OpenAI का GPT-5.5: बेंचमार्क, सुरक्षा वर्गीकरण, और उपलब्धता

टोकन-दक्षता: फिबोनाची–बाइनरी लॉजिक चेन

GPT-5.5 का दावा है कि वह कम टोकन और कम तर्क-चरणों में उत्तर तक पहुँचता है। इसे परखने के लिए, हम इसे पाँच-चरणीय पाइपलाइन का पालन करने को कहेंगे:

• एक फिबोनाची पद निकालें
• उसे बाइनरी में बदलें
• बिट्स गिनें
• एक रेंज में अभाज्य संख्याएँ बनाएँ
• उनका योग करें

GPT-5.4 चरण 1 से 4 तक सही पहुँचा, लेकिन अंतिम समेशन में चूक गया, जब तक कि चरण को दो भागों में न बाँटा जाए। क्योंकि GPT-5.5 कम टोकन के साथ मजबूत तर्क का दावा करता है, यह एक स्वाभाविक परीक्षण है: क्या वह अब एक ही बार में पूरी चेन संभाल सकता है?

यह हमारा प्रॉम्प्ट है:

Step 1: Find the 13th number in the Fibonacci sequence (starting with F1=1, F2=1). Let this be X.
Step 2: Convert X into a binary string (Base 2).
Step 3: Count the number of '1's in that binary string. Let this count be C.
Step 4: Identify all prime numbers (p) such that 20 ≤ p ≤ (C × 100).
Step 5: Calculate the sum of these primes. What is the final result?

इस मूल प्रॉम्प्ट के साथ, परिणाम GPT-5.4 जैसा ही रहा: चरण 1 से 4 तक बिना समस्या के हुए, लेकिन अभाज्य संख्याओं के योग का कार्य संभालना मुश्किल रहा, और योग गलत निकला। GPT-5.5 ने 21,417 दिया, जबकि सही परिणाम 21,459 होना चाहिए था।

हालाँकि, दक्षता के लिहाज़ से, सुधार दिखता है। आउटपुट अपने पूर्ववर्ती की तुलना में काफी संक्षिप्त है। परिणाम बहुत तेज़ी से भी आया।

पिछले परीक्षण की तरह ही, हमने पाँचवे चरण को एक अलग चैट में दो अलग चरणों में बाँटा: पहले बाधाओं के अनुरूप अभाज्य संख्याएँ सूचीबद्ध करना, और फिर उनका योग करना।

परिणाम बहुत दिलचस्प था, पर दुर्भाग्य से अच्छे अर्थ में नहीं। जहाँ GPT-5.4 ने चरण-विभाजन के बाद सही संख्या दी, वहीं GPT-5.5 का आउटपुट फिर से गलत संख्या लिए था।

और भी, अतिरिक्त संकेतों के बाद भी यह सही नहीं हुआ। मॉडल बार-बार गलत संख्याएँ और उलझाऊ व्याख्याएँ देता रहा, और केवल तब सहमत हुआ जब हमने उसे सही परिणाम बताया।

जब मैंने मूल कार्य 5 को बाँटकर दिए गए प्रॉम्प्ट के साथ (जो GPT-5.4 पर तुरंत काम कर गया था!) फिर कोशिश की, तो इसने बिलकुल अलग संख्या दे दी। लगता है कि उन संख्याओं का साधारण सा जोड़, जिन्हें यह पहले ही पहचान चुका है, मॉडल के लिए पूरी तरह अनुमान का खेल है।

संभव है कि अधिक दक्ष आउटपुट, जो तर्कसंगत रूप से मिला, मॉडल की तर्क-क्षमता की कीमत पर आया हो।

निर्देशों का पालन

हमारे Claude Opus 4.7 वाले लेख में, हमने 12 जाँचने योग्य बाधाओं (सटीक पैराग्राफ संख्या, शब्द-संख्या रेंज, ब्रिटिश वर्तनी, विशिष्ट उद्धरण नियम, आदि) के साथ विस्तृत ब्रीफिंग-डॉक्यूमेंट प्रॉम्प्ट उपयोग किया था। Claude Opus 4.7 और Sonnet 4.6 दोनों ने 11/12 स्कोर किए, हालाँकि Sonnet की चूक अधिक गंभीर थी। हमने वही टेस्ट GPT-5.5 पर चलाया।

हमारा प्रॉम्प्ट:

You are writing a short briefing document for a new employee at a mid-sized accounting firm. Follow every instruction below.
Write a briefing about the firm's approach to client onboarding. The briefing must meet all of the following requirements:

-The briefing must be exactly 4 paragraphs long.
-The second paragraph must begin with the word "Historically".
-Each paragraph must contain between 3 and 5 sentences. No paragraph may have fewer than 3 or more than 5.
-Do not use the words "streamline", "leverage", "robust", or "synergy" anywhere in the document.
-Include exactly two direct quotes from fictional senior partners. Attribute each quote to a named partner. Do not include any other quoted material.
-One of the partners quoted must have a surname that starts with the letter M.
-End the document with a single-sentence closing line on its own, separated from the fourth paragraph by a blank line. This closing line does not count toward the 4-paragraph requirement.
-The closing line must be a question.
-Use British English spelling throughout (e.g., "organisation", "colour", "realise").
-Do not use any bullet points, numbered lists, or headings.
-Mention a specific fictional client name exactly once, and italicise it using markdown asterisks.
-The total word count of the briefing, including the closing line, must be between 280 and 320 words. Do not include any preamble, explanation, or commentary before or after the briefing. Output only the briefing itself.

यह आउटपुट है:

Client onboarding at our firm is designed to establish confidence, clarity, and accountability from the first contact. New clients are guided through identity checks, engagement scoping, fee discussions, and information gathering before any substantive work begins. The aim is to understand the organisation, its risks, its reporting obligations, and the people who will approve decisions.
Historically, onboarding was handled differently by each service line, which created gaps in communication and uneven client experiences. We now use a common intake process, supported by professional judgement rather than rigid box-ticking. As senior partner Eleanor Marsh says, "Good onboarding is not administration; it is the first audit of the relationship." Her point is that early discipline prevents confusion later.
Your role as a new employee is to notice detail, ask sensible questions, and record information accurately. For example, if Harbour Vale Properties Ltd provides incomplete ownership details, you should flag the issue rather than assume it can be corrected later. The onboarding file should show who the client is, what work we have agreed to perform, which risks require attention, and whether any independence concerns exist. Clear notes matter because colleagues may rely on them months later.
Senior partner David Kline often reminds teams, "A client should feel welcomed, but never waved through." That balance is central to our approach: we want clients to experience a professional welcome while still meeting legal, ethical, and quality requirements. Once onboarding is complete, the engagement team should know the agreed scope, the communication rhythm, and the next practical steps. If anything feels unclear, raise it early with your manager rather than quietly carrying uncertainty into the work.
Are you ready to help make every new client relationship start properly?

संक्षेप में: GPT-5.5 ने टेस्ट पास किया और हर बाधा को साधा (12/12)।

GPT-5.5 की उपलब्धता

GPT-5.5 आज से सभी सामान्य स्थानों पर रोलआउट हो रहा है। Plus, Pro, Business, और Enterprise उपयोगकर्ताओं को ChatGPT और Codex दोनों में GPT-5.5 मिलेगा, और Pro, Business, तथा Enterprise उपयोगकर्ताओं को ChatGPT में GPT-5.5 Pro भी मिलेगा।

OpenAI कहता है कि GPT-5.5 और GPT-5.5 Pro बहुत जल्द Responses और Chat Completions API के ज़रिये 1M-टोकन कॉन्टेक्स्ट विंडो के साथ आ रहे हैं। पिछली रिलीज़ों में, OpenAI ने API की पहुँच एक ही समय पर दी थी। 

GPT-5.5 की सुरक्षा और साइबर एक्सेस

OpenAI ने अपने Preparedness Framework के तहत GPT-5.5 को जैविक/रासायनिक और साइबरसुरक्षा क्षमताओं पर High वर्गीकृत किया है। यही API में देरी का कारण है। OpenAI कहता है कि API स्केल पर High-वर्गीकृत मॉडल परोसने के लिए अतिरिक्त सेफ़गार्ड चाहिए, जिन पर वह काम कर रहा है।

उपयोगकर्ताओं के लिए दो व्यावहारिक नतीजे:

• पहला, सामान्य उपयोगकर्ताओं को साइबर-सम्बद्ध अनुरोधों पर अधिक कड़े क्लासिफायर मिलेंगे। OpenAI स्वीकार करता है कि इनमें से कुछ अस्वीकृतियाँ "कष्टप्रद" हो सकती हैं।
• दूसरा, OpenAI ने Trusted Access for Cyber पेश किया है, जिसमें सत्यापित डिफेंडर chatgpt.com/cyber पर आवेदन कर सकते हैं ताकि वैध सुरक्षा कार्य पर कम पाबंदियाँ रहें। 

पहली बार OpenAI ने यह औपचारिक रूप से किया है कि साइबरसुरक्षा एक्सेस पूछने वाले के आधार पर स्तरीकृत होगा। हाल में साइबरसुरक्षा खबरों में काफी रही है। हमने अपने Claude Opus 4.7 वाले लेख में साइबरसुरक्षा मुद्दों पर लिखा था, जो Anthropic के केवल-आंतरिक Mythos Preview का स्केल-डाउन सिब्लिंग है, जिसके बारे में चिंता थी कि वह ज़ीरो-डे भेद्यताओं का दुरुपयोग कर सकता है, आदि।

GPT-5.5 का मूल्य-निर्धारण

मैंने पहले कहा था कि दक्षता में बढ़त हुई है। हमें यह भी कहना होगा कि प्रति टोकन कीमत बढ़ गई है। 

• GPT-5.5 (API, उपलब्ध होने पर): API में GPT-5.5 की कीमत 1M इनपुट टोकन पर $5 और 1M आउटपुट टोकन पर $30 होगी।
• GPT-5.5 Pro (API, उपलब्ध होने पर): API में GPT-5.5 Pro की कीमत 1M इनपुट टोकन पर $30 और 1M आउटपुट टोकन पर $180 होगी।

GPT-5.5, Claude Opus 4.7 की तुलना में कैसा है?

हमने GPT-5.5 को उन्हीं प्रॉम्प्ट्स पर परखा जिनका उपयोग हमने Claude Opus 4.7 पर अपने लेख में किए थे, ताकि हम उन टेस्ट परिणामों को बेंचमार्क स्कोर के साथ रखकर सीधे तुलना कर सकें।

मूल निष्कर्ष: GPT-5.5 ने वह लंबे-कॉन्टेक्स्ट की खाई पाट दी जो GPT-5.4 को दस्तावेज़-भारी काम के लिए कमजोर विकल्प बनाती थी, लेकिन इसकी दक्षता बढ़त शायद अंकगणित की विश्वसनीयता की कीमत पर आई है। कड़े निर्देशों के पालन में GPT-5.5 थोड़ा आगे निकलता है और अब आउटपुट टोकन पर Opus 4.7 से महँगा है।

SWE-bench Pro पर Opus 4.7 अब भी आगे है (64.3% बनाम 58.6%), लेकिन Terminal-Bench 2.0 पर GPT-5.5 निर्णायक रूप से आगे निकल गया है (82.7% बनाम 69.4%), इसलिए कोडिंग तस्वीर अब वातावरण के हिसाब से बँटती है: रिपॉज़िटरी-स्तरीय इंजीनियरिंग के लिए Opus 4.7, और टर्मिनल-भारी वर्कफ़्लो के लिए GPT-5.5।

इंटरनेट GPT-5.5 के बारे में क्या कह रहा है

OpenAI के नए मॉडल को आम तौर पर सकारात्मक प्रतिक्रिया मिली है। उपयोगकर्ताओं को खासकर इसकी गति और उपयोगी परिणामों की संक्षिप्तता पसंद आई है।

अन्य उपयोगकर्ता नोट करते हैं कि यद्यपि यह GPT-5.4 से एक कदम आगे हो सकता है, लेकिन बड़ी मूल्य-वृद्धि को जायज़ ठहराने के लिए यह पर्याप्त नहीं हो सकता।

निष्कर्ष

GPT-5.5 एक क्रमिक क्षमता अपडेट है, जिसके साथ एक गैर-क्रमिक नीति अपडेट जोड़ा गया है। मॉडल तेज़ है, प्रति कार्य सस्ता पड़ता है, और लंबे कॉन्टेक्स्ट वाले कार्यों में अर्थपूर्ण रूप से बेहतर है। बेंचमार्क परिणामों में हम ये दावे साफ़ देखते हैं।

हमारे अपने टेस्ट अधिक सूक्ष्म तस्वीर दिखाते हैं। लंबे-कॉन्टेक्स्ट में सुधार वास्तविक हैं, और GPT-5.5 ने निर्देश-पालन वाले हमारे टेस्ट में सभी 12 बाधाएँ साध लीं (वही प्रॉम्प्ट जिसमें Claude Opus 4.7 और Sonnet 4.6 ने 11/12 स्कोर किया), लेकिन दक्षता की बढ़त की कीमत चुकानी पड़ी: GPT-5.5 बार-बार उस समेशन कार्य में असफल रहा जिसे GPT-5.4 ने साधारण प्रॉम्प्ट-विभाजन के बाद संभाल लिया था। यह आउटपुट संक्षिप्तता और तर्क प्रदर्शन के बीच एक ट्रेड-ऑफ का संकेत देता है।

यह रिलीज़ पहली बार है जब OpenAI ने पूछने वाले के आधार पर साइबरसुरक्षा एक्सेस को औपचारिक रूप से स्तरीकृत किया है, जो पूरे उद्योग के लिए दिलचस्प विकास है।

यदि आप ChatGPT या Codex में हैं, तो आपके पास आज ही नए मॉडल की पहुँच है। यदि आप API उपयोगकर्ता हैं, तो आपको इंतज़ार करना पड़ रहा है, जो, जैसा हमने कहा, OpenAI आमतौर पर नहीं करता, लेकिन शायद जल्द ही आ रहा है।