GPT-5.5

Typische Einsatzfälle

• Anspruchsvolle Allzweck- und Reasoning-Aufgaben
• agentische Workflows
• Coding

Leistung im Vergleich

Unabhängige Indizes (Artificial Analysis, 0–100) und Human-Präferenz-Elo (LMArena). Die dunkle Marke zeigt den Bestwert im Katalog – so wird der Abstand zur Spitze sichtbar.

• Intelligenz55
• Coding59
• Agentic74
• Human-Präferenz1474

Benchmarks im Detail

Kennzahlen aus zitierten Messungen – unabhängige Quellen sind ausgewiesen, Anbieterangaben entsprechend markiert. Werte sind nicht über Skalen hinweg vergleichbar.

• Artificial Analysis Intelligence Index

  55

  (xhigh, #3/152)

  unabhängigArtificial Analysis, abgerufen 2026-06-16

• Artificial Analysis Coding Index

  59

  (xhigh)

  unabhängigArtificial Analysis Coding Index, abgerufen 2026-06-16

• Artificial Analysis Agentic Index

  74

  (xhigh)

  unabhängigArtificial Analysis Agentic Index, abgerufen 2026-06-16

• LMArena Text Arena (Elo)

  1474

  unabhängigLMArena (arena.ai), Stand 2026-06-10

• DeepSWE (Long-Horizon Coding)

  70 %

  (xhigh, #1)

  unabhängigdeepswe.lol (kontaminationsfrei, mini-swe-agent), 2026-06-16

Einordnung

• Führt den unabhängigen AA Coding Index an (59) – vor Opus 4.8 (57) und Gemini 3.1 Pro (55); im allgemeinen Intelligence-Index liegt dagegen Opus knapp vorn. „Stärker beim Coding, minimal hinten bei Allzweck-Intelligenz." Beleg · Sekundärquelle
• Im unabhängigen AA-Intelligence-Index praktisch gleichauf mit Opus 4.8 (55 zu 56) und vor Gemini 3.1 Pro (46). Beleg · Sekundärquelle
• Stark, aber nicht führend bei Agenten: AA Agentic Index 74 – hinter Opus 4.8 (78), vor Gemini 3.5 Flash (70). (Eine frühere AA-Auswertung sah GPT-5.5 noch vorn – damals gegen Opus 4.7.) Beleg · Sekundärquelle
• Beim Coding berichtet OpenAI GPT-5.5 auf dem härteren SWE-bench Pro (≈ 58,6 %, Anbieterangabe), nicht auf dem älteren SWE-bench Verified – ein direkter Verified-Vergleich mit Opus 4.8 (88,6 %) / Gemini 3.1 Pro (80,6 %) ist daher nicht 1:1 möglich. Beleg · Primärquelle