VerdictPal
Beitreten

Modelle / OpenAI

GPT 5.5

GPT 5 · Release 2026-04-23

OpenAIs Flaggschiff April 2026. Vals-Index 67,62 % (#2), AA-Index 60,2 (#2), Terminal-Bench 2.0 82,0 %, ARC-AGI-2 85 % (Spitze). LMArena-Elo 1473 seit April 2026. 512K-Kontext, $12,50 / $50 pro 1M Tokens.

Bester Generalist für Coding-Agents, Research-Workflows und tool-lastige Automatisierung. Das Modell, zu dem der Desk greift, wenn Coding-Agents ein Issue in einem Durchlauf schließen sollen.

#6 von 21 im Vals Index · aktueller Snapshot
68 Vals Index · 28 Benchmark-Zeilen · 14 QuellenPosition ist benchmark-spezifisch — kein Cross-Family- oder Cross-Source-Ranking.
Composite75
Kontext512K
Input / 1M$13
Output / 1M$50
Wissensstichtag2026-03-15
Output-Speed90 t/s
TTFT (Default-API)31.38s
Statusflagship
ChatGPTCursorPerplexityScira AIFactory
KnowledgeReasoningMathCodingAgenticMultimodalLong contextTool useSafetyHuman preference
Knowledge
91
Reasoning
85
Math
92
Coding
96
Agentic
100
Multimodal
72
Long context
56
Tool use
87
Safety
91
Human preference
95

87average across 10 tested families

Redaktionsnotiz
GPT 5.5 ist das Modell, zu dem der Desk greift, wenn Coding-Agents ein Issue in einem Durchlauf schließen sollen. Terminal-Bench 2.0 (82,0 %) und SWE-bench Verified (82,5 %) sind reproduzierbare Zahlen, keine Vendor-Slides. Die LMArena-Elo-Führung ist die meistzitierte Zahl auf dem öffentlichen Markt.
Benchmark-Platzierungen

Wo GPT 5.5 auf jeder öffentlichen Benchmark-Quelle mit Zeile steht. Rang zählt jedes Modell mit neuester Zeile im selben Test — kein universeller Qualitätsscore.

BenchmarkFamilyRangScoreQuelleDatum
LMArena (Chatbot Arena)Human preference#1/ 1395LMArena leaderboard2026-05-25
ARC-AGIReasoning#2/ 1485ARC Prize leaderboard2026-05-15
BFCLTool use#2/ 2087Berkeley Function Calling Leaderboard V42026-04-15
DeepSWECoding#2/ 667DeepSWE leaderboard v1.12026-06-20
HumanEvalCoding#2/ 1596CodeSOTA HumanEval leaderboard2026-04-23
MMMUMultimodal#2/ 872MMMU leaderboard2026-04-23
GDPvalAgentic#3/ 6100Artificial Analysis — GDPval-AA v22026-06-17
HELM SafetySafety#3/ 991Stanford HELM leaderboard2026-04-23
LiveBenchReasoning#3/ 2170LiveBench leaderboard2026-04-15
LongBench v2Long context#3/ 1956LongBench v2 leaderboard2026-04-01
MCP AtlasTool use#3/ 1078MCP Atlas leaderboard2026-06-09
MMLUKnowledge#3/ 2291OpenAI model release notes2025-12-01
MATHMath#4/ 2090OpenAI model release notes2026-04-23
SWE-bench VerifiedCoding#4/ 2383SWE-bench Verified leaderboard2026-06-01
Vending-Bench 2Agentic#4/ 5Andon Labs Vending-Bench 22026-06-01
AIMEMath#5/ 1992OpenAI model release notes2026-04-23
Artificial Analysis Intelligence IndexReasoning#6/ 6755Artificial Analysis2026-07-21
Humanity's Last ExamReasoning#6/ 6544Artificial Analysis2026-07-21
Terminal-BenchAgentic#6/ 6982Terminal-Bench 2.0 leaderboard2026-05-20
Vals IndexAgentic#6/ 2068Vals AI — Vals Index2026-06-04
SciCodeCoding#7/ 6556Artificial Analysis2026-07-21
MMLU-ProKnowledge#10/ 2182MMLU-Pro HuggingFace leaderboard2026-04-23
AA time to first tokenPerformance#11/ 69Artificial Analysis2026-07-21
IFBenchReasoning#16/ 5776Artificial Analysis2026-07-21
τ³-Bench BankingAgentic#16/ 6455Artificial Analysis — τ³-Bench Banking2026-06-17
AA output speedPerformance#28/ 69Artificial Analysis2026-07-21
GPQA DiamondReasoning#47/ 6981GPQA Diamond paper leaderboard2026-05-15
AA-LCRLong context#54/ 6452Artificial Analysis — AA-LCR2026-06-17
Family-Kontext

Die drei höchstscorierenden kartierten Modelle pro Capability-Family. Wo GPT 5.5 auftaucht, ist es hervorgehoben.

KnowledgeGPT 5.5 · 91
  1. 1
    GPT 5.5
    91
  2. 2
    Claude Opus 4.8
    91
  3. 3
    Claude Sonnet 4.6
    91
ReasoningGPT 5.5 · 85
  1. 1
    Claude Mythos Preview
    95
  2. 2
    GPT-5.6 Sol
    94
  3. 3
    Kimi K3
    94
MathGPT 5.5 · 92
  1. 1
    OpenAI o3
    99
  2. 2
    OpenAI o1
    97
  3. 3
    Gemini 3 Pro
    96
CodingGPT 5.5 · 96
  1. 1
    GPT 5.5
    96
  2. 2
    Claude Opus 4.8
    96
  3. 3
    Claude Opus 4.6
    96
AgenticGPT 5.5 · 100
  1. 1
    GPT 5.5
    100
  2. 2
    Claude Opus 4.8
    100
  3. 3
    Claude Fable 5
    100
MultimodalGPT 5.5 · 72
  1. 1
    Gemini 3.1 Pro
    72
  2. 2
    GPT 5.5
    72
  3. 3
    Claude Opus 4.8
    71
Long contextGPT 5.5 · 56
  1. 1
    Kimi K3
    75
  2. 2
    GPT-5.1
    75
  3. 3
    GPT-5.6 Sol
    74
Tool useGPT 5.5 · 87
  1. 1
    Claude Sonnet 4.6
    89
  2. 2
    GPT 5.5
    87
  3. 3
    Claude Opus 4.8
    87
Human preferenceGPT 5.5 · 95
  1. 1
    GPT 5.5
    95
  2. 2
    Claude Opus 4.8
    92
  3. 3
    Gemini 3.5 Flash
    91
Neueste Belege

Benchmark-Zeilen im öffentlichen Ledger für GPT 5.5 in den letzten 120 Tagen. Ältere Zeilen stehen in der vollen Tabelle unten.

27 neu
BenchmarkFamilyScoreQuelleTage her
AA output speedPerformance90 t/sArtificial Analysis2
AA time to first tokenPerformance31.38sArtificial Analysis2
Artificial Analysis Intelligence IndexReasoning54.8%Artificial Analysis2
Humanity's Last ExamReasoning44.3%Artificial Analysis2
IFBenchReasoning75.85%Artificial Analysis2
SciCodeCoding56.1%Artificial Analysis2
DeepSWECoding67%DeepSWE leaderboard v1.133
GDPvalAgentic1531Artificial Analysis — GDPval-AA v236
τ³-Bench BankingAgentic54.8%Artificial Analysis — τ³-Bench Banking36
AA-LCRLong context52.1%Artificial Analysis — AA-LCR36
MCP AtlasTool use77.8%MCP Atlas leaderboard44
Vals IndexAgentic68%Vals AI — Vals Index49
SWE-bench VerifiedCoding82.5%SWE-bench Verified leaderboard52
Vending-Bench 2Agentic7523.84Andon Labs Vending-Bench 252
LMArena (Chatbot Arena)Human preference1473LMArena leaderboard59
Terminal-BenchAgentic82%Terminal-Bench 2.0 leaderboard64
ARC-AGIReasoning85%ARC Prize leaderboard69
GPQA DiamondReasoning81.2%GPQA Diamond paper leaderboard69
AIMEMath91.8%OpenAI model release notes91
HELM SafetySafety90.6%Stanford HELM leaderboard91
HumanEvalCoding96.2% pass@1CodeSOTA HumanEval leaderboard91
MATHMath89.6%OpenAI model release notes91
MMLU-ProKnowledge81.6%MMLU-Pro HuggingFace leaderboard91
MMMUMultimodal71.8%MMMU leaderboard91
BFCLTool use87.4%Berkeley Function Calling Leaderboard V499
LiveBenchReasoning69.8%LiveBench leaderboard99
LongBench v2Long context56.1%LongBench v2 leaderboard113
Family-Abdeckung

Ein hoher Composite, der eine schwache Family versteckt, ist eine Falle. Diese Balken zeigen Families ohne öffentlichen Test — und wo das Modell führt.

Knowledge91
Reasoning85
Math92
Coding96
Agentic100
Multimodal72
Long context56
Tool use87
Safety91
Human preference95
Preis vs. Performance
0255075100$0.10$0.30$1$3$10$30input USD / 1M tokens · log scale →← intelligence

Hover or tab any dot for name, score, and input price.

AnthropicOpenAIMistralAlibabaDeepSeekGoogleMoonshotMiniMaxxAIMetaZhipuXiaomiMeituanCohere

Volles Benchmark-Ledger

Jeder Katalog-Benchmark für GPT 5.5. Scores verlinken zur Originalquelle; Lücken heißen: noch keine öffentliche Zeile.

28 Quell-Zeilen

28 of 32 catalog benchmarks have a sourced row for GPT 5.5.

Knowledge

Reasoning

Math

Coding

Agentic

Multimodal

Long context

Tool use

Performance

Safety

Human preference

Changelog
  1. GPT 5.5 mit nativem Audio, Bild und 512K-Kontext veröffentlicht.
  2. GPT 5.4 für allgemeine Verfügbarkeit ausgemustert.
Quellen