GPT-5.5 هو نموذج رائد من OpenAI مصمم لأعباء العمل المهنية المعقدة، مبنيًا على GPT-5.4 مع تفكير أقوى، وموثوقية أعلى، وكفاءة محسنة للرموز في المهام الصعبة. يتميز بـ 1M+ رمز...
GPT-5.5 هو نموذج لغوي من OpenAI مصمم للإخراج الموسع والإدخال متعدد الوسائط. يقبل الملفات والصور والنصوص، ويمكنه توليد ما يصل إلى 128,000 رمز (token) في إكمال واحد. هذه السعة الكبيرة للإخراج تجعله…
عند توفير ملف، يمكن لـ GPT-5.5 قراءة محتواه وتحليله. يتضمن ذلك استخراج المعلومات من المستندات، تلخيص محتوياتها، الإجابة عن أسئلة حول المادة، أو تحويل البيانات إلى تنسيق مختلف. على سبيل المثال، يمكنك تحميل ملف PDF متعدد الصفحات وطلب ملخص منظم أو نقاط بيانات محددة. يعالج النموذج الملف كجزء من مدخلاته، ويجمعه مع أي نصوص أو صور مصاحبة. هذه القدرة مفيدة لأتمتة مراجعة المستندات، واستخراج البيانات، وإنشاء التقارير من الملفات.
GPT-5.5 يمكنه تفسير الصور المقدمة كمدخلات. ويشمل ذلك التعرف على الأشياء، وقراءة النص من الصور، ووصف المشاهد، وتحليل الرسوم البيانية، والإجابة عن الأسئلة المتعلقة بالمحتوى البصري. على سبيل المثال، يمكنك تقديم صورة رسم بياني وطلب تفسير مكتوب للاتجاهات، أو صورة لسبورة بيضاء وطلب بنود العمل. يقوم النموذج بمعالجة الصورة إلى جانب أي نصوص ومدخلات ملفات، مما يتيح مهام التفكير متعدد الوسائط التي تجمع بين المعلومات البصرية والنصية.
بينما يُقدّم GPT-5.5 مخرجات كبيرة وإدخالاً متعدد الوسائط، فقد يكون مبالغاً فيه للمهام البسيطة. إذا كانت حالتك الاستخدامية تتطلب فقط توليد نصوص قصيرة (مثل ردود البريد الإلكتروني أو مقتطفات أكواد قصيرة أو تصنيف) دون الحاجة إلى إدخال ملفات أو صور، فإن نموذجاً أصغر وأرخص مثل GPT-4o mini من OpenAI (إن توفر) قد يكون أكثر فعالية من حيث التكلفة. وبالمثل، إذا كنت لا تحتاج إلى مخرجات بطول 128k-token، فقد تكفيك النماذج ذات حدود المخرجات الأصغر. قيّم أحجام المدخلات والمخرجات النموذجية واحتياجاتك من الوسائط قبل اختيار GPT-5.5 لتجنب دفع ثمن سعة لن تستخدمها.
يشير حصول النموذج على 93.9 في معيار τ²-Bench إلى أداء قوي في المهام الوكيلة التي تتضمن استخدام الأدوات، واتباع تعليمات متعددة الخطوات، والحفاظ على الاتساق عبر عدة إجراءات. يشمل ذلك سيناريوهات مثل تصفح الويب، واستدعاء واجهات برمجة التطبيقات (API)، واستعلام قواعد البيانات، أو تنفيذ التعليمات البرمجية في حلقة. كما تسمح سعة الإخراج الكبيرة للنموذج بإنتاج سلاسل طويلة من استدعاءات الأدوات أو خطوات الاستدلال دون اقتطاع. ومع ذلك، فإن نتائج المعيار تعكس الأداء على مجموعات اختبار محددة؛ وقد يختلف الأداء الوكيل في العالم الواقعي حسب تعقيد المهام وجودة الأدوات المتاحة.
τ²-Bench هو معيار مصمم لتقييم قدرة الوكيل على أداء مهام معقدة متعددة الخطوات باستخدام الأدوات. يختبر هذا المعيار مدى قدرة النموذج على اتباع التعليمات، وتخطيط الإجراءات، واستخدام الأدوات الخارجية (مثل محركات البحث، ومفسرات الأكواد، أو واجهات برمجة التطبيقات)، وتصحيح الأخطاء عبر عدة خطوات. النتيجة 93.9 التي حققها GPT-5.5 تضعه في مستوى أداء عالٍ على هذا المعيار، مما يشير إلى أن النموذج قادر على تنفيذ سير عمل وكيلية بموثوقية وبأقل قدر من الفشل. هذه نقطة بيانات واحدة؛ وقد تظهر معايير أخرى نقاط قوة أو ضعف مختلفة.
تشير نتيجة τ²-Bench البالغة 93.9 إلى أن GPT-5.5 قوي بشكل خاص في المهام التي تتطلب استدلالاً مستداماً واستخدام أدوات عبر خطوات متعددة. يكافئ المعيار النماذج التي تستطيع تفسير التعليمات بشكل صحيح، واختيار الأدوات المناسبة، والتعافي من الأخطاء. لذلك، من المحتمل أن GPT-5.5 مناسب تماماً لبناء وكلاء مستقلين يحتاجون إلى إكمال المهام بتدخل بشري محدود. بالإضافة إلى ذلك، قد تساعد مساحة الإخراج الكبيرة للنموذج في السيناريوهات التي تكون فيها خطوات الاستدلال المتوسطة طويلة. ومع ذلك، فإن المعايير ضيقة؛ فقد لا يتم قياس القدرات الأخرى مثل الكتابة الإبداعية أو الفطرة السليمة بشكل مباشر بواسطة τ²-Bench.
لا تتضمن البيانات المقدمة سوى معيار أداء واحد (τ²-Bench) ولا تحدد الأداء على معايير أخرى شائعة مثل MMLU أو HumanEval أو GSM8K. لذلك، لا يتم قياس القدرات العامة في المعرفة أو الاستدلال الرياضي أو توليد الأكواد هنا. كما أن طول سياق الإدخال للنموذج لم يُذكر، لذا قد تحتاج إلى اختباره وفق حالة الاستخدام الخاصة بك. بالإضافة إلى ذلك، يمكن للنموذج معالجة الصور والملفات، لكن لا تتوفر أرقام عن زمن الاستجابة أو معدلات الأخطاء. ينبغي على المستخدمين تقييم GPT-5.5 على مهامهم الخاصة لفهم حدوده العملية.
البيانات المقدمة لا تتضمن أرقام زمن الاستجابة أو السرعة لـ GPT-5.5. كنموذج كبير بقدرة إخراج 128k رمزًا، ستعتمد أوقات الاستجابة على عدة عوامل: طول كل من الإدخال والإخراج، تعقيد الطلب، وحمل الخادم الحالي على OrcaRouter. بالنسبة للاستفسارات القصيرة والمخرجات الصغيرة، قد يكون زمن الاستجابة معقولًا؛ أما بالنسبة للمخرجات ذات الطول الأقصى، فقد يكون أطول بشكل ملحوظ. لتقدير السرعة، يمكنك اختبار النموذج باستخدام واجهة برمجة تطبيقات OrcaRouter مع أحمال نموذجية لحالة الاستخدام الخاصة بك. لا تذكر المعلومات المتاحة أي ضمانات لجودة الخدمة.
تفاصيل تسعير GPT-5.5 غير مضمنة في البيانات المقدمة. على OrcaRouter، تُحتسب الرسوم عادةً بناءً على عدد رموز الإدخال والإخراج، مع أسعار منفصلة لمعالجة النصوص والصور والملفات. للحصول على التسعير الدقيق، راجع صفحة تسعير OrcaRouter أو اتصل بدعمهم. لاحظ أن رموز الإخراج الكبيرة (حتى 128 ألف) قد تتراكم تكاليف كبيرة للمخرجات الطويلة، لذا يُنصح بتعيين معامل `max_tokens` مناسب في استدعاءات API الخاصة بك للتحكم في التكاليف.
بدون تسعير محدد، تنطبق المفاضلات العامة. النماذج ذات سعة الإخراج الأكبر والإدخال متعدد الوسائط تميل إلى أن تكون أكثر تكلفة لكل رمز مقارنة بالبدائل الأبسط. بالنسبة للمهام التي لا تتطلب الإخراج الكامل البالغ 128 ألف رمز أو الإدخال متعدد الوسائط، قد يكون النموذج الأصغر أكثر اقتصاداً. بالإضافة إلى ذلك، معالجة الصور والملفات تترتب عليها تكلفة إضافية، غالباً ما تُحسب حسب حجم الصور أو عددها. إذا كانت خط أنابيب المعالجة لديك تعتمد في الغالب على النص، ففكر فيما إذا كانت إمكانيات الملفات/الصور تبرر السعر الأعلى. يمكن أن يؤدي التخزين المؤقت أو المعالجة المجمعة إلى تقليل التكاليف؛ استفسر من OrcaRouter عن أي خصومات متاحة للمحتوى المتكرر.
المعلومات المقدمة لا تحدد أي آليات للتخزين المؤقت لـ GPT-5.5 على OrcaRouter. يمكن أن يقلل التخزين المؤقت التكاليف عن طريق إعادة استخدام النتائج المحسوبة مسبقًا للطلبات المتطابقة أو المشابهة. تقدم بعض مزودي واجهات برمجة التطبيقات (API) تخزينًا مؤقتًا تلقائيًا للطلبات المستخدمة بشكل متكرر. لتحديد ما إذا كان التخزين المؤقت متاحًا، تحقق من وثائق OrcaRouter أو اتصل بدعمهم. إذا لم يكن التخزين المؤقت متاحًا، يمكنك تنفيذ ذاكرة التخزين المؤقت الخاصة بك على مستوى التطبيق لتجنب الاستدعاءات المكررة، خاصةً للاستعلامات الشائعة أو المدخلات الثابتة.
لتقدير التكلفة، تحتاج إلى أسعار لكل رمز (token) للإدخال والإخراج، بالإضافة إلى أي رسوم إضافية على الصور أو الملفات. نظرًا لعدم توفير الأسعار، يمكنك البدء بإجراء بعض المكالمات الاختبارية باستخدام حمولات تمثيلية والتحقق من المبلغ المفوتر في لوحة استخدام OrcaRouter. بالنسبة للمكالمات النصية فقط، قم بضرب عدد رموز الإدخال وعدد رموز الإخراج في الأسعار المعنية. بالنسبة للمكالمات متعددة الوسائط، قم بعد الصور وأحجام الملفات وفقًا لقواعد التسعير الخاصة بـ OrcaRouter. ضع في اعتبارك أن الحد الأقصى للإخراج البالغ 128 ألف رمز يمكن أن يؤدي إلى استخدام مرتفع للرموز؛ يمكن أن يؤدي تحديد حد أدنى `max_tokens` إلى منع الفواتير غير المتوقعة.
يمكنك الاتصال بـ GPT-5.5 عبر واجهة API المتوافقة مع OpenAI من OrcaRouter. عنوان URL الأساسي هو https://api.orcarouter.ai/v1. استخدم معرف النموذج "openai/gpt-5.5" في طلباتك. يمكن استخدام أي مكتبة عميل OpenAI قياسية (Python, JavaScript, إلخ) ببساطة عن طريق تغيير عنوان URL الأساسي ومفتاح API. مثال باستخدام مكتبة openai الخاصة بـ Python: قم بتعيين `openai.api_base = "https://api.orcarouter.ai/v1"` و `openai.api_key = "your-key"`. ثم اتصل بـ `openai.ChatCompletion.create(model="openai/gpt-5.5", messages=[...])`.
نظرًا لأن OrcaRouter يعرض نقطة نهاية متوافقة مع OpenAI، يمكنك استخدام معظم المعايير القياسية من واجهة برمجة تطبيقات محادثة OpenAI. وتشمل هذه `temperature`، `max_tokens`، `top_p`، `frequency_penalty`، `presence_penalty`، `stop`، و `n`. بالنسبة للمدخلات متعددة الوسائط، يمكنك تضمين محتوى الصور أو الملفات في مصفوفة الرسائل وفقًا لتنسيق واجهة برمجة تطبيقات الرؤية من OpenAI (باستخدام `content` مع النوع `image_url` أو `file`). يتحكم معامل `max_tokens` في طول الإخراج حتى 128,000. يُرجى الانتباه إلى أن تعيين `max_tokens` بقيمة مرتفعة جدًا قد يزيد من زمن الاستجابة والتكلفة.
الهجرة بسيطة بفضل توافق واجهة برمجة التطبيقات. استبدل رابط OpenAI الأساسي بـ OrcaRouter (https://api.orcarouter.ai/v1) وحدّث مفتاح API الخاص بك. غيّر اسم النموذج من `gpt-5.5` (أو أيًا كان الذي استخدمته على OpenAI) إلى `openai/gpt-5.5`. معظم تغييرات الكود تقتصر على التهيئة. إذا كنت تستخدم أي ميزات خاصة بـ OpenAI غير مدعومة من OrcaRouter (مثل بعض أشكال البث أو استدعاء الدوال)، اختبرها لضمان التوافق. نفس تنسيق الرسائل، بما في ذلك المحتوى متعدد الوسائط، يعمل كما هو متوقع.
يتم دعم البث عبر واجهة OrcaRouter المتوافقة مع OpenAI. قم بتعيين `stream=True` في طلبك لتلقي الرموز بشكل تدريجي. يمكن أن يؤدي ذلك إلى تحسين زمن الاستجابة المتصور للمخرجات الطويلة ويسمح لك بمعالجة النص فور وصوله. بالنسبة للمخرجات الكبيرة (حتى 128k رمزًا)، يمكن أن يكون البث ضروريًا لتجنب انتهاء المهلة. لاحظ أن البث قد يؤثر على حساب التكلفة بنفس طريقة عدم البث (أنت تدفع مقابل جميع الرموز المولدة). تأكد من قدرة عميلك على التعامل مع استجابات البث، خاصةً للمدخلات متعددة الوسائط حيث قد يتأخر الحدث الأول أثناء معالجة النموذج للصور.
مقارنةً بالنماذج السابقة مثل GPT-4 وGPT-4 Turbo وGPT-4o، يقدم GPT-5.5 أقصى ناتج أكبر (128k مقابل 4k-32k عادةً في الإصدارات الأقدم) وقدرات إدخال متعددة الوسائط (ملف، صورة، نص). تشير نتيجة τ²-Bench البالغة 93.9 إلى تحسن في الأداء الوكيلي. ومع ذلك، فإن الاختلافات الدقيقة في البنية وبيانات التدريب ليست معلنة. قد تكون النماذج الأقدم أسرع أو أرخص للمهام البسيطة. بالنسبة للمهام النصية البحتة التي لا تحتاج إلى ناتج كبير أو إدخال متعدد الوسائط، قد يكون النموذج الأصغر أكثر كفاءة.
المقارنة المباشرة محدودة بدون بيانات معيارية على نفس المهام. العديد من المنافسين (مثل Anthropic Claude و Google Gemini) يدعمون أيضًا الإدخال متعدد الوسائط ولديهم نوافذ سياق كبيرة. درجة τ²-Bench البالغة 93.9 لـ GPT-5.5 هي أحد مؤشرات الأداء الوكيلي؛ قد يكون للنماذج الأخرى درجات مماثلة أو مختلفة. الحد الأقصى للإخراج لـ GPT-5.5 البالغ 128k مرتفع نسبيًا. عند الاختيار بين المزودين، ضع في اعتبارك عوامل مثل التسعير على OrcaRouter، واستقرار API، ودعم الوسائط المحددة (تنسيقات الملفات)، ومتطلبات زمن الاستجابة لتطبيقك.
النماذج مفتوحة المصدر (مثل Llama 3 وMistral) غالبًا ما تكون أقل تكلفة وتوفر تحكمًا كاملاً في النشر، لكنها قد تفتقر إلى نفس المستوى من التكامل متعدد الوسائط أو الأداء الوكيل. GPT-5.5، الذي يتم الوصول إليه عبر OrcaRouter، هو نموذج تجاري مغلق بتسعير API. سعة الإخراج البالغة 128k وإدخال الصور/الملفات هي ميزات قد لا تضاهيها النماذج مفتوحة المصدر دون بنية تحتية إضافية. بالنسبة للبيانات الحساسة التي تتطلب نشرًا محليًا، قد تكون النماذج مفتوحة المصدر هي الأفضل. من حيث الراحة والقدرات الواسعة الجاهزة، يُعد GPT-5.5 على OrcaRouter خيارًا قويًا.
متوافق مع OpenAI — أبقِ على SDK الحالي
https://api.orcarouter.ai/v1import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key=os.environ["ORCAROUTER_API_KEY"],
)
response = client.chat.completions.create(
model="openai/gpt-5.5",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)include_reasoningmax_completion_tokensmax_tokensreasoningresponse_formatseedstreamstructured_outputstool_choicetools| الفئة | الإدخال / 1M توكن | الإخراج / 1M توكن | قراءة الذاكرة المؤقتة / 1M |
|---|---|---|---|
| ≤ 272K | $5.00 | $30.00 | $0.500 |
| ≤ ∞ | $10.00 | $45.00 | $1.00 |
| يتم تحديد الفئة حسب عدد رموز الإدخال لكل طلب | |||
تقدير بناءً على السعر المُعلن
تسعير متدرّج — يستخدم هذا التقدير أسعار المستوى الأساسي.
تقدير فقط — يعتمد العدد الفعلي للرموز على مُجزّئ الرموز الخاص بالمزوّد.
ما يتحدث عنه المطورون هذا الأسبوع
GET /api/public/models/openai/gpt-5.5فتح @misc{orcarouter_gpt_5_5,
title = {GPT-5.5 API},
author = {OpenAI},
year = {2026},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/openai/gpt-5.5}
}OpenAI. (2026). GPT-5.5 API. OrcaRouter. https://www.orcarouter.ai/models/openai/gpt-5.5