Przejdź do treści

News & analizy

GPT-5.5 i agenci Codex: co potrafią i ile kosztuje ich praca w 2026

Zaktualizowano: Autor: Andrzej Niemiec11 min czytania

GPT-5.5 i Codex: co agent robi sam, gdzie potrzebny jest człowiek i jak liczyć koszt w tokenach. Stawki API, kontekst i rola infrastruktury NVIDIA.

Spis treści
  1. Czym jest GPT-5.5 i czym różni się od Codexa?
  2. Co agent Codex potrafi zrobić sam, a czego nie?
  3. Jakie wyniki GPT-5.5 osiąga w benchmarkach?
  4. Ile kosztuje praca agenta kodującego?
  5. Czy do pracy z GPT-5.5 potrzebny jest system GB200 NVL72?
  6. Co wiadomo o polskich agentach do testowania?
  7. Najczęstsze pytania
  8. Źródła

Czym jest GPT-5.5 i czym różni się od Codexa?

GPT-5.5 to model językowy OpenAI ogłoszony 23 kwietnia 2026 roku, przeznaczony do kodowania, pracy z narzędziami i złożonych zadań wieloetapowych [1]. Codex to środowisko agentowe zbudowane wokół tego modelu: implementacja, refaktoryzacja, debugowanie, testowanie i walidacja kodu [1]. Osobno stoi infrastruktura, czyli systemy NVIDIA GB200 i GB300 NVL72 [1]. Te trzy warstwy mają różne zastosowania i różne koszty, a mieszanie ich prowadzi do błędnych wniosków.

Model odpowiada za jakość rozumowania i generowany tekst. Agent to warstwa wykonawcza: przyjmuje zadanie, planuje kroki, sięga po narzędzia i zmienia pliki w repozytorium. Sprzęt decyduje o tym, jak szybko i przy jakim obciążeniu działa całość. Dla zespołu, który chce używać agenta w codziennej pracy, najważniejsze są dwie pierwsze warstwy, bo trzecia pozostaje po stronie dostawcy usługi.

Podstawowe informacje o samym asystencie, jego planach i funkcjach zebraliśmy na stronie huba ChatGPT. Warto je znać, bo ChatGPT i Codex korzystają z tych samych modeli, ale różnią się interfejsem i sposobem rozliczania.

Co agent Codex potrafi zrobić sam, a czego nie?

Codex potrafi planować zadania, wywoływać narzędzia, modyfikować repozytorium, uruchamiać testy i przygotowywać zmiany do przeglądu [2]. Materiały OpenAI nie twierdzą jednak, że agent zastępuje deweloperów albo pracuje bez nadzoru. Potrzebny jest sandbox, zestaw uprawnień, przegląd kodu i walidacja przez człowieka [2].

W maju 2026 roku OpenAI opisało, jak z Codexa korzystają inżynierowie i badacze NVIDIA. Ponad 10 000 pracowników firmy otrzymało wcześniejszy dostęp do GPT-5.5 [2]. Materiał pokazuje zastosowania, nie podaje natomiast mierzalnych oszczędności czasu, więc nie da się na jego podstawie policzyć zwrotu z wdrożenia.

Praktyczny podział pracy wygląda inaczej, niż sugerują nagłówki o pisaniu kodu za developerów. Agent przygotowuje zmianę i uruchamia testy, człowiek ocenia poprawność, zakres i ryzyko. Więcej o granicach tego modelu pracy piszemy w artykule GPT-5.5 połknął Codex. Czy developerzy stracą precyzję za uniwersalność?.

Jakie wyniki GPT-5.5 osiąga w benchmarkach?

OpenAI deklaruje 82,7% w Terminal-Bench 2.0 i 58,6% w SWE-Bench Pro [1]. Oba wyniki pochodzą od producenta, nie z niezależnego pomiaru, i dotyczą wąskich zadań testowych. Model obsługuje kontekst do 1 050 000 tokenów w API [3], co pozwala analizować duże repozytoria i długie dokumenty w jednym wywołaniu.

Sam wynik benchmarku nie odpowiada na pytanie, czy agent poradzi sobie z konkretnym projektem. Inne znaczenie ma poprawność na wyizolowanym zadaniu, inne stabilność w repozytorium z historią, zależnościami i konwencjami zespołu. Dlatego liczby warto traktować jako punkt wyjścia do własnych prób, a nie jako gwarancję. Szersze porównanie modeli do kodowania, w tym Opus 4.7, znajdziesz w tekście GPT 5.5 vs Opus 4.7 w kodowaniu.

Ile kosztuje praca agenta kodującego?

Rozliczenie opiera się na tokenach, nie na liczbie uruchomień agenta [3]. Znaczenie mają długość kontekstu, liczba iteracji, wywołania narzędzi i to, czy odpowiedź trafia do pamięci podręcznej. Cennik jest oficjalny, podany w USD przez OpenAI, stan na październik 2026 roku.

KryteriumAPI GPT-5.5Plany Codex
Sposób rozliczaniaza tokeny wejściowe i wyjściowe [3]w ramach planu ChatGPT/Codex [1]
Okno kontekstudo 1 050 000 tokenów [3]400 000 tokenów [1]
MnożnikiBatch i Flex -50%, Priority 2,5x [1]tryb Fast: 1,5x szybciej, 2,5x drożej [1]

Stawki bazowe to 5 USD za 1 mln tokenów wejściowych i 30 USD za 1 mln tokenów wyjściowych [3]. GPT-5.5 Pro kosztuje 30 USD za 1 mln tokenów wejściowych i 180 USD za 1 mln wyjściowych [4]. Przy wejściu powyżej 272 tys. tokenów OpenAI liczy 2x stawkę za wejście i 1,5x za wyjście [3].

Proste przeliczenie pokazuje skalę. 200 tys. tokenów wejściowych i 20 tys. wyjściowych to 0,2 mln x 5 USD + 0,02 mln x 30 USD, czyli 1,6 USD za jedno wywołanie [3]. Ten sam przebieg na GPT-5.5 Pro kosztowałby 0,2 x 30 + 0,02 x 180, czyli 9,6 USD [4]. Realne zadanie to zwykle kilka iteracji i wywołań narzędzi, więc kwota rośnie proporcjonalnie do pracy, nie do liczby agentów.

Czy do pracy z GPT-5.5 potrzebny jest system GB200 NVL72?

Nie dla typowego zespołu. GB200 NVL72 to system rack-scale z 72 GPU Blackwell i 36 procesorami Grace, z 13,4 TB pamięci HBM3E i 130 TB/s przepustowości NVLink [5]. OpenAI podaje, że GPT-5.5 był współprojektowany, trenowany i obsługiwany na systemach GB200 i GB300 NVL72 [1]. To infrastruktura centrów danych, a nie sprzęt do biurka.

NVIDIA deklaruje do 30x szybsze wnioskowanie dla określonych wielkich modeli względem wcześniejszej generacji [5]. Nie jest to równoznaczne z 30x niższym kosztem konkretnego agenta programistycznego [5]. Dla firmy, która nie prowadzi własnego centrum danych, zwykłą drogą pozostaje API albo plan Codex. Warianty wdrożenia po stronie organizacji opisaliśmy w artykule Codex on-premise: jak OpenAI i Dell omijają polskie blokady compliance w kodowaniu.

Co wiadomo o polskich agentach do testowania?

Polski startup TesterArmy rozwija agentów do testowania aplikacji webowych i mobilnych, a w 2026 roku pozyskał rundę pre-seed o wartości około 4,5 mln zł [7]. Publiczne materiały z września 2026 roku opisują testowanie z perspektywy użytkownika, a nie generowanie testów jednostkowych [6]. Źródła nie potwierdzają historii o polskim startupie finansowym, który w październiku 2026 roku miał uruchomić agenta generującego testy jednostkowe na GPT-5.5.

To rozróżnienie ma znaczenie praktyczne. Agent testujący interfejs działa inaczej niż agent piszący kod: pierwszy symuluje użytkownika i szuka błędów w gotowym produkcie, drugi zmienia repozytorium. Oba mieszczą się w szerszym trendzie, ale mają inne wymagania dotyczące uprawnień i nadzoru.

Najczęstsze pytania

Czy Codex zastąpi junior developera?

Materiały OpenAI nie dają podstaw do takiego wniosku. Agent planuje zadania, modyfikuje repozytorium i uruchamia testy, ale wymaga sandboxingu, uprawnień i przeglądu przez człowieka [2]. Nie ma potwierdzonych danych o redukcji zatrudnienia w firmach, które wdrożyły Codex. Bezpieczniej mówić o zmianie zakresu pracy niż o zastąpieniu stanowiska.

Ile kosztuje GPT-5.5 w API?

Bazowa stawka to 5 USD za 1 mln tokenów wejściowych i 30 USD za 1 mln wyjściowych, a GPT-5.5 Pro odpowiednio 30 i 180 USD [3][4]. Wejście powyżej 272 tys. tokenów jest liczone podwójnie, wyjście półtorakrotnie [3]. Do tego dochodzą mnożniki trybów: Batch i Flex obniżają cenę o połowę, Priority ją zwiększa [1].

Czy GPT-5.5 jest dostępny w Polsce?

Polska znajduje się na liście krajów obsługiwanych przez ChatGPT i OpenAI API [8]. Dostępność konkretnego planu i modelu zależy od planu oraz ustawień konta. Ceny w PLN mogą różnić się od prostego przeliczenia kursu, bo OpenAI obsługuje rozliczenia w walucie lokalnej dla wybranych rynków [9].

Czy agent może pracować bez nadzoru człowieka?

Nie w świetle materiałów OpenAI. Agent działa w sandboxie i w granicach nadanych uprawnień, a przygotowane zmiany przechodzą przegląd kodu oraz walidację [2]. Nadzór dotyczy nie tylko poprawności, ale też bezpieczeństwa: dostępu do sekretów, sieci i danych produkcyjnych. Dlatego wdrożenie wymaga polityki uprawnień, a nie tylko wyboru modelu.

Czy GB200 NVL72 trzeba kupić, żeby używać GPT-5.5?

Nie. GPT-5.5 jest dostępny przez API i w planach ChatGPT oraz Codex, a GB200 NVL72 to system dla centrów danych [1][5]. Źródła nie podają ceny tego systemu, więc nie da się rzetelnie porównać zakupu z kosztem API. Dla małego zespołu rozliczenie tokenowe jest prostsze do przewidzenia i nie wymaga utrzymania sprzętu.

Źródła

  1. Introducing GPT-5.5 (OpenAI, 2026)
  2. How NVIDIA engineers and researchers build with Codex (OpenAI, 2026)
  3. GPT-5.5 Model (OpenAI, 2026)
  4. GPT-5.5 Pro Model (OpenAI, 2026)
  5. GB200 NVL72 (NVIDIA, 2026)
  6. Agenci AI zamiast skryptów. TesterArmy chce podbić rynek i zebrał na to miliony od znanych inwestorów (XYZ, 2026)
  7. TesterArmy pozyskuje 4,5 mln PLN na rozwój agentów AI do testowania aplikacji (mamstartup.pl, 2026)
  8. ChatGPT Supported Countries (OpenAI, 2026)
  9. Multi-currency billing (OpenAI, 2026)
AN
O autorze
Andrzej Niemiec

Fanatyk nowych technologii i specjalista w zakresie sztucznej inteligencji.

Jak powstają teksty: Polityka AI · O redakcji