ChatGPT recibe GPT-5.5: OpenAI destaca mayor precisión en tareas reales y programación frente a Claude Opus 4.7

OpenAI ha lanzado GPT-5.5, su nuevo modelo de inteligencia artificial para ChatGPT y Codex, con mejoras significativas en tareas largas, programación, trabajo con documentos, investigación, análisis de datos y uso de herramientas. Este avance representa una respuesta directa a Anthropic y su modelo Opus 4.7, generando expectativas sobre una competencia cada vez más intensa en el sector.

La compañía asegura que GPT-5.5 supera a su versión anterior, GPT-5.4, posicionándose como una opción más eficiente para usuarios que requieren soluciones avanzadas en entornos profesionales y técnicos.

OpenAI ha respondido a Anthropic y su Opus 4.7 presentado GPT-5.5 como su nuevo modelo de IA para ChatGPT y Codex, con foco en tareas largas, programación, trabajo con documentos, investigación, análisis de datos y uso de herramientas. La revancha va a traer cola, puesto que la compañía lo coloca por encima de GPT-5.4 en varios benchmarks clave, y lógicamente por encima de su rival directo en el mercado, no solo por puntuación, también por eficiencia, ya que afirma que completa las mismas tareas de Codex usando menos tokens.

Parece bastante surrealista que, viendo el salto de Opus 4.7 frente a GPT-5.4, OpenAI haya podido en tiempo récord responder de una forma tan contundente. Lo cierto es que, según todos los benchmarks que han presentado, el salto es más que impresionante dada la corta vida de su versión anterior.

OpenAI saca músculo frente a Anthropic y lanza GPT-5.5, la IA más potente del planeta

Vamos a entrar directos a por los datos, a por los benchmark, porque hay mucho de lo que hablar si tenemos en cuenta la revolución que puso sobre la mesa Anthropic y que ahora queda relegada a un segundo puesto, al menos, sobre el papel.

El dato más llamativo está en Terminal-Bench 2.0. Como sabemos, este benchmark mide flujos complejos en línea de comandos, donde el modelo tiene que planificar, probar, corregir y coordinar herramientas. GPT-5.5 logra un 82,7%, frente al 75,1% de GPT-5.4, lo cual nos deja 7,6 puntos más. Para el usuario común, esto importa porque muchas tareas técnicas no son solo “escribe código”, sino instalar, ejecutar, comprobar errores y arreglar lo que falla.

En SWE-Bench Pro, que evalúa la resolución de incidencias reales de GitHub, GPT-5.5 alcanza un 58,6%. Aquí hablamos de problemas de código más cercanos al mundo real, es decir, errores, repositorios existentes, cambios que tienen que encajar y soluciones que deben funcionar de punta a punta. No es un test de teoría, sino de trabajo real que podemos hacer en el día a día, sea de manera profesional o por hobbie.

Otro salto importante aparece en Expert-SWE, una prueba interna de OpenAI para tareas largas de programación con una duración humana mediana estimada de 20 horas. GPT-5.5 marca un 73,1%, frente al 68,5% de GPT-5.4. Son unos impresionantes 4,6 puntos más en trabajos donde mantener el contexto durante mucho tiempo pesa más que contestar rápido. Si te ha pasado que tienes un proyecto o hilo enorme de trabajo, esto te ayudará.

Más conocimiento, mejor navegación y búsqueda de la información correcta

Fuera del código, GPT-5.5 también mejora en GDPval, con un 84,9% frente al 83,0% de GPT-5.4. Como sabemos, este benchmark mide tareas de trabajo de conocimiento en 44 ocupaciones. En palabras simples: informes, análisis, documentos, tareas de oficina y entregables profesionales bien definidos. Para un usuario normal como podemos ser cualquiera de nosotros, esto se traduce en mejores respuestas cuando hay que ordenar información, preparar textos o convertir material caótico en algo útil.

En OSWorld-Verified, que mide si un modelo puede manejar entornos reales de ordenador, GPT-5.5 sube al 78,7%, frente al 75,0% anterior. También llega al 84,4% en BrowseComp, una prueba que está centrada en navegación y búsqueda de información, y al 98,0% en Tau2-bench Telecom, que evalúa flujos complejos de atención al cliente sin ajuste específico de prompts.

En ciencia y matemáticas también hay mejoras. FrontierMath Tier 4 pasa del 27,1% al 35,4%, una subida de 8,3 puntos en problemas matemáticos difíciles, lo cual es un dato impresionante dada la salida de 5.4 y ahora 5.5. En CyberGym, centrado en ciberseguridad, GPT-5.5 marca un 81,8%, frente al 79,0% de GPT-5.4. OpenAI también menciona un 60,0% en FinanceAgent, un 88,5% en tareas internas de modelado financiero de banca de inversión y un 54,1% en OfficeQA Pro.

Para nosotros como usuarios de ChatGPT, y según ha comentado OpenAi, la parte práctica está en que GPT-5.5 Thinking queda disponible para Plus, Pro, Business y Enterprise, mientras que GPT-5.5 Pro se reserva para Pro, Business y Enterprise. Eso sí, la API llegará después, según OpenAI, así que quienes la necesiten tendrán que esperar un poco más.