GPT-5.5 是 OpenAI 的前沿模型，专为复杂的专业工作负载而设计，以 GPT-5.4 为基础，具备更强的推理能力、更高的可靠性以及在困难任务上更优的令牌效率。它具备 1M+ 令牌...
GPT-5.5 是 OpenAI 推出的一款语言模型，专为扩展输出和多模态输入设计。它支持文件、图像和文本输入，单次生成最多可达 128,000 个 token。这一大输出容量使其适用于需要长篇幅内容创作、全面文档分析或复杂代码生成的任务。该模型通过 OrcaRouter 的 OpenAI 兼容 API 访问，从而能够使用标准 OpenAI 客户端库与现有应用集成。
当提供文件时，GPT-5.5 能够读取并分析文件内容。这包括从文档中提取信息、总结内容、回答关于材料的问题，或将数据转换为不同格式。例如，您可以上传一份多页的PDF文件，并要求提供结构化摘要或特定数据点。该模型将文件作为输入的一部分进行处理，并结合附带的文本或图像。这一功能有助于自动化文档审阅、数据提取以及从文件中生成报告。
GPT-5.5 能够解释作为输入的图像，包括识别物体、读取图像中的文字、描述场景、分析图表以及回答关于视觉内容的问题。例如，你可以提供一张图表图像，要求对趋势进行文字解读，或者提供一张白板的照片，要求列出行动项。该模型会结合图像与任何文本及文件输入进行处理，从而实现结合视觉与文本信息的多模态推理任务。
虽然GPT-5.5支持大输出和多模态输入，但对于简单任务来说可能大材小用。如果你的使用场景仅涉及短文本生成（如邮件回复、简短代码片段、分类），且不需要文件或图像输入，那么像OpenAI的GPT-4o mini这样更小、更便宜的模型（如果可用）可能更具成本效益。同样，如果你不需要128k令牌的输出，输出限制较小的模型也已足够。在选择GPT-5.5之前，评估你的典型输入输出大小和模态需求，避免为用不上的容量付费。
模型在τ²-Bench上获得93.9分，表明其在涉及工具使用、遵循多步骤指令以及在多个操作中保持一致性的智能体任务中表现强劲。这包括网页浏览、API调用、数据库查询或循环执行代码等场景。此外，大输出容量使模型能够生成长链的工具调用或推理步骤而无需截断。然而，基准分数反映的是在特定测试集上的表现；实际智能体任务的性能可能因任务复杂性和可用工具质量而异。
τ²-Bench 是一个专门用于评估智能体使用工具执行复杂多步骤任务能力的基准测试。它测试模型在遵循指令、规划行动、使用外部工具（如搜索引擎、代码解释器或 API）以及跨多个步骤纠正错误方面的表现。GPT-5.5 在该基准测试中取得了 93.9 的高分，表明该模型能以较低失败率可靠地执行智能体工作流。这仅是一个数据点，其他基准测试可能会显示出不同的优势或不足。
τ²-Bench 得分 93.9 表明 GPT-5.5 在需要多轮持续推理和工具使用的任务上尤其强大。该基准测试奖励那些能够正确理解指令、选择合适的工具并从错误中恢复的模型。因此，GPT-5.5 很可能非常适合构建需要较少人工干预即可完成任务的自主智能体。此外，该模型较大的输出余量可能有助于处理中间推理步骤较长的场景。然而，基准测试的范围有限；诸如创意写作或常识等其他能力可能无法直接通过 τ²-Bench 来衡量。
所提供的数据仅包含单一基准评分（τ²-Bench），未说明在其他常见基准（如MMLU、HumanEval或GSM8K）上的表现。因此，通用知识、数学推理和代码生成能力在此并未量化。模型的输入上下文长度也未被提及，因此您可能需要根据具体使用场景进行测试。此外，模型可能支持图像和文件处理，但未提供延迟数据或错误率。用户应自行在任务上评估GPT-5.5以了解其实际局限性。
提供的数据不包括GPT-5.5的延迟或速度指标。作为具有128k令牌输出能力的大模型，响应时间取决于多个因素：输入和输出的长度、请求的复杂度以及OrcaRouter当前的服务器负载。对于简短提示和小型输出，延迟可能合理；对于最大长度输出，时间可能显著延长。要估算速度，你可以使用OrcaRouter的API，以你的用例典型负载对该模型进行基准测试。可用信息中未提及任何服务质量保证。
所提供的资料中未包含GPT-5.5的定价详情。在OrcaRouter上，费用通常基于输入和输出的token数量计算，文本、图像和文件处理有单独的费率。如需准确定价，请查阅OrcaRouter的定价页面或联系其支持团队。请注意，较大的输出token（最多128k）可能会在生成长文本时累积显著成本，因此建议在API调用中设置适当的`max_tokens`参数以控制成本。
在没有具体定价的情况下，大致的取舍原则是：输出容量更大、支持多模态输入的模型，其每token成本通常高于简单替代方案。对于不需要完整128k输出或多模态输入的任务，较小的模型可能更经济。此外，处理图像和文件会产生额外费用，通常按图片大小或数量计算。如果你的流程主要处理文本，请考虑文件/图像功能是否值得支付更高价格。缓存或批处理可降低成本；可向OrcaRouter咨询重复内容是否有折扣。
提供的信息未指定OrcaRouter上GPT-5.5的任何缓存机制。缓存可以通过重用之前为相同或相似请求计算的结果来降低成本。一些API提供商为常用提示提供自动缓存。要确定缓存是否可用，请查阅OrcaRouter的文档或联系其支持团队。如果缓存不可用，您可以在应用程序层面自行实现缓存以避免重复调用，尤其针对常见查询或静态输入。
要估算成本，你需要了解输入和输出的每Token费率，以及图像或文件的任何附加费用。由于未提供费率，你可以先使用代表性载荷进行几次测试调用，然后在OrcaRouter的使用仪表盘中检查产生的费用。对于纯文本调用，将输入Token数和输出Token数分别乘以相应的费率。对于多模态调用，根据OrcaRouter的定价规则计算图像和文件大小。请注意，128k的最大输出可能导致较高的Token使用量；设置较低的`max_tokens`限制可以防止意外账单。
您可以通过OrcaRouter的OpenAI兼容API调用GPT-5.5。基础URL为https://api.orcarouter.ai/v1。在请求中使用模型ID "openai/gpt-5.5"。只需更改基础URL和API密钥，即可使用任何标准的OpenAI客户端库（Python、JavaScript等）。例如使用Python的openai库：设置`openai.api_base = "https://api.orcarouter.ai/v1"`和`openai.api_key = "your-key"`。然后调用`openai.ChatCompletion.create(model="openai/gpt-5.5", messages=[...])`。
因为OrcaRouter暴露了一个兼容OpenAI的端点，你可以使用OpenAI聊天补全API中的大部分标准参数。这些参数包括`temperature`、`max_tokens`、`top_p`、`frequency_penalty`、`presence_penalty`、`stop`和`n`。对于多模态输入，你可以按照OpenAI视觉API的格式（使用包含`image_url`或`file`类型的`content`）在消息数组中包含图像或文件内容。`max_tokens`参数控制最多128,000的输出长度。请注意，将`max_tokens`设置得过高可能会增加延迟和成本。
迁移非常直接，得益于API兼容性。将你的OpenAI基础URL替换为OrcaRouter的URL（https://api.orcarouter.ai/v1），并更新你的API密钥。将模型名称从`gpt-5.5`（或你在OpenAI上使用的任何名称）改为`openai/gpt-5.5`。大多数代码更改仅限于配置。如果你使用了OrcaRouter不支持的任何OpenAI特定功能（例如，某些流式传输或函数调用变体），请测试它们以确保兼容性。相同的消息格式（包括多模态内容）可以正常工作。
通过OrcaRouter的OpenAI兼容API支持流式输出。在请求中设置`stream=True`以增量接收令牌。这可以改善长输出的感知延迟，并允许您在处理文本时逐步处理。对于大型输出（最多128k令牌），流式传输对于避免超时至关重要。请注意，流式传输可能与非流式传输一样影响成本计算（您需要为生成的所有令牌付费）。确保您的客户端能够处理流式响应，特别是在多模态输入的情况下，第一个事件可能会因模型处理图像而延迟。
相较于GPT-4、GPT-4 Turbo或GPT-4o等早期模型，GPT-5.5提供了更大的最大输出量（128k，而老版本通常为4k-32k）以及多模态输入能力（文件、图像、文本）。其τ²-Bench得分为93.9，表明智能体性能有所提升。然而，确切的架构和训练数据差异并未公开。对于简单任务，较旧的模型可能更快或更便宜。对于不需要大输出量或多模态输入的纯文本任务，较小的模型可能更高效。
在没有相同任务基准数据的情况下，直接比较是有限的。许多竞争对手（例如Anthropic Claude、Google Gemini）也支持多模态输入并拥有大上下文窗口。GPT-5.5的τ²-Bench得分为93.9，是代理性能的一个指标；其他模型可能有相似或不同的分数。GPT-5.5的128k最大输出量相对较高。在选择供应商时，请考虑OrcaRouter上的定价、API稳定性、特定模态支持（文件格式）以及应用程序的延迟需求等因素。
开源模型（如Llama 3、Mistral）通常成本更低，并提供对部署的完全控制，但可能缺乏同等水平的多模态集成或智能体性能。通过OrcaRouter访问的GPT-5.5是封闭商用的商用模型，采用API定价。其128k输出容量和图像/文件输入功能，是开源模型在缺乏额外基础设施时可能无法匹敌的特性。对于需要本地部署的敏感数据，开源模型可能更优。而对于开箱即用的便捷性和广泛能力，OrcaRouter上的GPT-5.5是一个强大的选择。
兼容 OpenAI——沿用你现有的 SDK
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$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| 阶梯 | 输入 / 1M tokens | 输出 / 1M tokens | 缓存读取 / 1M |
|---|---|---|---|
| ≤ 272K | $5.00 | $30.00 | $0.500 |
| ≤ ∞ | $10.00 | $45.00 | $1.00 |
| 阶梯按每次请求的输入 token 数确定 | |||
基于标价的估算
阶梯定价——此估算使用基础档位费率。
仅为估算——实际 Token 数取决于提供商的分词器。
@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