GPT-5.5 ist OpenAIs Frontier-Flaggschiff seiner Generation, eingeführt als „eine neue Klasse von Intelligenz für Coding und professionelle Arbeit“ und in der Reihe über GPT-5.4 angesiedelt.
- Eingabe
- Text Bild $5/M
- Ausgabe
- Text $30/M
- Cache-Lesen
- $0.5/M
- Kontext
- 1.1M
- Knowledge-Cutoff
- 2025-12
Benchmarks
Anbieterangaben: Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
Preis im Vergleich
Der Preis im Feld von 68 vergleichbaren Modellen
Der Balken zeigt, wo der Preis dieses Modells unter allen Modellen derselben Art auf Synthorai liegt. An beiden Enden stehen das günstigste und das teuerste Modell. Angegeben sind Grundpreise; Rabatte für Batch, Region und Cache-Schreibzugriffe stehen auf der Preisseite.
Spezifikationen & Limits
Tokens
| Kontextfenster (laut Anbieter) | 1.050.000 |
|---|---|
| Max. Ausgabe (laut Anbieter) | 128.000 |
| Knowledge-Cutoff | 2025-12 |
Prompt-Caching
| Modus | automatisch |
|---|---|
| Min. Präfix | 1.024 |
| Lebensdauer | 5-10 Min., bis zu 1 Std. |
Thinking
| Anbieter-Parameter | reasoning.effort |
|---|---|
| Zulässige Werte | none · low · medium · high · xhigh |
| Standardwert | medium gilt, wenn die Anfrage nichts angibt |
| Abschaltbar | Ja |
| Thinking-Verhalten | Unterstützt verschränktes Thinking: sichtbarer Output vor und zwischen dem Thinking sowie Thinking zwischen Tool-Aufrufen. |
| Parameter | reasoning_effort |
| Werte | minimal · low · medium · high Parameter des Gateways; maßgeblich ist das Anbieter-Mapping oben |
Modell
| Modalitäten | Text + Bild → Text |
|---|
- Beschrieben als eine neue Klasse von Intelligenz für Coding und professionelle Arbeit
- 1.05M Kontext / 128k max. Output
- Prompts über 272k Input-Token werden mit 2x Input / 1,5x Output abgerechnet
Ein Prompt, gemessen über das Gateway
GPT-5.5 bestanden · 3 sentences
Enabling reasoning makes the model do additional internal “thinking” before producing the final answer, which consumes more compute and billable tokens. Even if user volume and output length stayed the same, each request now costs more because the model is spending extra capacity to solve the problem. In short, we bought higher-quality answers, but the unit cost per answer increased enough to double the total LLM bill.
Ausgabe 131 tok (+42 Thinking) Latenz 2.9 s
Befolgen der Anweisung (genau drei Sätze, das lässt sich zählen), Zuschnitt auf die Zielgruppe (Tonfall für einen CFO) und die Abrechnungslücke durch nicht sichtbares Thinking, die die Token-Zähler unten offenlegen.
GPT-5.5 bestanden · 8/8 cases
```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 else: cur = 1 best = max(best, cur) return best ``` The bug was that `cur` and `best` were counting the number of equal *adjacent comparisons*, not the number of items in the run. A run of one item has length `1`, but the original code initialized both values to `0`, so single-element inputs returned `0`. Similarly, a run like `[2, 2, 2]` has length `3`, but only two adjacent equal comparisons, so the result was off by one. Also, `best` should be updated after every element is processed, not only inside the equality branch, so runs that continue through the final index are properly considered.
Ausgabe 401 tok (+182 Thinking) Latenz 5.9 s
Ob der Fix wirklich korrekt ist (er lässt sich ausführen), wie dicht die Erklärung ist und wie sparsam das Modell bei einer klar begrenzten Aufgabe mit Tokens umgeht.
GPT-5.5 bestanden · 5/5 fields, guidance "withheld pending the Q4 close"
{"company":"Meridian Robotics","quarter":"September quarter","revenue_usd_m":412,"growth_pct":11,"guidance":"withheld pending the Q4 close"}
Ausgabe 557 tok (+512 Thinking) Latenz 6.7 s
Schema-Treue (keine erfundenen Felder), Anreiz zum Halluzinieren (der Text nennt ausdrücklich keine guidance) und Unterschiede zwischen den Wegen zur strukturierten Ausgabe.
GPT-5.5 bestanden · 120 words, 0 banned, 1 question
Today we’re introducing Prompt Cache Routing, a new API gateway feature that stores reusable prompt prefixes and applies them across leading model providers. Teams can reduce latency, lower token spend, and keep application logic portable without rewriting requests for each vendor. Have you ever paid twice to send the same system instructions? With shared cache keys, provider-aware metadata, and automatic fallback handling, the gateway detects eligible prompt segments, reuses cached context, and records savings in your existing observability dashboards. Policies let admins set retention windows, data boundaries, and provider allowlists by workspace or environment. Prompt Cache Routing is available now in beta for Pro and Enterprise customers, with SDK support, Terraform resources, and clear migration guides included at launch worldwide.
Ausgabe 859 tok (+700 Thinking) Latenz 8.7 s
Einhaltung der Vorgaben (Wortbudget, Liste verbotener Wörter, genau eine Frage), stilistische Handschrift und Kontrolle über die Länge.
GPT-5.5 in 30 Sekunden nutzen
OpenAI-kompatibel: base_url austauschen, SDK behalten. POST /v1/chat/completions
from openai import OpenAI
client = OpenAI(
base_url="https://synthorai.io/v1",
api_key="sk-syn-...",
)
resp = client.chat.completions.create(
model="gpt-5.5",
messages=[{"role": "user", "content": "Summarize this diff"}],
reasoning_effort="medium",
)
print(resp.choices[0].message.content)import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.chat.completions.create({
model: "gpt-5.5",
messages: [{ role: "user", content: "Summarize this diff" }],
reasoning_effort: "medium",
});
console.log(resp.choices[0].message.content);curl https://synthorai.io/v1/chat/completions \
-H "Authorization: Bearer sk-syn-..." \
-H "Content-Type: application/json" \
-d '{
"model": "gpt-5.5",
"messages": [{"role": "user", "content": "Hello"}],
"reasoning_effort": "medium"
}'package main
import (
"context"
"fmt"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://synthorai.io/v1"),
option.WithAPIKey("sk-syn-..."),
)
resp, _ := client.Chat.Completions.New(context.TODO(), openai.ChatCompletionNewParams{
Model: "gpt-5.5",
Messages: []openai.ChatCompletionMessageParamUnion{
openai.UserMessage("Summarize this diff"),
},
ReasoningEffort: openai.ReasoningEffortMedium,
})
fmt.Println(resp.Choices[0].Message.Content)
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.chat.completions.*;
import com.openai.models.ReasoningEffort;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
ChatCompletion resp = client.chat().completions().create(
ChatCompletionCreateParams.builder()
.model("gpt-5.5")
.addUserMessage("Summarize this diff")
.reasoningEffort(ReasoningEffort.MEDIUM)
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));Über GPT-5.5
- Es verbindet ein Kontextfenster von 1.050.000 Token (Herstellerangabe) und maximal 128K Output mit Bildeingabe, Steuerung des Reasoning-Aufwands von none bis xhigh, Streaming, strukturierten Ausgaben und OpenAIs vollständiger Suite gehosteter Tools, mit einem Knowledge Cutoff im Dezember 2025.
- Drei Änderungen dieser Version sollte man vor einer Migration von GPT-5.4 lesen.
- Der Reasoning-Aufwand steht jetzt standardmäßig auf medium statt none, was für jeden Client, der ihn nie gesetzt hat, still und leise Token-Verbrauch und Latenz erhöht.
- Bilddetail, das nicht gesetzt oder auf auto gesetzt ist, nutzt jetzt das ursprüngliche Verhalten des Modells.
- Und Caching funktioniert nur mit erweitertem Prompt-Caching, In-Memory-Prompt-Caching wird bei diesem Modell nicht unterstützt.
- Die Tool-Liste umfasst Function Calling, Websuche, Dateisuche, Tool-Suche, Bildgenerierung, Code Interpreter, gehostete Shell, Apply Patch, Skills, Computer Use und MCP, über Chat Completions, Responses und Batch hinweg.
- Prompts über 272K Input-Token werden für die vollständige Anfrage mit 2x Input und 1,5x Output abgerechnet, und OpenAI merkt an, dass Anfragen in diesem Long-Context-Bereich auch auf reduzierte Rate-Limit-Kontingente zurückgreifen.
- Synthorai stellt GPT-5.5 nativ auf seiner OpenAI-kompatiblen API bereit.
FAQ
Lässt sich die GPT-5.5 API kostenlos testen?
Ja. Neue Konten erhalten 10 Testaufrufe und bis zu $1 Gratisguthaben, ohne Kreditkarte. Bei $5/M für Eingabe-Tokens reicht allein dieses Guthaben für rund 24 Anfragen an GPT-5.5 mit je ~8K Tokens.
Worin ist GPT-5.5 am besten?
Neue Klasse von Intelligenz für professionelle Arbeit; 1.050.000-Token-Kontext, 128K Output; Steuerung des Reasoning-Aufwands von none bis xhigh. Mehr dazu im Über-Abschnitt, der auf den offiziellen Release Notes des Anbieters beruht.
Was kostet GPT-5.5?
GPT-5.5 kostet auf Synthorai $5 pro Million Eingabe-Tokens und $30 pro Million Ausgabe-Tokens. Das ist der Listenpreis des Anbieters, ohne Plattformaufschlag. Gecachte Eingabe-Tokens werden mit $0.5/M abgerechnet.
Wie groß ist das Kontextfenster von GPT-5.5?
GPT-5.5 hat auf Synthorai ein Kontextfenster von 1.1M Tokens. Eine einzelne Antwort kann bis zu 128,000 Tokens lang sein.
Unterstützt GPT-5.5 Prompt-Caching?
Ja, automatisch: Über OpenAI ausgelieferte Prompts werden ohne Codeänderungen gecacht. Gecachte Eingabe-Tokens werden mit $0.5/M statt $5/M (ungecacht) abgerechnet; Prompts brauchen ein stabiles Präfix von 1,024 Tokens, um gecacht zu werden (TTL 5-10 Min., bis zu 1 Std.). Leitfaden zum Prompt-Caching →
Wie erhalte ich Zugang zu GPT-5.5?
Setzen Sie in Ihrem vorhandenen OpenAI SDK base_url="https://synthorai.io/v1" und model="gpt-5.5", mehr ist nicht nötig. Ein API-Schlüssel gilt für alle Modelle im Gateway.
Wo liegt der Knowledge-Cutoff von GPT-5.5?
Der Knowledge-Cutoff von GPT-5.5 liegt bei 2025-12, laut offizieller Dokumentation des Anbieters (Stand: 2026-07-09).
Verwandte Modelle
Vergleichen
Jeder Wert auf dieser Seite stammt aus der oben verlinkten Dokumentation des Anbieters und trägt das Datum, an dem wir ihn geprüft haben. Preise vergleichen wir über den gesamten Katalog. Spezifikationen, die Anbieter unterschiedlich definieren, zeigen wir mit einem Hinweis auf den Unterschied und nicht als Diagramm. Wir messen hier nichts selbst und vergeben keine Bewertungen.