GPT‑5.5: l’intelligenza artificiale diventa software operativo per il lavoro

Con GPT‑5.5, annunciato ieri sera, OpenAI tenta di spostare il discorso sull’intelligenza artificiale generativa fuori dalla logica della semplice risposta migliore. L’accento, questa volta, cade sull’operatività: comprendere un obiettivo poco definito, usare strumenti, muoversi tra file e interfacce, verificare il risultato e proseguire finché il compito non è davvero concluso.

Da assistente a agente operativo

OpenAI definisce GPT‑5.5 “a new class of intelligence for real work” e la formula, al di là dell’enfasi promozionale, chiarisce bene dove cade l’accento. Il modello è costruito per gestire compiti sporchi, lunghi e multi‑fase, cioè quelli in cui l’utente non fornisce una pipeline pulita ma un obiettivo imperfetto, pieno di ambiguità, file da aprire, strumenti da usare e vincoli da scoprire strada facendo.

In questo scenario il parametro decisivo non è la brillantezza di una singola risposta, bensì la capacità di mantenere contesto, pianificare sottotask, fare controlli intermedi e correggersi senza perdere il filo.

Benchmark orientati al workflow

I benchmark che OpenAI mette in primo piano vanno letti proprio in questa chiave. Su Terminal‑Bench 2.0, che misura workflow da riga di comando complessi, GPT‑5.5 raggiunge l’82,7 % contro il 75,1 % di GPT‑5.4. Su OSWorld‑Verified, centrato sull’uso autonomo del computer, passa da 75,0 % a 78,7 %.

Su GDPval, che valuta lavori di conoscenza ben specificati in 44 occupazioni, arriva all’84,9 %. Non sono numeri che dimostrano una “intelligenza generale”, ma indicano una crescita coerente in un’area precisa, quella dei modelli che devono fare più di una buona sintesi testuale.

L’uso degli strumenti come punto focale

La parte più interessante del lancio non è la tradizionale tabella di confronto con i concorrenti, ma l’insistenza sull’uso degli strumenti. GPT‑5.5 è descritto come più efficace nel passare dalla ricerca all’azione, dalla lettura di materiale grezzo alla produzione di documenti, fogli di calcolo, codice e passaggi verificabili.

In altri termini, OpenAI prova a spostare il baricentro dal modello che “sa molte cose” al modello che sa lavorare dentro un ambiente digitale.

Codex al centro della presentazione

Questo spiega anche perché Codex occupi uno spazio così centrale. OpenAI sostiene che GPT‑5.5 non solo scriva e corregga meglio il codice, ma tenga il contesto su basi di codice estese, individui fallimenti ambigui e anticipi test e revisioni con meno prompting esplicito.

• Su SWE‑Bench Pro il vantaggio su GPT‑5.4 è modesto (58,6 % vs 57,7 %).
• Su benchmark più agentici il salto è più netto, suggerendo un progresso nella persistenza su task lunghi e strumentati.

Cautela sui benchmark

Va aggiunta una cautela. Anche quando i numeri sono solidi, i benchmark restano indicatori incompleti. La stessa OpenAI segnala che su SWE‑Bench Pro esistono discussioni sul rischio di dimemorization, mentre Artificial Analysis ricorda che i suoi indici sintetici sono utili per orientarsi ma non sostituiscono i test su casi d’uso concreti.

Il messaggio, in sostanza, è che GPT‑5.5 sembra più credibile come agente operativo, ma il giudizio finale dipenderà dall’affidabilità su workflow reali, non dalla somma dei punteggi.

Impatto sulla ricerca scientifica

Il capitolo più rilevante per chi guarda alla ricerca è quello scientifico. OpenAI insiste sul fatto che GPT‑5.5 non si limiti a rispondere a domande difficili, ma sia più persistente nei cicli che contano davvero in laboratorio e nell’analisi computazionale: esplorare un’ipotesi, raccogliere evidenze, testare assunzioni, interpretare risultati e decidere il passo successivo.

Gran parte del lavoro scientifico non coincide con il recupero di nozioni, ma con iterazioni lunghe, dati sporchi e decisioni metodologiche.

GeneBench, il nuovo benchmark di genomica

Il nuovo benchmark GeneBench, pubblicato in parallelo da OpenAI e Herasight, è costruito proprio per misurare analisi multi‑stadio in genomica e biologia quantitativa. Include 103 valutazioni distribuite su 10 domini e mette alla prova:

• pulizia dei dati
• controllo di qualità
• scelta dei modelli statistici
• interpretazione finale

GPT‑5.5 ottiene il 25 % (migliore del 19 % di GPT‑5.4), mentre GPT‑5.5 Pro sale al 33,2 %. Il dato, preso isolatamente, non impressiona per la percentuale assoluta, ma indica che il benchmark è duro e che il margine di miglioramento resta enorme.

Altri risultati scientifici

OpenAI cita anche un risultato su BixBench e un contributo matematico sui numeri di Ramsey, verificato in Lean. Sono segnali da prendere sul serio perché mostrano un allargamento del perimetro applicativo.

Allo stesso tempo la società non autorizza scorciatoie narrative sull’“AI scienziato” già maturo. La lezione che emerge da GeneBench è quasi opposta al trionfalismo: i modelli stanno diventando utili come partner cognitivi, ma nei domini scientifici più complessi la differenza la fanno ancora orchestrazione, verifica esterna e supervisione esperta.

Infrastruttura e efficienza operativa

Un altro elemento distintivo riguarda l’infrastruttura. OpenAI afferma di aver ottenuto un livello di intelligenza superiore mantenendo la latenza per token di GPT‑5.4 nel servizio reale. Per riuscirci ha ridisegnato il sistema di inferenza come un problema integrato, usando:

• nuovo hardware NVIDIA GB200 e GB300 NVL72
• Codex e lo stesso GPT‑5.5 per ottimizzare parti dello stack

Gli algoritmi di bilanciamento del carico e di partizionamento delle richieste hanno portato a un aumento superiore al 20 % nella velocità di generazione dei token.

Costi, pricing e sostenibilità

Il pricing per l’API è di 5 USD per milione di token in input e 30 USD per milione di token in output, il doppio di GPT‑5.4, ma con una finestra di contesto da un milione di token. OpenAI sottolinea che la maggiore efficienza sul compito dovrebbe compensare in parte il costo nominale più alto, soprattutto nei workflow in cui il modello usa meno token per arrivare al risultato.

La disponibilità dell’API arriverà a breve, quindi al momento non è ancora pienamente operativa.

Affidabilità, sicurezza e governance

Il lancio è accompagnato da una system card insolitamente ricca. OpenAI colloca il modello al livello “High” sia per il dominio biologico e chimico sia per quello cyber, pur dichiarandolo sotto la soglia “Critical”.

Questo si traduce in:

• classificatori più severi per richieste cyber ad alto rischio
• controlli più stretti sui pattern di abuso ripetuto
• logica di conferma per azioni sensibili durante l’uso del computer

Miglioramenti nella factuality

Negli scenari in cui gli utenti segnalavano errori factuali, GPT‑5.5 mostra affermazioni corrette con una probabilità superiore del 23 % e contiene errori fattuali nel 3 % di risposte in meno rispetto a GPT‑5.4.

Questi miglioramenti, seppur modestamente numerati, indicano un progresso nella capacità del modello di controllare la veridicità delle proprie affermazioni, un aspetto cruciale per l’adozione in contesti aziendali e di ricerca.

Prospettive future

In sintesi, GPT‑5.5 rappresenta un passo decisivo verso la trasformazione dell’intelligenza artificiale da semplice risponditore a agente operativo capace di gestire workflow complessi, interagire con tool esterni e supportare ricerche scientifiche avanzate. Il vero test sarà l’adozione pratica: le aziende dovranno valutare se la riduzione dei token necessari e l’aumento della produttività compensano il costo più elevato dell’API.

Se la promessa di OpenAI si realizzerà, potremmo assistere a una nuova era in cui l’AI non è più un assistente, ma un collaboratore a pieno titolo, capace di portare a termine progetti dall’ideazione alla consegna finale, con minima supervisione umana.