GPT-5.5 против GPT-5.4: реальные улучшения, цена и решение о миграции

Главное улучшение — качество, а не контекст

OpenAI описывает GDPval как оценку способности агентов выполнять хорошо заданные задачи интеллектуального труда в 44 профессиях. В этом тесте GPT-5.5 получает 84,9 %, тогда как для GPT-5.4 OpenAI ранее публиковала 83,0 %.

Разница в 1,9 процентного пункта — самая аккуратная сопоставимая цифра между двумя моделями в доступных источниках. Но её не стоит читать шире, чем она есть: это улучшение в конкретной оценке профессиональной работы, а не гарантия, что GPT-5.5 будет лучше GPT-5.4 на каждом промпте, языке, наборе инструментов или производственном сценарии.

Внешние бенчмарки усиливают сигнал, но не закрывают вопрос

Самое широкое прямое сравнение здесь даёт LLM Stats: по этому источнику GPT-5.5 улучшает результат относительно GPT-5.4 в 9 из 10 общих бенчмарков. Для предварительного выбора это важный сигнал: модель, похоже, действительно стала сильнее в среднем.

Однако это не официальная сравнительная таблица OpenAI, а сторонняя матрица с бенчмарками, ценой, контекстом и задержкой. Поэтому для продукта с реальными расходами правильный вывод не «срочно переключить всё», а «поставить GPT-5.5 в A/B-тест на собственных задачах».

Скорость и окно контекста не выглядят причиной для перехода

Контекст и задержка часто важны не меньше, чем качество: от них зависит, сколько документов можно передать модели и как быстро пользователь увидит ответ. По данным LLM Stats, у GPT-5.5 и GPT-5.4 одинаковое окно контекста — 1 млн токенов — и похожая задержка на токен.

Это не означает, что модели будут отвечать одинаково. Но с текущей доказательной базой сильный аргумент за GPT-5.5 — не больший контекст и не очевидное ускорение, а шанс получить более качественные ответы на сложных задачах.

Цена — главный тормоз миграции

По сравнению LLM Stats, GPT-5.5 стоит $5/$30 за 1 млн токенов, тогда как GPT-5.4 — $2.50/$15. В такой конфигурации GPT-5.5 обходится примерно вдвое дороже за токены.

Поэтому считать стоит не только цену токена, а стоимость принятого результата. GPT-5.5 может окупиться, если уменьшит число ошибок, повторных запросов или часов человеческой проверки. Если же GPT-5.4 уже стабильно проходит ваши критерии качества, удвоение переменной стоимости может не иметь смысла.

Не переносите ожидания с GPT-5.4 без проверки

OpenAI представляла GPT-5.4 как модель с сильными возможностями в кодировании, улучшенной работой с инструментами, программными средами и профессиональными задачами вроде таблиц, презентаций и документов. Это важно: на практике миграция редко решается средним баллом по бенчмаркам. Обычно всё упирается в конкретный сценарий — код, агентные цепочки, анализ документов, использование инструментов или генерацию рабочих материалов.

В доступных источниках нет официальной детализации, которая разложила бы прирост GPT-5.5 по каждой из этих подзадач. Если ваш продукт зависит от одной из них, сравнивайте обе модели на собственных примерах, а не только по общей репутации новой версии.

Когда стоит пробовать GPT-5.5

GPT-5.5 имеет смысл первым делом проверить там, где задачи похожи на чётко сформулированную профессиональную работу, ошибки стоят дорого, а небольшой прирост качества может сэкономить ручную проверку. Ещё один аргумент — желание использовать самую свежую модель, документированную в API OpenAI.

Оставаться на GPT-5.4 разумно, если приложение очень чувствительно к стоимости, текущая модель уже проходит ваши метрики качества или вы ждали прежде всего большего контекста и меньшей задержки — внешнее сравнение этих преимуществ не показывает.

Как принимать решение без гадания

Перед сменой модели по умолчанию прогоните GPT-5.5 и GPT-5.4 на одном и том же наборе промптов, документов, инструментов и критериев приёмки. Минимальный набор метрик: доля принятых ответов, критические ошибки, время ручной проверки, полная задержка ответа и стоимость завершённой задачи.

Решение может быть не бинарным. GPT-5.5 можно включить только в маршрутах, где прирост качества измеримо влияет на результат, а GPT-5.4 оставить в массовых сценариях, где цена важнее небольшого улучшения.

Вердикт

GPT-5.5 выглядит улучшением относительно GPT-5.4, но улучшением инкрементальным. Самая сильная официальная цифра — рост GDPval с 83,0 % до 84,9 %, а внешний сигнал от LLM Stats — преимущество GPT-5.5 в 9 из 10 общих бенчмарков.

Автоматической миграции из этого не следует: тот же внешний источник сообщает одинаковое окно контекста, похожую задержку на токен и примерно двукратную цену GPT-5.5. Практический вывод простой: тестируйте GPT-5.5 там, где качество напрямую влияет на деньги или риск; оставляйте GPT-5.4 там, где решают стоимость, скорость или уже достигнутый уровень качества.