GPT-5.5
GPT-5.5 ist OpenAIs Frontier-Modell für komplexe professionelle Workloads und agentisches Coding. Es wird ausschließlich über die API angeboten, unterstützt Text und Bild und ist auf sehr lange Kontextnutzung ausgelegt. Die Card positioniert es als besonders stark bei Forschung, Coding und anspruchsvoller Produktivität.
- Proprietär
- Frontier
- API
- General
- Long-Context
- Agentic
- Thinking
- Interactive
Sovereign Risk: MEDIUM OpenAI ist ein US-amerikanisches Unternehmen, unterliegt US-Recht und CLOUD Act. Keine Gewichte verfügbar. Closed-Source. Datenschutzrechtlich für sensible EU-Daten eingeschränkt empfehlenswert.
Schlüsselmetriken
Score · Latenz · Kosten · Qualität
- Total Score Silver
- 73.62
- Routine
- 46.19
- Reasoning
- 27.43
- LLM Judge Avg
- 3.67 / 5
- 100% Coverage
- Avg Task Duration
- 35.75s
- ️ Interactive
- Token Rate
- 37.37tok/s
- Output Rate
- P95 Latency
- 101.38s
- Top 5 %
- Total Tokens
- 84.1K
- Output Volume
- Cost per 1K
- $0.03
- USD / 1K Requests
- Benchmark Cost
- $2.52
- Total · 84.1K tok
Benchmark-Module
7 Module · gewichtet · vs. Modellmedian & Spitzenreiter
GPT-5.5
Bestes Modell
Ø Alle Modelle
Code Quality
78.08
CLI Benchmark
90.56
Logical Reasoning
63.17
UX Writing
69.65
Documentation
66.66
Content Transform.
73.77
Cultural Intelligence
81.9
Benchmark Cost
$2.52
Token-Effizienz & Latenz
Verbrauch pro Modul vs. Modellmedian
Token-Verbrauch pro Modul
Performance-Profil
Schlüsselmetriken – Legende
Score
- Total Score
- Gesamtpunktzahl aus Routine- und Reasoning-Score. Basis für den Flotten-Rang und die Tier-Zuordnung (Gold / Silver / Bronze).
- Routine
- Punktzahl für Standardaufgaben: Code-Generierung, Texttransformation, strukturierte Ausgaben. Gewichtet nach Aufgabenkomplexität.
- Reasoning
- Punktzahl für analytische und logische Aufgaben: mehrstufige Problemlösung, mathematisches Schlussfolgern, strukturierte Argumentationen.
- Rang
- Position im Flottenvergleich, sortiert nach Total Score. Bezieht sich auf den Snapshot zum Zeitpunkt des Tests.
LLM Judge
- LLM Judge Ø
- Durchschnittliche Qualitätsbewertung durch ein unabhängiges Richter-Modell auf einer Skala von 1–5.
- Coverage
- Anteil der Aufgaben, für die eine Judge-Bewertung vorliegt. 100 % bedeutet, alle Antworten wurden bewertet.
Latenz & Geschwindigkeit
- Avg. Task Duration
- Durchschnittliche Zeit pro Aufgabe vom ersten bis zum letzten Token der Antwort, gemessen über alle Benchmark-Aufgaben.
- Token Rate
- Ausgabe-Geschwindigkeit in Tokens pro Sekunde. Relevant für interaktive Anwendungen und Echtzeit-Streaming.
- P95 Latency
- 95. Perzentil der Antwortzeiten – zeigt Ausreißer. Niedrigere Werte bedeuten weniger lange Wartezeiten in Ausnahmefällen.
Kosten
- Cost per 1K
- API-Preis pro 1.000 Output-Tokens in US-Dollar. Basis für Kostenkalkulation bei produktivem Einsatz.
- Benchmark Cost
- Gesamtkosten für den vollständigen Benchmark-Durchlauf dieses Modells.