openai
OpenAI: GPT-5.5 (batch)
openai/gpt-5.5:batch
Nuestro análisis
Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.
OpenAI: GPT-5.5 (batch), catalogado por OpenRouter con el ID openai/gpt-5.5:batch, es la variante de procesamiento por lotes del modelo GPT-5.5 de OpenAI (ID canónico openai/gpt-5.5-20260423). Según la ficha de OpenRouter, acepta entradas de texto, imagen y archivos y produce salida de texto, con una ventana de contexto reportada de unos 1,05 millones de tokens y un corte de conocimiento del 1 de diciembre de 2025. El catálogo indica esfuerzo de razonamiento configurable de none a xhigh, activado por defecto en medium, además de compatibilidad con herramientas, salidas estructuradas, seed y controles de verbosidad. En este paquete de fuentes no había una ficha de modelo independiente.[1]
Puntos fuertes
- Entre las capacidades reportadas por la fuente se incluyen entrada multimodal (texto, imágenes, archivos), una ventana de contexto superior al millón de tokens y esfuerzo de razonamiento ajustable en cinco niveles.[1]
- El catálogo enumera parámetros de herramientas, salidas estructuradas, seed y formato de respuesta, lo que favorece integraciones programáticas orientadas a lotes.[1]
- Los datos de benchmarks de terceros que aparecen en la ficha cubren codificación agéntica, generación de diapositivas y arenas de diseño, aportando señales medidas más allá de las afirmaciones del proveedor.[1]
Limitaciones
- La evidencia es solo de catálogo: no se aportaron ficha independiente de OpenAI, documentación de seguridad ni condiciones de servicio específicas de batch, por lo que la latencia, el rendimiento y el comportamiento de la ventana de finalización siguen sin verificar.[1]
- Las cifras de benchmarks de la ficha varían mucho según la categoría de arena, y el índice agéntico reportado es modesto frente al índice de codificación; sigue siendo necesaria una validación con cargas de trabajo reales antes de confiar en esta variante.[1]
Dónde utilizarlo
- Trabajos por lotes fuera de línea a gran escala, como resumen de documentos, clasificación o extracción de datos, que aprovechen la ventana de contexto amplia y toleren el procesamiento asíncrono.[1]
- Canalizaciones de generación masiva que requieran salidas estructuradas o llamadas a herramientas con profundidad de razonamiento configurable.[1]
Fuentes
- [1] OpenRouter catalog · OpenAI: GPT-5.5 (batch)Fuentes consultadas: 13 nov 2026
Sobre este modelo
La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.
GPT-5.5 is OpenAI’s frontier model designed for complex professional workloads, building on GPT-5.4 with stronger reasoning, higher reliability, and improved token efficiency on hard tasks. It features a 1M+ token...
Especificaciones
- ID del modelo
- openai/gpt-5.5:batch
- ID canónico
- openai/gpt-5.5-20260423
- Creador
- openai
- Añadido a OpenRouter
- 24.04.2026
- Longitud de contexto
- 1,050,000
- Modalidad
- text+image+file->text
- Modalidades de entrada
- file, image, text
- Modalidades de salida
- text
- Precio por token
- USD por 1M de tokens: entrada $2.5 / salida $15
- Corte de conocimiento
- 01.12.2025
- Fecha de expiración
- —
Tareas y capacidades
Una nota aparece solo cuando la fuente aporta una medición correspondiente para esa tarea, el modelo está activo y la cohorte tiene al menos 10 modelos comparables. La columna de capacidad muestra hechos declarados por la fuente — formatos compatibles, razonamiento y parámetros de herramientas — que no son calidad medida.
| Tarea | Nota | Capacidad declarada por la fuente |
|---|---|---|
| Calidad general | Sin medición | razonamiento: opcional · predeterminado medium · esfuerzos: xhigh, high, medium, low, none · parámetros: include_reasoning, reasoning, reasoning_effort |
| Programación | SS — 10% superior de la cohorte | — |
| Agentes | AA — siguiente 20% de la cohorte | parámetros: structured_outputs, tool_choice, tools |
| Escritura | Sin medición | salida: text |
| Razonamiento | Sin medición | razonamiento: opcional · predeterminado medium · esfuerzos: xhigh, high, medium, low, none · parámetros: include_reasoning, reasoning, reasoning_effort |
| Análisis de documentos | Sin medición | entrada: file |
| Visión | Sin medición | entrada: image |
| Generación de imágenes | Sin medición | — |
| Audio | Sin medición | — |
| Vídeo | Sin medición | — |
| Embeddings | Sin medición | — |
Evaluaciones
| Fuente | Benchmark | Valor | Nota | Datos obtenidos |
|---|---|---|---|---|
| Artificial Analysis | Coding index | 74.9 | SS — 10% superior de la cohorte | 13.11.2026 |
| Artificial Analysis | Agentic index | 36.4 | AA — siguiente 20% de la cohorte | 13.11.2026 |
| Design Arena | agents · agenticgamedevtasa de victoria 52.3% · posición 14 | 1,127Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | agents · agentichtmlslidestasa de victoria 34.2% · posición 8 | 1,084Elo | —Sin nota | 13.11.2026 |
| Design Arena | agents · agenticslidestasa de victoria 43.5% · posición 6 | 1,150Elo | —Sin nota | 13.11.2026 |
| Design Arena | agents · agenticslides(html)tasa de victoria 33.2% · posición 8 | 1,077Elo | —Sin nota | 13.11.2026 |
| Design Arena | agents · agenticslides(python-pptx)tasa de victoria 45.2% · posición 6 | 1,155Elo | —Sin nota | 13.11.2026 |
| Design Arena | agents · androidnativetasa de victoria 50.8% · posición 26 | 1,153Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | agents · fullstacktasa de victoria 43% · posición 33 | 1,067Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | agents · godotgamedevtasa de victoria 52.3% · posición 18 | 1,155Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | agents · htmlslidestasa de victoria 35.6% · posición 24 | 963Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | agents · mobileappstasa de victoria 50.4% · posición 34 | 1,136Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | agents · pptxslidestasa de victoria 45.3% · posición 6 | 1,157Elo | —Sin nota | 13.11.2026 |
| Design Arena | agents · python-pptxslidestasa de victoria 43.3% · posición 20 | 1,152Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | agents · webappstasa de victoria 42.6% · posición 38 | 1,099Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | models · 3dtasa de victoria 48.9% · posición 58 | 1,178Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · asciiarttasa de victoria 57.4% · posición 19 | 1,247Elo | AA — siguiente 20% de la cohorte | 13.11.2026 |
| Design Arena | models · codecategoriestasa de victoria 52.9% · posición 43 | 1,250Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · dataviztasa de victoria 55.4% · posición 30 | 1,260Elo | AA — siguiente 20% de la cohorte | 13.11.2026 |
| Design Arena | models · gamedevtasa de victoria 56.3% · posición 22 | 1,283Elo | AA — siguiente 20% de la cohorte | 13.11.2026 |
| Design Arena | models · svgtasa de victoria 54.9% · posición 20 | 1,227Elo | AA — siguiente 20% de la cohorte | 13.11.2026 |
| Design Arena | models · uicomponenttasa de victoria 53.2% · posición 43 | 1,250Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · websitetasa de victoria 52.2% · posición 44 | 1,249Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
Cómo funcionan las notas
Cada nota compara un modelo solo con otros modelos evaluados por la misma fuente y métrica en la instantánea actual. S es el 10% superior, A el siguiente 20%, B el siguiente 30% y C el resto. Los modelos sin medición publicada aparecen como no evaluados: un formato compatible nunca implica calidad medida.
- S — S — 10% superior de la cohorte
- A — A — siguiente 20% de la cohorte
- B — B — siguiente 30% de la cohorte
- C — C — por debajo de la franja B
Proveedores
Estadísticas opcionales de proveedores en vivo desde OpenRouter. Los valores ausentes son desconocidos, no cero.
| Proveedor | Longitud de contexto | Precio entrada /1M | Precio salida /1M | Latencia p50 (30m, s) | Rendimiento p50 (30m, tok/s) | Disponibilidad (30m) |
|---|---|---|---|---|---|---|
| OpenAI | 1,050,000 | $2.5 | $15 | — | — | — |
Datos de proveedores obtenidos: 13.11.2026
Artículos relacionados
Ningún artículo publicado identifica aún este modelo.