gpt-5.5-high (codex-harness) é um modelo de linguagem de grande porte desenvolvido pela OpenAI, lançado em 12 de março de 2025. É uma variante especializada da família GPT-5.5, otimizada para engenharia de software e tarefas de codificação agênticas. O modelo é projetado para operar em um ambiente de harness que se integra a ferramentas externas, permitindo que ele execute código, rode testes e itere em soluções de forma autônoma.
O modelo se baseia na arquitetura Transformer, incorporando avanços em atenção multi-cabeça e codificação posicional de iterações anteriores do GPT. Ele é treinado usando uma combinação de técnicas de aprendizado profundo, incluindo aprendizado por reforço a partir de feedback de IA e aprendizado curricular, para melhorar sua capacidade de lidar com problemas de programação complexos e de múltiplas etapas.
Desempenho em Benchmarks
Nos rankings de benchmarks de inteligência artificial, o gpt-5.5-high (codex-harness) alcançou pontuações notáveis no início de 2025. No benchmark SWE-bench Verified, ele obteve 78,4 por cento, superando o estado da arte anterior em 12 pontos. No HumanEval, registrou uma pontuação pass@1 de 92,1 por cento, e no ranking LiveCodeBench, alcançou 71,3 por cento em maio de 2025. Esses resultados o posicionaram entre os modelos de melhor desempenho para geração de código em rankings públicos como LMArena e LiveBench, embora as classificações exatas tenham flutuado com lançamentos subsequentes de modelos.
Arquitetura do Harness
O componente codex-harness refere-se ao ambiente de execução que acompanha o modelo. Diferentemente dos modelos de linguagem de grande porte padrão, que geram texto estático, o gpt-5.5-high pode invocar um shell em sandbox, sistema de arquivos e ferramentas de rede. Isso permite que ele escreva código, execute-o, observe erros e refine sua saída em um loop. O harness suporta múltiplas linguagens de programação, incluindo Python, JavaScript e Rust, e integra-se a sistemas de controle de versão como o Git.
O harness usa uma estratégia de decodificação por busca em feixe durante a inferência, combinada com amostragem top-p e escalonamento de temperatura para equilibrar exploração e determinismo. Ele também emprega poda de modelo para reduzir a latência em implantações de produção, reduzindo o tempo de inferência em aproximadamente 30 por cento em comparação com a versão sem poda.
Treinamento e Desenvolvimento
O modelo foi desenvolvido por uma equipe liderada por Jakob Uszkoreit e Mark Chen, com contribuições de Brad Lightcap e Jacob Steinhardt. O treinamento usou um cluster de chips AWS Trainium juntamente com infraestrutura Azure, com um total relatado de 2,1 trilhões de tokens de dados de código e linguagem natural. A execução do treinamento consumiu uma estimativa de 4,2 exaflops de computação, um número comparável às execuções de treinamento anteriores do GPT-5.
O modelo foi treinado em três fases: pré-treinamento em um corpus diversificado de repositórios de código públicos, ajuste fino em conjuntos de dados de seguimento de instruções e uma fase final de alinhamento usando RLAIF com um modelo de recompensa treinado em dados de preferência humana. O próprio modelo de recompensa era um transformer menor com 7 bilhões de parâmetros, treinado em 1,5 milhão de comparações anotadas por humanos.
Implantação e Casos de Uso
A OpenAI lançou o gpt-5.5-high (codex-harness) por meio de sua API em 12 de março de 2025, com preços definidos em US$ 0,15 por 1.000 tokens de entrada e US$ 0,60 por 1.000 tokens de saída. Ele também está disponível por meio do GitHub Copilot como um modelo opcional para usuários empresariais. O modelo é usado por equipes de software para correção automatizada de bugs, geração de testes e revisão de código, e foi integrado a várias ofertas da Amazon Web Services e do Google Cloud.
Em um estudo de implantação conduzido pela OpenAI em junho de 2025, o modelo resolveu 61 por cento dos problemas reais do GitHub registrados por equipes internas sem intervenção humana. Ele também gerou testes unitários que aumentaram a cobertura de código em uma média de 18 por cento em 40 projetos de código aberto.
Limitações e Segurança
Apesar de seu desempenho, o gpt-5.5-high (codex-harness) tem limitações documentadas. Ocasionalmente, ele produz código com vulnerabilidades de segurança sutis, particularmente em linguagens não seguras quanto à memória, como C e C++. Em uma avaliação de red team pela Berkeley AI Research em abril de 2025, o modelo não conseguiu identificar 14 por cento dos vetores de injeção de SQL injetados em um conjunto de testes controlado.
O modelo também exibe uma tendência a se ajustar excessivamente a padrões de benchmark, o que pode reduzir sua eficácia em bases de código novas ou pouco documentadas. A OpenAI implementou recorte de gradiente e dropout durante o treinamento para mitigar o sobreajuste, mas o problema persiste em casos extremos. A empresa publicou um model card detalhando essas limitações e recomenda revisão humana para aplicações críticas de segurança.
Recepção e Impacto
O lançamento do gpt-5.5-high (codex-harness) foi amplamente coberto pela imprensa técnica, com pesquisadores do MIT CSAIL elogiando suas capacidades agênticas em uma revisão de julho de 2025. Alguns críticos, incluindo Melanie Mitchell, levantaram preocupações sobre o custo ambiental do treinamento, estimado em 1.200 megawatts-hora de eletricidade. Outros notaram que as pontuações de benchmark do modelo podem não se traduzir diretamente em ganhos de produtividade no mundo real, um ponto ecoado em um estudo do Stanford AI Lab.
No final de 2025, o modelo permanece em uso ativo, e a OpenAI lançou atualizações periódicas ao software do harness, com o snapshot mais recente datado de 22 de setembro de 2026, incorporando recuperação de erros aprimorada e capacidades de edição de múltiplos arquivos.