Update, 10. Juli 2026: GPT-5.5 wurde inzwischen von GPT-5.6 abgelöst, das am 9. Juli 2026 mit den Stufen Sol, Terra und Luna allgemein verfügbar wurde und nun OpenAIs Frontier-Modell ist. Dieser Leitfaden bleibt die umfassende Referenz zu GPT-5.5, das weiterhin als schneller Instant-Standard über alle ChatGPT-Stufen verfügbar ist.
Am 23. April 2026 stellte OpenAI GPT-5.5 vor, das leistungsfähigste Modell zum Zeitpunkt der Veröffentlichung und das erste vollständig neu trainierte Basismodell seit GPT-4.5. Mit dem Release kommen Spitzenwerte auf Terminal-Bench 2.0, OSWorld und GDPval, ein deutlich stärkeres agentisches Codierungsprofil in Codex, eine neue Pro-Stufe sowie eine Preiserhöhung, die den Intelligenzsprung widerspiegelt.
GPT-5.5 wird schrittweise für Plus-, Pro-, Business- und Enterprise-Nutzer in ChatGPT und Codex ausgerollt. GPT-5.5 Pro steht Pro-, Business- und Enterprise-Stufen zur Verfügung. Für alle, die Fello AI auf Mac, iPhone oder iPad nutzen, wird GPT-5.5 in den kommenden Wochen verfügbar sein, gemeinsam mit Claude 4.6, Gemini 3, DeepSeek, Kimi-K2.6 und Perplexity in der gleichen
Was ist GPT-5.5
GPT-5.5 war OpenAIs Frontier-Modell von seiner Einführung im April 2026 bis zur Ablösung durch GPT-5.6 am 9. Juli 2026, und es bleibt ein zentrales Modell der GPT-5-Familie. OpenAI beschreibt es als eine neue Klasse von Intelligenz, die speziell für reale Arbeit und den Betrieb von Agenten entwickelt wurde, mit der Fähigkeit, komplexe Ziele zu verstehen, Werkzeuge zu nutzen, die eigene Arbeit zu überprüfen und mehrstufige Aufgaben bis zum Abschluss durchzuführen.
Anders als die inkrementellen Releases GPT-5.1, 5.2, 5.3 und 5.4 ist GPT-5.5 ein vollständig neu trainiertes Basismodell. Das ist ein wesentlicher Unterschied: Die früheren GPT-5.x-Updates waren vor allem Post-Training-Verbesserungen. GPT-5.5 bringt neues Vortraining, neues Reasoning-Verhalten und einen großen Sprung bei agentischen Benchmarks.
GPT-5.5 ist ein Reasoning-Modell mit Text- und Bildeingaben und Textausgabe. Es belegt Platz 2 im Artificial Analysis Intelligence Index mit einem Score von 59, bewertet auf Basis von 10 Benchmarks darunter GDPval, SciCode, GPQA Diamond und Humanity's Last Exam.
Was sich in GPT-5.5 geändert hat
Eine kurze Übersicht der Neuerungen gegenüber GPT-5.4:
- Spitzenwerte bei agentischen Benchmarks auf Terminal-Bench 2.0, OSWorld-Verified und BrowseComp
- Vollständig neu trainierte Basis zum ersten Mal seit GPT-4.5
- Deutlich weniger Tokens bei gleichen Codex-Aufgaben
- Gleiche Latenz pro Token wie GPT-5.4 trotz höherer Intelligenz
- 922K Token Kontextfenster für lange Dokumente und Repositories
- Neue GPT-5.5 Pro-Stufe für anspruchsvolles Reasoning und Recherche
- Verbesserte Bildgenerierung mit korrekt gerenderten lesbaren Texten
- Tieferer Werkzeugeinsatz und Selbstprüfung in Agenten-Workflows
- Preis: $5/$30 pro Million Tokens (doppelt so viel wie GPT-5.4)
OpenAI sieht das Release als Schritt in Richtung einer KI, die nicht nur Fragen beantwortet, sondern Arbeit vorantreibt. TechCrunch wertet das als OpenAIs bisher deutlichsten Schritt zu einer konsolidierten KI-Super-App, die viele alltägliche Computeraufgaben übernimmt.
Benchmark-Ergebnisse
OpenAI veröffentlichte detaillierte Benchmark-Zahlen zusammen mit dem Release, die mehrere unabhängige Quellen bestätigt haben. Die folgende Tabelle stellt GPT-5.5 neben GPT-5.4, Claude Opus 4.7, Gemini 3.1 Pro und die eingeschränkte Claude Mythos Preview. Die Zahlen stammen aus dem OpenAI-Release-Post und wurden durch unabhängige Berichterstattung verifiziert.
| Benchmark | GPT-5.5 | GPT-5.5 Pro | GPT-5.4 | Claude Opus 4.7 | Claude Mythos | Gemini 3.1 Pro |
|---|---|---|---|---|---|---|
| Terminal-Bench 2.0 | 82,7 % | – | 75,1 % | 69,4 % | 82 % / 92,1 % | 68,5 % |
| GDPval | 84,9 % | – | 83,0 % | 80,3 % | – | 67,3 % |
| OSWorld-Verified | 78,7 % | – | 75,0 % | 78,0 % | 79,6 % | – |
| SWE-bench Pro | 58,6 % | – | 57,7 % | 64,3 % | 77,8 % | 54,2 % |
| GPQA Diamond | 93,6 % | – | – | 94,2 % | 94,5 % | – |
| BrowseComp | 84,4 % | 90,1 % | – | 79,3 % | 86,9 % | 85,9 % |
| FrontierMath Tier 4 | 35,4 % | 39,6 % | – | 22,9 % | – | 16,7 % |
| HLE (ohne Werkzeuge) | 41,4 % | 43,1 % | – | – | 56,8 % | – |
| HLE (mit Werkzeugen) | 52,2 % | 57,2 % | – | – | 64,7 % | – |
| CyberGym | 81,8 % | – | 79,0 % | 73,1 % | 83,0 % | – |
| GraphWalks (langer Kontext) | 45,4 % | – | – | – | 80,0 % | – |
Der Terminal-Bench-2.0-Wert von 82,7 % ist der aktuelle Spitzenwert aller öffentlich verfügbaren Modelle. GDPval mit 84,9 % misst wirtschaftlich wertvolle Arbeit, die Ökonomen tatsächlich bepreisen können, darunter Finanzanalyse, Rechtsdokumentation und Beratungsaufgaben. Deshalb nutzt OpenAI diesen Benchmark lieber als realitätsnahen Maßstab statt synthetischer Rätsel.
Vergleich mit anderen Modellen
Aus der Tabelle lassen sich einige Muster ablesen.
Gegenüber GPT-5.4 ist GPT-5.5 bei jedem agentischen Benchmark ein klarer Schritt nach vorne: Terminal-Bench legt 7,6 Punkte zu, OSWorld steigt um 3,7 Punkte, und GDPval gewinnt fast 2 Punkte in einem Benchmark, der schon nah an der Sättigung war.
Gegenüber Claude Opus 4.7 ergibt sich ein gemischtes Bild. Anthropic hält einen echten Vorsprung bei SWE-bench Pro (64,3 % vs. 58,6 %) für komplexe Multi-File-GitHub-Issue-Auflösung und liegt bei GPQA Diamond knapp vorn. GPT-5.5 schlägt Terminal-Bench 2.0 um mehr als 13 Punkte, GDPval um 4,6 Punkte und übertrifft Opus bei FrontierMath Tier 4 fast um das Doppelte. Für reine Codiergenauigkeit bleibt Opus 4.7 eine gute Wahl. Für agentische Workflow-Ausführung ist GPT-5.5 nun die stärkere Option.
Gegenüber Claude Mythos Preview liegt Anthropics abgeschirmtes Frontier-Modell bei sechs von neun überlappenden Zeilen klar vorne, besonders bei Software-Engineering und Wissens-Benchmarks wie HLE und GraphWalks. GPT-5.5 schlägt Mythos knapp bei Terminal-Bench (82,7 % vs. 82 % Basiswert), doch Mythos erreicht in seiner höheren Konfiguration 92,1 %. Ehrlich gesagt ist Mythos dort stärker, wo es getestet wurde, steht aber nur Project Glasswing-Partnern zur Verfügung, was GPT-5.5 zum besten Modell macht, das die meisten Menschen tatsächlich nutzen können.
Gegenüber Gemini 3.1 Pro gewinnt GPT-5.5 fast jede Zeile der Tabelle. Google hält weiterhin Vorteile bei sehr langen Kontextlängen und nativer Multimodalität, und das 2-Millionen-Token-Kontextfenster sowie der niedrigere API-Preis bleiben echte Unterschiede für bestimmte Workloads.
Agentisches Codieren in Codex
Die sichtbarsten Fortschritte zeigen sich in Codex, OpenAIs agentischer Codierumgebung. GPT-5.5 ist OpenAIs bislang stärkstes agentisches Coding-Modell, und das Unternehmen gibt an, dass es im Vergleich zu GPT-5.4 deutlich weniger Tokens für dieselben Aufgaben benötigt. Das ist relevant für Kosten, Latenz und die Wirtschaftlichkeit langlaufender Agenten.
NVIDIA, das Codex intern für mehr als 10.000 Mitarbeiter eingesetzt hat, berichtet, dass Debugging-Zyklen von Tagen auf Stunden gesunken sind und dass mehrtägige Experimente nun über Nacht in komplexen Codebasen abgeschlossen werden. NVIDIA verweist zudem auf bessere Zuverlässigkeit und weniger verschwendete Zyklen im Vergleich zu früheren Modellen.
Bei SWE-Bench Pro, das echte GitHub-Issue-Auflösung statt künstlicher Aufgaben bewertet, erreicht GPT-5.5 58,6 % und löst mehr Aufgaben vollständig in einem einzigen Durchlauf als jedes frühere GPT-Release. Terminal-Bench 2.0 testet etwas anderes und Schwierigeres: Multi-Tool-Kommandozeilen-Workflows, die Planung, Iteration und Fehlerkorrektur erfordern. Der Score von 82,7 % ist das, worauf die meisten Entwickler agentischer Lösungen achten.
Wissensarbeit und Recherche
GDPval ist OpenAIs bevorzugtes Maß für wirtschaftlich wertvolle Arbeit, und 84,9 % ist ein bedeutsamer Sprung. In Ethan Mollicks Praxistest produzierte GPT-5.5 Pro aus Hunderten von Crowdfunding-Forschungsdateien in vier Prompts akademische Ergebnisse auf Doktorandenniveau, mit soliden Literaturrecherchen und anspruchsvollen statistischen Analysen ohne manuelle Nachbearbeitung.
Mollick weist auch auf verbleibende Grenzen hin. Längere Fiktion wirkt noch „seltsam": verschnörkelte Sätze, sich wiederholende Metaphern und Dialoge, in denen alle Charaktere im gleichen knappen Ton sprechen. Hypothesengenerierung in der Statistik ist technisch korrekt, aber ohne Expertenprompten oft wenig interessant. Die Frontier, wie Mollick es formuliert, bleibt uneben.
Wer täglich analysiert, schreibt oder recherchiert, stellt fest: Dieses Modell ist stark genug, dass der Engpass nicht mehr beim Modell liegt, sondern beim Menschen, der entscheidet, was er fragen soll. Das ist ein echter Wandel im Vergleich zu vor zwölf Monaten.
Computersteuerung und Suche
OSWorld-Verified mit 78,7 % ist ein echter Desktop-Benchmark, und dieser Wert deutet darauf hin, dass GPT-5.5 tatsächlich eine virtuelle Maschine steuern, Benutzeroberflächen bedienen und gemischte Software-Aufgaben mit guter Zuverlässigkeit abschließen kann. Das macht Computer-Use-Agenten für mehr als nur Demos nutzbar.
BrowseComp mit 90,1 % in der Pro-Stufe ist die andere Seite der Agenten-Geschichte. Der Benchmark misst, wie gut ein Modell schwer auffindbare Informationen im offenen Web aufspüren kann, was der Kernprozess der meisten Deep-Research-Agenten ist. Kombiniert mit verbessertem Werkzeugeinsatz hebt GPT-5.5 praktische Browsing-Agenten von interessant auf nützlich.
Mathematik und Wissenschaft
Bei FrontierMath Tier 4, der härtesten Stufe eines Benchmarks, der von aktiven Mathematikern entwickelt wurde, um Memorisierung zu verhindern, erzielte GPT-5.5 Pro 39,6 %. Das ist fast doppelt so viel wie Claude Opus 4.7s 22,9 % und ein großer Schritt gegenüber jedem bisher öffentlich verfügbaren Modell.
SciCode und GPQA Diamond, beide im Artificial-Analysis-Komposit vertreten, testen wissenschaftliches Denken und Programmieren auf Doktorandenniveau. GPT-5.5 liegt bei beiden am oder nahe dem Spitzenwert, was es auf den Gesamt-Intelligence-Index-Score von 59 bringt.
GPT-5.5 Pro
GPT-5.5 Pro ist die aufwändigere Variante, ausgelegt auf anspruchsvolles Reasoning, tiefe Recherche und Agenten mit langem Zeithorizont. Hier kommen die beeindruckendsten Zahlen her: 90,1 % bei BrowseComp und 39,6 % bei FrontierMath Tier 4.
Pro war früher eine Nischenoption wegen Kosten und Geschwindigkeit. Dank der Effizienzarbeit in GPT-5.5 ist Pro laut OpenAI nun eine viel praktischere Option für den regulären Einsatz und steht hinter den leistungsfähigsten Aufgaben, die ChatGPT übernehmen kann. In Mollicks Tests schloss GPT-5.5 Pro eine prozedural evolvierende Hafenstadt-Simulation über 5.000 Jahre in 20 Minuten ab, gegenüber 33 Minuten mit der Vorgängergeneration, und erstellte aus einem einzigen Prompt ein vollständiges, illustriertes 101-seitiges Tabletop-RPG.
Pro steht Pro-, Business- und Enterprise-Nutzern in ChatGPT zur Verfügung.
Geschwindigkeit und Effizienz
Eine der interessanteren Aussagen im Release: GPT-5.5 erreicht im realen Betrieb die gleiche Latenz pro Token wie GPT-5.4, liefert dabei aber bei fast jeder Bewertung bessere Ergebnisse. Einfach gesagt: Es ist intelligenter, ohne langsamer zu sein, und benötigt weniger Tokens für dieselbe Antwort.
Für Agenten-Entwickler verstärkt sich das: Weniger Tokens pro Aufgabe bedeutet geringere Kosten pro Aufgabe, kürzere Laufzeiten pro Aufgabe und mehr Aufgaben pro Dollar Budget. Außerdem werden längere Agenten-Läufe wirtschaftlich machbar, was einer der Hauptgründe ist, warum komplexe Workflows heute noch schwierig sind.
Auf der ChatGPT-Produktseite bedeuten vollständige Inferenz-Verbesserungen ein leistungsfähigeres Modell bei höherer Endnutzergeschwindigkeit. Das ist ein Grund, warum OpenAI Pro für mehr Nutzer zugänglich machen möchte.
Infrastruktur hinter dem Modell
GPT-5.5 läuft auf NVIDIA GB200 NVL72-Rack-Scale-Systemen, die laut NVIDIA 35-mal niedrigere Kosten pro Million Tokens und 50-mal höheren Token-Durchsatz pro Sekunde pro Megawatt gegenüber früheren Systemen bieten. Der erste GB200-NVL72-Cluster mit 100.000 GPUs schloss große Trainingsläufe für GPT-5.5 ab und setzte neue Zuverlässigkeitsmaßstäbe im großen Maßstab.
Die Zusammenarbeit zwischen OpenAI und NVIDIA reicht bis 2016 zurück, als Jensen Huang OpenAI das erste DGX-1 persönlich übergab. OpenAI hat sich verpflichtet, mehr als 10 Gigawatt NVIDIA-Systeme für die Infrastruktur der nächsten Generation einzusetzen, was einen Eindruck vom Rechenaufwand der künftigen Modelle gibt.
Was frühe Tester berichten
Vor der öffentlichen Veröffentlichung arbeitete OpenAI mit einer geschlossenen Gruppe von Testern. Ethan Mollick, der die ausführlichste externe Bewertung verfasst hat, bezeichnet GPT-5.5 als „Forschungspartner", der besonders gut funktioniert, wenn er mit Kontextinformationen aus Dokumenten und Plugins kombiniert wird.
Seine konkreten Beispiele sind aufschlussreich. Das Modell meisterte einen Multi-Stil-Bildgenerierungstest (Klimt, Picasso und Monet gleichzeitig) und renderte dabei Texte korrekt, was bisher eine anhaltende Schwäche war. Es führte eine prozedurale Hafenstadt-Simulation über 5.000 Jahre durch, die frühere Modelle nicht abschließen konnten. Es erstellte in einer Sitzung ein vollständiges, illustriertes 101-seitiges Tabletop-RPG.
NVIDIAs interner Rollout für über 10.000 Ingenieure und Forscher ist das zweite Signal. Debugging-Zyklen verkürzten sich von Tagen auf Stunden, und lange Experiment-Läufe wurden über Nacht abgeschlossen. Das ist die Art von qualitativer Veränderung, die sich in Produktivitätsdaten zeigt, nicht in Benchmark-Tabellen.
Preise und Kontextfenster
Der API-Preis für GPT-5.5 beträgt $5 pro Million Eingabe-Tokens und $30 pro Million Ausgabe-Tokens. Das ist genau das Doppelte von GPT-5.4 mit $2.50 Eingabe und $15 Ausgabe. GPT-5.5 Pro kostet $30 Eingabe und $180 Ausgabe pro Million Tokens, was das tiefere Reasoning und die agentischen Schleifen widerspiegelt.
Verglichen mit dem Branchendurchschnitt von $1.60 Eingabe und $8.40 Ausgabe bei vergleichbaren Modellen gilt GPT-5.5 als teuer für seine Klasse, obwohl die höhere Aufgabeneffizienz einen Teil der Mehrkosten ausgleicht.
Das Kontextfenster beträgt laut Artificial Analysis 922.000 Tokens, was ungefähr 1.383 A4-Seiten in 12-Punkt-Arial entspricht. Einige Partnerdokumentationen verweisen auf eine 1-Millionen-Token-Stufe zum Standard-API-Preis, was dem Fenster von Claude Opus 4.7 entspricht und hinter Gemini 3.1 Pros 2 Millionen zurückbleibt.
Artificial-Analysis-Profil
Artificial Analysis, ein unabhängiger Benchmarking-Dienst, platziert GPT-5.5 (high) auf Platz 2 von 141 bewerteten Modellen. So stellt sich das Release im Profil dar.
| Kennzahl | GPT-5.5 (high) | Anmerkungen |
|---|---|---|
| Intelligence Index | 59 | Platz 2 von 141 Modellen, 4/4 Intelligenz-Rating |
| Eingabepreis | $5.00 / 1M Tokens | Platz 118 von 141 (Branchendurchschnitt $1.60) |
| Ausgabepreis | $30.00 / 1M Tokens | Platz 125 von 141 (Branchendurchschnitt $8.40) |
| Gemischter Satz (3:1) | $11.25 / 1M Tokens | |
| Kontextfenster | 922K Tokens | ca. 1.383 A4-Seiten |
| Eingabe-Modalitäten | Text, Bild | |
| Ausgabe-Modalitäten | Nur Text | |
| Modelltyp | Reasoning mit erweitertem Denken | |
| Vollständige Evaluierungskosten | $2,159.38 | Kosten für den Intelligence Index |
| Ausführlichkeit | 45M Ausgabe-Tokens | Leicht über dem Median von 36M |
| Veröffentlicht | 23. April 2026 |
Der zusammengesetzte Intelligence-Index-Score von 59 basiert auf 10 Benchmarks, darunter GDPval-AA, SciCode, GPQA Diamond und Humanity's Last Exam. Der mediane Vergleichswert liegt bei 33, GPT-5.5 liegt also deutlich über dem Feld, wobei nur ein Modell im gesamten Evaluierungsset höher abschneidet.
Verfügbarkeit und Zugang
GPT-5.5 ist ab dem 23. April 2026 für Plus-, Pro-, Business- und Enterprise-Nutzer in ChatGPT sowie in Codex für Entwickler verfügbar. GPT-5.5 Pro steht Pro-, Business- und Enterprise-Nutzern in ChatGPT zur Verfügung.
Die API ist mit den oben genannten Standardpreisen live. OpenAI hat keinen Rollout für die Free-Stufe angekündigt.
Wenn du ein weiteres Abonnement vermeiden möchtest, bündelt Fello AI alle Top-KI-Modelle verschiedener Anbieter in einer einzigen nativen App für Mac, iPhone und iPad. Die App ist rund 30 bis 50 MB groß, benötigt kaum RAM und läuft auf jedem Apple-Silicon-Gerät. Damit ist sie ein praktischer Weg, GPT-5.5 neben anderen Frontier-Modellen auszuprobieren, ohne mehrere Accounts zu verwalten.
Einordnung im Vergleich
Im aktuellen Lineup ist GPT-5.5 der universelle Spitzenreiter für die meisten realen Aufgaben. Claude Opus 4.7 ist für bestimmte Formen hochgradig autonomen Software-Engineerings noch stärker, die kommende Claude Mythos bleibt eine eingeschränkte Vorschau, und Gemini 3.1 Pro führt bei sehr langen Kontexten und nativer Multimodalität. Unter offenen Modellen sind Llama 4 und gpt-oss weiterhin die erste Wahl, wenn Self-Hosting wichtiger als maximale Leistung ist.
Innerhalb von OpenAIs eigenem Angebot ersetzt GPT-5.5 GPT-5.4 als Standard, und GPT-5.5 Pro setzt sich für die anspruchsvollsten Aufgaben darüber. Die kleineren Stufen GPT-5.1, 5.2 und 5.3 bleiben für kostensensibles Serving relevant.
Was das bedeutet
GPT-5.5 ist das bisher deutlichste Zeichen, dass die KI-Fähigkeitskurve weiter steigt statt abzuflachen. Es ist kein neues Paradigma, aber ein echter Sprung: Spitzenwerte bei agentischen Benchmarks, echte Fortschritte bei wirtschaftlich wertvoller Wissensarbeit, ein Kontextfenster, das für fast jede Dokumentenmenge ausreicht, und eine Pro-Stufe, die schnell genug ist, dass erweitertes Reasoning kein einmaliges Tagesvergnügen mehr ist.
Der praktische Wandel für die meisten Menschen: Vor einem Jahr konnte KI entwerfen. Vor sechs Monaten konnte sie schlussfolgern. Heute kann sie abschließen. Das verändert, was es lohnt, einem Modell zu übergeben: nicht einen kleinen Arbeitsschritt zur Überprüfung, sondern eine ganze Aufgabe zur Erledigung.
Für den Alltagseinsatz lohnt es sich, GPT-5.5 neben Claude Opus 4.7 mit dem eigenen echten Workload zu testen, nicht mit Benchmarks. Für Agenten- und Coding-Teams sind die Codex-Effizienzgewinne und der Terminal-Bench-2.0-Score die Zahlen, die den Preisanstieg rechtfertigen. Wer es ohne direktes OpenAI-Abonnement ausprobieren möchte, kann GPT-5.5 in Fello AI in den kommenden Wochen nutzen. Bereits jetzt stehen alle anderen Top-Modelle wie GPT-5.4, Claude 4.6, Gemini 3 und mehr zur Verfügung.
