Sign of the future: GPT-5.5

Sign of the future: GPT-5.5

Знак будущего: GPT-5.5

One impressive step on the curve

Один впечатляющий шаг на кривой прогресса

I had early access to GPT-5.51, and I think it is a big deal. It is a big deal because it indicates that we are not done with the rapid improvement in AI. It is also a big deal because it is just plain good. And it is a big deal because even with all of this, the frontier of AI ability remains jagged.

Я получил ранний доступ к GPT-5.51 и считаю, что это важное событие. Важное — потому что оно показывает: стремительное улучшение ИИ ещё не закончилось. Важное — потому что модель просто хороша сама по себе. И важное — потому что даже при всём этом фронтир возможностей ИИ остаётся зубчатым.

It is increasingly hard to quickly demonstrate each generational change as AI has gotten better, since a lot of the old things AI was bad at, like math or counting letters in words, are now trivial for AI to do. So, I will give you the complicated details, but first, a simple example that I think is a good illustration. What AI models are best at is coding, so I gave a coding challenge to AIs ranging from OpenAI’s first reasoning model, o3 (released a year and a week ago!) to the current best open weights model (Kimi K2.6) to the new GPT-5.5 Pro: “build me a procedurally generated 3D simulation showing the evolution of a harbor town from 3000 BCE to 3000 AD, it should look beautiful and allow me to have some control over it.”

С каждым поколением становится всё труднее быстро продемонстрировать прогресс, ведь многое из того, с чем ИИ раньше не справлялся — математика или подсчёт букв в словах, — теперь для него тривиально. Поэтому я дам вам подробности, но сначала — простой пример, который, на мой взгляд, хорошо всё иллюстрирует. Лучше всего модели ИИ справляются с кодом, поэтому я дал задачу на программирование нескольким моделям — от первой рассуждающей модели OpenAI o3 (вышедшей год и неделю назад!) до лучшей на данный момент модели с открытыми весами (Kimi K2.6) и новой GPT-5.5 Pro: «создай процедурно генерируемую 3D-симуляцию, показывающую эволюцию портового города с 3000 года до н.э. по 3000 год н.э.; она должна красиво выглядеть и давать мне некоторый контроль над происходящим».

Then I posted every answer to this gallery so you can experiment with them (actually, I had GPT-5.5 Codex build the gallery page for me). You should play with them to feel the difference, but you can see a few of these examples below. In addition to being better along all the other dimensions, only GPT-5.5 Pro actually modelled an evolving town, rather than just generating new building replacements over time. GPT-5.5 Pro is also much faster than its previous iteration: GPT-5.4 Pro took 33 minutes to complete the task, GPT-5.5 Pro took 20.

Затем я выложил все ответы в эту галерею, чтобы вы могли поэкспериментировать с ними (кстати, саму страницу галереи для меня создал GPT-5.5 Codex). Стоит поиграть с ними, чтобы почувствовать разницу, но несколько примеров вы можете увидеть ниже. Помимо улучшений по всем остальным параметрам, только GPT-5.5 Pro действительно смоделировала развивающийся город, а не просто заменяла здания новыми со временем. GPT-5.5 Pro также значительно быстрее предыдущей версии: GPT-5.4 Pro справилась с задачей за 33 минуты, GPT-5.5 Pro — за 20.

Models, Apps, and Harnesses

Модели, приложения и обвязки

I have been encouraging you to think about AI not as a single thing, but as a set of three interlinked concepts. You need to consider models, like Opus 4.7, Gemini 3.1, or (now) GPT-5.5. You also want to pay attention to apps, which are the products you actually use to talk to a model, and which let models do real work for you. The most common app is the website for each of these models: chatgpt.com, claude.ai, gemini.google.com. But, increasingly, desktop applications like Claude Code, Claude Cowork, and OpenAI Codex are becoming the most useful apps for AI. Finally, there are harnesses, the tools that an AI can use and how the AI models are hooked up to these tools. Tools allow the AI to control your computer, write code, do research, and make images.

Я давно призываю вас думать об ИИ не как о чём-то едином, а как о наборе трёх взаимосвязанных концепций. Нужно учитывать модели — такие как Opus 4.7, Gemini 3.1 или (теперь) GPT-5.5. Нужно обращать внимание на приложения — продукты, через которые вы общаетесь с моделью и которые позволяют модели выполнять для вас реальную работу. Самые распространённые приложения — это сайты каждой из этих моделей: chatgpt.com, claude.ai, gemini.google.com. Но всё большую роль играют десктопные приложения вроде Claude Code, Claude Cowork и OpenAI Codex — они становятся самыми полезными ИИ-приложениями. Наконец, есть обвязки — инструменты, которые ИИ может использовать, и то, как модели подключены к этим инструментам. Инструменты позволяют ИИ управлять вашим компьютером, писать код, проводить исследования и создавать изображения.

OpenAI has made advances in all three areas. On the model front, GPT-5.5 is a powerful family of models, with GPT-5.5 Pro (accessible only on the website) the most competent. There have also been major advances recently in apps, with OpenAI’s Codex increasingly following the path of the excellent Claude Code and making an accessible and useful desktop application. Finally, there are harnesses and the tools they can use. There have been a lot of new harness improvements, but one of the most interesting is from OpenAI, which has a new image model

OpenAI добилась прогресса во всех трёх направлениях. На фронте моделей GPT-5.5 — это мощное семейство, причём GPT-5.5 Pro (доступная только на сайте) — самая способная из них. Серьёзные успехи есть и в области приложений: Codex от OpenAI всё больше следует по пути отличного Claude Code и превращается в удобное и полезное десктопное приложение. Наконец, обвязки и доступные им инструменты. Улучшений в обвязках много, но одно из самых интересных — от OpenAI: это новая модель генерации изображений.

This new model can now render high-quality text and create almost any picture you can describe. Long-time readers know about my Otter Test, which asks the AI to make an image of an otter on a plane using wifi. Rather than describe it again, let’s let the new image model (sometimes called GPT-imagegen-2) explain it for me: “a photo of an otter scientist demonstrating the results of Ethan Mollick’s otter test, which shows how well an AI image maker can make images of an otter sitting on an airplane using wifi”

Эта новая модель теперь умеет отрисовывать качественный текст и создавать практически любую картинку, которую вы способны описать. Давние читатели знают о моём тесте с выдрой, в котором ИИ просят нарисовать выдру в самолёте, пользующуюся Wi-Fi. Вместо того чтобы описывать его снова, пусть новая модель (иногда называемая GPT-imagegen-2) объяснит сама: «фотография выдры-учёного, демонстрирующей результаты теста Этана Моллика с выдрой, который показывает, насколько хорошо ИИ-генератор изображений может нарисовать выдру, сидящую в самолёте и пользующуюся Wi-Fi».

Maybe you want to see the academic paper about it? “Show me the first page of the academic paper on the Otter test, well-formatted, sitting on a desk” (feel free to zoom in on the text)

Может, хотите увидеть научную статью об этом? «Покажи мне первую страницу академической статьи о тесте с выдрой, хорошо свёрстанную, лежащую на столе» (можете приблизить, чтобы прочитать текст).

Or maybe we should just make it art? “now show an elaborate art gallery, every image on the walls is an otter on an airplane using a laptop, in the styles of Klimt and Rothko and Matisse and Monet and Picasso and Titian and Rembrandt and O’Keefe. There should be readable labels below each one.” (This is worth zooming in on)

А может, стоит превратить это в искусство? «Теперь покажи роскошную художественную галерею; на каждой картине на стенах — выдра в самолёте за ноутбуком, в стилях Климта, Ротко, Матисса, Моне, Пикассо, Тициана, Рембрандта и О'Кифф. Под каждой картиной должна быть читаемая подпись.» (Это стоит рассмотреть поближе.)

All of this is very cool, and would have been impossible a few months ago, but it is useful as well. An image generator that can make detailed text and images can be used to make PowerPoint slides or product mockups or example websites or anything else you ask for. But this is just one tool, and the real magic happens when you combine harnesses, apps, and models on a real problem. Here's one I've been procrastinating about for a decade.

Всё это очень впечатляет и было бы невозможно ещё несколько месяцев назад, но это ещё и практично. Генератор изображений, способный создавать детализированный текст и картинки, может делать слайды для PowerPoint, макеты продуктов, примеры сайтов и что угодно ещё. Но это лишь один инструмент, а настоящая магия начинается, когда вы объединяете обвязки, приложения и модели для решения реальной задачи. Вот одна такая задача, которую я откладывал целое десятилетие.

Bringing it together

Собираем всё вместе

I am an academic, and a lot of my non-AI work, especially in the early 2010s, focused on crowdfunding. I have hundreds of anonymized data files on the topic that I have collected from surveys and analysis and research work, a mix of STATA, CSV, XLS and Word files that I never got around to writing a paper about. I wanted to see how far GPT-5.5 could get with this information. So, I used Codex powered by GPT-5.5 and asked: “Help me sort [the data] out and generate a new hypothesis that might be interesting and test it in sophisticated ways and write an academic paper.” I also asked it to include a literature review and formatting. The results were very impressive, especially after I asked GPT-5.5 Pro to comment on the paper and fed those results back into Codex. You can read the results here. It isn’t perfect, but that is no longer because there are obvious errors: the literature review is all real, as are the statistics. Instead, it is because, as an expert, I think the hypothesis is not that interesting and there are some standard concerns about causation, even though the AI used very sophisticated statistical methods to try and address them. In short, I would have been very happy if this paper was the outcome of a 2nd year PhD project. And I just gave it four prompts, without ever touching the text myself.

Я учёный, и значительная часть моей работы за пределами ИИ, особенно в начале 2010-х, была посвящена краудфандингу. У меня сотни анонимизированных файлов с данными по этой теме — результаты опросов, анализов и исследований, смесь файлов STATA, CSV, XLS и Word, до которых у меня так и не дошли руки, чтобы написать статью. Мне хотелось посмотреть, как далеко GPT-5.5 сможет продвинуться с этой информацией. Я использовал Codex на базе GPT-5.5 и попросил: «Помоги мне разобраться [с данными], сгенерируй новую гипотезу, которая может быть интересной, проверь её продвинутыми методами и напиши академическую статью». Ещё я попросил добавить обзор литературы и форматирование. Результаты впечатлили, особенно после того как я попросил GPT-5.5 Pro прокомментировать статью и передал эти комментарии обратно в Codex. Результат можно прочитать здесь. Он не идеален, но уже не из-за очевидных ошибок: обзор литературы основан на реальных источниках, статистика корректна. Проблема в другом: как эксперт, я считаю гипотезу не слишком интересной, и есть стандартные вопросы к причинно-следственным связям, хотя ИИ использовал весьма изощрённые статистические методы, чтобы их учесть. Коротко говоря, я был бы вполне доволен, если бы такая статья стала результатом проекта аспиранта второго года. А я дал всего четыре промпта, ни разу не правя текст вручную.

We can bring harnesses and apps and models together another way as well. I asked Codex to create an entirely new tabletop roleplaying game, basically its own version of Dungeons and Dragons in a fantasy world of its own invention, full of all of the tables and rules you need to play. I also asked it to simulate players experiencing the game and revise the rules based on what it found. As you can see, the AI complied, including laying out an attractive 101 page PDF and illustrating it using its image generator.

Обвязки, приложения и модели можно объединить и иначе. Я попросил Codex создать совершенно новую настольную ролевую игру — по сути, собственную версию Dungeons and Dragons в вымышленном фэнтезийном мире со всеми таблицами и правилами, необходимыми для игры. Также я попросил сымитировать игроков, проходящих игру, и пересмотреть правила на основе результатов. Как видите, ИИ выполнил задачу, включая вёрстку привлекательного 101-страничного PDF с иллюстрациями, созданными его генератором изображений.

In addition to being technically neat, there is a lot to like about the actual content. The setting is interesting and novel, and the rules appear to make sense, drawing on existing game patterns while adding unique elements. However, a closer inspection also reveals the jagged frontier of AI ability is not entirely gone. Every generation of AI models has struggled with actually building long-form fiction. If you are a frequent reader of AI writing you see the same problems here: a love of the uncanny; overly complex ideas that do not fully pay off; weird metaphors (“weather and architecture are the same argument at different speeds”); too many ornate sentences (“the holy things that surface when a sea forgets it was once a road,” is cool once, an entire book of that is exhausting); dialogue where every character speaks in the same clipped tone; and the name “Mara.” So, even amongst all the amazing technical progress, there are still rough edges.

Помимо технической изящности, в самом содержании немало достоинств. Сеттинг интересный и оригинальный, правила выглядят логичными — они опираются на существующие игровые паттерны, добавляя уникальные элементы. Однако при более внимательном рассмотрении выясняется, что зубчатый фронтир возможностей ИИ не исчез полностью. Каждое поколение моделей испытывает трудности с созданием длинной художественной прозы. Если вы часто читаете тексты, написанные ИИ, вы заметите здесь те же проблемы: любовь к жуткому; чрезмерно сложные идеи, которые не раскрываются до конца; странные метафоры («погода и архитектура — это один и тот же аргумент на разных скоростях»); слишком много витиеватых предложений («святыни, что всплывают, когда море забывает, что когда-то было дорогой» — звучит круто один раз, целая книга в таком духе утомляет); диалоги, в которых все персонажи говорят одинаково отрывисто; и имя «Мара». Так что даже на фоне поразительного технического прогресса шероховатости остаются.

GPT-5.5 shows us that the models keep getting smarter, the apps keep getting more capable, and the harnesses keep getting better, making them ever more effective at solving real problems. I can get a near PhD-quality paper from four prompts or a playable roleplaying game, illustrated and “playtested,” from one. But the fiction is still flat and the hypotheses are sometimes uninteresting even when the statistics are sound. But still. A year ago, none of this was close, and, with the latest releases, capability gains appear to be accelerating.

GPT-5.5 показывает, что модели продолжают умнеть, приложения становятся функциональнее, а обвязки — совершеннее, и всё это делает ИИ эффективнее в решении реальных задач. Я могу получить статью почти аспирантского уровня за четыре промпта или играбельную ролевую игру с иллюстрациями и «плейтестом» за один. Но художественная проза по-прежнему плоская, а гипотезы порой неинтересны, даже когда статистика безупречна. И всё же. Год назад ничего подобного и близко не было, а с последними релизами прирост возможностей, похоже, ускоряется.

GPT-5.5 is clearly not the end of this process, but it is a noteworthy step along the way. I have been writing this newsletter for over three years now, and the pattern has not changed: every few months a new model arrives. I run my tests and something that was impossible becomes easy, while the size of the leaps grows each new release cycle. The jagged frontier is still there. It is just much further out than it used to be.

GPT-5.5 — явно не конец этого процесса, но заметная веха на пути. Я веду эту рассылку уже больше трёх лет, и паттерн не меняется: каждые несколько месяцев появляется новая модель. Я провожу свои тесты — и то, что было невозможным, становится лёгким, а масштаб скачков растёт с каждым новым циклом релизов. Зубчатый фронтир по-прежнему существует. Просто он теперь гораздо дальше, чем раньше.

Share

Поделиться

I take no money from OpenAI or any other AI lab, and OpenAI has not seen this post in advance. Also, I don’t know all the details of the launch at the time I am writing this, so I apologize for any errors.

Я не получаю денег от OpenAI или какой-либо другой ИИ-лаборатории, и OpenAI не видела этот пост заранее. Кроме того, на момент написания я не знаю всех деталей запуска, поэтому прошу извинить за возможные неточности.