GPT-5.5 Spud: фактчек слухов о новой модели OpenAI

В отличие от этого, источники, где фигурирует Spud, — это публикации общего веба, Reddit, X, то есть бывший Twitter, и YouTube-ролики. Это не официальные страницы моделей OpenAI, не модельные гайды, не model cards и не отчёты с бенчмарками . Поэтому безопасная формулировка такая: GPT-5.5 Spud следует считать слухом или неподтверждённым ярлыком до тех пор, пока OpenAI не опубликует официальную документацию.

Проверка ключевых утверждений

Что OpenAI действительно описывает

Официальная страница GPT-5.4 называет эту модель frontier-моделью OpenAI для сложной профессиональной работы . Отдельная страница OpenAI Cookbook посвящена использованию GPT-5.4 для понимания изображений и документов . В полученных материалах среди примеров упоминаются структурированное извлечение данных из рукописной страховой формы, пространственное рассуждение по плану квартиры, понимание графиков и извлечение bounding boxes из полицейской формы .

Это важно, потому что работа с документами — не просто красивый пересказ текста. Модель должна связывать ответ с видимыми доказательствами: подписями полей и значениями, ячейками таблиц, отметками на графиках, почерком, макетом страницы и расположением элементов. Но материалы по GPT-5.4, рассмотренные здесь, остаются документацией и демонстрациями OpenAI, а не независимым аудитом всех возможных производственных сценариев .

Рекомендации OpenAI по промптам тоже практичны для оценки качества. Для больших, плотных или пространственно чувствительных изображений OpenAI советует использовать детализацию original, особенно в задачах computer use, локализации, OCR и точности кликов . Иными словами, если речь о формах, сканах, скриншотах и диаграммах, пайплайн не должен заранее «съедать» мелкие детали, которые модели нужны для проверки страницы .

Почему это сложнее обычного OCR

OCR отвечает на вопрос: «Какой текст написан на изображении?» Мультимодальная привязка отвечает на более сложный вопрос: «Как текст, расположение, визуальная структура и рассуждение соединяются в проверяемый ответ?»

Исследовательский контекст показывает, что оценка document understanding включает понимание форм, разбор чеков и document VQA — задачи, где модель отвечает на вопросы по изображению документа . В многостраничном document VQA системе может понадобиться переходить между страницами, находить релевантные фрагменты, извлекать нужную страницу и рассуждать по ней, а не полагаться на один скриншот или один кроп .

Поэтому один впечатляющий демо-скриншот мало что доказывает. Серьёзная проверка должна включать именно те документы, с которыми предстоит работать: качество сканов, число страниц, почерк, таблицы, графики, мелкий шрифт, нестандартные формы и ожидаемые случаи отказа.

Как оценивать модели OpenAI для изображений и документов сейчас

1. Начинайте с документированных моделей, а не с утечек. В официальных источниках, проверенных здесь, документирована GPT-5.4; GPT-5.5 Spud публично не подтверждена .
2. Сохраняйте детализацию изображения, когда она важна. Для плотных, крупных или пространственно чувствительных входных данных — OCR, локализация, точность кликов, computer use — используйте детализацию original .
3. Оценивайте проверяемость, а не гладкость ответа. Для извлечения данных сверяйте точные значения полей. Для графиков требуйте значения, которые можно проследить до визуальных элементов. Для форм и скриншотов, где важно место на странице, запрашивайте рамки или координаты; в примерах GPT-5.4 у OpenAI есть извлечение bounding boxes .
4. Тестируйте свои реальные документы. В набор стоит включать формы, чеки и задачи в стиле document VQA, потому что именно такие категории фигурируют в литературе по оценке понимания документов .
5. Добавляйте многостраничные кейсы. Многостраничный document VQA может требовать навигации по документу, структурированного визуального рассуждения, семантического поиска и выборочного извлечения нужных страниц .
6. Сравнивайте не только модели, но и пайплайны. Иногда хватает одного прохода модели; в других случаях нужны OCR, анализ макета, retrieval, обрезка областей или выбор страниц — особенно если файлы длинные, плотные или завязаны на точное расположение элементов .

Итог

Название «Spud» звучит как яркая утечка, но в проверенных здесь источниках оно не подтверждено как официальная публичная модель OpenAI. Практический вывод проще: для задач vision и document understanding сейчас стоит оценивать GPT-5.4 как документированную модель OpenAI, а заявления о мультимодальных преимуществах GPT-5.5 Spud считать недоказанными до появления официальной страницы модели, руководства, model card или бенчмарк-отчёта .