GPT-5.5 erscheint: OpenAI übernimmt wieder die Führung bei Frontier-Modellen

Wer schon einmal ein vierteljährliches LLM-Budget geplant hat, kennt das mulmige Gefühl, wenn ein Anbieter zwei Wochen nach der Kapazitätsgenehmigung ein „intelligenteres" Modell zum doppelten Preis veröffentlicht. Genau in dieser Lage erwachten diese Woche viele Plattform-Verantwortliche. OpenAI hat GPT-5.5, intern unter dem Codenamen „Spud" geführt, ausgeliefert – und die Preis-Leistungs-Rechnung für KI-intensive Workloads wurde gerade neu geschrieben.

Was passiert ist

Am 23. April 2026 stellte OpenAI GPT-5.5 vor, wie VentureBeat berichtete, in zwei Varianten: ein Standard-GPT-5.5 und ein GPT-5.5 Pro, ausgerichtet auf juristische Recherche, Data Science und fortgeschrittene Business Analytics. Amelia Glaese, VP of Research bei OpenAI, erklärte gegenüber Journalisten, es sei „definitiv unser bisher stärkstes Modell beim Coding", basierend auf Benchmarks und Partner-Feedback.

Greg Brockman, Mitgründer und Präsident von OpenAI, stellte den Launch unter das Thema Autonomie. „Was dieses Modell wirklich besonders macht, ist, wie viel mehr es mit weniger Anleitung leisten kann", sagte er. „Es kann ein unklares Problem betrachten und herausfinden, was als Nächstes passieren muss." Brockman ergänzte, das Modell sei „extrem gut im Coding" und stark in „breiterer Computerarbeit, Computer Use und wissenschaftlicher Forschung".

Sam Altman legte auf X mit einem Markenphilosophie-Post nach: „Wir möchten, dass unsere Nutzer Zugang zur besten Technologie haben und dass alle die gleichen Chancen haben."

Der Haken liegt bei der Verfügbarkeit. GPT-5.5 ist live für ChatGPT-Plus-Abonnenten für 20 Dollar im Monat, ChatGPT Pro für 100 bis 200 Dollar im Monat sowie für Business- und Enterprise-Tiers. GPT-5.5 Pro startet ab dem Pro-Tier aufwärts. API-Zugang für beide Varianten ist noch nicht verfügbar. OpenAI sagt, er komme „sehr bald", und fügte hinzu, dass „API-Deployments andere Schutzmaßnahmen erfordern und wir eng mit Partnern und Kunden an den Sicherheitsanforderungen für den großflächigen Betrieb arbeiten".

Die Veröffentlichung erfolgt genau eine Woche nach dem Release von Anthropics Claude Opus 4.7. Das Frontier-Rennen hat sich auf eine Frage von Wochen verkürzt, nicht mehr von Quartalen.

Technische Analyse

Die technische Geschichte hinter dem Marketing ist interessanter als die Benchmark-Tabelle. GPT-5.5 wurde auf NVIDIA GB200- und GB300-NVL72-Systemen betrieben. OpenAI verwendete maßgeschneiderte heuristische Algorithmen, die von der KI selbst geschrieben wurden, um Arbeit auf GPU-Kerne aufzuteilen und zu balancieren. Die Token-Generierungsgeschwindigkeit stieg um mehr als 20 %, und die latenz pro Token entspricht GPT-5.4. Das ist kein triviales Ergebnis. Größere Modelle zahlen fast immer für mehr Fähigkeiten mit höherer Latenz. Dieses hier nicht.

Für erfahrene Backend-Engineers ist der 20-%-Durchsatz-Uplift die entscheidende Zahl – nicht die Benchmark-Scores. Bei einer Workload, die 500.000 Dollar pro Quartal für Inferenz ausgibt, bedeutet ein solcher Durchsatz den Unterschied zwischen dem Bereitstellen neuer Kapazitäten und dem Überstehen von Spitzen mit dem vorhandenen Setup. Das entspricht ungefähr dem Budget von zwei Engineers in einem 10-köpfigen Team, zurückgewonnen durch Compiler-ähnliche Optimierung statt Stellenabbau.

Bei den Fähigkeiten ist das Ergebnis gemischt, aber real. GPT-5.5 erreichte 82,7 % auf Terminal-Bench 2.0 und schlug damit Claude Opus 4.7 mit 69,4 %, Gemini 3.1 Pro mit 68,5 % und knapp das noch unveröffentlichte Claude Mythos Preview mit 82,0 %. Auf GDPval erzielte GPT-5.5 84,9 % Siege-oder-Unentschieden gegenüber 80,3 % für Opus 4.7 und 67,3 % für Gemini 3.1 Pro. ARC-AGI-2 Verified: 85,0 % gegenüber 75,8 % und 77,1 %. FrontierMath Tier 4: 35,4 % gegenüber 22,9 % und 16,7 %.

Es ist kein vollständiger Durchmarsch. Auf SWE-bench Pro Public führt Opus 4.7 mit 64,3 % gegenüber 58,6 % für GPT-5.5, und das gesperrte Claude Mythos Preview erreicht 77,8 %. Auf Humanity's Last Exam ohne Tools erzielte GPT-5.5 Pro 43,1 % gegenüber 46,9 % für Opus 4.7 und 56,8 % für Mythos Preview. BrowseComp geht an Mythos mit 86,9 %, gefolgt von Gemini 3.1 Pro mit 85,9 % vor GPT-5.5 mit 84,4 %.

Dann gibt es noch Expert-SWE, OpenAIs internen Long-Horizon-Coding-Benchmark mit einer medianen menschlichen Bearbeitungszeit von 20 Stunden. GPT-5.5 erzielte 73,1 % und übertraf GPT-5.4 bei deutlich geringerem Token-Verbrauch. Das ist der entscheidende Hebel für Agent-Workloads: bessere Ergebnisse, weniger Tokens, gleiche Latenz.

Wer unter Druck gerät

Am stärksten betroffen ist, wer eine Roadmap auf der Grundlage eines dauerhaften Sieben-Tage-Vorsprungs von Anthropic aufgebaut hat. Opus 4.7 war genau eine Woche lang der öffentliche Spitzenreiter. Teams, die letzten Freitag Migrationspläne festgelegt haben, erklären ihrem CTO jetzt, warum das Vergleichsdeck bereits veraltet ist.

Die zweite betroffene Gruppe sind Drittentwickler, die auf die API warten. „Sehr bald" leistet in OpenAIs Blogbeitrag schwere Arbeit. Aus Produktionsvorfällen bei früheren OpenAI-Rollouts kann sich „sehr bald" auf Wochen ausdehnen, während das Red-Teaming abgeschlossen wird. Wenn Ihre Produkt-Roadmap GPT-5.5 in der API bis zum nächsten Sprint vorgesehen hat, verschieben Sie diesen Meilenstein. GPT-5.4 bleibt zum halben API-Preis seines Nachfolgers verfügbar – das ist der realistische Plan für jede latenzsensitive Workload bis Q2.

Die dritte Gruppe ist die Unternehmenseinkauf. GPT-5.5 Pro zielt explizit auf juristische Recherche, Data Science und fortgeschrittene Business Analytics. Damit tritt es direkt gegen die Enterprise-Angebote an, die Anthropic und Google seit Monaten pitchen. Anbieter-RFPs, die im März verfasst wurden, müssen aktualisiert werden.

Meine Einschätzung: Die unterschätzte Gefahr besteht für Unternehmen, die 100 bis 200 Dollar pro Monat und Nutzer für ChatGPT Pro zahlen. Sie haben jetzt Zugang zu GPT-5.5 Pro innerhalb des Chat-Produkts, bevor Wettbewerber es aus ihrer eigenen Software heraus aufrufen können. Das verändert die Build-versus-Buy-Rechnung für interne Tools. Wenn ein Paralegals-Team investment-banking-taugliche Modellierungen in ChatGPT durchführen kann (88,5 % auf OpenAIs internem IB-Benchmark, 54,1 % auf OfficeQA Pro gegenüber 43,6 % für Opus 4.7), schwächt sich der Fall für einen maßgeschneiderten internen Copiloten für ein weiteres Quartal ab.

Cybersecurity-Teams sollten ebenfalls genau hinschauen. GPT-5.5 erzielte 81,8 % auf CyberGym und 88,1 % bei internen Capture-the-Flag-Challenges. Anthropic hat Claude Mythos Preview speziell aufgrund hoher Cybersecurity-Risiken als strategisches defensives Asset eingestuft. Die Frontier-Modelle sind jetzt echte offensive Werkzeuge – unabhängig davon, ob ihre Anbieter sie breit ausliefern oder nicht.

Handlungsempfehlungen für die KI-Entwicklung

Konkrete Schritte für die nächsten zwei Wochen:

API-Pläne einfrieren. Bis OpenAI ein konkretes API-Datum veröffentlicht, GPT-5.5 nicht in einen produktionskritischen Pfad einplanen. GPT-5.4 als vertragliches Rückgrat beibehalten. Die Platform-Docs täglich auf die Ankündigung des Zugangs und der Preise prüfen, denn das Standardmodell kostet in der API doppelt so viel wie GPT-5.4 – und diese Rechnung muss das Finanzteam absegnen.

Eval-Harness diese Woche erneut ausführen. Allgemeine Benchmarks sind interessant. Eigene Evals sind entscheidend. Wer einen Coding-Agent hat, sollte ihn manuell durch GPT-5.5 in ChatGPT Pro laufen lassen und an echten Tickets vergleichen. Auf Token-Verbrauch achten, nicht nur auf die Bestehensrate. Das Expert-SWE-Ergebnis (bessere Resultate mit weniger Tokens) ist der eigentliche kommerzielle Gewinn.

Agentische Workloads neu kalkulieren. Eine 20-prozentige Durchsatzverbesserung bei gleicher Latenz bedeutet, dass bestehende GPU-Budgets nach Erreichen der API-Parität weiter reichen. Das Post-Migrations-Kostenmodell jetzt aufbauen, um schnell handeln zu können, sobald die API öffnet.

Diversifizieren, nicht migrieren. Opus 4.7 führt weiterhin auf SWE-bench Pro Public mit 64,3 %. Mythos bleibt hinter Anthropics defensiver Einstufung gesperrt. Die unbequeme Erkenntnis: Kein einzelnes Modell gewinnt mehr alles, und eine Routing-Schicht zwischen OpenAI, Anthropic und Google wird zur Grundvoraussetzung für jedes ernsthafte KI-Produkt. Routing-Logik gegen Anthropics Docs prüfen und Vendor-Lock-in als das eigentliche Risiko betrachten.

Security-Team briefen. CyberGym mit 81,8 % ist keine hypothetische Fähigkeit. Bedrohungsmodelle für KI-gestütztes offensives Tooling jetzt aktualisieren – nicht erst, wenn die API erscheint.

Wichtigste Erkenntnisse

• GPT-5.5 übernimmt die öffentliche Frontier-Modell-Führung sieben Tage nach Claude Opus 4.7. Dieser Zyklus wird sich durch 2026 wiederholen.
• Der 20-%-Token-Generierungs-Speedup bei gleicher GPT-5.4-Latenz ist die operativ wichtigste Zahl des Launches – nicht die Benchmark-Scores.
• Der API-Zugang ist verzögert. GPT-5.4 bleibt für die meisten Teams zum halben Preis von GPT-5.5 in der Produktion, bis OpenAI ein Datum bestätigt.
• GPT-5.5 führt auf Terminal-Bench 2.0 (82,7 %), GDPval (84,9 %), ARC-AGI-2 (85,0 %) und FrontierMath Tier 4 (35,4 %), liegt aber hinter Opus 4.7 auf SWE-bench Pro Public.
• Multi-Vendor-Routing ist jetzt die Standard-Architektur für jedes ernsthafte KI-Produkt. Single-Vendor-Wetten werden im Wochentakt bestraft.