de que los humanos intervengan en cada paso. Según una entrevista de TechCrunch, el presidente Greg Brockman describe esta versión como «un gran paso hacia la computación futura, pero solo un paso», y destaca que «en comparación con la 5.4 es un razonador más rápido y más agudo, usando menos tokens».

El científico jefe Jakub Pachocki señala que «vemos mejoras muy significativas a corto plazo»; el director de investigación Mark Chen, a su vez, enfatiza que esta versión aporta «avances significativos» en los flujos de trabajo de investigación científica y tecnológica.

Alcance de suministro y segmentación por versiones

GPT-5.5：Los usuarios Plus、Pro、Business、Enterprise pueden usarlo en ChatGPT y Codex

GPT-5.5 Pro：Una versión de razonamiento de gama más alta que los usuarios Pro、Business、Enterprise pueden usar en ChatGPT

Integración con Codex：Disponible de forma simultánea en las herramientas de agentes de programación de OpenAI, reforzando la edición de múltiples archivos, la línea de comandos y los ciclos de prueba

Aumenta simultáneamente el discurso sobre ciberseguridad y defensa

La integrante del equipo técnico Mia Glaese, al ser entrevistada por TechCrunch, indicó que la capacidad de ciberseguridad de GPT-5.5 tendrá «un impacto importante» en la forma en que OpenAI «despliega los modelos para invertir en defensa digital». Este planteamiento contrasta directamente con la controversia reciente de Anthropic en torno a su modelo de ciberseguridad de nivel “armas” para Claude Mythos—Altman criticó previamente la estrategia de «marketing del miedo» de Anthropic en el programa《Core Memory》. En GPT-5.5, OpenAI pone aún más énfasis en el discurso de «ataque y defensa, desplegable», con la intención de marcar una diferencia frente a la postura de Anthropic de limitar el acceso.

Cambio en la estrategia de precios

El precio por cada millón de tokens de GPT-5.5 se duplica a 5 dólares de entrada y 30 dólares de salida, lo que supone la primera generación en el que se observa un aumento significativo del precio unitario en la serie GPT-5. La explicación de OpenAI es que, gracias a que el modelo puede reducir alrededor del 40% el uso de tokens de salida debido a la eficiencia de razonamiento, la factura real de las tareas típicas es aproximadamente un 20% más alta que la de GPT-5.4, en lugar de ser simplemente el doble. Para las empresas, la toma de decisiones pasa de «si el precio unitario vale la pena» a «si, con el mismo prompt, GPT-5.5 puede completar tareas más complejas en un escenario de menos tokens totales».

Señales para la industria

GPT-5.5 amplía la brecha de OpenAI en Terminal-Bench y las evaluaciones internas de SWE; estos dos puntos de referencia prueban respectivamente la ejecución de agentes en línea de comandos y tareas reales de ingeniería de software—frente al duelo positivo entre Codex y Claude Code, se trata de un campo de batalla de puntuaciones más directo. Sumado a la apertura simultánea de una ventana de contexto de 12,000,000 tokens, OpenAI presiona al mismo tiempo dos rutas de carrera: «procesamiento integral de bases de conocimiento empresariales» y «agentes de tareas largas». Para Anthropic, Claude Opus 4.7 va 3 puntos por detrás en el AA Index con 57 puntos; para los usuarios de Claude Code también existe una razón más para observar el progreso de la próxima generación (Opus 4.8 o un Claude de nueva generación).

Este artículo sobre cómo OpenAI impulsa GPT-5.5: 12M de contexto, lidera el AA Index, Terminal-Bench 82.7% reescribe el benchmark de agentes. Aparece por primera vez en 鏈新聞 ABMedia.