GPT-5.5

Уиллисон использовал Fable для предрелизного ревью sqlite-utils 4.0rc2: 37 промптов, 34 коммита, пять блокирующих багов — худший из них, delete_where(), оставлял транзакцию открытой, из-за чего поздние записи тихо откатывались. Он оценивает стоимость API в $149,25; перекрёстное ревью от GPT-5.5 нашло ещё два.

Разворот: $150, потраченные экспертом, который точно знает, о чём спросить, — не те $150, что новичок спустит на погоню за выдуманными проблемами, ведь эти модели никогда не говорят «ничего не нашёл, всё в порядке».

На 390 195 залогированных ответах GPT-5.5 Codex обрывает размышление ровно на 516 токенах гораздо чаще любого собрата: 82% событий «ровно 516» приходятся на GPT-5.5, хотя это лишь 19% трафика. Остановки кучкуются на 516, 1034 и 1552 — с шагом около 518.

Один пользователь HN воспроизвёл это вживую: 4 из 10 одинаковых запросов замкнуло на 516 токенах, и каждый вернул неверный ответ.

Предполагаемая причина: оптимизация пропускной способности, которая батчит размышление кратно 512.

По цифрам Cursor, Composer 2.5 даёт 63,2% точности за $0,55 на задачу — дешевле всех в поле и подаётся как почти-фронтир. В презентации даже перевернули ось цены, чтобы самое дешёвое оказалось справа, что многим показалось удобной путаницей.

Возражение пришло со ссылками. На бенчмарке DeepSWE — «который труднее всего накрутить» — GPT-5.5 берёт 64, Opus 4.8 — 56, а Composer 2.5 — 16. Разработчик, много работавший с обеими моделями, назвал заявку о паритете «полным фарсом»: быстрее — да, но рядом по качеству — нет.

Управление компьютером теперь встроено в Gemini 3.5 Flash: модель видит скриншот, рассуждает и совершает действия в браузере, мобильных и десктопных средах. Целевая аудитория — автоматизация тестирования ПО и корпоративные задачи через API и демо на Browserbase.

Тред опрокидывает маркетинг. Читатели замечают: заголовочный бенчмарк визуально делает Flash победителем, хотя числа показывают двух конкурентов впереди. Разработчики агентов добавляют, что управление через скриншоты — изначально неверный подход.

Show HN «Are You in the Weights?» отправляет ваше имя в дюжину моделей — от Llama 3.2 1B до GPT-5.5 — и оценивает, насколько вы «запомнены», по баллу силы и рейтингу «Top N%». Ответы читались как кривые зеркала: люди с по-настоящему уникальным именем всё равно получали выдуманные биографии, фиктивные спортивные карьеры, несуществующие преступления.

Потом всплыло предупреждение о приватности: каждое введённое имя попадает на публичный лидерборд «latest», который листается бесконечно. И один тихий вопрос, оставшийся без ответа: что означает присутствие в весах для права быть забытым?

GLM-5.2 от Z.ai (744B всего, 40B активных) — теперь топовая open-weights-модель на Artificial Analysis с 51 баллом, впереди DeepSeek V4 Pro и Kimi K2.6, а в одном бенчмарке она набрала 1524 против 1514 у GPT-5.5.

Подвох — в многословии: 43 тыс. токенов на задачу, из них 37 тыс. на рассуждения. Один тестировщик засёк 15 минут и 45 тыс. токенов до появления первого файла. Главный научный сотрудник Sibylline всё равно рекомендует её: связка GLM для письма плюс дешёвая подписка GPT для ревью даёт результат уровня почти Opus за долю цены.