GPT-5.5
GPT-5.5 er OpenAIs nyeste frontiermodel, lanceret den 23. april 2026 under kodenavnet "Spud". Det er den første fuldstændig gentrænede basismodel siden GPT-4.5. Alle tidligere versioner fra GPT-5.1 til GPT-5.4 var iterationer på de samme basisvægte. GPT-5.5 er bygget fra bunden med ny arkitektur, nyt træningskorpus og nye træningsmål, der belønner færdiggørelse af flertrinsopgaver frem for enkeltsvar.
Konkret betyder det, at GPT-5.5 kan tage en kompleks opgave som "restrukturér vores CI/CD-pipeline, kør tests og fix fejl" og udfylde den autonomt over flere trin. Modellen håndterer tekst, billeder, lyd og video i en enkelt samlet arkitektur, og den er co-designet med NVIDIAs GB200-infrastruktur til at køre på 100.000 GPU-klynger. I API'en koster den $5 per million input-tokens og $30 per million output-tokens med et kontekstvindue på 1 million tokens.
For danske virksomheder er GPT-5.5 relevant af to grunde. For det første er den den stærkeste model til agentisk kodning og computerstyring, med 82,7% på Terminal-Bench og 78,7% på OSWorld. For det andet kræver dens klassificering som general-purpose AI-model under EU AI Act specifik compliance-overvågning, særligt når den bruges i højrisiko-kontekster som HR, kreditvurdering eller sundhed.
Sådan virker GPT-5.5 teknisk
1. Fuldstændig gentræning fra bunden. Hvor GPT-5.1 til GPT-5.4 alle var post-training-iterationer på GPT-4.5s basisvægte, er GPT-5.5 et rent nyt prætræningsrun. Nyt data, ny arkitektur, nye træningsmål. OpenAI har ikke offentliggjort parameterantal, men modellen er trænet på en klynge af 100.000 NVIDIA GB200-GPU'er, og prætræningen blev færdig den 24. marts 2026. Det er en størrelsesorden over, hvad de fleste konkurrenter har til rådighed.
2. Nativt omnimodal design. GPT-5.5 behandler tekst, billeder, lyd og video i en samlet arkitektur. Det adskiller sig fra tidligere tilgange, hvor separate encoder/decoder-pipelines håndterede forskellige modaliteter. Fordelen er lavere latens, fordi der ikke er handoffs mellem modeller. Du kan give den et regneark, et screenshot og en lydfil i samme forespørgsel, og den behandler dem som en samlet kontekst.
3. Agentorienteret træningsmål. Den største arkitektoniske nyhed er, at GPT-5.5s træningsmål belønner færdiggørelse af flertrinsopgaver, ikke blot kvaliteten af enkeltsvar. Det betyder, at modellen er trænet til at planlægge en sekvens af handlinger, bruge værktøjer, evaluere mellemresultater og justere sin tilgang. Det er Agentic AI bagt ind i selve modellens vægte, ikke boltet på efterfølgende.
4. Kontekstvindue på 1 million tokens. API'en understøtter et kontekstvindue på 1 million tokens (400.000 i Codex). Det svarer til ca. 700.000 ord eller 1.400 siders tekst i en enkelt session. For udviklere betyder det, at modellen kan holde en hel kodebase i kontekst og forstå systemarkitektur og afhængigheder på tværs af filer.
5. Co-design med NVIDIA GB200 NVL72. OpenAI og NVIDIA har co-designet GPT-5.5 specifikt til GB200 NVL72 rack-scale-systemer. OpenAI har forpligtet sig til at deploye mere end 10 gigawatt NVIDIA-compute i de næste cykler. Denne hardware-software-integration giver modellen mulighed for at matche GPT-5.4s per-token-latens trods højere intelligens, fordi inferensen er optimeret til den specifikke hardware.
6. Forbedret token-effektivitet. GPT-5.5 når resultater af højere kvalitet med færre tokens og færre genforsøg end tidligere versioner. Det er ikke bare hurtigere, det er økonomisk relevant: færre tokens per opgave betyder lavere API-omkostninger for den samme kvalitet. OpenAI angiver, at modellen ofte løser problemer i første forsøg, hvor GPT-5.4 krævede to til tre iterationer.
7. Sammenlignet med konkurrenternes arkitektur. Claude Opus 4.7 fra Anthropic bruger en anden tilgang med særlig stærke RAG-kapabiliteter og lavere hallucinationsrate (36% mod GPT-5.5s 86% på en long-form factuality-test). Gemini 3.1 Pro fra Google har også et 1-million-token kontekstvindue, men til under halvdelen af prisen. GPT-5.5s fordel er specifikt i agentiske opgaver, hvor modellen skal handle autonomt over mange trin.
8. Kendte tekniske begrænsninger. GPT-5.5 hallucinerer stadig, særligt når den producerer mange faktuelle påstande per svar. OpenAI indrømmer, at modellen laver fejl på nye problemstillinger, tvetydige krav og dybt domænespecifik kode. Den kræver stadig menneskelig overvågning på opgaver, hvor præcision er kritisk. Codex-varianten har et reduceret kontekstvindue på 400.000 tokens, og API-adgang kræver særlige sikkerhedsforanstaltninger.
Vil du vide, om GPT-5.5 er det rigtige valg til jeres specifikke use cases, eller om Claude, Gemini eller en open-source-model passer bedre? Vi hjælper danske virksomheder med at evaluere, implementere og skalere AI-modeller med fokus på ROI, compliance og praktisk værdi. Kontakt os for en uforpligtende vurdering af jeres AI-strategi.
Konkrete kapabiliteter og erhvervseksempler
Agentisk kodning (Agentic Coding)
GPT-5.5 scorer 82,7% på Terminal-Bench og 88,7% på SWE-Bench, hvilket gør den til den stærkeste model til autonom softwareudvikling. Den kan læse en kodebase, køre terminalkommandoer, afvikle tests og ændre filer uden trin-for-trin-supervision. En dansk softwarevirksomhed kan bruge Codex med GPT-5.5 til at automatisere bugfixes, refactoring og test-skrivning på tværs af deres monorepo.
Computer Use (Computerstyring)
Modellen kan se, hvad der er på skærmen, klikke, taste, navigere brugergrænseflader og skifte mellem værktøjer. På OSWorld scorer den 78,7%, langt foran Claude Opus 4.7s 69,4%. For en dansk virksomhed med mange manuelle processer i legacy-systemer kan det betyde automatisering af datainput mellem systemer, der ikke har API-integrationer.
Langkontekst-kohærens
GPT-5.5 opretholder konsistens på tværs af en hel kodebase eller dokument gennem en lang session. Tidlige testere rapporterer, at modellen bedre forstår systemarkitektur og fejlpunkter og kan identificere, hvor rettelser hører til, og forudsige nedstrømseffekter. En konsulentvirksomhed kan bruge dette til at analysere komplekse kontrakter eller due diligence-materiale på hundredvis af sider i en enkelt session.
Vidensarbejde og dokumenthåndtering
Modellen kan oprette dokumenter og regneark, analysere data og bevæge sig på tværs af værktøjer for at færdiggøre flertrinsopgaver. Hos OpenAI selv bruger over 85% af virksomheden Codex ugentligt på tværs af funktioner som software engineering, finans, kommunikation, marketing, data science og produktstyring.
Videnskabelig forskning
GPT-5.5 viser tidlige resultater inden for operationel forskning, spreadsheet-modellering og omdannelse af ustruktureret forretningsinput til strukturerede planer. For en dansk Life Science-virksomhed kan det betyde hurtigere screening af forskningslitteratur og hypotesegenerering.
Multimodal analyse
Med nativ håndtering af tekst, billeder, lyd og video kan modellen analysere blandede datasæt i en enkelt forespørgsel. En detailvirksomhed kan fodre den med butiksfotos, salgsdata i CSV og kundefeedback-optagelser og få en samlet analyse uden at skifte mellem separate værktøjer.
Værktøjsorkestrering (Tool Orchestration)
GPT-5.5 er trænet til at bruge værktøjer i sekvens, evaluere mellemresultater og ændre tilgang. Det gør den velegnet til komplekse AI Agent-pipelines, hvor modellen skal kalde flere API'er, behandle output og tage beslutninger baseret på resultater. En dansk SaaS-virksomhed kan bygge agenter, der automatiserer hele kundesupport-workflows fra triage til løsning.
GPT-5.5 sammenlignet med konkurrenterne
Claude Opus 4.7 (Anthropic)
Lanceret den 16. april 2026, en uge før GPT-5.5. Scorer 87,6% på SWE-Bench Verified og 64,3% på SWE-bench Pro. Den bedste MCP Atlas-værktøjsbrug af nogen model med 79,1%. Den store forskel: Claude Opus 4.7 hallucinerer ved 36% på en long-form factuality-test mod GPT-5.5s 86%. For opgaver, hvor præcision er vigtigere end autonomi, er Claude det sikrere valg. Pris: sammenlignelig med GPT-5.5 i output-tokens.
Gemini 3.1 Pro (Google)
Googles seneste Gemini-model med 1 million tokens kontekstvindue. Koster $12 per million output-tokens, under halvdelen af GPT-5.5s $30. På Artificial Analysis Intelligence Index scorer den 57 mod GPT-5.5s 60. For virksomheder, der prioriterer lav pris og stærkt ræsonnement over agentiske kapabiliteter, er Gemini 3.1 Pro det bedste valg. Særligt stærk på multimodal forståelse og lange kontekster.
Llama 4 (Meta)
Metas open-source-alternativ. Gratis at downloade og køre på egen infrastruktur, hvilket løser datasuverænitetsproblemet fuldstændigt. Ydeevnen er lavere end GPT-5.5 på de fleste benchmarks, men for virksomheder med strenge krav til datakontrol og ingen tolerance for cloud-afhængighed er det det reelle alternativ. Kan finjusteres til specifikke domæner.
Grok (xAI)
xAIs model med real-time-adgang til X (tidligere Twitter) data. Relevant for virksomheder med behov for aktuel information, men bagud på kodning og agentiske opgaver sammenlignet med GPT-5.5 og Claude.
DeepSeek V3 (DeepSeek)
Kinesisk open-source-model med imponerende pris-ydelses-forhold. Relevant for danske virksomheder, der ønsker at minimere API-omkostninger, men rejser spørgsmål om datasuverænitet og compliance med EU-regulering.
Hvor GPT-5.5 er unik. GPT-5.5 vinder entydigt på autonome agentopgaver: Terminal-Bench 82,7%, OSWorld 78,7%. Ingen anden model kan matche den på langvarige, flertrins-workflows, der kræver værktøjsbrug og selvevaluering. Men den taber til Claude Opus 4.7 på faktuel præcision og til Gemini 3.1 Pro på pris. Det er ikke den bedste model til alt. Det er den bedste model til agentisk arbejde.
Adgang, priser, sikkerhed og begrænsninger
Agentic AI er AI, der selv planlægger, bruger værktøjer og handler mod et mål. Forstå agent-loopet, hvad det bruges til, og hvad det ikke er.
En AI-agent kan planlægge og udføre handlinger, ikke kun svare. Forstå byggeklodserne, brugen, og hvordan en agent adskiller sig fra en chatbot.
Fine-tuning træner en eksisterende AI-model videre på jeres egne data. Forstå hvordan det virker, og hvornår det slår RAG og prompt engineering.
Inference er det øjeblik, hvor en AI-model omsætter data til svar. Se hvorfor inference ofte er den største AI-udgift i drift, og hvordan du sænker den.
EU AI Act er verdens første samlede AI-lov. Forstå de fire risikokategorier, kravene, tidslinjen frem til 2028, og hvad det betyder for jer.
Ofte stillede spørgsmål om GPT-5.5
Hvad er forskellen på GPT-5.5 og GPT-5.4?+
GPT-5.5 er den første fuldstændig gentrænede basismodel siden GPT-4.5. Alle GPT-5.x-versioner før den (5.1 til 5.4) var post-training-iterationer på de samme vægte. GPT-5.5 har ny arkitektur, nyt træningskorpus og et agentorienteret træningsmål. Prisen er fordoblet til $5/$30 per million tokens, men modellen er mere token-effektiv og løser ofte opgaver i første forsøg.
Kan GPT-5.5 erstatte vores udviklingsteam?+
Nej, men den kan gøre dem væsentligt mere produktive. GPT-5.5 scorer 82,7% på Terminal-Bench for agentisk kodning og kan håndtere bugfixes, refactoring og testskrivning autonomt. Men den laver stadig fejl på nye problemer og tvetydige krav. OpenAI selv beskriver modellen som en accelerator, ikke en erstatning. Hos OpenAI bruger 85% af medarbejderne Codex ugentligt som supplement til deres arbejde.
Hvad koster det at bruge GPT-5.5 til enterprise-brug?+
API-prisen er $5 per million input-tokens og $30 per million output-tokens for standardversionen. GPT-5.5 Pro koster $30/$180. Batch-endpointet giver 50% rabat. ChatGPT Enterprise har tilpasset prissætning med SSO, audit logs og dedikeret support. Til sammenligning koster Gemini 3.1 Pro $12 per million output-tokens, under halvdelen af GPT-5.5.
Er GPT-5.5 GDPR-kompatibel for danske virksomheder?+
OpenAI tilbyder en Data Processing Addendum og europæisk data residency via Stargate Norway i Narvik. API-data bruges ikke til træning med DPA. Men den amerikanske CLOUD Act betyder, at US-myndigheder potentielt kan tilgå data, selv om de behandles i EU. EU AI Acts pligter for udbydere af GPAI-modeller har gældt siden 2. august 2025, og AI-kontoret har kunnet håndhæve dem med bøder siden 2. august 2026. Virksomheder i højrisikokontekster skal sikre dokumentation og menneskelig overvågning, når kravene til højrisiko-AI i bilag III gælder fra 2. december 2027.
Hvordan sammenligner GPT-5.5 sig med Claude Opus 4.7?+
GPT-5.5 vinder på agentiske opgaver: Terminal-Bench 82,7% mod 69,4%, OSWorld 78,7%. Claude Opus 4.7 vinder på faktuel præcision med kun 36% hallucination mod GPT-5.5s 86% på en long-form-test, og den har den bedste værktøjsbrug via MCP Atlas (79,1%). Prisen er sammenlignelig. Valget afhænger af, om du prioriterer autonomi (GPT-5.5) eller præcision (Claude).
Hvornår bør min virksomhed skifte til GPT-5.5?+
Hvis du allerede bruger GPT-5.4 til agentisk kodning eller computerstyring, giver GPT-5.5 en målbar forbedring i kvalitet og token-effektivitet. Men prisen er fordoblet. Batch-endpointet ($2,50/$15) matcher GPT-5.4s gamle pris, så det er en oplagt overgang for ikketidskritiske opgaver. Test modellen på dine specifikke use cases før du skalerer.
Kan GPT-5.5 håndtere dansk?+
Ja. GPT-5.5 er trænet på et bredt flersproget korpus og håndterer dansk i både tekst og tale. Kvaliteten er generelt høj for forretningskommunikation, teknisk dokumentation og kundevendt indhold. For meget domænespecifikke danske fagtermer kan finjustering via fine-tuning eller few-shot-prompting forbedre præcisionen.