GPT-5.5 “Spud”: o que a OpenAI realmente confirmou

Isso não prova que “Spud” nunca tenha existido como codinome interno. Significa, porém, que alegações públicas sobre data de lançamento, desempenho em benchmarks ou superioridade em grounding multimodal de imagens e documentos não estão estabelecidas pelas fontes oficiais deste conjunto.

Veredito: trate GPT-5.5 “Spud” como não verificado

A evidência oficial mais forte aponta para o GPT-5.4. A página do modelo GPT-5.4 da OpenAI o descreve como um modelo de ponta para trabalho profissional complexo; o guia de modelo mais recente e o índice de modelos também direcionam leitores ao GPT-5.4 .

Já as fontes específicas sobre Spud revisadas aqui são artigos da web geral, posts no Reddit e no X, além de vídeos no YouTube — não páginas oficiais de modelo, guias técnicos, model cards ou relatórios de benchmark da OpenAI . A conclusão segura é simples: GPT-5.5 Spud deve ser tratado como rumor ou rótulo não verificado até que a OpenAI publique documentação oficial.

Checagem das principais alegações

O que a OpenAI documentou de fato

A página oficial do GPT-5.4 afirma que ele é o modelo de ponta da OpenAI para trabalho profissional complexo . A OpenAI também oferece uma página de cookbook sobre GPT-5.4 voltada a visão e compreensão de documentos . No material recuperado, essa orientação aparece associada a exemplos como extração estruturada de um formulário de seguro manuscrito, raciocínio espacial sobre uma planta de apartamento, entendimento de gráficos e extração de caixas delimitadoras em um formulário policial .

Esses exemplos importam porque trabalho real com documentos exige mais do que um resumo bem escrito. Um modelo com bom grounding precisa ligar a resposta a evidências visíveis: rótulos e valores de campos, células de tabela, marcas em gráficos, caligrafia, layout da página e posição espacial. Ainda assim, o material sobre GPT-5.4 analisado aqui é uma orientação/demonstração criada pela própria OpenAI — não um relatório independente e auditado para todos os fluxos de produção possíveis .

A orientação de prompt também é prática para quem está testando esses modelos. A OpenAI recomenda usar detalhe de imagem original em imagens grandes, densas ou espacialmente sensíveis, especialmente em tarefas de uso de computador, localização, OCR e precisão de cliques . Para formulários, digitalizações, screenshots e gráficos, isso significa que um fluxo pode perder informação se reduzir demais a imagem ou remover justamente os detalhes que o modelo precisa inspecionar.

Por que grounding multimodal é mais difícil que OCR

OCR — reconhecimento óptico de caracteres — tenta ler texto. Grounding multimodal vai além: pede que o sistema conecte texto, layout, posição, estrutura visual e raciocínio em uma resposta que possa ser conferida na página.

A literatura de avaliação de documentos reforça essa visão mais ampla. Benchmarks de compreensão de documentos cobrem tarefas como entendimento de formulários, parsing de recibos e perguntas e respostas visuais sobre documentos, conhecidas como Document VQA . Em documentos de várias páginas, a tarefa pode exigir raciocinar ao longo do arquivo, navegar entre páginas, recuperar conteúdo relevante e inspecionar páginas específicas — não apenas olhar uma imagem isolada ou um recorte .

Por isso, uma captura de tela impressionante não basta. Uma avaliação séria precisa cobrir os tipos de documento, qualidade de digitalização, número de páginas, presença de escrita à mão, tabelas, gráficos, texto pequeno e casos de falha que realmente aparecem no fluxo pretendido.

Como avaliar modelos de imagem e documentos da OpenAI hoje

1. Comece por modelos documentados, não por nomes vazados. Nas fontes oficiais revisadas, GPT-5.4 é o modelo da OpenAI documentado; GPT-5.5 Spud não está verificado .
2. Preserve o detalhe da imagem quando ele importa. Use original para entradas grandes, densas ou espacialmente sensíveis, como OCR, localização, precisão de cliques e tarefas de uso de computador .
3. Avalie evidência, não fluência. Em extração, compare valores exatos de campos. Em gráficos, exija valores rastreáveis. Em formulários e screenshots, peça caixas ou coordenadas quando a posição for relevante; os exemplos de GPT-5.4 incluem extração de caixas delimitadoras .
4. Teste os documentos que você realmente processa. Inclua formulários, recibos e tarefas no estilo Document VQA, porque essas categorias aparecem na literatura de benchmarks de compreensão de documentos .
5. Inclua casos com várias páginas. Document VQA multipágina pode exigir navegação pelo documento, raciocínio visual estruturado, recuperação semântica e busca direcionada de páginas .
6. Compare arquiteturas de pipeline. Algumas tarefas podem funcionar em uma única chamada ao modelo; outras podem precisar de OCR, parsing de layout, busca, recorte de imagem ou seleção de páginas, especialmente quando os arquivos são longos, densos ou espacialmente sensíveis .

Em resumo

O nome “Spud” aparece em cobertura de tom especulativo, mas não está verificado como modelo público oficial da OpenAI nas fontes analisadas. A conclusão acionável é mais estreita: avalie o GPT-5.4 para os fluxos de visão e compreensão de documentos que a OpenAI documentou, e trate alegações sobre grounding multimodal do GPT-5.5 Spud como não comprovadas até que exista uma página oficial de modelo, guia técnico, model card ou relatório de benchmark publicado pela OpenAI .