GPT-5.5 是 OpenAI 的前沿模型，專為複雜的專業工作負載設計，基於 GPT-5.4 進行了更強的推理、更高的可靠性，並在困難任務上提升了 token 效率。它擁有超過 100 萬個 token...
GPT-5.5 是 OpenAI 推出的語言模型，專為擴展輸出與多模態輸入設計。它能接受檔案、圖片與文字，並在單次生成中輸出最多 128,000 個 token。如此大的輸出容量使其適用於需要長篇內容創作、全面文件分析或複雜程式碼生成的任務。該模型可透過 OrcaRouter 的 OpenAI 兼容 API 存取，使得使用標準 OpenAI 客戶端函式庫的現有應用程式能夠整合。
當提供一個檔案時，GPT-5.5 能夠讀取並分析其內容。這包括從文件中提取資訊、總結其內容、回答有關材料的問題，或將資料轉換為不同格式。例如，您可以上傳一份多頁的 PDF，並要求提供結構化摘要或特定的資料點。該模型會將檔案作為其輸入的一部分進行處理，並與任何附帶的文字或圖像結合。此功能有助於自動化文件審查、資料提取以及從檔案生成報告。
GPT-5.5 能夠解讀作為輸入提供的圖像。這包括辨識物體、從圖像中讀取文字、描述場景、分析圖表，以及回答關於視覺內容的問題。例如，你可以提供一張圖表圖像，要求以文字解釋趨勢；或者提供一張白板照片，要求列出待辦事項。此模型會同時處理圖像以及任何文字和檔案輸入，從而實現結合視覺與文字資訊的多模態推理任務。
雖然GPT-5.5提供大量輸出與多模態輸入，但對於簡單任務來說可能大材小用。若您的使用情境僅涉及短文本生成（如電子郵件回覆、簡短程式碼片段、分類），無需檔案或圖片輸入，則可考慮採用較小且成本更低的模型，例如OpenAI的GPT-4o mini（如果可用），如此更具成本效益。同樣地，若您不需要128k token的輸出，較小輸出限制的模型可能已足夠。在選擇GPT-5.5之前，請評估您典型的輸入/輸出大小與模態需求，以免為用不到的容量付費。
該模型在τ²-Bench上獲得93.9分，顯示其在涉及工具使用、遵循多步驟指令以及在多次操作中保持一致性的代理型任務中表現強勁。這包括如網頁瀏覽、API呼叫、資料庫查詢或循環執行程式碼等場景。大輸出容量也使模型能夠產生長串的工具呼叫或推理步驟而不會被截斷。然而，基準測試分數反映的是特定測試集的表現；實際的代理型任務表現可能因任務複雜度及可用工具品質而有所差異。
τ²-Bench 是一個旨在評估智能體使用工具執行複雜、多步驟任務能力的基準測試。它測試模型在遵循指令、規劃行動、使用外部工具（如搜尋引擎、程式碼直譯器或 API）以及跨多個步驟修正錯誤方面的表現。GPT-5.5 在此基準測試中獲得 93.9 分，達到了高效能水準，表明該模型能夠可靠地執行智能體工作流，且失敗率極低。這只是一個數據點；其他基準測試可能顯示不同的優勢或劣勢。
τ²-Bench 分數 93.9 顯示 GPT-5.5 特別擅長需要持續推理及在多輪對話中使用工具的任務。該基準獎勵那些能正確解讀指令、選擇適當工具並從錯誤中恢復的模型。因此，GPT-5.5 很可能非常適合建構需要在有限人類干預下完成任務的自動化代理。此外，該模型較大的輸出空間（output headroom）有助於處理中間推理步驟較長的情境。不過，基準測試範圍有限；其他能力如創意寫作或常識推理，未必能由 τ²-Bench 直接衡量。
提供的資料僅包含單一基準測試分數（τ²-Bench），未說明在其他常見基準（如MMLU、HumanEval或GSM8K）上的表現。因此，此處未量化一般知識、數學推理與程式碼生成能力。模型的輸入上下文長度也未標示，故您可能需要根據具體使用情境進行測試。此外，模型可能處理圖片與檔案，但未提供延遲數據或錯誤率。使用者應針對自身任務評估GPT-5.5，以了解其實際限制。
提供的數據未包含GPT-5.5的延遲或速度數據。作為具備128k令牌輸出能力的大型模型，響應時間將取決於多個因素：輸入和輸出的長度、請求的複雜性，以及OrcaRouter當前的伺服器負載。對於簡短的提示和少量輸出，延遲可能合理；對於最大長度的輸出，時間可能顯著更長。要估算速度，您可以使用OrcaRouter的API以您的用例的典型負載對模型進行基準測試。現有資訊中未提及任何服務品質保證。
GPT-5.5 的定價細節未包含在所提供的資料中。在 OrcaRouter 上，費用通常根據輸入和輸出 token 的數量計算，並對文字、圖像和檔案處理有各自的費率。如需精確定價，請查閱 OrcaRouter 的定價頁面或聯絡其支援團隊。請注意，大量的輸出 token（最多 128k）可能會在長篇生成中累積顯著的成本，因此建議在 API 呼叫中設定適當的 `max_tokens` 參數以控制成本。
在沒有具體定價的情況下，一般性的取捨原則依然適用。輸出容量較大且支援多模態輸入的模型，每Token的成本通常高於較簡單的替代方案。對於不需要完整128k輸出或多模態輸入的任務，使用較小的模型可能更為經濟。此外，處理圖片和檔案會產生額外成本，通常根據圖片大小或數量計算。如果你的流程主要以文字為主，應考量檔案/圖片功能是否值得支付較高價格。快取或批次處理可以降低成本；可向OrcaRouter詢問是否有針對重複內容的折扣優惠。
提供的資訊未指定 GPT-5.5 在 OrcaRouter 上的任何快取機制。快取可以透過重複使用先前對相同或相似請求計算的結果來降低成本。某些 API 提供者會為常用提示自動提供快取。若要判斷是否提供快取，請查閱 OrcaRouter 的文件或聯繫其支援。若沒有快取，您可以自行在應用程式層級實作快取，以避免重複呼叫，特別是針對常見查詢或靜態輸入。
若要估算成本，你需要輸入和輸出的每個token費率，以及圖片或檔案的任何附加費用。由於費率未提供，你可以先用代表性負載進行幾次測試呼叫，並在OrcaRouter的使用儀表板中檢查計費金額。對於純文字呼叫，請將輸入token數和輸出token數分別乘以對應費率。對於多模態呼叫，請根據OrcaRouter的定價規則計算圖片和檔案大小。請記住，128k的最大輸出可能導致高token使用量；設定較低的`max_tokens`限制可以防止意外帳單。
您可以透過 OrcaRouter 的 OpenAI 相容 API 來呼叫 GPT-5.5。基礎網址為 https://api.orcarouter.ai/v1。在請求中使用模型 ID "openai/gpt-5.5"。只需更改基礎網址和 API 金鑰，即可使用任何標準的 OpenAI 用戶端程式庫（Python、JavaScript 等）。使用 Python 的 openai 程式庫範例：設定 `openai.api_base = "https://api.orcarouter.ai/v1"` 和 `openai.api_key = "your-key"`。然後呼叫 `openai.ChatCompletion.create(model="openai/gpt-5.5", messages=[...])`。
由於 OrcaRouter 提供了與 OpenAI 相容的端點，您可以運用 OpenAI Chat Completion API 中大多數標準參數，包括 `temperature`、`max_tokens`、`top_p`、`frequency_penalty`、`presence_penalty`、`stop` 以及 `n`。針對多模態輸入，您可以依照 OpenAI vision API 的格式（使用 `content` 並指定類型為 `image_url` 或 `file`），在 messages 陣列中包含圖片或檔案內容。`max_tokens` 參數可控制輸出長度，最高達 128,000。請注意，將 `max_tokens` 設定過高可能會增加延遲與成本。
遷移過程非常直接，因為 API 相容性良好。將 OpenAI 的基礎 URL 替換為 OrcaRouter 的（https://api.orcarouter.ai/v1），並更新您的 API 金鑰。將模型名稱從 `gpt-5.5`（或您在 OpenAI 上使用的任何名稱）改為 `openai/gpt-5.5`。大部分程式碼變更僅限於組態設定。如果您原本使用了 OrcaRouter 不支援的 OpenAI 特定功能（例如某些串流或函式呼叫變化），請測試以確保相容性。同樣的訊息格式（包括多模態內容）能正常運作。
串流功能經由 OrcaRouter 的 OpenAI 相容 API 提供支援。在請求中設定 `stream=True` 即可逐步接收 token。此舉能改善長輸出的感知延遲，並讓你能在文字到達時立即處理。對於大型輸出（最多 128k token），串流對於避免逾時至關重要。請注意，串流對成本計算的影響與非串流相同（你需為所有產生的 token 付費）。確保你的客戶端能處理串流回應，特別是對多模態輸入，模型處理影像時第一個事件可能會延遲。
與早期模型如GPT-4、GPT-4 Turbo或GPT-4o相比，GPT-5.5提供更大的最大輸出（128k，相較於舊版通常為4k-32k）以及多模態輸入能力（檔案、圖片、文字）。τ²-Bench分數93.9顯示代理效能有所提升。然而，確切的架構與訓練資料差異並未公開。舊版模型在處理簡單任務時可能更快或更便宜。對於不需要大輸出或多模態輸入的純文字任務，較小的模型可能更有效率。
在沒有相同任務的基準數據下，直接比較是有限的。許多競爭對手（例如 Anthropic Claude、Google Gemini）也支援多模態輸入並擁有大型上下文視窗。GPT-5.5 的 τ²-Bench 分數為 93.9，是代理效能的一項指標；其他模型可能具有相似或不同的分數。GPT-5.5 的 128k 最大輸出長度相對較高。在選擇供應商時，請考慮 OrcaRouter 上的定價、API 穩定性、特定模態支援（檔案格式），以及您的應用程式對延遲的需求。
開源模型（例如 Llama 3、Mistral）通常成本較低，並提供完全的部署控制權，但在多模態整合或代理效能方面可能不如某些商業模型。透過 OrcaRouter 存取的 GPT-5.5 是一個封閉的商業模型，採用 API 計價。其 128k 輸出容量及圖片/檔案輸入功能，是開源模型在沒有額外基礎設施的情況下可能無法比擬的。對於需要本地部署的敏感資料，開源方案可能更合適；若追求開箱即用的便利性與廣泛功能，則 OrcaRouter 上的 GPT-5.5 是一個強大的選擇。
相容 OpenAI——沿用你現有的 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| 階梯 | 輸入 / 1M tokens | 輸出 / 1M tokens | 快取讀取 / 1M |
|---|---|---|---|
| ≤ 272K | $5.00 | $30.00 | $0.500 |
| ≤ ∞ | $10.00 | $45.00 | $1.00 |
| 階梯依每次請求的輸入 token 數確定 | |||
基於標價的估算
階梯定價——此估算使用基礎級距費率。
僅為估算——實際 Token 數取決於供應商的分詞器。
@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