Das ist besonders nützlich für eine schnelle Einordnung von GPT-5.5 als Arbeitsmodell. GDPval ist aber nicht dasselbe wie ein Coding-Test, ein Bioinformatik-Benchmark oder ein externer Modellindex. Genau deshalb führen andere Prozentwerte schnell in die Irre, wenn sie ohne Kontext nebeneinandergestellt werden.

Die wichtigsten öffentlich genannten Werte im Überblick

Warum die Prozentwerte nicht direkt vergleichbar sind

84,9 %, 73,1 % und 80,5 % sehen aus wie Werte aus derselben Rangliste. Das sind sie nicht.

• 84,9 % auf GDPval bezieht sich auf spezifizierte Wissensarbeit über viele Berufe hinweg.
• 73,1 % auf Expert-SWE bezieht sich auf Coding-Aufgaben in einer internen Evaluation.
• 80,5 % auf BixBench bezieht sich auf Bioinformatik-Aufgaben.

Die bessere Frage lautet deshalb nicht: „Welcher Prozentwert ist am höchsten?“ Sondern: „Welcher Benchmark passt zum Einsatzfall?“ Für allgemeine Wissensarbeit ist GDPval der bessere Referenzpunkt; für Softwareentwicklung ist Expert-SWE näher am Problem; für Bioinformatik ist BixBench thematisch passender.

Was der Artificial-Analysis-Wert aussagt

Artificial Analysis berichtet, dass GPT-5.5 den eigenen Intelligence Index mit drei Punkten Vorsprung anführt. Gleichzeitig heißt es dort, OpenAI führe fünf der Headline-Evaluationen an und liege in drei weiteren hinter Gemini 3.1 Pro Preview.

Das ist eine wichtige Nuance: Platz 1 in einem externen Index bedeutet nicht, dass ein Modell jeden Einzeltest gewinnt. Es bedeutet, dass GPT-5.5 nach der Methodik dieses Drittanbieter-Index insgesamt vorn liegt.

Vorsicht bei isolierten Schlagzeilenwerten

Einige Berichte nennen weitere GPT-5.5-Zahlen, etwa 91,7 % im Zusammenhang mit Legal-AI-Fähigkeiten oder 82,7 % im Kontext von agentic coding. Solche Werte können für den jeweiligen Spezialfall interessant sein. Für eine allgemeine Benchmark-Antwort sind sie aber weniger geeignet, solange Testaufbau, Vergleichsgruppe und Messziel nicht genauso klar sind wie beim direkt von OpenAI genannten GDPval-Wert.

Welche Zahl sollte man zitieren?

Für die meisten allgemeinen Vergleiche ist diese Version am saubersten:

GPT-5.5 erzielt laut OpenAI 84,9 % auf GDPval; GDPval testet die Fähigkeit von Agenten, klar spezifizierte Wissensarbeit über 44 Berufe hinweg zu erstellen.

Wenn der Kontext enger ist, sollte der Benchmark entsprechend wechseln:

• Allgemeine Wissensarbeit: 84,9 % auf GDPval.
• Softwareentwicklung: 73,1 % auf Expert-SWE.
• Bioinformatik: 80,5 % auf BixBench, mit Hinweis auf die begrenztere Beleglage.
• Breiter Modellvergleich: Platz 1 im Artificial Analysis Intelligence Index mit drei Punkten Vorsprung.

Fazit

Der beste kurze Benchmark-Wert für GPT-5.5 ist 84,9 % auf GDPval. Er ist direkt bei OpenAI belegt und hat einen klar beschriebenen Messbereich: spezifizierte Wissensarbeit über 44 Berufe hinweg. Andere Zahlen können je nach Einsatzfall wichtiger sein, sollten aber immer zusammen mit ihrem jeweiligen Benchmark genannt werden.

Das ist besonders nützlich für eine schnelle Einordnung von GPT-5.5 als Arbeitsmodell. GDPval ist aber nicht dasselbe wie ein Coding-Test, ein Bioinformatik-Benchmark oder ein externer Modellindex. Genau deshalb führen andere Prozentwerte schnell in die Irre, wenn sie ohne Kontext nebeneinandergestellt werden.

Die wichtigsten öffentlich genannten Werte im Überblick

Warum die Prozentwerte nicht direkt vergleichbar sind

84,9 %, 73,1 % und 80,5 % sehen aus wie Werte aus derselben Rangliste. Das sind sie nicht.

• 84,9 % auf GDPval bezieht sich auf spezifizierte Wissensarbeit über viele Berufe hinweg.
• 73,1 % auf Expert-SWE bezieht sich auf Coding-Aufgaben in einer internen Evaluation.
• 80,5 % auf BixBench bezieht sich auf Bioinformatik-Aufgaben.

Die bessere Frage lautet deshalb nicht: „Welcher Prozentwert ist am höchsten?“ Sondern: „Welcher Benchmark passt zum Einsatzfall?“ Für allgemeine Wissensarbeit ist GDPval der bessere Referenzpunkt; für Softwareentwicklung ist Expert-SWE näher am Problem; für Bioinformatik ist BixBench thematisch passender.

Was der Artificial-Analysis-Wert aussagt

Artificial Analysis berichtet, dass GPT-5.5 den eigenen Intelligence Index mit drei Punkten Vorsprung anführt. Gleichzeitig heißt es dort, OpenAI führe fünf der Headline-Evaluationen an und liege in drei weiteren hinter Gemini 3.1 Pro Preview.

Das ist eine wichtige Nuance: Platz 1 in einem externen Index bedeutet nicht, dass ein Modell jeden Einzeltest gewinnt. Es bedeutet, dass GPT-5.5 nach der Methodik dieses Drittanbieter-Index insgesamt vorn liegt.

Vorsicht bei isolierten Schlagzeilenwerten

Einige Berichte nennen weitere GPT-5.5-Zahlen, etwa 91,7 % im Zusammenhang mit Legal-AI-Fähigkeiten oder 82,7 % im Kontext von agentic coding. Solche Werte können für den jeweiligen Spezialfall interessant sein. Für eine allgemeine Benchmark-Antwort sind sie aber weniger geeignet, solange Testaufbau, Vergleichsgruppe und Messziel nicht genauso klar sind wie beim direkt von OpenAI genannten GDPval-Wert.

Welche Zahl sollte man zitieren?

Für die meisten allgemeinen Vergleiche ist diese Version am saubersten:

GPT-5.5 erzielt laut OpenAI 84,9 % auf GDPval; GDPval testet die Fähigkeit von Agenten, klar spezifizierte Wissensarbeit über 44 Berufe hinweg zu erstellen.

Wenn der Kontext enger ist, sollte der Benchmark entsprechend wechseln:

• Allgemeine Wissensarbeit: 84,9 % auf GDPval.
• Softwareentwicklung: 73,1 % auf Expert-SWE.
• Bioinformatik: 80,5 % auf BixBench, mit Hinweis auf die begrenztere Beleglage.
• Breiter Modellvergleich: Platz 1 im Artificial Analysis Intelligence Index mit drei Punkten Vorsprung.

Fazit

Der beste kurze Benchmark-Wert für GPT-5.5 ist 84,9 % auf GDPval. Er ist direkt bei OpenAI belegt und hat einen klar beschriebenen Messbereich: spezifizierte Wissensarbeit über 44 Berufe hinweg. Andere Zahlen können je nach Einsatzfall wichtiger sein, sollten aber immer zusammen mit ihrem jeweiligen Benchmark genannt werden.