OpenAI отправляет GPT-5.5 «на пенсию» через полгода после релиза

В мире искусственного интеллекта полгода — это почти вечность. Компания OpenAI (OpenAI) объявила, что 14 октября 2026 года она прекратит поддержку модели GPT-5.5 в сервисах ChatGPT, ChatGPT Work и Codex. Учитывая, что GPT-5 официально вышла только 23 апреля 2026 года, жизненный цикл ее промежуточной итерации оказался на удивление коротким.

Кого коснутся изменения

Обновление не выбирает жертв: изменения затронут абсолютно все тарифные планы. Это касается как обычных бесплатных аккаунтов, так и подписок Business, Enterprise и Edu. Для большинства обычных пользователей ChatGPT переход на новые рельсы должен произойти автоматически и незаметно. Однако тем, кто встроил ИИ в свои рабочие процессы, стоит напрячься.

Особое внимание OpenAI советует уделить инструменту Codex, если вы заходите в него через учетную запись ChatGPT. Разработчикам рекомендуется заранее проверить и обновить:

• настройки рабочих пространств;
• сохранённые параметры моделей;
• управляемые конфигурации;
• пользовательских агентов;
• запланированные задачи и скрипты, где жестко прописано название старой модели.

Альтернативы и исключения

Вместо «старой» GPT-5.5 разработчик предлагает переходить на GPT-5.6 Sol. Эта модель уже доступна в ChatGPT, Codex и через API. Кстати, для тех, кто использует OpenAI API с собственным ключом, есть хорошая новость: вывод модели из эксплуатации в интерфейсах ChatGPT и Codex на прямую работу с API пока не распространяется. Вы можете продолжать использовать GPT-5.5 в своих программах, хотя согласно политике устаревания моделей, это лишь вопрос времени.

Сейчас линейка компании выглядит довольно разветвленной: кроме Sol, в неё входят модели Terra и Luna. Тем временем в недрах компании уже готовят следующее большое обновление — GPT-6 Astra, о чём OpenAI периодически напоминает в своём официальном блоге.

Пока гиганты индустрии соревнуются в скорости выпуска новых версий, стоит помнить, что не всегда количество переходов означает качество. Некоторые исследования указывают на то, что 96% ресурсов популярных нейросетей затрачивается на банальное перечитывание собственной памяти, а не на решение ваших задач.