Zum Inhalt springen
CrucibleMark

GPT-5.5

GPT-5.5 ist OpenAIs Frontier-Modell für komplexe professionelle Workloads und agentisches Coding mit einem Kontextfenster von 1,05 Millionen Tokens. Das Modell arbeitet mit internem Chain-of-Thought-Reasoning, das nicht in der API-Antwort sichtbar wird, und ist auf Forschung, Coding und anspruchsvolle Produktivität ausgelegt. Verfügbar ausschliesslich über die OpenAI-API.

OpenAI Version 5.5 Kommerzielle Nutzung erlaubt Dense 1050 K Context 12/2025 $5 / $30 per 1M

  • Proprietär
  • Frontier
  • OpenAI
  • Text
  • Vision
  • Real-Time

Sovereign Risk: MEDIUM OpenAI ist ein US-amerikanisches Unternehmen und unterliegt dem CLOUD Act. Bei API-Nutzung verlassen Eingabedaten das lokale Netz – behördlicher Zugriff auf verarbeitete Daten ist rechtlich möglich.

Tool-Use-Profil: 6 Assets im Detail

Vergleich der Asset-Performance (P1/P2/Combined) gegenüber dem Flotten-Durchschnitt

Asset-Performance (Radar)

Score Breakdown vs. Fleet Average

Tool-Use-Details

Asset-Performance, Zuverlässigkeit und Laufzeit-Profil

Name P1 P2 Combined
EU License Research 100 60 76
HTTP Fetch & Extract 80 60 70
Tool Failure Handling (404) 80 80 80
Web Search & Tool Selection 100 80 91
URL Construction & Fetch 80 60 70
Multilingual Search & Synthesis 100 60 80

CrucibleMark prüft Tool-Use in 6 voneinander unabhängigen Tests. Klicken Sie auf einen Test-Namen für die Details.

Reliability

  • Tool Call Valid: Nein
  • Retry: Nicht erforderlich
  • Halluzination: Nicht erkannt

Reliability misst, wie verlässlich ein Modell Werkzeugaufrufe tatsächlich ausführt: Tool Call Valid Schema und Format akzeptiert, Retry Required erst nach Wiederholung erfolgreich, Halluzination Flag erfundene Tools oder Parameter erkannt. Alle drei grün bedeutet produktionstauglich.

Betriebsprofil

Call 1
1.69
First Request
MCP
1.45
Protocol Latency
Synthesis
9.54
Response Generation
Total
76.08
Sum of All Phases
Token
11965
Input + Output
Cost
$0
Cost per Run

Das Betriebsprofil zeigt die Laufzeit- und Kostenkennzahlen des Modell-Laufs: Call 1 First Request, MCP Protocol Latency, Synthesis Response Generation, Total Summe aller Phasen, erganzt um Token Input und Output sowie Cost Kosten pro Lauf.

Tool-Use-Review

Deployment-Urteil

Bedingt deploy: GPT-5.5 ist für MCP-gestützte Tool-Pipelines grundsätzlich einsetzbar, weil es nicht halluziniert und Tool-Fehler sauber behandelt, aber die invalide Tool-Call-Bilanz und nur mittlere Synthesetreue begrenzen das Vertrauen für strikt deterministische Produktionspfade.

Tool-Execution-Profil

Das Modell zeigt echte Werkzeugintelligenz, nicht nur ein starres Muster. Beim Test Web Search & Tool Selection, der ohne expliziten Hinweis die Wahl zwischen web_search und fetch prüft, wählt es das passende Werkzeug sicher. Das ist ein starkes Signal für dynamische Pipelines. Beim Test URL Construction & Fetch, der korrekte URL-Ableitung und anschließendes Fetching misst, arbeitet es brauchbar, aber nicht präzise genug für Pfade, in denen schon kleine URL-Fehler Folgefehler auslösen. Das Gesamtbild ist daher zweigeteilt: gute Entscheidung über den Werkzeugtyp, schwächere Ausführung bei der konkreten Parametrisierung des Calls. Dass tool_call_valid insgesamt false ist, ist für Produktionsbetrieb der eigentliche Vorbehalt. Das Problem liegt hier nicht im Verständnis der Aufgabe, sondern in der Protokolltreue des konkreten Aufrufs.

Synthesetreue

Wie gut verdichtet es Tool-Ergebnisse? Nur ordentlich. Die P2-Leistung von 62.50 passt zu den Einzelwerten: In EU License Research, HTTP Fetch & Extract und URL Construction & Fetch verdichtet GPT-5.5 korrekt, aber nicht mit der Präzision, die man für belastbare Extraktions- und Compliance-Antworten erwartet. Es findet Informationen, verliert aber in der Verdichtung Schärfe, Priorisierung oder Verifizierbarkeit.

Bleibt es im Tool-Ergebnis oder weicht es auf Training aus? Hier ist das Vertrauenssignal besser. Im Honeypot EU License Research, der prüft, ob aktuelle Lizenzrestriktionen wirklich aus Web-Quellen statt aus Trainingswissen kommen, wurde keine Halluzination erkannt. Das Modell bleibt damit innerhalb der Infrastrukturgrenzen. Für produktive Compliance-Pipelines ist das wichtiger als stilistische Qualität.

Fehlerresilienz

Akzeptabel für Produktion. Im Test Tool Failure Handling (404), der transparenten Umgang mit einem fehlgeschlagenen Tool-Call gegen erfundenen Ersatzinhalt stellt, kommuniziert GPT-5.5 den Fehler offen und halluziniert keinen Seiteninhalt. Genau dieses Verhalten hält eine Tool-Pipeline vertrauenswürdig, auch wenn einzelne Aufrufe scheitern.

Betriebsprofil

Call 1: 1.69s. MCP-Latenz: 1.45s. Call 2: 9.54s. Total: 76.08s.
Für die gezeigte Leistung eher langsam.
Preis: $5.0/1M Input, $30.0/1M Output.
Für einen Frontier-Generalisten teuer, wenn die Pipeline hohe Call-Volumes oder enge Antwortbudgets hat.

Fazit & Empfehlung

Geeignet für recherchierende Assistenten, mehrstufige Web-Pipelines und Workflows, in denen Tool-Auswahl wichtiger ist als perfekte Extraktionspräzision. Nicht die erste Wahl für streng validierte MCP-Orchestrierung, Compliance-Ausgaben mit hoher Verdichtungsgenauigkeit oder deterministische Fetch-Ketten, in denen jeder Tool-Call formal sitzen muss. Wenn Sie GPT-5.5 einsetzen, dann mit Schema-Validierung, Call-Guardrails und nachgelagerter Antwortprüfung.

Diese Auswertung wurde automatisch auf Grundlage der Benchmark-Daten generiert. Eingesetztes Modell: GPT-5.4 von OpenAI. Die Rohdaten und die vollständige Methodik sind im GitHub-Projekt dokumentiert.