„OpenAI" GPT-5.5: greičiau, tiksliau, pigiau – bet tik jei žinai, ką daryti

Data: 2026 m. balandžio 27 d.

„OpenAI" išleido GPT-5.5 balandžio 23 d. Naujas modelis žada tikslesnę kodo peržiūrą, mažesnes token (tokeno) sąnaudas ir geresnį darbą su automatizuotais procesais, tačiau kokybė priklauso nuo to, ar programuotojas moka tinkamai suformuluoti užduotį.

Trumpai (TL;DR):

• „OpenAI" GPT-5.5 išleido 2026 m. balandžio 23 d., vos šešias savaites po GPT-5.4.

• „CodeRabbit" testavime modelis aptiko tikėtinų problemų 79,2% atvejų, palyginti su ankstesnio palyginimo taško 58,3%; tikslumas išaugo nuo 27,9% iki 40,6%.

• Šešių savaičių išleidimo tempas yra tikrasis signalas: GPT-5.4 pasirodė kovo 5 d., GPT-5.5 – balandžio 23 d. „OpenAI" leidžia modelius ne dėl lyginamųjų testų, o siekdama įsitvirtinti verslo rinkoje, kol dar neužsidaro pirkimo ciklai.

Vienas klausimas apibūdina GPT-5.5 geriau nei bet kuri spaudos konferencija: ar naujas modelis iš tiesų protingesnis, ar tiesiog disciplinuotesnis? Praktikos atvejai rodo, kad skirtumas gali būti esminis.

Kas pasikeitė ir kodėl tai svarbu

„OpenAI" pristato GPT-5.5 kaip patogiausią naudoti modelį iki šiol. Jis greičiau supranta užduotį ir pajėgia daugiau nuveikti savarankiškai. Rinkos kontekstas čia ne mažiau svarbus: bent nuo 2025 m. gruodžio „OpenAI" viduje buvo juntamas spaudimas, nes verslo segmente „Anthropic" „Claude" buvo laikoma pirmaujančiu sprendimu.

Modelis, kurio vidinis kodo vardas „Spud", yra pirmasis visiškai iš naujo apmokytas pagrindinis modelis nuo GPT-4.5. Tai ne paprastas derinimas, o naujas pagrindas. Didžiausi laimėjimai matomi agentiniame programavime, kompiuterio valdyme, žinių darbe ir ankstyvuose moksliniuose tyrimuose. Visose šiose srityse sėkmė priklauso nuo ilgo kontekstinio samprotavimo.

Kodo peržiūra: daugiau signalo, mažiau triukšmo

„CodeRabbit" testai leidžia kalbėti skaičiais, o ne rinkodaros pažadais. Svarbu suprasti palyginimo tašką: tai ne vienas modelis, o „CodeRabbit" veikianti peržiūros sistema, kuri derino kelis modelius vienu metu. Tai griežtesnis matas.

Kontroliuotame rinkinyje GPT-5.5 aptiktų problemų rodiklis šoko nuo 58,3% iki 79,2%, tikslumas – nuo 27,9% iki 40,6%, o komentarų skaičius augo kukliai: nuo 67 iki 75. Realaus pasaulio didelės apimties peržiūroje modelis tikėtinų problemų rodiklį kėlė nuo 55,0% iki 65,0%, tikslumą – nuo 11,6% iki 13,2%.

Ypač stipriai GPT-5.5 pasirodė derinant klaidas. Užduotims, susijusioms su prieigos kontrole, klaidų apdorojimu ar API elgsena, modelis sugebėdavo atskirti tikrą regresiją, atmesti silpną diagnozę ir nukreipti į pataisymą, išlaikantį numatytą elgseną. Tai ne tas pats, kaip tiesiog rasti klaidas. Tai reiškia rasti tikras klaidas.

Kodo generavimas: santūrumas kaip privalumas

Nepriklausomas kūrėjas Uygaras Duzgunas pastebėjo, kad GPT-5.5 kuria tikslesnį kodą: liečia tinkamus failus, išlaiko esamas stiliaus konvencijas ir sustoja tada, kai problema iš tiesų išspręsta. Nereikalingo pertvarkymo išvengta. Jo argumentas aiškus: modelis, kuris pakeičia 800 eilučių norėdamas ištaisyti 20 eilučių problemą, atrodo įspūdingai demonstracijoje, bet tampa brangus realioje saugykloje.

GPT-5.5 kodo generavimas geriausiai veikia su konkrečiomis ir riboto masto užduotimis. Modelis efektyvus taisydamas klaidas, koreguodamas API smulkius atvejus, pertvarkydamas kodą išlaikant elgseną ir kurdamas tikslinius testus. Vartotojo sąsajos srityje modelis taip pat pasirodė neblogai, nors pastebėtas polinkis grįžti į žinomus stilistinius pasirinkimus.

Tokenų efektyvumas: mažiau, bet geriau

Šis aspektas sunkiausiai pamatuojamas lyginamaisiais testais, bet praktikoje juntamas labiausiai. GPT-5.5 dažnai pasiekia aukštesnės kokybės rezultatus su mažiau tokenų ir mažiau pakartojimų.

Nepriklausomi „Artificial Analysis" tyrimai patvirtino, kad išvesties tokenų skaičius sumažėjo lyginant su GPT-5.4. Dėl to faktinis API kainos augimas dideliems naudotojams sudarė apie 20%, nors nominalus brangimas siekia 100%. Modelis pasiekia tokį pat greitį kaip GPT-5.4 realiuose serveriuose, nors galingesni modeliai paprastai yra lėtesni. Tai svarbu ne tik skaičiuojant sąnaudas, bet ir kuriant ilgalaikius agentų procesus.

Silpnosios vietos: modelis toks pat stiprus, kaip ir pati užduotis

„CodeRabbit" testai čia atsisako pagražinimų. Jei užduoties formuluotė prasta, rezultatas atitinka. Modelis atrodo geriausiai tada, kai užduotis tiksliai apibrėžia norimą elgseną, apribojimus ir sėkmės kriterijus. Miglota ar viduje prieštaringa formuluotė gali sukelti greitą atsakymą, kuris atspindi pačios užduoties silpnumą, bet jo neištaiso.

Tai ne klaida, o architektūrinė savybė. Pavyzdžiui, SWE-Bench Pro lyginamajame teste, kuris vertina realių „GitHub" problemų sprendimą, „Claude Opus 4.7" vis dar pirmauja: 64,3% prieš GPT-5.5 58,6%. Tiems, kurie nori, kad dirbtinis intelektas peržiūrėtų sudėtingus kelių failų kodus, konkurencija dar nesibaigė.

Kontekstas: greitis kaip strategija

Išleidimas po vos šešių savaičių nuo GPT-5.4 debiuto rodo, kaip intensyviai pirmaujančios dirbtinio intelekto laboratorijos varžosi dėl verslo klientų ir kaip jų modeliai tobulėja nuolat ir palaipsniui. Europos rinka šios raidos nestebėjo iš tolo. „OpenAI" teigė, kad modelį prieš išleidimą išbandė beveik 200 ankstyvosios prieigos partnerių iš finansų, komunikacijos, vaistų atradimo ir mokslinių tyrimų sričių. Reguliuojamose industrijose tai reiškia, kad modelio tikslumas tapo ne rinkodaros teiginiu, o infrastruktūros klausimu.

Ponas Obuolys sako:

GPT-5.5 nori rašyti mažiau, bet geriau. Tam pačiam tikslui lietuviai kartais samdydavo redaktorių. Dabar skaičiuoja tokenus.

Rimtai: didžiausia GPT-5.5 žinia nėra skaičiai lyginamųjų testų lentelėje. Ji yra šešių savaičių išleidimo tempas. Pirmieji kūrėjų įspūdžiai gana teigiami, nors su išlygomis. Vienas ekspertas iš karto pažymėjo, kad „99% naudotojų tai greičiausiai nesvarbu." Tai sąžiningiausia recenzija, kurią galima parašyti apie bet kurį dirbtinio intelekto modelį 2026-aisiais.

Lietuviams, kurie klausia, ar reikia mokėti dvigubai brangiau už API: „OpenAI" argumentuoja, kad faktinis kainos augimas siekia apie 20%, nes modelis naudoja maždaug 40% mažiau išvesties tokenų „Codex" užduotims. Patikrinkite patys savo apkrovomis. Ir nepamirškite: šiuos skaičius pateikė pati „OpenAI".

Šaltiniai: „OpenAI" (introducing-gpt-5-5), „CodeRabbit" (gpt-5-5-benchmark-results), „TechCrunch", „Fortune", „The New Stack", „Vellum AI", „Trending Topics EU", „Euronews".