OpenAI: GPT-5.5

默认选用的前沿 GPT 模型,适用于编程、计算机操作、研究和知识工作。

研发机构
OpenAI
模型系列
gpt
输入与输出文本, 图像, PDF → 文本
上下文窗口1,050,000
最大输出128,000
输入USD 4 / 1M token
输出USD 24 / 1M token

快速接入

使用你的 Moduck API Key,将 API 基础地址设置为 https://api.moduck.ai/v1,并将 model 参数设置为 moduck/openai/gpt-5-5。

import os
import requests

base_url = "https://api.moduck.ai/v1"
api_key = os.environ["MODUCK_API_KEY"]
model_id = "moduck/openai/gpt-5-5"

response = requests.post(
    f"{base_url}/chat/completions",
    headers={
        "Authorization": f"Bearer {api_key}",
        "Content-Type": "application/json",
    },
    json={
        "model": model_id,
        "messages": [{"role": "user", "content": "Hello!"}],
        "stream": False,
    },
    timeout=60,
)
response.raise_for_status()
print(response.json())

采用 OpenAI 风格的聊天请求格式,沿用熟悉的调用方式,让模型接入更简单。

GPT-5.5 API 价格

规格价格资料
输入USD 4 / 1M token
输出USD 24 / 1M token

模型评测

High

综合智能指数 · v4.337
编码指数71.6
Agent 指数34.3

Low

综合智能指数 · v4.330.7
编码指数60.9
Agent 指数—

Medium

综合智能指数 · v4.333.8
编码指数71.5
Agent 指数29.5

Non-reasoning

综合智能指数 · v4.323.2
编码指数56.5
Agent 指数—

Xhigh

综合智能指数 · v4.338.4
编码指数74.9
Agent 指数36.4
评测项目分数测量条件来源
SWE-Bench Pro58.6resolve rate · 日期: 2026-05-28
Terminal-Bench78.2success rate · 评测工具: Terminus-2 · 版本: 2.1 · 日期: 2026-05-28
SWE-Atlas Codebase QnA45.43score · 评测工具: Codex
SWE-Atlas Refactoring44.79score · 评测工具: Codex
SWE-Atlas Test Writing42.59score · 评测工具: Codex
Artificial Analysis Coding Agent Index65.3average pass@1 · 模型变体: xhigh · 评测工具: Codex
SWE-Atlas Codebase QnA80.8pass@1 · 模型变体: xhigh · 评测工具: Codex
SWE-Bench Pro30.9pass@1 · 数据集: hard-aa · 模型变体: xhigh · 评测工具: Codex
Terminal-Bench84.1pass@1 · 模型变体: xhigh · 评测工具: Codex · 版本: 2.1
Artificial Analysis Coding Agent Index60.4average pass@1 · 模型变体: medium · 评测工具: Codex
SWE-Atlas Codebase QnA79.1pass@1 · 模型变体: medium · 评测工具: Codex
SWE-Bench Pro26.2pass@1 · 数据集: hard-aa · 模型变体: medium · 评测工具: Codex
Terminal-Bench75.8pass@1 · 模型变体: medium · 评测工具: Codex · 版本: 2.1
Artificial Analysis Coding Agent Index57.8average pass@1 · 模型变体: medium · 评测工具: Cursor CLI
SWE-Atlas Codebase QnA75pass@1 · 模型变体: medium · 评测工具: Cursor CLI
SWE-Bench Pro24.9pass@1 · 数据集: hard-aa · 模型变体: medium · 评测工具: Cursor CLI
Terminal-Bench73.4pass@1 · 模型变体: medium · 评测工具: Cursor CLI · 版本: 2.1
Terminal-Bench82.7success rate · 版本: 2.0 · 日期: 2026-04-23
GPQA Diamond93.6accuracy · 日期: 2026-04-23
Humanity's Last Exam41.4accuracy · 模型变体: no tools · 日期: 2026-04-23
Humanity's Last Exam52.2accuracy · 模型变体: with tools · 日期: 2026-04-23
OSWorld-Verified78.7success rate · 日期: 2026-04-23
BrowseComp84.4accuracy · 日期: 2026-04-23
MMMU Pro81.2accuracy · 模型变体: no tools · 日期: 2026-04-23
ARC-AGI-285accuracy · 模型变体: Verified · 日期: 2026-04-23
FrontierMath51.7accuracy · 数据集: Tier 1-3 · 日期: 2026-04-23
FrontierMath35.4accuracy · 数据集: Tier 4 · 日期: 2026-04-23
GDPval84.9wins or ties · 日期: 2026-04-23
MCP Atlas75.3success rate · 日期: 2026-04-23
Toolathlon55.6success rate · 日期: 2026-04-23
τ²-Bench Telecom98success rate · 模型变体: original prompts · 日期: 2026-04-23

性能

这些数据基于 Moduck 网关过去 24 小时的实际请求流量,按小时测量。首个 Token 延迟是内容开始出现前的等待时间;吞吐量是此后答案生成的速度;端到端延迟是整个请求往返所需的时间。除非卡片另有说明,所列数值均为中位数。

Artificial Analysis 测量值 · High

输出速度94.57 tokens/s
首 token 延迟12.64 s
首个答案 token 延迟—
端到端响应时长—
测量档位输出速度首 token 延迟首个答案 token 延迟端到端响应时长
High94.57 tokens/s12.64 s——
Low83.88 tokens/s1.45 s——
Medium78.57 tokens/s3.46 s——
Non-reasoning82.04 tokens/s0.87 s——
Xhigh96.28 tokens/s34.66 s——

性能走势

输出速度94.57 tok/s当前
首 token 延迟12.64 s当前
端到端延迟7.6 s当前
输出速度
当前94.57 tok/s
窗口均值93.0 tok/s
首 token 延迟
当前12.64 s
窗口均值13.7 s
端到端延迟
当前7.6 s
窗口均值7.5 s
长尾延迟(P99)
当前15.7 s
窗口均值16.7 s
提示词缓存命中率
当前31.3%
窗口均值22.5%
错误率
当前2.1%
窗口均值0.2%

可用性

运行时间是指至少一家为此模型提供服务的服务商作出响应的时间占比。可用率的口径更严格:它表示实际得到服务的请求占比。某家服务商即使作出了响应,只要未能处理部分请求,可用率就会下降,而运行时间不会下降。两项指标均统计过去三天。

运行时间100%至少一个服务方有响应
可用率100%实际成功服务的请求
错误率0%失败请求占比
服务请求 · 按小时
24 小时前现在

GPT-5.5 模型对比

模型输入价格输出价格上下文窗口主要能力
GPT-5.5当前模型USD 4 / 1M tokenUSD 24 / 1M token1,050,000文本输出 · 推理 · 工具调用
GPT-5.4USD 1.44 / 1M tokenUSD 8.64 / 1M token1,050,000文本输出 · 推理 · 工具调用
GPT-4.1USD 1.6 / 1M tokenUSD 6.4 / 1M token1,047,576文本输出 · 工具调用
GPT-4oUSD 1 / 1M tokenUSD 4 / 1M token128,000文本输出 · 工具调用
GPT-5.6 CyberUSD 10 / 1M tokenUSD 60 / 1M token400,000文本输出 · 推理 · 工具调用

模型规格

输入
文本, 图像, PDF
输出
文本
上下文窗口
1,050,000
最大输入
922,000
最大输出
128,000
发布日期
2026-04-23
附件输入
支持
推理
支持
工具调用
支持
结构化输出
支持
温度参数
不支持
开放权重
不支持

常见问题

GPT-5.5 适合做什么?

默认选用的前沿 GPT 模型,适用于编程、计算机操作、研究和知识工作。

GPT-5.5 支持哪些输入和输出?

资料记录的输入:文本、图像、PDF;输出:文本。

GPT-5.5 如何计费?

本页价格表展示当前记录的 Moduck 价格。例如:输入 USD 4 / 1M token;输出 USD 24 / 1M token。完整计费单位、规格和条件请查看本页价格表。

GPT-5.5 的已记录规格是什么?

当前资料记录:上下文窗口 1,050,000 tokens;最大输出 128,000 tokens。

快速接入示例中的 model 参数是什么?

示例使用 moduck/openai/gpt-5-5。这是目录记录的 Moduck 公共/预留 ID;实际调用仍需以账户可用模型列表核对。

现在能通过 Moduck API 调用这款模型吗?

本页没有这款模型已通过 Moduck API 实际调用的验证记录。接入示例和预留 ID 不代表已经开放,请以账户可用模型列表为准。