GPT-5.5 is OpenAI’s frontier model designed for complex professional workloads, building on GPT-5.4 with stronger reasoning, higher reliability, and improved token efficiency on hard tasks. It features a 1M+ token context window (922K input, 128K output) with support for text and image inputs, enabling large-scale reasoning, coding, and multimodal workflows within a single system.
Anbieter
Verschiedene Unternehmen hosten dasselbe Modell. OpenRouter leitet Ihre Anfrage je nach gewähltem Routing-Modus an eines davon weiter: Ausgewogen (Preis + Geschwindigkeit), Nitro (am schnellsten) oder Floor (am günstigsten).
Nur BYOK | 2,50 $ | 15,00 $ | 0,25 $ | -- | -- |
|---|
- Eingabe 2,50 $ / Ausgabe 15,00 $-- tok/s-- VerfügbarkeitNur BYOK
Preise
Der durchschnittliche Preis, den Kunden tatsächlich für dieses Modell zahlen, neben den von Anbietern veröffentlichten Preisen. Durch Caching und Rabatte liegt der tatsächlich gezahlte Preis oft deutlich unter dem Listenpreis.
Gewichteter Durchschnitt
GPT-5.5 (batch) — Preisverlauf
| 0,00 $ | 0,00 $ | 0,0 % | 100,0 % |
- Wirksam in 0,00 $ / Effektive Ausgabekosten 0,00 $Token-Anteil100,0 %
Leistung
Der Durchsatz gibt an, wie schnell das Modell schreibt (Token pro Sekunde – höher ist besser). Die Latenz ist die gesamte Umlaufzeit (niedriger ist besser). TTFT ist die Zeit bis zum ersten Token – also die Wartezeit, bis etwas angezeigt wird (niedriger ist besser).
Verfügbarkeit
Verfügbarkeit ist der prozentuale Anteil der letzten 3 Tage, in dem mindestens ein Anbieter auf Anfragen reagiert hat. Die Verfügbarkeit der Inferenz ist der prozentuale Anteil der Zeit, in der Inferenz erfolgreich bereitgestellt wurde. OpenRouter überwacht dies kontinuierlich und verwendet den nächstbesten Anbieter, wenn ein Anbieter einen Fehler zurückgibt.
Noch nicht genügend Daten zur Verfügbarkeit für eine Anzeige vorhanden.
Wenn bei einem vorgelagerten Anbieter ein Fehler auftritt, können wir diesen durch die Weiterleitung an einen anderen funktionsfähigen Anbieter beheben, sofern Ihre Anfragefilter dies zulassen. Sie können programmgesteuert auf die Verfügbarkeitsdaten pro Anbieter zugreifen, und zwar über die Endpunkt-API. Erfahren Sie mehr über unsere Optionen für Lastverteilung und Anbieter-Routing.
Leistungsvergleiche
Ergebnisse standardisierter Bewertungen und eigene Ausgaben dieses Modells zu gemeinsamen Vergleichstest-Prompts. Höhere Prozentwerte sind besser – und jeder Rang zeigt, wo dieses Modell unter den anhand dieser Quelle bewerteten Modellen liegt.
| Quelle | Benchmark | Ergebnis |
|---|---|---|
| Artificial Analysis | GPT-5.5 (Xhigh) Coding Index | 74,9 |
| Artificial Analysis | GPT-5.5 (Xhigh) Agentic Index | 36,4 |
| Artificial Analysis | GPT-5.5 (Xhigh) GPQA Diamond | 93.5% |
| Artificial Analysis | GPT-5.5 (Xhigh) HLE | 45.8% |
| Artificial Analysis | GPT-5.5 (Xhigh) IFBench | 75.9% |
| Artificial Analysis | GPT-5.5 (Xhigh) τ²-Bench Telecom | 93.9% |
| Artificial Analysis | GPT-5.5 (Xhigh) AA-LCR | 84.3% |
| Artificial Analysis | GPT-5.5 (Xhigh) τ-Bench Banking | 39.0% |
| Artificial Analysis | GPT-5.5 (Xhigh) GDPval-AA | 42.9% |
| Artificial Analysis | GPT-5.5 (Xhigh) CritPt | 27.1% |
| Artificial Analysis | GPT-5.5 (Xhigh) SciCode | 55.8% |
| Artificial Analysis | GPT-5.5 (Xhigh) Terminal-Bench Hard | 60.6% |
| Artificial Analysis | GPT-5.5 (Xhigh) Terminal-Bench 4.0 | 14.6% |
| Artificial Analysis | GPT-5.5 (Xhigh) Terminal-Bench 2.1 | 84.3% |
| Artificial Analysis | GPT-5.5 (Low) Coding Index | 60,9 |
| Artificial Analysis | GPT-5.5 (Low) GPQA Diamond | 91.0% |
| Artificial Analysis | GPT-5.5 (Low) HLE | 32.7% |
| Artificial Analysis | GPT-5.5 (Low) IFBench | 64.4% |
| Artificial Analysis | GPT-5.5 (Low) τ²-Bench Telecom | 83.9% |
| Artificial Analysis | GPT-5.5 (Low) AA-LCR | 81.0% |
| Artificial Analysis | GPT-5.5 (Low) τ-Bench Banking | 24.9% |
| Artificial Analysis | GPT-5.5 (Low) GDPval-AA | 27.7% |
| Artificial Analysis | GPT-5.5 (Low) CritPt | 8.0% |
| Artificial Analysis | GPT-5.5 (Low) Terminal-Bench Hard | 52.3% |
| Artificial Analysis | GPT-5.5 (Low) Terminal-Bench 2.1 | 65.5% |
| Artificial Analysis | GPT-5.5 (High) Coding Index | 71,6 |
| Artificial Analysis | GPT-5.5 (High) Agentic Index | 34,3 |
| Artificial Analysis | GPT-5.5 (High) GPQA Diamond | 93.2% |
| Artificial Analysis | GPT-5.5 (High) HLE | 45.0% |
| Artificial Analysis | GPT-5.5 (High) IFBench | 71.6% |
| Artificial Analysis | GPT-5.5 (High) τ²-Bench Telecom | 93.0% |
| Artificial Analysis | GPT-5.5 (High) AA-LCR | 84.3% |
| Artificial Analysis | GPT-5.5 (High) τ-Bench Banking | 36.7% |
| Artificial Analysis | GPT-5.5 (High) GDPval-AA | 41.8% |
| Artificial Analysis | GPT-5.5 (High) CritPt | 25.4% |
| Artificial Analysis | GPT-5.5 (High) SciCode | 56.1% |
| Artificial Analysis | GPT-5.5 (High) Terminal-Bench Hard | 59.8% |
| Artificial Analysis | GPT-5.5 (High) Terminal-Bench 4.0 | 9.1% |
| Artificial Analysis | GPT-5.5 (High) Terminal-Bench 2.1 | 79.4% |
| Artificial Analysis | GPT-5.5 (Non-reasoning) Coding Index | 56,5 |
| Artificial Analysis | GPT-5.5 (Non-reasoning) GPQA Diamond | 76.8% |
| Artificial Analysis | GPT-5.5 (Non-reasoning) HLE | 13.7% |
| Artificial Analysis | GPT-5.5 (Non-reasoning) IFBench | 46.1% |
| Artificial Analysis | GPT-5.5 (Non-reasoning) τ²-Bench Telecom | 69.3% |
| Artificial Analysis | GPT-5.5 (Non-reasoning) AA-LCR | 64.0% |
| Artificial Analysis | GPT-5.5 (Non-reasoning) τ-Bench Banking | 14.8% |
| Artificial Analysis | GPT-5.5 (Non-reasoning) GDPval-AA | 23.9% |
| Artificial Analysis | GPT-5.5 (Non-reasoning) CritPt | 1.4% |
| Artificial Analysis | GPT-5.5 (Non-reasoning) Terminal-Bench Hard | 49.2% |
| Artificial Analysis | GPT-5.5 (Non-reasoning) Terminal-Bench 2.1 | 61.0% |
| Artificial Analysis | GPT-5.5 (Medium) Coding Index | 71,5 |
| Artificial Analysis | GPT-5.5 (Medium) Agentic Index | 29,5 |
| Artificial Analysis | GPT-5.5 (Medium) GPQA Diamond | 92.6% |
| Artificial Analysis | GPT-5.5 (Medium) HLE | 42.4% |
| Artificial Analysis | GPT-5.5 (Medium) IFBench | 71.0% |
| Artificial Analysis | GPT-5.5 (Medium) τ²-Bench Telecom | 91.8% |
| Artificial Analysis | GPT-5.5 (Medium) AA-LCR | 83.0% |
| Artificial Analysis | GPT-5.5 (Medium) τ-Bench Banking | 29.9% |
| Artificial Analysis | GPT-5.5 (Medium) GDPval-AA | 37.1% |
| Artificial Analysis | GPT-5.5 (Medium) CritPt | 18.6% |
| Artificial Analysis | GPT-5.5 (Medium) SciCode | 54.5% |
| Artificial Analysis | GPT-5.5 (Medium) Terminal-Bench Hard | 57.6% |
| Artificial Analysis | GPT-5.5 (Medium) Terminal-Bench 4.0 | 5.1% |
| Artificial Analysis | GPT-5.5 (Medium) Terminal-Bench 2.1 | 80.5% |
| Design Arena | GPT-5.5 Agents Arena Agenticgamedev Elo | 1122 |
| Design Arena | GPT-5.5 Agents Arena Agentichtmlslides Elo | 1084 |
| Design Arena | GPT-5.5 Agents Arena Agenticslides Elo | 1150 |
| Design Arena | GPT-5.5 Agents Arena Agenticslides(Html) Elo | 1077 |
| Design Arena | GPT-5.5 Agents Arena Agenticslides(Python-Pptx) Elo | 1155 |
| Design Arena | GPT-5.5 Agents Arena Androidnative Elo | 1154 |
| Design Arena | GPT-5.5 Agents Arena Full Stack Elo | 1063 |
| Design Arena | GPT-5.5 Agents Arena Godotgamedev Elo | 1149 |
| Design Arena | GPT-5.5 Agents Arena Htmlslides Elo | 964 |
| Design Arena | GPT-5.5 Agents Arena Mobile Apps Elo | 1134 |
| Design Arena | GPT-5.5 Agents Arena Pptxslides Elo | 1157 |
| Design Arena | GPT-5.5 Agents Arena Python-Pptxslides Elo | 1152 |
| Design Arena | GPT-5.5 Agents Arena Python-Pptxslides Elo | 1077 |
| Design Arena | GPT-5.5 Agents Arena Webapps Elo | 1094 |
| Design Arena | GPT-5.5 Models Arena 3D Elo | 1175 |
| Design Arena | GPT-5.5 Models Arena Asciiart Elo | 1239 |
| Design Arena | GPT-5.5 Models Arena Code Categories Elo | 1249 |
| Design Arena | GPT-5.5 Models Arena Data Visualization Elo | 1259 |
| Design Arena | GPT-5.5 Models Arena Game Development Elo | 1281 |
| Design Arena | GPT-5.5 Models Arena SVG Elo | 1224 |
| Design Arena | GPT-5.5 Models Arena UI Component Elo | 1250 |
| Design Arena | GPT-5.5 Models Arena Website Elo | 1248 |
| Vals AI | GPT 5.5 CaseLaw v2 | 66.2% |
| Vals AI | GPT 5.5 Code Migration | 45.2% |
| Vals AI | GPT 5.5 CorpFin v2 | 68.4% |
| Vals AI | GPT 5.5 EMB | 64.5% |
| Vals AI | GPT 5.5 Finance Agent (v2) | 51.8% |
| Vals AI | GPT 5.5 GPQA Diamond | 93.2% |
| Vals AI | GPT 5.5 Harvey's Legal Agent Benchmark v1 | 3.8% |
| Vals AI | GPT 5.5 LiveCodeBench | 85.3% |
| Vals AI | GPT 5.5 LegalBench | 86.5% |
| Vals AI | GPT 5.5 Legal Research Bench | 40.4% |
| Vals AI | GPT 5.5 MedCode | 49.1% |
| Vals AI | GPT 5.5 MedScribe | 86.9% |
| Vals AI | GPT 5.5 MMLU Pro | 88.1% |
| Vals AI | GPT 5.5 MMMU Pro | 88.3% |
| Vals AI | GPT 5.5 MortgageTax | 68.8% |
| Vals AI | GPT 5.5 ProgramBench | 0.5% |
| Vals AI | GPT 5.5 ProofBench v1 | 50.0% |
| Vals AI | GPT 5.5 Public Benefits Bench v1.1 | 60.9% |
| Vals AI | GPT 5.5 Vals RSI Index | 16.5% |
| Vals AI | GPT 5.5 SAGE v1 | 51.5% |
| Vals AI | GPT 5.5 SkillsBench | 62.2% |
| Vals AI | GPT 5.5 SRE Bench | 3.8% |
| Vals AI | GPT 5.5 SWE-bench | 82.6% |
| Vals AI | GPT 5.5 Tax Agent Bench | 21.8% |
| Vals AI | GPT 5.5 TaxEval v2 | 75.0% |
| Vals AI | GPT 5.5 Terminal-Bench 2.1 | 76.4% |
| Vals AI | GPT 5.5 Vals Index | 57.4% |
| Vals AI | GPT 5.5 Vals Multimodal Index | 68.1% |
| Vals AI | GPT 5.5 Vibe Code Bench v1.1 | 69.8% |
Apps
Öffentliche Apps, die den meisten Datenverkehr an dieses Modell senden. Ein guter Anhaltspunkt dafür, wie echte Produktionsworkloads aussehen – und ein Hinweis darauf, für welche Anwendungsfälle dieses Modell am besten geeignet ist.
Für Apps, die dieses Modell verwenden, liegen noch nicht genügend Daten vor.
Aktivität
Token-Volumen und Anfrageaufkommen für dieses Modell im Zeitverlauf.
API
Direkt einsetzbarer Code zum Aufrufen dieses Modells. Die API von OpenRouter ist OpenAI-kompatibel – bei den meisten SDKs genügt es, die Basis-URL auszutauschen. Zwischen den Modellen ändert sich nur der unten stehende Modell-Slug.
Derzeit nicht über EU-regionales Routing verfügbar. Dokumentation zum regionsinternen Routing
Dokumentation
Anleitungen, Rezeptsammlungen, Blogbeiträge und Tools für die Entwicklung mit OpenAI: GPT-5.5 (batch) auf OpenRouter.
Häufig gestellte Fragen
GPT-5.5 is OpenAI’s frontier model designed for complex professional workloads, building on GPT-5.4 with stronger reasoning, higher reliability, and improved token efficiency on hard tasks. It features a 1M+ token context window (922K input, 128K output) with support for text and image inputs, enabling large-scale reasoning, coding, and multimodal workflows within a single system.
Die Dokumentation zu GPT-5.5 (batch) auf OpenRouter umfasst das Cookbook GPT-5.4 Migration Guide und der Blogbeitrag GPT-5.5 Price Increase: What It Actually Costs. Der Schnellstart behandelt API-Schlüssel und Ihre erste Anfrage, und die API-Referenz listet alle Parameter auf.
GPT-5.5 (batch) kostet 2,50 $/M Eingabe-Token und 15,00 $/M Ausgabe-Token, mit separaten Tarifen für Cache Read für 0,25 $/M tokens und Web Search für 10,00 $/1K calls.
GPT-5.5 (batch) hat ein Kontextfenster von 1.050.000 Token. Es unterstützt bis zu 128.000 Completion-Token.
Ja. GPT-5.5 (batch) akzeptiert tools und tool_choice für Funktionsaufrufe. Es unterstützt auch strukturierte Ausgaben über ein JSON-Schema in response_format.
GPT-5.5 (batch) akzeptiert Dateien wie PDFs, Bilder und Text als Eingabe und gibt Text zurück.
GPT-5.5 (batch) wird auf OpenRouter von 1 Anbieter bereitgestellt: OpenAI.
GPT-6.1 Terra Pro, GPT-6.1 Terra, GPT-6 Luna Decisions und 58 weitere sind weitere Modelle von OpenAI für die Modalität Text.
GPT-5.5 (batch) wurde am 24. April 2026 veröffentlicht. Der Wissensstand reicht bis zum 1. Dezember 2025.