ChatGPT 5.5 (GPT-5.5) Release: Funktionen, Benchmarks, Preise und Vergleich mit Claude Opus 4.7

Am 23. April 2026 hat OpenAI „ChatGPT 5.5 (GPT-5.5)“ veröffentlicht. Von OpenAI selbst als „neue Klasse von Intelligenz für real work (echte Arbeit) und KI-Agenten“ bezeichnet, erreicht das Modell 82,7% auf Terminal-Bench 2.0 und zieht damit klar an Anthropics Claude Opus 4.7 (69,4%) und Googles Gemini 3.1 Pro (68,5%) vorbei — mit SOTA (State of the Art) auf 14 Benchmarks.

Gleichzeitig hat sich der API-Listenpreis gegenüber GPT-5.4 verdoppelt ($5/$30 pro MTok), und Claude Opus 4.7 schlägt es weiterhin auf SWE-Bench Pro. Die ehrliche Einschätzung lautet: „das stärkste Modell, aber nicht universell das beste.“ Hinzu kommt eine dokumentierte Tendenz, selbstbewusst Antworten zu geben, auch wenn es etwas nicht weiß — Vorsicht ist deshalb in medizinischen, juristischen und regulierten Bereichen geboten.

Auf Basis von OpenAIs offizieller Veröffentlichung, der OpenAI Developer Docs und mehrerer unabhängiger Benchmark-Reports liefert dieser Artikel die vollständige Analyse: Was ist neu, die Benchmarks, Preise, Plan-Verfügbarkeit, wie es sich gegen Claude und Gemini schlägt und wie ihr das richtige Modell für eure Aufgabe wählt.

1. Release-Überblick — Datum, Verfügbarkeit, Spec-Sheet

2. Was ist neu — 5 zentrale Verbesserungen

1. Retraining des Basismodells (laut Berichten erstmals seit GPT-4.5)

Mehrere Analysen beschreiben GPT-5.5 als erstes Retraining des Basismodells seit GPT-4.5 und schreiben, GPT-5 bis 5.4 seien Weiterentwicklungen derselben Basis gewesen. In OpenAIs Ankündigung steht das nicht, offiziell bestätigt ist es also nicht.

2. Bessere Token-Effizienz

Laut OpenAIs Ankündigung behält GPT-5.5 dieselbe Pro-Token-Latenz wie GPT-5.4 und erreicht gleiche oder bessere Ergebnisse mit weniger Tokens; auch Codex wurde so abgestimmt, dass die meisten Nutzer weniger Tokens brauchen als mit GPT-5.4. Eine Einsparungszahl nennt die Ankündigung nicht (die kursierenden „~40%“ stammen aus Messungen Dritter). Der Listenpreis hat sich verdoppelt, aber weil weniger Tokens anfallen, können die Gesamtkosten um weniger als das Doppelte steigen.

OpenAI-Mitgründer Greg Brockman dazu (TechCrunch):

„Es ist ein Modell, das mit weniger Tokens schneller und schärfer denkt — genau diese Art Modell, verglichen mit etwas wie 5.4.“

3. ~1M Kontextfenster (API)

Die API-Version wächst auf 1.050.000 Tokens (~1M). Die Codex-Integration liegt bei 400K. Beachtet aber den nutzungsabhängigen Aufschlag: Prompts über 272K Tokens lösen 2x Input- und 1,5x Output-Preise aus — sehr lange Kontexte erfordern also eine Kostenkalkulation.

4. Fünfstufige Reasoning-Effort-Steuerung

Die API stellt reasoning.effort mit fünf Stufen bereit:

• none: kein Reasoning (am schnellsten, am günstigsten)
• low: leichtes Reasoning
• medium: Standard (ausgewogen)
• high: tiefes Reasoning (komplexe Aufgaben)
• xhigh: maximales Reasoning (am langsamsten und teuersten, höchste Genauigkeit)

Das spiegelt den output_config.effort-Schalter von Claude Opus 4.7, und die gesamte Branche konvergiert auf „den Aufrufer die Reasoning-Tiefe steuern lassen“.

5. Expert-SWE bei 73,1% — meistert 20-Stunden-Klasse-Aufgaben

Auf OpenAIs neu veröffentlichtem internen Eval Expert-SWE (extrem komplexe Coding-Aufgaben mit einer medianen menschlichen Bearbeitungszeit von 20 Stunden) erreicht GPT-5.5 73,1% — ein Plus von 4,6 Punkten gegenüber den 68,5% von GPT-5.4. Das ist ein großer Sprung für die Zuverlässigkeit langlaufender autonomer Coding-Agenten.

3. Benchmarks — direkter Vergleich mit Claude und Gemini

Fazit: GPT-5.5 führt bei 14 Benchmarks, Claude bei 6, Gemini bei 2

Zählt man die 22 Zeilen der von OpenAI veröffentlichten Evaluationstabelle, die einen Wert für Claude Opus 4.7 oder Gemini 3.1 Pro enthalten, führt GPT-5.5 (inklusive Pro) bei 14, Claude Opus 4.7 bei 6 und Gemini 3.1 Pro bei 2 (eigene Zählung; Zeilen nur mit Werten für Opus 4.6 ausgenommen). In den meisten vergleichbaren Zeilen liegt GPT-5.5 vorn.

Allerdings gewinnt Claude Opus 4.7 auf SWE-Bench Pro (produktionsnahe Coding-Aufgaben) weiterhin mit 64,3% gegenüber 58,6% von GPT-5.5. Für Coding-Arbeit lohnt es sich also weiterhin, Modelle nach Aufgabe aufzuteilen.

Drittanbieter-Verifizierung: CodeRabbit Code-Review-Eval

Der unabhängige Code-Review-Service CodeRabbit berichtet folgende Verbesserungen bei GPT-5.5:

• Kuratierter Benchmark: erwartete Issue-Erkennung 58,3% → 79,2%, Präzision 27,9% → 40,6%
• Real-World-Datensatz: Issue-Erkennung 55,0% → 65,0%, Präzision 11,6% → 13,2%

CodeRabbits Einschätzung: „Das Modell bevorzugt lokale Änderungen, bewahrt das Verhalten und konzentriert sich tendenziell auf die tatsächlichen Fehlerstellen.“ Mit anderen Worten — statt umfassender Rewrites neigt es zu zielgerichteten, präzisen Fixes.

4. GPT-5.5 vs GPT-5.5 Pro — welches solltet ihr nehmen?

Auswahlkriterien

• Standard-GPT-5.5 wählen: allgemeines Coding, Schreiben, Agent-Workloads, kostenbewusste Nutzung
• GPT-5.5 Pro wählen: Mathematik und wissenschaftliche Forschung, Verfassen von Papern, komplexe Entscheidungen — Genauigkeit vor Kosten

5. Preise — warum die Verdopplung?

API-Preise (Standard-GPT-5.5)

Warum die Verdopplung?

OpenAI hat die Preiserhöhung nicht direkt erklärt, aber die wahrscheinlichen Treiber sind:

1. Kosten eines Basismodell-Retrainings — laut Berichten der erste Neuaufbau seit GPT-4.5
2. Einpreisung der Performance-Gewinne — deutliche Verbesserungen auf Terminal-Bench und anderen
3. Token-Effizienz gleicht einen Teil aus — weniger verbrauchte Tokens federn den höheren Stückpreis teilweise ab

Die effektive Kostensteigerung hängt davon ab, wie viele Tokens wegfallen. Sänke der Output um 40%, wären es „2x x 0,6 = 1,2x“ (40% ist keine offizielle Zahl, also an den eigenen Aufgaben messen). Bei Input-lastigen Aufgaben (Zusammenfassungen, Analysen) trifft euch die volle 2x-Erhöhung — das im Hinterkopf behalten.

6. Verfügbarkeit nach ChatGPT-Plan

Zum Start konnten Free-Nutzer GPT-5.5 nicht verwenden

Zum Start war GPT-5.5 im Free-Plan nicht verfügbar; Standardmodell war dort GPT-5.3 Instant. Am 5. Mai 2026 wurde GPT-5.5 Instant zum Standardmodell für alle Nutzer. Für GPT-5.5 Thinking brauchte es Plus ($20/Monat) oder höher.

7. API-Spezifikationen und Entwicklerfunktionen

Unterstützte Funktionen

• ✅ Function Calling
• ✅ Structured Outputs (JSON Schema)
• ✅ Streaming
• ✅ Reasoning-Effort-Steuerung (none/low/medium/high/xhigh)
• ✅ Tools: Web Search, File Search, Image Generation, Code Interpreter, Hosted Shell, Apply Patch, Skills, Computer Use, MCP, Tool Search
• ❌ Fine-Tuning: zum Launch nicht unterstützt
• ❌ Audio- / Video-Input oder -Output: nicht unterstützt

Rate Limits zum Start (Tier 5: höchste)

• RPM (Requests pro Minute): 15.000
• TPM (Tokens pro Minute): 40.000.000
• Batch-Queue-Limit: 15.000.000.000

Hinweis, Stand 12. Oktober 2026: Die Werte oben gelten für Tier 5 zum Start. Am 6. Oktober 2026 hat OpenAI die Nutzungsstufen der API von fünf auf drei reduziert: Build, Launch und Grow. Laut dem Leitfaden zu Rate Limits steigt eine Organisation automatisch auf, sobald ihre gekauften Credits insgesamt $5, $100 und $500 erreichen; in der höchsten Stufe, Grow, haben Astra, Sol und Terra 15.000 RPM und 40.000.000 TPM. Die neue Tabelle enthält keine Zeile für GPT-5.5, prüfen Sie die Limits Ihrer Organisation daher unter Settings > Organization > Limits.

Reasoning-Effort-Beispiel (Python)

from openai import OpenAI
client = OpenAI()

response = client.responses.create(
    model="gpt-5.5",
    reasoning={"effort": "high"},  # none/low/medium/high/xhigh
    input="Löse dieses komplexe Mathematikproblem Schritt für Schritt..."
)

print(response.output_text)

8. Codex-Integration und Super-app-Strategie

Codex Fast Mode

Parallel zum GPT-5.5-Release erhielt Codex einen Fast Mode:

• 1,5x schnellere Verarbeitung
• 2,5x die Kosten (in Credits)

Die Super-app-Strategie

Laut TechCrunch bezeichnete Brockman GPT-5.5 als Schritt hin zu einer „Super-app“, die „ChatGPT + Codex + KI-Browser“ in einem Angebot bündelt. Geplant ist die Auslieferung als ein einziges Enterprise-Paket — was OpenAI als „Schritt zu agentischerem, intuitiverem Computing“ bezeichnet.

Konzeptionell ist das das „All-in-One-Paket zur Maximierung der Developer Experience“-Muster aus PaaS wie Vercel oder Next.js, übertragen auf den KI-Agent-Bereich.

9. GPT-5.5 vs Claude Opus 4.7 vs Gemini 3.1 Pro

Wie wählen

• Beste Gesamtlösung + modernste Agent-Performance — GPT-5.5 (besonders wenn >$30/MTok Output akzeptabel sind)
• Lange autonome Coding-Sessions und sicherheitskritische Arbeit — Claude Opus 4.7 (gewinnt SWE-Bench Pro und hat günstigere Output-Preise)
• Google-Workspace-Integration und Multimodalität — Gemini 3.1 Pro

10. Vorsicht — Tendenz zur „Selbstüberschätzung“

Gestützt auf Ergebnisse von AA-Omniscience von Artificial Analysis (misst Faktengenauigkeit und ob ein Modell sich enthält, wenn es etwas nicht weiß) wiesen mehrere Analysen auf eine Tendenz von GPT-5.5 hin, „selbstbewusst Antworten zu geben, auch wenn es etwas nicht weiß“.

Kurz gesagt: hohe Trefferquote, aber auch ein hoher Anteil falscher Antworten, wo es „weiß ich nicht“ hätte sagen sollen.

Risikoreiche Anwendungsfälle

• ⚠️ Medizinische Diagnose oder Verschreibungen — Falschinformationen können lebensbedrohlich sein
• ⚠️ Rechtsberatung oder Recherche zu Präzedenzfällen — das Zitieren halluzinierter Fälle ist ein berufsethisches Problem
• ⚠️ Finanzberatung oder Steuerarbeit — regulatorisches Risiko
• ⚠️ Zitate in wissenschaftlichen Texten — bekannte Fälle, in denen nicht existierende Paper zitiert wurden

Gegenmaßnahmen

1. Faktenprüfung ist Pflicht — KI-Ausgaben nie unverändert verwenden, sondern gegen Primärquellen verifizieren
2. Web-Search-Tool nutzen — das Modell aktuelle Informationen abrufen lassen
3. Gegenprüfung mit Claude Opus 4.7 — bei genauigkeitskritischer Arbeit Antworten über mehrere Modelle abgleichen
4. Anweisen, „ich weiß es nicht“ zu sagen — per System-Prompt: „Wenn unsicher, sag das ausdrücklich“

11. Wann GPT-5.5 die richtige Wahl ist — nach Anwendungsfall

✅ GPT-5.5 wählen bei

• Langlaufenden autonomen Coding-Agenten — Expert-SWE 73,1% (OpenAIs internes Eval; GPT-5.4 kam auf 68,5%)
• PC-Automatisierung / Computer Use — OSWorld 78,7% ist auf Augenhöhe mit Opus 4.7
• Automatisierung des Kundensupports — Tau2-bench 98,0% ist praktisch perfekt
• Fortgeschrittener Mathematik und wissenschaftlicher Forschung — FrontierMath T4 35,4% (deutlich über den 22,9% von Opus 4.7)
• Festlegung auf das OpenAI-Ökosystem — integriert mit ChatGPT und Codex

❌ GPT-5.5 meiden bei

• Coding auf SWE-Bench-Pro-Niveau in Produktion — Claude Opus 4.7 führt weiterhin
• Genauigkeitskritischer Arbeit (medizinisch, juristisch, finanziell) — Vorsicht bei Halluzinationen
• Kosten als oberster Priorität — $30/MTok Output liegt am oberen Ende
• Wenn ihr eine kostenlose Option wollt — im Free-Plan nicht verfügbar
• Audio- oder Video-Verarbeitung — nur Text + Bild-Input

FAQ

Q1. Wann wurde GPT-5.5 in ChatGPT verfügbar?

Am 23. April 2026 (US-Zeit), in den Plänen Plus, Pro, Business und Enterprise. GPT-5.5 Pro ist auf Pro, Business und Enterprise beschränkt.

Q2. Kann ich GPT-5.5 im Free-Plan nutzen?

Zum Start nicht (Standard war GPT-5.3 Instant). Seit dem 5. Mai 2026 ist GPT-5.5 Instant für alle Nutzer Standard, für GPT-5.5 Thinking brauchte es aber mindestens den Plus-Plan für $20/Monat.

Q3. GPT-5.5 vs Claude Opus 4.7 — welches ist besser?

Insgesamt GPT-5.5 (führt in 14 Zeilen von OpenAIs Evaluationstabelle gegenüber 6 bei Claude). Aber auf SWE-Bench Pro gewinnt Claude Opus 4.7 mit 64,3% gegen 58,6% — für produktionsnahes Coding hat Claude also den Vorsprung. Claude ist auch beim Output günstiger ($25/MTok gegenüber $30/MTok bei GPT-5.5).

Q4. Die API ist teurer geworden — wie halte ich die Kosten unter Kontrolle?

Ja, $5/$30 pro MTok ist 2x GPT-5.4. Aber es braucht weniger Tokens als GPT-5.4, sodass die reale Kostensteigerung unter 2x liegen kann (OpenAI nennt keine Einsparungszahl; an den eigenen Aufgaben messen). Tipps zur Kostenkontrolle:
1. Batch API / Flex nutzen (50% Rabatt)
2. Cached Input nutzen ($0,50/MTok, 1/10 der regulären Rate)
3. reasoning.effort=low für leichtere Aufgaben verwenden
4. Prompts über 272K Tokens vermeiden

Q5. Was ist tatsächlich anders an GPT-5.5 Pro?

Es hat stärkeres Reasoning, mit deutlichen Score-Steigerungen bei komplexer Mathematik (FrontierMath: 35,4% → 39,6%) und wissenschaftlichen Forschungsaufgaben. Der Haken ist der Preis — 6x der API-Tarif ($30 Input / $180 Output). Außerhalb von Forschung und ernsthaftem Verfassen von Papern rechnet sich das Preis-Leistungs-Verhältnis oft nicht.

Q6. Wird Fine-Tuning unterstützt?

Nein (die Modellseite führt Fine-Tuning als „Not supported“).

Q7. Worauf sollte ich bei Verwendung des 1M-Kontexts achten?

Prompts über 272K Tokens lösen einen Aufschlag von 2x Input und 1,5x Output über die gesamte Session aus. Wer eine API rund um 1M-Token-Nutzung designt, sollte die Kosten vorab durchrechnen.

Q8. Wann ist der Wissensstand von GPT-5.5?

1. Dezember 2025. Alles danach (ab Januar 2026) ist nicht in den Trainingsdaten — das Web-Search-Tool ist also faktisch erforderlich für aktuelle Informationen.

Q9. Sind Halluzinationen besser geworden?

Gestützt auf AA-Omniscience von Artificial Analysis heißt es in Analysen: „Die Trefferquote ist hoch, aber auch die Neigung, selbstbewusst über Dinge zu antworten, die es nicht weiß.“ OpenAI behauptet offiziell Sicherheitsverbesserungen, aber bei medizinischer, juristischer oder finanzieller Arbeit bleibt Faktenprüfung Pflicht.

Q10. Funktioniert meine bestehende GPT-5-App einfach so?

Die API-Kompatibilität ist erhalten — der Wechsel der Model-ID von gpt-5 auf gpt-5.5 reicht zur Migration. Allerdings lohnt sich ein Design-Durchgang, wenn ihr neue Funktionen nutzen wollt (wie die reasoning.effort-Stufen von none bis xhigh oder die Pro-Variant-ID).

Zusammenfassung: GPT-5.5 ist das stärkste, aber nicht universell das beste Modell

GPT-5.5 hält SOTA auf 14 Benchmarks und zieht klar an Claude Opus 4.7 und Gemini 3.1 Pro vorbei, um die Branchenspitze zurückzuerobern. Besonders stark ist es bei Agent-Aufgaben, PC-Automatisierung, langlaufendem autonomen Coding sowie Mathematik und wissenschaftlicher Forschung.

Gleichzeitig verliert es auf SWE-Bench Pro weiterhin gegen Claude Opus 4.7, zeigt eine Tendenz zu „selbstbewussten Halluzinationen“ und kommt mit einer Verdopplung des API-Preises — also kein bedingungsloser Sieg.

Die klügere Strategie ist „das richtige Modell — GPT-5.5, Claude Opus 4.7 oder Gemini 3.1 Pro — für die jeweilige Aufgabe wählen.“ Ganz auf das OpenAI-Ökosystem setzen? GPT-5.5. Lange Coding-Sessions und sicherheitskritische Arbeit? Claude. Google-Workspace-Integration? Gemini. Multi-Model-Betrieb wird zum Standard 2026.

Verwandte Artikel

• Claude Opus 4.7 Release im Detail — vollständige Details zum direkten Konkurrenten
• Claude Opus 4.7 Migrationsleitfaden — Wechsel von 4.6 auf 4.7
• Claude vs ChatGPT Preisvergleich — wie sich die Plan-Strukturen vergleichen
• Was ist Next.js? — das React-Framework, das die KI ständig empfiehlt
• GPT-5.6 vs GPT-5.5 im Vergleich — 3 Modelle, Terra zu 40 % des Preises, Benchmarks und Umstieg