انتشار مدل GPT 5.5؛ هوشمندی برای کارهای واقعی با تمرکز بر امنیت سایبری

مدل GPT 5.5 سریع‌تر درک می‌کند که کاربر قصد انجام چه کاری را دارد و می‌تواند بخش بیشتری از کار را به‌تنهایی بر عهده بگیرد. این مدل در نوشتن و رفع باگ کدها، جستجوی آنلاین، تحلیل داده‌ها، ایجاد اسناد و صفحات گسترده، کار با نرم‌افزارها و جابه‌جایی میان ابزارهای مختلف تا زمان اتمام یک وظیفه، عملکردی قابل‌توجهی از خود در بنچمارک‌ها نشان داده است.

بنچمارک‌ها

به‌جای مدیریت دقیق و مرحله‌به‌مرحله، می‌توان یک وظیفه پیچیده و چندبخشی را به GPT 5.5 سپرد و این مدل قادر است برنامه‌ریزی کند، از ابزارها بهره ببرد، کار خود را بررسی کند، در شرایط ابهام مسیر درست را بیابد و به کار خود ادامه دهد.

این پیشرفت‌ها به‌ویژه در حوزه‌های کدنویسی عامل‌محور (Agentic Coding)، کار با رایانه، وظایف دانش‌محور و تحقیقات علمی اولیه بسیار چشمگیر است؛ یعنی حوزه‌هایی که پیشرفت در آن‌ها به استدلال در بستر مفاهیم (Context) و اقدام در طول زمان وابسته است.

مدل‌های بزرگ‌تر و توانمندتر معمولاً در پاسخ‌دهی کندتر هستند، اما GPT 5.5 این ارتقای سطح هوشمندی را بدون افت سرعت ارائه می‌دهد؛ به‌طوری که در مقایسه با GPT 5.4 در سرویس‌دهی کارهای واقعی با تأخیر بر واحد توکن با این مدل برابری می‌کند، درحالی‌که در سطح بسیار بالاتری از هوشمندی عمل می‌کند. این مدل همچنین برای انجام وظایف مشابه در Codex به توکن‌های بسیار کمتری نیاز دارد که آن را هم کارآمدتر و هم توانمندتر می‌سازد.

قابلیت‌های مدل

OpenAI در حال ساخت زیرساخت جهانی برای هوش مصنوعی عامل‌محور است تا افراد و کسب‌وکارها در سراسر جهان بتوانند کارهای خود را با استفاده از هوش مصنوعی انجام دهند. طی سال گذشته، شاهد بودیم که هوش مصنوعی سرعت پیشرفت در مهندسی نرم‌افزار را به شکل چشمگیری افزایش داده است. با ادغام GPT 5.5 در Codex و ChatGPT، تحول مشابهی در حوزه تحقیقات علمی و طیف وسیع‌تری از کارهایی که افراد با رایانه انجام می‌دهند، موردانتظار است.

در تمامی این حوزه‌ها، GPT 5.5 نه‌تنها هوشمندتر است، بلکه در نحوه حل مسائل نیز کارآمدتر عمل می‌کند و اغلب با توکن‌ها و تلاش‌های مجدد (Retries) کمتر، به خروجی‌های باکیفیت‌تری دست می‌یابد. بر اساس شاخص Artificial Analysis’s Coding Index، مدل GPT 5.5 هوشمندی پیشگامانه و در لبه فناوری را با نصف هزینه مدل‌های برنامه‌نویسی لبه‌ای و رقیب ارائه می‌دهد.

کدنویسی عامل‌محور

مدل GPT 5.5 قوی‌ترین مدل کدنویسی عامل‌محور OpenAI است که تا به امروز منتشر شده است.

• در بنچمارک Terminal-Bench 2.0 که جریان‌های کاری پیچیده در خط فرمان که نیازمند برنامه‌ریزی، تکرار و هماهنگی ابزارها هستند را آزمایش می‌کند، GPT 5.5 به دقت ۸۲.۷ درصد دست یافت.
• در بنچمارک SWE-Bench Pro که وضوح مسائل واقعی GitHub را ارزیابی می‌کند، این مدل به امتیاز ۵۸.۶ درصد رسید و وظایف بیشتری را به‌صورت سرتاسری (End-to-End) در یک مرحله نسبت به مدل‌های قبلی حل کرد.
• در بنچمارک داخلی OpenAI به نام Expert-SWE برای ارزیابی وظایف پیشرفته کدنویسی با میانه زمان تخمینی انجام آن توسط انسان در ۲۰ ساعت، GPT 5.5 عملکرد بسیار بهتری نسبت GPT 5.4 از خود نشان می‌دهد.

در هر سه ارزیابی، GPT 5.5 در عین استفاده از توکن‌های کمتر، نمرات بهتری از GPT 5.4 کسب کرده است.

نقاط قوت این مدل در کدنویسی، به‌ویژه در Codex که می‌تواند کارهای مهندسی از پیاده‌سازی و بازنویسی کد گرفته تا رفع باگ، تست و اعتبارسنجی را بر عهده بگیرد، به‌وضوح نمایان می‌شود. آزمایش‌های اولیه نشان می‌دهد که GPT 5.5 در رفتارهایی که کار مهندسی واقعی به آن‌ها وابسته است، عملکرد بهتری دارد؛ مانند حفظ زمینه (Context) در سیستم‌های بزرگ، استدلال پیرامون خطاهای مبهم، بررسی مفروضات با استفاده از ابزارها و اعمال تغییرات در سرتاسر پایگاه کد مرتبط.

فراتر از بنچمارک‌ها، آزمایش‌کنندگان اولیه این مدل اظهار داشتند که GPT 5.5 توانایی بسیار قوی‌تری در درک ساختار یک سیستم از خود نشان می‌دهد؛ اینکه چرا بخشی از سیستم با خطا مواجه می‌شود، اصلاحیه باید در کجا اعمال شود و چه بخش‌های دیگری از پایگاه کد تحت‌تأثیر قرار خواهند گرفت.

«دن شیپر» (Dan Shipper)، بنیان‌گذار و مدیرعامل Every، مدل GPT 5.5 را این‌گونه توصیف کرد: «این اولین مدل کدنویسی است که من استفاده کرده‌ام و دارای وضوح مفهومی جدی است.»

پس از راه‌اندازی یک برنامه، شیپر روزها صرف رفع باگ یک مشکل پس از انتشار کرد و در نهایت یکی از بهترین مهندسان خود را برای بازنویسی بخشی از سیستم وارد کار کرد. برای آزمایش GPT 5.5، او عملاً زمان را به عقب برگرداند.
آیا این مدل می‌توانست به وضعیت خراب سیستم نگاه کند و همان نوع بازنویسی را ارائه دهد که مهندس در نهایت به آن رسیده بود؟ GPT 5.4 نتوانست. اما GPT 5.5 موفق شد.

مهندسان ارشدی که این مدل را آزمایش کردند، اظهار داشتند که GPT 5.5 در استدلال و استقلال عمل به طور قابل‌توجهی قوی‌تر از GPT 5.4 و Claude Opus 4.7 است، مشکلات را از پیش تشخیص می‌دهد و نیازهای تست و بررسی را بدون درخواست صریح و پرامپت‌دهی جداگانه پیش‌بینی می‌کند. به گفته این کاربران GPT 5.5 به اصلاحات پیاده‌سازی کم‌تری نیاز دارد و در مقایسه با GPT 5.4، اطمینان بیشتری به برنامه‌ریزی‌های GPT 5.5 دارند.

«مدل GPT-5.5 به طور محسوسی هوشمندتر و پیگیرتر از GPT-5.4 است، عملکرد کدنویسی قوی‌تری دارد و در استفاده از ابزارها قابل‌اعتمادتر عمل می‌کند. این مدل برای مدت‌زمان بسیار طولانی‌تری بدون توقف زودهنگام روی وظیفه باقی می‌ماند که این موضوع برای کارهای پیچیده و طولانی‌مدتی که کاربران ما به Cursor محول می‌کنند، بیشترین اهمیت را دارد.»
«مایکل تروئل» (Michael Truell)، هم‌بنیان‌گذار و مدیرعامل Cursor

کار دانش‌محور

همان نقاط قوتی که GPT 5.5 را در کدنویسی عالی می‌سازد، آن را برای کارهای روزمره با کامپیوتر نیز قدرتمند می‌کند. ازآنجاکه این مدل درک بهتری از نیت کاربر دارد، می‌تواند به شکل طبیعی‌تری در چرخه کامل کار دانش‌محور حرکت کند؛ یعنی یافتن اطلاعات، درک آنچه اهمیت دارد، استفاده از ابزارها، بررسی خروجی و تبدیل مواد خام به یک چیز مفید.

در Codex، مدل GPT 5.5 در تولید اسناد، صفحات گسترده و ارائه‌های اسلایدی بهتر از GPT 5.4 عمل می‌کند. آزمایش‌کنندگان آلفا عنوان می‌کنند که این مدل در کارهایی مانند تحقیق در عملیات، مدل‌سازی صفحات گسترده و تبدیل ورودی‌های پراکنده و نامنظم سازمانی به برنامه‌های مدون، از مدل‌های قبلی پیشی گرفته است. زمانی که این قابلیت‌ها با مهارت‌های استفاده از کامپیوتر پلتفرم Codex ترکیب می‌شود، GPT 5.5 نشان می‌دهد که واقعاً می‌تواند همپای یک کاربر از کامپیوتر استفاده کند؛ کاربردها و استفاده‌هایی مانند دیدن آنچه روی صفحه است، کلیک‌کردن، تایپ‌کردن، ناوبری در رابط‌های کاربری و جابه‌جایی دقیق میان ابزارها.

بیش از ۸۵ درصد از اعضای OpenAI هر هفته در عملکردهای مختلف از جمله مهندسی نرم‌افزار، مالی، ارتباطات، بازاریابی، علم داده و مدیریت محصول از Codex استفاده می‌کنند.

قابلیت GPT 5.5 Thinking دریافت کمک سریع‌تر برای مشکلات سخت‌تر را آسان‌تر از قبل می‌کند و با پاسخ‌های هوشمندانه‌تر و مختصرتر کمک می‌کند تا کاربر کارهای پیچیده را با کارایی بیشتری پیش ببرد. این مدل در کارهای حرفه‌ای مانند کدنویسی، تحقیق، ترکیب و تحلیل اطلاعات و وظایف مبتنی بر اسناد سنگین، به‌ویژه هنگام استفاده از افزونه‌ها (Plugins)، بسیار عالی عمل می‌کند.

آزمایش‌کنندگان اولیه GPT 5.5 Pro شاهد پیشرفت قابل‌توجهی در میزان دشواری و کیفیت کارهایی هستند که ChatGPT می‌تواند بر عهده بگیرد، همراه با بهبود در تأخیر که آن را برای وظایف نیازمند پردازش بالا بسیار کاربردی‌تر می‌سازد. در مقایسه با GPT 5.4 Pro، آزمایش‌کنندگان دریافتند که پاسخ‌های GPT 5.5 Pro بسیار جامع‌تر، خوش‌ساختارتر، دقیق‌تر، مرتبط‌تر و مفیدتر است و به‌ویژه در حوزه‌های تجارت، حقوق، آموزش و علم داده عملکرد بسیار قدرتمندی دارد.

مدل GPT 5.5 عملکردی قابل‌توجه در بنچمارک‌های متعددی که بازتاب‌دهنده کارهای دانش‌محور هستند از خود نشان می‌دهند:

• در بنچمارک GDPval که توانایی‌های عامل‌ها در انجام کارهای دانشی مشخص در ۴۴ شغل را آزمایش می‌کند، GPT 5.5 امتیاز ۸۴.۹ درصد را کسب کرد.
• در بنچمارک OSWorld-Verified که می‌سنجد آیا یک مدل می‌تواند به‌تنهایی در محیط‌های واقعی رایانه کار کند یا خیر، به امتیاز ۷۸.۷ درصد دست یافت.
• در بنچمارک Tau2-bench Telecom که جریان‌های کاری پیچیده خدمات مشتری را آزمایش می‌کند، بدون تنظیم پرامپت به امتیاز ۹۸.۰ درصد دست یافت.
• امتیاز ۶۰.۰ درصد در بنچمارک FinanceAgent
• امتیاز ۸۸.۵ درصد در وظایف مدل‌سازی داخلی بانکداری سرمایه‌گذاری
• امتیاز ۵۴.۱ درصد در بنچمارک OfficeQA Pro

«مدل GPT-5.5 عملکرد پایدارِ موردنیاز برای کارهای اجرایی سنگین را ارائه می‌دهد. این مدل که روی سیستم‌های NVIDIA GB200 NVL72 ساخته شده و سرویس‌دهی می‌شود، به تیم‌های ما اجازه می‌دهد تا ویژگی‌ها را از صفر تا صد با استفاده از پرامپت‌های زبان طبیعی پیاده‌سازی کنند، زمان رفع باگ را از چند روز به چند ساعت کاهش دهند و هفته‌ها آزمایش در پایگاه‌های کد پیچیده را به پیشرفتی یک‌شبه تبدیل کنند. این چیزی فراتر از کدنویسی سریع‌تر است؛ این روش جدیدی از کارکردن است که به افراد کمک می‌کند با سرعتی اساساً متفاوت عمل کنند.»
جاستین بویتانو، معاون اجرایی هوش مصنوعی سازمانی NVIDIA

تحقیقات علمی

مدل GPT 5.5 همچنین در جریان‌های کاری تحقیقات علمی و فنی که نیازمند چیزی فراتر از پاسخ‌دادن به یک سؤال دشوار هستند، پیشرفت‌های چشمگیری نشان داده است. محققان باید ایده‌ای را کاوش کنند، شواهد را گردآوری کنند، مفروضات را آزمایش کنند، نتایج را تفسیر کنند و تصمیم بگیرند که در مرحله بعد چه چیزی را امتحان کنند. GPT 5.5 در حفظ پیوستگی و پایداری در این چرخه، عملکرد بهتری نسبت به سایر مدل‌ها دارد.

GPT 5.5 بهبود واضحی را نسبت به GPT 5.4 در بنچمارک GeneBench نشان می‌دهد. GeneBench یک بنچمارک ارزیابی جدید است که بر تحلیل چندمرحله‌ای داده‌های علمی در ژنتیک و زیست‌شناسی کمی تمرکز دارد. این مسائل نیازمند آن هستند که مدل‌ها در مورد داده‌های بالقوه مبهم یا دارای خطا با حداقل راهنمایی نظارتی استدلال کنند، به موانع واقع‌بینانه مانند عوامل مخدوش‌کننده پنهان یا خرابی‌های کنترل کیفیت بپردازند و روش‌های آماری مدرن را به‌درستی پیاده‌سازی و تفسیر کنند. باتوجه‌به این واقعیت که وظایف در این بخش اغلب معادل پروژه‌های چندروزه برای متخصصان علمی است، عملکرد مدل GPT 5.5 پیشرفت‌های قابل‌توجهی را نشان می‌دهد.

به طور مشابه در BixBench، بنچمارکی که پیرامون بیوانفورماتیک و تحلیل داده‌های دنیای واقعی طراحی شده است، GPT 5.5 به عملکردی پیشرو در میان مدل‌های رقیب در این بنچمارک دست یافته است. قابلیت‌های علمی این مدل اکنون به‌قدری قوی است که می‌تواند به‌عنوان یک دستیار پژوهشی، به فعالیت‌های پیشرو در مرزهای تحقیقات زیست‌پزشکی بپردازد.

در مثالی دیگر، یک نسخه داخلی از GPT 5.5 با یک ساختار سفارشی، به کشف یک اثبات جدید درباره اعداد رمزی (Ramsey numbers)، یکی از موضوعات اصلی در ترکیبیات کمک کرد. شاخه ترکیبیات در ریاضی نحوه قرارگیری و تناسب اشیا گسسته مانند گراف‌ها، شبکه‌ها، مجموعه‌ها و الگوها در کنار یکدیگر را مطالعه می‌کند. اعداد رمزی این پرسش را مطرح می‌کنند که یک شبکه چقدر باید بزرگ باشد تا ظهور نوعی نظم در آن تضمین شود. دست‌یابی به نتایج در این حوزه نادر و اغلب از نظر فنی دشوار هستند. GPT 5.5 اثباتی برای یک واقعیت مجانبی دیرینه درباره اعداد رمزی غیرقطری یافت که بعداً در Lean تأیید شد. این نتیجه، نمونه‌ای ملموس از مشارکت GPT 5.5 در امور پژوهشی است، نه‌فقط در ارائه کد یا توضیح؛ بلکه در ارائه یک استدلال ریاضیاتی مفید در یک حوزه تحقیقاتی پایه.

آزمایش‌کنندگان اولیه از GPT 5.5 Pro در ChatGPT کمتر شبیه به یک موتور پاسخ‌گویی یک‌باره و بیشتر به‌عنوان یک دستیار تحقیقاتی استفاده کردند؛ از جمله کارهایی مانند نقد و بررسی نسخه‌های خطی در چندین مرحله، تست پایداری استدلال‌های فنی، پیشنهاد تحلیل‌ها و کار با کدها، یادداشت‌ها و بافتار فایل‌های PDF. مورد مشترک در تمامی این موارد این است که GPT 5.5 در کمک به محققان برای حرکت از سؤال به آزمایش و در نهایت به خروجی، عملکرد بهتری ارائه می‌کند.

«دریا اونوتماز» (Derya Unutmaz)، استاد ایمونولوژی و محقق در آزمایشگاه پزشکی ژنومیک جکسون از GPT 5.5 Pro برای تحلیل یک مجموعه‌داده توضیح ژن با ۶۲ نمونه و نزدیک به ۲۸,۰۰۰ ژن استفاده کرد و گزارش تحقیقاتی مفصلی ارائه کرد که نه‌تنها یافته‌ها را خلاصه می‌کرد، بلکه سؤالات و بینش‌های کلیدی را نیز مطرح می‌کرد؛ کاری که به گفته وی، انجام آن ماه‌ها زمان تیمش را می‌گرفت.

«بارتوش ناسکرسکی» (Bartosz Naskręcki)، استادیار ریاضیات در دانشگاه Adam Mickiewicz لهستان، از GPT 5.5 در Codex برای ساخت یک برنامه هندسه جبری تنها فقط یا یک پرامپت و در ۱۱ دقیقه استفاده کرد که تقاطع سطوح درجه دوم را مصورسازی کرده و منحنی حاصل را به مدل وایرشتراس (Weierstrass model) تبدیل می‌کرد. او سپس این برنامه را با مصورسازی پایدارتر تکینگی و ضرایب دقیقی که می‌توانند در کارهای بعدی مجدداً استفاده شوند، توسعه داد. برای ناسکرسکی، تغییر بزرگ‌تر این است که Codex اکنون می‌تواند به پیاده‌سازی مصورسازی‌های ریاضیاتی سفارشی و جریان‌های کاری جبر رایانه‌ای کمک کند که پیش‌تر به ابزارهای اختصاصی نیاز داشتند. در مجموع، این مثال‌ها نشان می‌دهند که GPT 5.5 چگونه نیت متخصصان را به ابزارهای تحقیقاتی و تحلیل‌های کاربردی تبدیل می‌کند.

«استفاده از GPT-5.5 در سامانه‌های داخلی ما برای اینکه بتواند روی مجموعه‌داده‌های عظیم بیوشیمیایی استدلال کند تا نتایج دارویی انسانی را پیش‌بینی کند و سپس نتایجی با دقتی علمی قابل‌توجهی در سخت‌ترین ارزیابی‌های کشف دارو ارائه می‌دهد، فوق‌العاده انرژی‌بخش است.»
براندون وایت (Brandon White)، هم‌بنیان‌گذار و مدیرعامل Axiom Bio

کارایی استنتاج نسل بعدی

سرویس‌دهی GPT 5.5 با تأخیرِ مشابهِ GPT 5.4 نیازمند بازنگری کامل استنتاج (Inference) به‌عنوان یک سیستم یکپارچه بود، نه مجموعه‌ای از بهینه‌سازی‌های مجزا. GPT 5.5 برای سیستم‌های NVIDIA GB200 و GB300 NVL72 به طور مشترک طراحی، روی آن‌ها آموزش دیده و سرویس‌دهی می‌شود. Codex و GPT 5.5 در چگونگی دستیابی OpenAI به اهداف عملکردی نقش کلیدی داشتند. Codex کمک کرد تا تیم توسعه OpenAI سریع‌تر از مرحله ایده به پیاده‌سازی قابل‌سنجش حرکت کند، رویکردها را ترسیم کند، آزمایش‌ها را انجام دهد و در تشخیص اینکه کدام بهینه‌سازی‌ها ارزش سرمایه‌گذاری عمیق‌تر را دارند، کمک‌کننده باشد. GPT 5.5 نیز به یافتن و پیاده‌سازی بهبودهای کلیدی در خود ساختار و پشته نرم‌افزاری کمک کرد. به بیان ساده، مدل به بهبود زیرساختی که خودش روی آن سرویس‌دهی می‌شود، کمک کرد.

یکی از این بهبودها، توزیع بار (Load Balancing) و الگوریتم‌های ابتکاری (Heuristics) برای پارتیشن‌بندی است. پیش از GPT 5.5، درخواست‌ها روی یک شتاب‌دهنده را به تعداد ثابتی از بخش‌ها (Chunks) تقسیم می‌شد تا کار در میان هسته‌های محاسباتی متعادل و اطمینان حاصل شود که درخواست‌های بزرگ و کوچک می‌توانند روی یک GPU اجرا شوند. بااین‌حال، یک تعداد ازپیش‌تعیین‌شده از بخش‌های ثابت برای تمام الگوهای ترافیکی بهینه نیست. برای بهره‌برداری بهتر از پردازنده‌های گرافیکی، Codex الگوهای ترافیک تولیدیِ چندهفته‌ای را تحلیل کرد و الگوریتم‌های ابتکاری سفارشی را برای پارتیشن‌بندی و تعادل بهینه کار نوشت. این تلاش تأثیر بسیار چشمگیری داشت و سرعت تولید توکن را بیش از ۲۰ درصد افزایش داد.

پیشبرد امنیت سایبری برای ایمنی همه

OpenAI معتقد است آماده‌سازی جهان برای رویارویی با مدل‌هایی که در یافتن و ترمیم آسیب‌پذیری‌های امنیتی عملکرد قابل‌قبول و عالی داشته باشند، یک کار تیمی است و نیازمند آن است که کل اکوسیستم به‌سختی تلاش کند تا با دسترسی دموکراتیک به مدل‌ها و استقرار تکرارشونده، تاب‌آوری لازم برای نسل‌های بعدی امنیت سایبری را ایجاد کند.

مدل‌های پیشگام در حوزه امنیت سایبری روزبه‌روز در حال توانمندتر شدن هستند. این قابلیت‌ها به طور گسترده توزیع خواهند شد و OpenAI معتقد بهترین مسیر پیش رو این است که اطمینان حاصل کنیم می‌توان از آن‌ها برای تقویت امنیت سایبری و اکوسیستم آن استفاده کرد.

مدل GPT 5.5 گامی تدریجی اما مهم به‌سوی نوعی از هوش مصنوعی است که می‌تواند برخی از سخت‌ترین چالش‌های جهان مانند امنیت سایبری را حل کند.  OpenAIدر ماه دسامبر ۲۰۲۵ و با استفاده از GPT 5.2، تدابیر حفاظتی سایبریِ لازم را به طور پیشگیرانه مستقر کرد تا سوءاستفاده‌های سایبری بالقوه از مدل‌هایش را محدود کند و اکنون با GPT 5.5، در حال استقرار طبقه‌بندی‌کننده‌های سخت‌گیرانه‌تری برای خطرات سایبری بالقوه است که ممکن است در ابتدا برای برخی از کاربران آزاردهنده باشد، درحالی‌که خود در طول زمان آن‌ها را تنظیم می‌کند.

هم‌زمان با بهبود تدریجی مدل‌ها، OpenAI سال‌هاست که امنیت سایبری را به‌عنوان یک دسته‌بندی در «چارچوب آمادگی» (Preparedness Framework) خود شناسایی کرده، اقدامات کاهشی را به‌صورت تکرارشونده توسعه داده و کالیبره می‌کند تا بتواند مدل‌هایی با قابلیت‌های کاربردی امنیت سایبری با مسئولیت‌پذیری را منتشر کند.

• OpenAI در حال استقرار تدابیر حفاظتی پیشرو در صنعت برای این سطح از توانایی سایبری است. OpenAI اولین‌بار تدابیر حفاظتی مختص امنیت سایبری را سال گذشته با GPT 5.2 معرفی کرد و در استقرارهای بعدی به آزمایش، اصلاح و ارتقای آن‌ها ادامه داد. برای GPT 5.5، کنترل‌های سخت‌گیرانه‌تری را پیرامون فعالیت‌های با ریسک بالاتر و درخواست‌های حساس سایبری طراحی کرده و سازوکارهای حفاظتی گسترده‌تری را برای سوءاستفاده‌های مکرر افزوده است. این دسترسی گسترده اکنون از طریق سرمایه‌گذاری‌ها در ایمنی مدل، احراز هویت و نظارت بر استفاده‌های غیرمجاز امکان‌پذیر شده است. OpenAI در همکاری با کارشناسان برون‌سازمانی پایداری و استحکام این تدابیر حفاظتی را توسعه داده، آزمایش و بهینه‌سازی کرده است. اکنون با عرضه GPT 5.5، اطمینان حاصل می‌کند که توسعه‌دهندگان می‌توانند کدهای خود را به‌راحتی ایمن سازند، درحالی‌که کنترل‌های قوی‌تری را روی جریان‌های کاری امنیت سایبری که بیشترین احتمال ایجاد آسیب توسط بازیگران مخرب را دارند، اعمال می‌کند.
• OpenAI در حال گسترش دسترسی برای شتاب‌دهی به پیشرفت و توسعه به دفاع سایبری در هر سطحی است. OpenAI مدل‌های دارای مجوز سایبری خود را از طریق برنامه Trusted Access for Cyber، با شروع از Codex در دسترس قرار داده که شامل دسترسی گسترده‌تر به قابلیت‌های پیشرفته امنیت سایبری GPT 5.5 با محدودیت‌های کمتر برای کاربران تأییدشده‌ای است که در زمان راه‌اندازی با سیگنال‌های اعتماد (Trust Signals) خاصی مطابقت دارند.
• OpenAI در حال همکاری با شرکای دولتی برای کمک به محافظت از زیرساخت‌های حیاتی برای عموم است. OpenAI با همکاری شرکای دولتی هم در حال بررسی این موضوع است که چگونه هوش مصنوعی پیشرفته می‌تواند از اقدامات دفاعی مقامات مورداعتمادی که مسئولیت سیستم‌های جامعه و مردم‌محور را بر عهده دارند (از سیستم‌های دیجیتالی که داده‌های مهم مالیات‌دهندگان را ایمن می‌کنند تا شبکه‌های برق و منابع آب در جوامع محلی) پشتیبانی کند.

OpenAI قابلیت‌های بیولوژیکی/شیمیایی و امنیت سایبری GPT 5.5 را در چارچوب آمادگی خود در سطح بالا در نظر می‌گیرد؛ درحالی‌که GPT 5.5 به سطح توانمندی امنیت سایبری بحرانی (Critical) نرسیده است. ارزیابی‌ها و آزمایش‌های OpenAI نشان می‌دهد که قابلیت‌های امنیت سایبری GPT 5.5در مقایسه با GPT 5.4 یک گام جلوتر است.

دسترسی و قیمت‌گذاری

GPT 5.5 برای کاربران Plus, Pro, Business و Enterprise در ChatGPT و Codex و مدل GPT 5.5 Pro برای کاربران Pro, Business و Enterprise عرضه شده است و به‌زودی GPT 5.5 و GPT 5.5 Pro به API نیز اضافه خواهیم شد. در ChatGPT، قابلیت GPT 5.5 Thinking برای کاربران Plus, Pro, Business و Enterprise در دسترس است. مدل GPT 5.5 Pro که برای سؤالات سخت‌تر و کارهای با دقت بالاتر طراحی شده است، برای کاربران  Pro, Businessو Enterprise ارائه می‌شود.

در Codex، مدل GPT 5.5 با یک پنجره زمینه۴۰۰ هزار توکنی برای طرح‌های Plus، Pro، Business، Enterprise، Edu و Go در دسترس است. GPT 5.5 همچنین در حالت Fast Mode در دسترس است که توکن‌ها را با سرعت ۱.۵ برابر و با هزینه ۲.۵ برابر تولید می‌کند.

درحالی‌که GPT 5.5 قیمت بالاتری نسبت به GPT 5.4 دارد، اما هم هوشمندتر است و هم در مصرف توکن بسیار کارآمدتر عمل می‌کند. در Codex، تجربه کاربری را به فاین‌تیون شده تا GPT 5.5 برای بیشتر کاربران، نتایج بهتری را با توکن‌های کمتر نسبت به GPT 5.4 ارائه دهد.

سایر بنچمارک‌ها و ارزیابی‌ها