{"id":2579,"date":"2026-04-24T03:41:26","date_gmt":"2026-04-24T03:41:26","guid":{"rendered":"https:\/\/deepinsightai.io\/?p=2579"},"modified":"2026-05-01T01:57:11","modified_gmt":"2026-05-01T01:57:11","slug":"gpt-5-5-review","status":"publish","type":"post","link":"https:\/\/deepinsightai.io\/it\/gpt-5-5-review\/","title":{"rendered":"Arriva il GPT-5.5: Domina Opus 4.7 su tutta la linea"},"content":{"rendered":"

Pochi istanti fa, Altman ha lanciato GPT-5.5 nel cuore della notte. Un attacco su vasta scala contro Claude Opus 4.7<\/a>, riconquistando il titolo di modello pi\u00f9 potente al mondo. Dalla programmazione alla ricerca scientifica, sembra proprio che sia arrivata l\u2019era in cui l\u2019intelligenza artificiale prende autonomamente il controllo del computer.<\/p>\n\n\n\n

Stasera la Silicon Valley non dorme.<\/p>\n\n\n\n

Proprio ora, GPT-5.5 ha fatto un debutto sensazionale: si tratta del modello di punta di nuova generazione pi\u00f9 potente e performante mai realizzato finora da OpenAI.<\/p>\n\n\n\n

Rappresenta un livello di intelligenza completamente nuovo, che si evolve pienamente fino a diventare il \u201ccervello nativo\u201d dell\u2019era degli Agenti.<\/p>\n\n\n\n

S\u00ec, il tanto atteso \u201cSpud\u201d \u00e8 finalmente arrivato oggi.<\/p>\n\n\n\n

Benchmark di GPT-5.5: classifica di #1 in tutte le categorie<\/h2>\n\n\n\n

L'aspetto che salta maggiormente all'occhio \u00e8 questo: in tutti i principali test di benchmark, GPT-5.5 si classifica al primo posto.<\/p>\n\n\n\n

Che si tratti di programmazione, ragionamento, matematica o compiti degli agenti, Claude Opus 4.7 e Gemini 3.1 Pro sono nettamente superati da GPT-5.5.<\/p>\n\n\n\n

Rispetto alla generazione precedente, GPT-5.5 Thinking sembra quasi un \u201cattacco di riduzione della dimensionalit\u00e0\u201d, che crea un divario generazionale.<\/p>\n\n\n\n

Nel test AAI, con gli stessi token in uscita, GPT-5.5 ottiene il punteggio di intelligenza pi\u00f9 alto a livello globale. Anche su ARC-AGI-2 stabilisce un nuovo record SOTA.<\/p>\n\n\n\n

\"Punteggi<\/figure>\n\n\n\n
\"gpt<\/figure>\n\n\n\n

Altman non ha potuto fare a meno di elogiarlo: \u201cGPT-5.5 \u00e8 intelligente e veloce\u201d.\u201d<\/p>\n\n\n\n

\"gpt<\/figure>\n\n\n\n
\"gpt<\/figure>\n\n\n\n

La velocit\u00e0 per token \u00e8 pari a quella di GPT-5.4, pur riducendo in modo significativo il numero di token utilizzati per ogni operazione.<\/p>\n\n\n\n

\u00c8 in grado di capire quasi intuitivamente cosa bisogna fare.<\/p>\n\n\n\n

Greg, il presidente, ha dichiarato con entusiasmo: \u201cQuesto \u00e8 un passo avanti verso un modo completamente nuovo di lavorare con i computer\u201d.\u201d<\/p>\n\n\n\n

A partire da oggi, GPT-5.5 \u00e8 ufficialmente disponibile in ChatGPT e Codex<\/a>.<\/p>\n\n\n\n

Prestazioni di programmazione di GPT-5.5: nasce un nuovo re<\/h2>\n\n\n\n

Cominciamo dal settore principale: la programmazione. GPT-5.5 torna alla ribalta con grande slancio.<\/p>\n\n\n\n

Secondo OpenAI, si tratta del modello di codifica agentica pi\u00f9 potente mai realizzato, in grado di rivoluzionare i flussi di lavoro proprio come il cambiamento dalla codifica delle vibrazioni alla codifica dei desideri<\/a>.<\/p>\n\n\n\n

Risultati di Terminal-Bench 2.0<\/h3>\n\n\n\n
\"panca<\/figure>\n\n\n\n

Terminal-Bench 2.0 valuta le capacit\u00e0 di ingegnerizzazione degli agenti lungo l\u2019intera catena.<\/p>\n\n\n\n

Al modello vengono forniti un ambiente terminale e un obiettivo generico. Deve pianificare percorsi, richiamare strumenti, scrivere script, gestire gli errori ed eseguire iterazioni ripetute.<\/p>\n\n\n\n

In questo caso, GPT-5.5 totalizza 82,71 TP3T, rispetto ai 75,11 TP3T di GPT-5.4 e Claude Opus 4.7<\/a>\u201969,41 TP3T. Un distacco di 13 punti: un netto dominio.<\/p>\n\n\n\n

Valutazione da parte di esperti - SWE<\/h3>\n\n\n\n

Nella valutazione interna \u2019Expert-SWE\u201d di OpenAI, incentrata su attivit\u00e0 di programmazione a ciclo lungo che, secondo le stime, richiederebbero 20 ore di lavoro umano, GPT-5.5 ha totalizzato un punteggio di 73,11 TP3T, ancora una volta superiore ai 68,51 TP3T di GPT-5.4.<\/p>\n\n\n\n

Confronto tra SWE-Bench Pro<\/h3>\n\n\n\n

Su SWE-Bench Pro, ampiamente riconosciuto come indicatore della reale capacit\u00e0 di risolvere i problemi su GitHub, GPT-5.5 ottiene un punteggio di 58,61 TP3T, leggermente inferiore a quello di Claude Opus 4.7 (64,31 TP3T).<\/p>\n\n\n\n

Tuttavia, OpenAI ha aggiunto una nota: \u201cAnthropic segnala segni di overfitting (memorizzazione) su alcuni sottoinsiemi\u201d.\u201d<\/p>\n\n\n\n

In altre parole, Opus 4.7 potrebbe aver gi\u00e0 trovato le risposte in precedenza, una preoccupazione che riecheggia questioni come l'economia delle \"false stelle\" su GitHub<\/a>.<\/p>\n\n\n\n

I ricercatori di Codex hanno addirittura affermato apertamente: SWE-Bench non \u00e8 pi\u00f9 in grado di misurare le competenze di programmazione di alto livello.<\/p>\n\n\n\n

Capacit\u00e0 di codifica end-to-end<\/h3>\n\n\n\n

Il punto fondamentale \u00e8 che, in tutte queste valutazioni, GPT-5.5 utilizza un numero inferiore di token pur continuando a superare GPT-5.4 in termini di prestazioni.<\/p>\n\n\n\n

In Codex, questo risulta ancora pi\u00f9 evidente.<\/p>\n\n\n\n

\u00c8 in grado di svolgere attivit\u00e0 di programmazione end-to-end: dall'implementazione, al refactoring, al debug, fino al collaudo e alla convalida.<\/p>\n\n\n\n

Ad esempio, la realizzazione di un'app di visualizzazione per la missione Artemis II:<\/p>\n\n\n\n

Si fornisce a GPT-5.5 uno screenshot e gli si chiede di realizzare un simulatore interattivo di orbite 3D utilizzando WebGL e Vite, con dati reali sulle traiettorie provenienti da NASA\/JPL Horizons e meccanica orbitale realistica.<\/p>\n\n\n\n

GPT-5.5 costruisce tutto da zero, dimostrando una comprensione spaziale avanzata simile a quella di Mappatura 3D di Lingbot<\/a>. \u00c8 possibile trascinare con il mouse e le posizioni relative di Orione, della Luna e del Sole si allineano correttamente.<\/p>\n\n\n\n

Un altro esempio: un carro armato che spara agli UFO.<\/p>\n\n\n\n

La richiesta prevede la realizzazione di un gioco sparatutto con UFO in Three.js, con un design low-poly ma visivamente accattivante. Il programma deve prima visualizzare la struttura completa dei file e l'elenco dei file modificati, quindi scrivere tutto il codice \u2014 \u201cnon fermarti finch\u00e9 non hai finito\u201d.\u201d<\/p>\n\n\n\n

GPT-5.5 esegue tutto, generando un gioco 3D giocabile in un\u2019unica operazione.<\/p>\n\n\n\n

In un'arena con dungeon in 3D, Codice<\/a> si occupa dell'architettura del gioco, dell'implementazione in TypeScript\/Three.js, dei sistemi di combattimento, degli incontri con i nemici e del feedback dell'HUD.<\/p>\n\n\n\n

GPT genera le texture dell'ambiente, l'API di OpenAI genera i dialoghi, mentre strumenti di terze parti forniscono modelli, texture e animazioni. Diverse intelligenze artificiali collaborano per realizzare un gioco giocabile.<\/p>\n\n\n\n

I primi tester hanno affermato che GPT-5.5 possiede una maggiore capacit\u00e0 di comprendere la struttura del sistema.<\/p>\n\n\n\n

Consente di individuare con maggiore precisione dove si trovano i problemi, dove applicare le correzioni e quali parti del codice ne sono interessate.<\/p>\n\n\n\n

GPT-5.5 per il lavoro intellettuale: un reale aumento della produttivit\u00e0<\/h2>\n\n\n\n

Oltre alla programmazione, GPT-5.5 mostra ottime prestazioni nelle attivit\u00e0 intellettuali.<\/p>\n\n\n\n

OpenAI la definisce \u201cun nuovo tipo di intelligenza per il lavoro concreto\u201d.\u201d<\/p>\n\n\n\n

Capisce pi\u00f9 rapidamente ci\u00f2 che vuoi e passa da uno strumento all'altro finch\u00e9 l'attivit\u00e0 non \u00e8 completata.<\/p>\n\n\n\n

Andamento di GDPval<\/h3>\n\n\n\n

In GDPval, che valuta l'intelligenza artificiale in 44 professioni, GPT-5.5 ottiene un punteggio di 84,91 TP3T, rispetto agli 80,31 TP3T di Opus 4.7 e ai 67,31 TP3T di Gemini 3.1 Pro.<\/p>\n\n\n\n

\"Punteggio<\/figure>\n\n\n\n

Verificato da OSWorld<\/h3>\n\n\n\n

Nel test volto a verificare se i modelli siano in grado di operare in modo autonomo in un ambiente informatico reale, GPT-5.5 ha totalizzato 78,71 TP3T, risultando quasi alla pari con Opus 4.7, che ha totalizzato 78,01 TP3T.<\/p>\n\n\n\n

Tau2-bench<\/h3>\n\n\n\n
\"Punteggio<\/figure>\n\n\n\n

Nei flussi di lavoro complessi del servizio clienti, GPT-5.5 raggiunge un punteggio di 98,01 TP3T senza alcuna messa a punto del prompt.<\/p>\n\n\n\n

Uso interno presso OpenAI<\/h3>\n\n\n\n

Ancora pi\u00f9 interessante \u00e8 il modo in cui la stessa OpenAI lo utilizza.<\/p>\n\n\n\n

Secondo quanto riportato sul loro blog, ogni settimana oltre 85% di dipendenti utilizzano Codex in tutti i reparti.<\/p>\n\n\n\n

Il team di pubbliche relazioni ha analizzato sei mesi di inviti a interventi pubblici utilizzando GPT-5.5, creando modelli di valutazione e di rischio, in modo che le richieste a basso rischio potessero essere gestite automaticamente dagli agenti IA di Slack.<\/p>\n\n\n\n

Il team finanziario ha esaminato 24.771 moduli fiscali K-1 (71.637 pagine), portando a termine il lavoro con due settimane di anticipo rispetto allo scorso anno.<\/p>\n\n\n\n

Il team di marketing ha automatizzato i report settimanali sull'andamento dell'attivit\u00e0, risparmiando da 5 a 10 ore alla settimana.<\/p>\n\n\n\n

In Codex, GPT-5.5 \u00e8 in grado di interagire direttamente con le applicazioni web: testare flussi di lavoro, cliccare sulle pagine, acquisire schermate e apportare modifiche in base a ci\u00f2 che vede.<\/p>\n\n\n\n

Inoltre, consente di creare fogli di calcolo, presentazioni e documenti di qualit\u00e0 superiore.<\/p>\n\n\n\n

Grazie alle sue capacit\u00e0 avanzate di utilizzo del computer, \u00e8 in grado di riconoscere i contenuti sullo schermo, cliccare, digitare, navigare e trasferire facilmente il contesto da uno strumento all\u2019altro.<\/p>\n\n\n\n

Noam Brown, ricercatore di OpenAI, ha affermato che con GPT-5.5 \u00e8 in grado di scrivere kernel CUDA e condurre esperimenti come un professionista.<\/p>\n\n\n\n

GPT-5.5 nella ricerca scientifica: aprire nuove frontiere<\/h2>\n\n\n\n

Oltre a tutto ci\u00f2, GPT-5.5 ha contribuito alla scoperta di una nuova dimostrazione relativa ai numeri di Ramsey, verificata in Lean.<\/p>\n\n\n\n

I numeri di Ramsey rappresentano un argomento fondamentale della combinatoria: in sostanza, si tratta di stabilire quale debba essere la dimensione minima di una rete affinch\u00e9 determinati schemi si verifichino inevitabilmente. I nuovi risultati in questo campo sono estremamente rari.<\/p>\n\n\n\n

GPT-5.5 non si \u00e8 limitato a scrivere codice o a fornire spiegazioni, ma ha proposto un ragionamento matematico significativo.<\/p>\n\n\n\n

Parametri di riferimento scientifici<\/h3>\n\n\n\n

Su GeneBench, GPT-5.5 totalizza 25,01 TP3T, rispetto ai 19,01 TP3T di GPT-5.4.<\/p>\n\n\n\n

\"genebench<\/figure>\n\n\n\n
\"Bixbench<\/figure>\n\n\n\n

Su BixBench, basato su attivit\u00e0 reali di bioinformatica, GPT-5.5 si colloca al primo posto tra tutti i modelli pubblicati con un punteggio di 80,51 TP3T.<\/p>\n\n\n\n

FrontierMath Livello 4<\/h3>\n\n\n\n

In FrontierMath Livello 4 \u2014 il livello pi\u00f9 difficile ideato da matematici di spicco come Terence Tao \u2014 GPT-5.5 ottiene un punteggio di 35,41 TP3T, rispetto ai 27,11 TP3T di GPT-5.4 e ai 22,91 TP3T di Opus 4.7.<\/p>\n\n\n\n

Il divario supera i 12 punti percentuali.<\/p>\n\n\n\n

\u00c8 interessante notare che il divario tra i livelli 1 e 3 \u00e8 di soli 8 punti, il che significa che pi\u00f9 la matematica \u00e8 avanzata, maggiore \u00e8 il vantaggio di GPT-5.5. Questo livello di ragionamento evidenzia un cambiamento nelle capacit\u00e0 architetturali, un orientamento che si riscontra in modo simile in Claude Opus 4.7: pensiero adattivo<\/a>.<\/p>\n\n\n\n

Esempio concreto di ricerca<\/h3>\n\n\n\n

Presso il Jackson Laboratory, la professoressa di immunologia Derya Unutmaz ha utilizzato GPT-5.5 Pro per analizzare un set di dati composto da 62 campioni e quasi 28.000 geni.<\/p>\n\n\n\n

Il modello ha prodotto un rapporto di ricerca dettagliato, individuando i risultati principali e fornendo approfondimenti pi\u00f9 approfonditi.<\/p>\n\n\n\n

Un team composto da persone impiegherebbe mesi per farlo.<\/p>\n\n\n\n

All\u2019Universit\u00e0 di Pozna\u0144, un assistente di matematica ha realizzato in soli 11 minuti un\u2019applicazione di geometria algebrica utilizzando Codex, che permette di visualizzare le intersezioni di superfici quadriche e di convertire le curve in modelli di Weierstrass.<\/p>\n\n\n\n

GPT-5.5 contro Opus 4.7: una revisione completa<\/h2>\n\n\n\n

Dalla programmazione al lavoro intellettuale fino alla ricerca scientifica, la conclusione \u00e8 chiara.<\/p>\n\n\n\n

GPT-5.5 non \u00e8 solo l\u2019ennesima \u201citerazione minore\u201d. Si tratta di un salto di qualit\u00e0 a tutto campo reso possibile da un nuovo modello di base.<\/p>\n\n\n\n

Anche in Vending-Bench, GPT-5.5 supera nettamente Opus 4.7.<\/p>\n\n\n\n

Opus 4.7 si comporta in modo simile alla versione 4.6: spesso mente ai fornitori e gestisce in modo scorretto i rimborsi, il che spiega le differenze di prestazioni che si riscontrano nel confronto Claude Opus 4.7 vs 4.6<\/a>.<\/p>\n\n\n\n

GPT-5.5, invece, gioca lealmente e vince comunque.<\/p>\n\n\n\n

Prezzi di GPT-5.5: due volte pi\u00f9 costoso \u2014 ma non \u00e8 questo il modo giusto di vedere la questione<\/h2>\n\n\n\n

Recensione di GPT-5.5: confronto dei prezzi delle API (GPT-5.5 vs GPT-5.4 vs Opus 4.7)<\/h3>\n\n\n\n
Modello<\/th>Prezzo di acquisto (per 1 milione di token)<\/th>Prezzo di vendita (per 1 milione di token)<\/th>Note<\/th><\/tr><\/thead>
GPT-5.5<\/td>$5.00<\/td>$30.00<\/td>Prezzo di acquisto uguale a quello dell\u2019Opus 4.7, costo di produzione superiore di circa 201 TP3T<\/td><\/tr>
GPT-5.5 Pro<\/td>$30.00<\/td>$180.00<\/td>Livello Premium con prezzi notevolmente pi\u00f9 elevati<\/td><\/tr>
GPT-5.4<\/td>$2.50<\/td>$15.00<\/td>Circa la met\u00e0 del costo di GPT-5.5<\/td><\/tr>
Claude Opus 4.7<\/td>$5.00<\/td>$25.00<\/td>Costi di produzione inferiori rispetto a GPT-5.5<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

E ora, il costo.<\/p>\n\n\n\n

Prezzi dell'API GPT-5.5<\/a> \u00e8 pari a $5 per milione di token in ingresso e a $30 per milione di token in uscita.<\/p>\n\n\n\n

GPT-5.4 era $2.50 e $15 \u2014 esattamente la met\u00e0.<\/p>\n\n\n\n

GPT-5.5 Pro \u00e8 ancora pi\u00f9 potente: $30 in ingresso, $180 in uscita.<\/p>\n\n\n\n

Rispetto a Prezzi di Claude Opus 4.7<\/a>, il prezzo dei fattori di produzione \u00e8 simile, ma il prodotto finale costa 20% in pi\u00f9.<\/p>\n\n\n\n

OpenAI attribuisce questo risultato a una maggiore efficienza dei token. GPT-5.5 utilizza un numero significativamente inferiore di token per le stesse attivit\u00e0.<\/p>\n\n\n\n

Ma il calcolo \u00e8 semplice:<\/p>\n\n\n\n

Se un team spende $100.000 al mese per GPT-5.4, anche con una riduzione del 30% nell'utilizzo dei token, il passaggio a GPT-5.5 farebbe salire il costo a circa $140.000.<\/p>\n\n\n\n

In altre parole, GPT-5.5 \u00e8 un prodotto di fascia alta: si paga di pi\u00f9 per un\u2019intelligenza pi\u00f9 avanzata.<\/p>\n\n\n\n

GPT-5.4 rimarr\u00e0 probabilmente l'opzione pi\u00f9 conveniente.<\/p>\n\n\n\n

Quando vale davvero la pena utilizzare GPT-5.5?<\/h2>\n\n\n\n

A prima vista, GPT-5.5 sembra notevolmente pi\u00f9 costoso di GPT-5.4: il prezzo per token \u00e8 esattamente il doppio.<\/p>\n\n\n\n

Tuttavia, considerare solo il prezzo dei token \u00e8 fuorviante.<\/p>\n\n\n\n

La vera domanda \u00e8:<\/p>\n\n\n\n

\n

Di quale riduzione dei token ha bisogno GPT-5.5 per raggiungere il punto di pareggio?<\/strong><\/p>\n<\/blockquote>\n\n\n\n

Sensibilit\u00e0 ai costi in base all'efficienza dei token<\/h3>\n\n\n\n
Riduzione dei token<\/th>Costo effettivo rispetto a GPT-5.4<\/th><\/tr><\/thead>
0%<\/td>+100%<\/td><\/tr>
20%<\/td>+60%<\/td><\/tr>
30%<\/td>+40%<\/td><\/tr>
50%<\/td>~0% (punto di pareggio)<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

Anche con un 30%: riduzione dell'uso dei token<\/strong>, il costo totale aumenta comunque in modo significativo.<\/p>\n\n\n\n

\ud83d\udc49 Implicazione:<\/strong>
GPT-5.5 diventa competitivo in termini di costi solo se riduce l'utilizzo di token del ~50% o pi\u00f9<\/strong>, oppure se la qualit\u00e0 del risultato giustifica il costo maggiore.<\/p>\n\n\n\n

Costo per attivit\u00e0 > Costo per token<\/h2>\n\n\n\n

Un cambiamento fondamentale nella valutazione dei modelli di linguaggio di grandi dimensioni (LLM) moderni:<\/p>\n\n\n\n

\n

Dovresti ottimizzare in base al costo per attivit\u00e0, non al costo per token.<\/strong><\/p>\n<\/blockquote>\n\n\n\n

Il costo totale pu\u00f2 essere rappresentato come segue:<\/p>\n\n\n\n

Costo totale = (Token in entrata \u00d7 Prezzo in entrata) + (Token in uscita \u00d7 Prezzo in uscita)<\/pre>\n\n\n\n
Ci\u00f2 significa che un modello pi\u00f9 costoso pu\u00f2 comunque risultare pi\u00f9 conveniente se:<\/strong><\/p>\n\n\n\n