GPT-5.5 es el buque insignia de frontera de su generación en OpenAI, presentado como «una nueva clase de inteligencia para codificación y trabajo profesional» y situado por encima de GPT-5.4 en la línea.
- Entrada
- texto imagen $5/M
- Salida
- texto $30/M
- Lectura de caché
- $0.5/M
- Contexto
- 1.1M
- Corte de conocimiento
- 2025-12
Benchmarks
Publicado por los proveedores: Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
El precio en contexto
Posición del precio entre 60 modelos comparables
La barra muestra dónde queda el precio de este modelo entre todos los modelos del mismo tipo en Synthorai. En cada extremo se nombra el más barato y el más caro. Son tarifas base; los descuentos por lote, región y escritura en caché están en la página de precios.
Especificaciones y límites
Tokens
| Ventana de contexto (especificación del proveedor) | 1.050.000 |
|---|---|
| Salida máxima (especificación del proveedor) | 128.000 |
| Corte de conocimiento | 2025-12 |
Caché de prompts
| Modo | automático |
|---|---|
| Prefijo mín. | 1024 |
| Duración | 5-10 min, hasta 1 hora |
Razonamiento
| Parámetro del proveedor | reasoning.effort |
|---|---|
| Valores admitidos | none · low · medium · high · xhigh |
| Valor por defecto | medium se aplica si la solicitud no indica nada |
| Se puede desactivar | Sí |
| Comportamiento del razonamiento | Admite pensamiento intercalado: salida visible antes del pensamiento y entre pensamientos, y pensamiento entre llamadas a herramientas. |
| Parámetro | reasoning_effort |
| Valores | minimal · low · medium · high la superficie de parámetros del gateway - aplica el mapeo del proveedor de arriba |
Modelo
| Modalidades | texto + imagen → texto |
|---|
- Descrito como una nueva clase de inteligencia para programación y trabajo profesional
- contexto de 1.05M / salida máxima de 128k
- los prompts de más de 272k tokens de entrada se facturan a 2x la entrada / 1,5x la salida
Un prompt, medido a través del gateway
GPT-5.5 superado · 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.
salida 131 tok (+42 pensamiento) latencia 2.9 s
Seguimiento de la instrucción (exactamente tres frases - contables), adaptación a la audiencia (registro de CFO), y la brecha de facturación por pensamiento oculto que los medidores de tokens de abajo dejan ver.
GPT-5.5 superado · 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.
salida 401 tok (+182 pensamiento) latencia 5.9 s
Si el arreglo es realmente correcto (ejecutable), la densidad de la explicación, y la eficiencia en tokens sobre una tarea acotada.
GPT-5.5 superado · 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"}
salida 557 tok (+512 pensamiento) latencia 6.7 s
Obediencia al esquema (sin campos inventados), presión de alucinación (guidance se retiene explícitamente), y diferencias en la ruta de salida estructurada.
GPT-5.5 superado · 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.
salida 859 tok (+700 pensamiento) latencia 8.7 s
Obediencia a las restricciones (presupuesto de palabras, lista de palabras prohibidas, la única pregunta), huella de estilo, y control de la longitud.
Use GPT-5.5 en 30 segundos
Compatible con OpenAI: cambie el base_url y conserve su SDK. 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(""));Acerca de GPT-5.5
- Combina una ventana de contexto de 1.050.000 tokens (especificación del proveedor) y 128K de salida máxima con entrada de imagen, control del esfuerzo de razonamiento de none a xhigh, streaming, salidas estructuradas y el conjunto completo de herramientas alojadas de OpenAI, con una fecha de corte de conocimiento de diciembre de 2025.
- Conviene leer tres cambios de esta versión antes de migrar desde GPT-5.4.
- El esfuerzo de razonamiento ahora es medium por defecto en lugar de none, lo que eleva sin ruido el gasto en tokens y la latencia de cualquier cliente que nunca lo fijara.
- El detalle de imagen sin fijar o fijado en auto ahora usa el comportamiento original del modelo.
- Y la caché solo funciona con la caché de prompts extendida, sin que se admita la caché de prompts en memoria en este modelo.
- La lista de herramientas abarca llamada a funciones, búsqueda web, búsqueda de archivos, búsqueda de herramientas, generación de imágenes, intérprete de código, shell alojado, apply patch, skills, uso del ordenador y MCP, en Chat Completions, Responses y Batch.
- Los prompts por encima de 272K tokens de entrada se facturan a 2x la entrada y 1,5x la salida para toda la solicitud, y OpenAI señala que las solicitudes en ese rango de contexto largo también consumen asignaciones reducidas de límite de tasa.
- Synthorai sirve GPT-5.5 de forma nativa en su API compatible con OpenAI.
Preguntas frecuentes
¿Se puede probar gratis la API de GPT-5.5?
Sí: las cuentas nuevas reciben 10 llamadas de prueba y hasta $1 de crédito gratuito, sin tarjeta. A $5/M por tokens de entrada, solo ese crédito cubre aproximadamente 24 solicitudes de ~8K tokens contra GPT-5.5.
¿En qué destaca GPT-5.5?
Nueva clase de inteligencia para el trabajo profesional; contexto de 1.050.000 tokens, 128K de salida; control de esfuerzo de razonamiento de none a xhigh. Consulte la sección Acerca de para el panorama completo según las notas de lanzamiento del propio proveedor.
¿Cuánto cuesta GPT-5.5?
GPT-5.5 cuesta $5 por millón de tokens de entrada y $30 por millón de tokens de salida en Synthorai: el precio de lista del proveedor, sin margen de plataforma. Los tokens de entrada en caché se facturan a $0.5/M.
¿GPT-5.5 admite caché de prompts?
Sí, automáticamente: los prompts servidos por OpenAI se almacenan en caché sin cambios de código. Los tokens de entrada en caché se facturan a $0.5/M frente a $5/M sin caché; los prompts necesitan un prefijo estable de 1,024 tokens para entrar en caché (TTL 5-10 min, hasta 1 hora). Guía de caché de prompts →
¿Cómo obtengo acceso a GPT-5.5?
Apunte su SDK de OpenAI existente a base_url="https://synthorai.io/v1", configure model="gpt-5.5" y listo. Una sola clave API cubre todos los modelos del gateway.
¿Cuál es la fecha de corte de conocimiento de GPT-5.5?
La fecha de corte de conocimiento de GPT-5.5 es 2025-12, según la documentación oficial del proveedor (a fecha de 2026-07-09).
Modelos relacionados
Comparar
Cada valor de esta página está transcrito de la documentación del proveedor, enlazada arriba, y lleva la fecha en que se comprobó. Los precios se comparan en todo el catálogo; los valores de especificación que los proveedores definen de forma distinta se muestran indicando la diferencia en lugar de representarse en un gráfico. Nada aquí lo medimos nosotros, y nada se puntúa.