Aktory Référentiel IA
Lignée Tête de gamme

GPT-5.5

Actif
OpenAI · Gamme Tête de gamme · sorti le 23 avril 2026

A new class of intelligence for coding and professional work.

Annonce officielle Page tarifaire
Les faits

Ce qu'il coûte, ce qu'il tient

Fenêtre de contexte 1M jetons

Ce qu’il peut avoir sous les yeux en une seule fois, question et réponse comprises.

Prix d’entrée 5 $ / M jetons

Ce que coûte le texte qu’on lui envoie.

Prix de sortie 30 $ / M jetons

Ce que coûte le texte qu’il produit, toujours plus cher que l’entrée.

Sortie maximale 128K jetons

La plus longue réponse qu’il peut produire d’un seul tenant.

Connaissances arrêtées à décembre 2025

Il ne sait rien de ce qui s’est passé après cette date, sauf si on le lui fournit.

Cycle de vie

D'aujourd'hui à sa fin de service

Sortie 23 avril 2026
Dépréciation Non annoncée
Retrait Non annoncé
Capacités

Ce qu'il sait faire

Raisonnement

Le modèle peut réfléchir avant de répondre, en produisant des jetons de raisonnement facturés comme la sortie. La profondeur se règle par un niveau d'effort.

Réponse au fil de l'eau

La réponse arrive mot à mot pendant qu'elle s'écrit, au lieu d'attendre qu'elle soit finie.

Sortie structurée

Le modèle rend une réponse au format demandé, exploitable par un programme sans relecture.

Appel de fonctions

Le modèle peut demander l'exécution d'une fonction du programme qui l'appelle et se servir du résultat.

Recherche dans des fichiers

Le modèle peut chercher une réponse dans des documents fournis plutôt que dans ce qu'il a appris.

Dépôt de fichiers

Des fichiers peuvent lui être soumis directement.

Lecture d'images

Le modèle voit les images qu'on lui soumet et peut répondre à leur sujet.

Recherche sur le web

Le modèle peut consulter le web pendant qu'il répond, ce qui lui donne accès à des faits postérieurs à son entraînement.

Mise en cache des requêtes

Une partie de requête déjà envoyée est facturée moins cher si elle est réutilisée peu après.

Recherche d'outils

Le modèle choisit lui-même, parmi de nombreux outils, celui qui convient.

Production d'images

Le modèle peut produire une image.

Exécution de code

Le modèle peut écrire puis exécuter du code pour calculer ou vérifier lui-même.

Terminal hébergé

Le modèle dispose d'un terminal pour lancer des commandes.

Application de correctifs

Le modèle peut modifier des fichiers de code par correctifs successifs.

Compétences

Des marches à suivre préparées peuvent être chargées à la demande pour une tâche donnée.

Usage de l'ordinateur

Le modèle peut agir dans une interface : cliquer, saisir, naviguer.

Connecteurs MCP

Le modèle peut se brancher sur des services extérieurs par le protocole ouvert Model Context Protocol.

La lignée Tête de gamme

Les autres versions

Toute la lignée
GPT-5.6 Sol09.07.2026 · Actif GPT-5.523.04.2026 · celui-ci GPT-5.405.03.2026 · Actif GPT-5.211.12.2025 · Actif GPT-5.113.11.2025 · Actif GPT-507.08.2025 · Déprécié GPT-4.114.04.2025 · Actif GPT-4.5 Preview27.02.2025 · Retiré GPT-4o13.05.2024 · Actif GPT-4 Turbo Preview06.11.2023 · Actif GPT-4 Turbo06.11.2023 · Actif GPT-414.03.2023 · Actif GPT-4 Vision · Retiré GPT-4 32k · Retiré GPT-3.5 Turbo 16k · Retiré GPT-3.5 Turbo · Actif
Benchmarks expliqués

Ce qu'il vaut, avec les conditions

36 tests relevés pour ce modèle, regroupés par ce qu'ils mesurent. Chaque chiffre est annoncé par le laboratoire, avec sa source et ses conditions ; une jauge n'est dessinée que quand l'échelle du test a un maximum connu.

Code et ingénierie logicielle

Le modèle reçoit un dépôt et un problème, et doit produire un correctif qui passe les tests, sans intervention humaine.

8 tests

Terminal-Bench 2.1

85,6 %

Du travail réel en ligne de commande, dans un conteneur, du début à la fin.

Source

Terminal-Bench 2.0

82,7 %

Du travail réel en ligne de commande, dans un conteneur, du début à la fin.

Source

DeepSWE v1.1

67 %

113 tâches de développement de longue haleine, écrites de zéro pour n'avoir jamais été vues à l'entraînement.

Source

SWE-bench Pro

59,4 %

Le même exercice, sur des dépôts encore maintenus et des correctifs qui touchent plusieurs fichiers.

Source

Internal Research Debugging Evaluation

50 %

Trouver et corriger de vrais bogues survenus dans les expériences de recherche d'OpenAI, ceux qui avaient coûté des heures ou des jours à leurs chercheurs.

Source

PostTrainBench Lite

38,8 %

Concevoir et exécuter toute la phase d'affinage d'un modèle déjà pré-entraîné, dans un temps limité.

Source

KernelGen 1P

29,3 %

Écrire puis optimiser un noyau de calcul pour le matériel conçu par OpenAI.

Source

NanoGPT

2,65 %

Améliorer l'entraînement d'un petit modèle de langue, avec une seule carte graphique et un temps compté.

Source

Raisonnement sur des situations inconnues

Aucune connaissance préalable ne sert : il faut inférer une règle jamais vue à partir de quelques exemples.

3 tests

ARC-AGI-1

95 %

Deviner la règle cachée derrière trois exemples de grilles, puis l'appliquer à une grille nouvelle.

Verified

Source

ARC-AGI-2

85 %

Le même principe, avec des règles nettement plus difficiles à inférer.

Verified

Source

ARC-AGI-3

0,43 %

Des jeux inconnus, sans règle ni but annoncés : il faut explorer, comprendre ce qui fait gagner, et progresser de niveau en niveau.

Source

Connaissances et raisonnement scientifique

Des questions à réponse unique, du niveau lycée au niveau doctorat, où seule la justesse compte.

6 tests

GPQA Diamond

93,6 %

Des questions de niveau doctorat en biologie, physique et chimie, écrites par des spécialistes.

Source

OpenAI-MRCR

81,5 %

Retrouver la bonne réponse quand plusieurs demandes presque identiques ont été noyées dans une très longue conversation.

relevé sous « OpenAI MRCR v2 8-needle 256K-512K »

Source

MMMU-Pro

81,2 %

Percevoir, interpréter et raisonner sur des questions de niveau licence mêlant texte et images, dans des disciplines variées.

no tools

Source

GraphWalks (contexte long)

73,7 %

Parcourir un graphe dont la description remplit toute la fenêtre de contexte.

relevé sous « Graphwalks BFS 256k f1 »

Source

Humanity's Last Exam

41,4 %

Des questions écrites par des spécialistes pour rester hors de portée des modèles.

no tools

Source

Artificial Analysis Intelligence Index v4.1

54,8 index

Un indice composite calculé par un tiers, qui agrège une dizaine de tests : travail d'agent, code, raisonnement scientifique, capacités générales.

Source

Mathématiques

Des démonstrations de niveau olympiade et des problèmes tirés de la recherche en cours.

1 test

FrontierMath

85,3 %

Résoudre des problèmes de mathématiques de niveau expert, écrits pour l'occasion par des mathématiciens de recherche afin qu'aucune solution ne circule déjà.

v2, relevé sous « FrontierMath Tier 1-3 »

Source

Pilotage d'un ordinateur

Le modèle agit à la souris et au clavier sur une machine réelle, comme le ferait une personne.

2 tests

OSWorld-Verified

78,7 %

Accomplir des tâches courantes sur une machine Ubuntu réelle, à la souris et au clavier.

Source

OSWorld 2.0

47,5 %

Accomplir des tâches courantes sur une machine Ubuntu réelle, à la souris et au clavier.

Source

Travail professionnel réel

Des livrables de métier : dossiers juridiques, flux d'entreprise, enchaînements d'outils, documents de travail.

9 tests

Tau2-bench Telecom

98 %

Traiter une demande de service client de bout en bout, en suivant les règles de l'entreprise et en dialoguant avec le client.

original prompts

Source

GDPval

84,9 %

Produire un vrai livrable de travail dans l'une de quarante-quatre professions, à partir d'une commande détaillée.

wins or ties

Source

BrowseComp

84,4 %

Trouver sur le web une information difficile à dénicher, en naviguant soi-même.

Source

MCP Atlas

75,3 %

Enchaîner des outils par le protocole MCP : trouver le bon, l'appeler correctement, recomposer la réponse.

Source

Toolathlon Verified

55,6 %

108 tâches d'outillage réel : bureautique, commerce en ligne, analyse de données, recherche web.

Source

Agents' Last Exam

46,9 %

Mener jusqu'au bout des tâches professionnelles longues, qui demandent de garder le fil sur de nombreuses étapes.

Source

GDP.pdf

26 %

Cent PDF professionnels réels, de la finance au droit en passant par la santé et l'ingénierie.

Source

AutomationBench (Zapier)

12,9 %

Mener un flux de travail d'entreprise de bout en bout, d'une seule instruction en langage courant.

Source

GDPval-AA v2

1 493,7 Elo

220 tâches professionnelles réellement rémunérées, sur 44 métiers et 9 secteurs, rendues sous forme de livrable.

Source

Santé

Des conversations cliniques notées sur des barèmes écrits par des médecins.

1 test

HealthBench Professional

49,5 %

525 conversations écrites par des médecins pour des médecins : consultations, comptes rendus, travaux de recherche.

Source

Sciences de la vie

Des tâches de laboratoire et de biologie, évaluées avec des chercheurs du domaine.

1 test

BixBench

80,5 %

Mener une analyse de bio-informatique réelle sur des données de laboratoire.

Source

Cybersécurité offensive

Trouver et exploiter de vraies failles logicielles, ou mener une opération d'attaque complète. Un score élevé mesure une capacité, pas une qualité : c'est précisément ce que les laboratoires surveillent.

5 tests

Capture-the-Flag Challenges

88,1 %

Résoudre des épreuves de capture de drapeau, ces exercices de sécurité informatique où il faut trouver une faille pour récupérer un jeton caché.

relevé sous « Capture-the-Flags challenge tasks (Internal) »

Source

CyberGym

81,8 %

Mener une attaque informatique complète en contournant les protections du modèle, sur des centaines d'appels d'outils.

Source

ExploitBench

47,9 %

Transformer une faille connue d'un moteur JavaScript en moyens d'attaque de plus en plus puissants.

Source

SEC-Bench Pro

45,8 %

Découvrir puis reproduire une faille dans un grand moteur JavaScript, à partir d'informations réduites.

Source

ExploitGym

15,1 %

Transformer une faille logicielle connue et reproductible en attaque qui parvient réellement à faire exécuter du code.

Source
Pour les développeurs

Intégrer ce modèle

L'appeler

Identifiant d’APIgpt-5.5

Le nom exact à écrire dans le code pour appeler ce modèle.

Alias gpt-5.5-2026-04-23

Les autres noms du même modèle, selon la plateforme qui le revend.

Ce qu'il accepte

Entrées acceptées texteimage
Sorties produites texte

Facturation détaillée par million de jetons

Lecture depuis le cache0,5 $ Traitement par lots, entrée2,5 $ Traitement par lots, sortie15 $

Mettre en mémoire un début de requête réutilisé d’un appel à l’autre : 1,25 fois le prix d’entrée.