OpenAI
GPT 5.2
Модель OpenAI серии GPT-5 с сильными возможностями рассуждения и работы с длинным контекстом.
- Вход
- 221,55 ₽
- Выход
- 1 772,40 ₽
- Кэш
- 22,16 ₽
- Интеллект
- 17
- Доступность
- 100%
openai/gpt-5.2Данные каталога получены .
Цена
- Текстовый диалог · вход
- 221,55 ₽ / 1 млн токенов
- Текстовый диалог · выход
- 1 772,40 ₽ / 1 млн токенов
- Текстовый диалог · вход из кэша
- 22,16 ₽ / 1 млн токенов
Цена указана в рублях для выбранной операции и её параметров.
Перед оплачиваемым запросом создаётся резерв. Итоговый расход привязан к сохранённым параметрам и тарифу запроса. При неизвестном результате резерв удерживается до проверки; такой запрос не следует повторять с новым идентификатором.
О модели
GPT-5.2 — модель OpenAI серии GPT-5. Обладает сильными возможностями рассуждения и производительностью при работе с длинным контекстом.
- Релиз
Характеристики
- 7 октября: 100%100%7 октября
- 8 октября: 100%100%8 октября
- 9 октября: 99,9%99,9%9 октября
- Тип модели
- Текст
- Вход модели
- Текст, Изображения
Данные, которые модель принимает вместе с запросом.
- Выход модели
- Текст
Форматы результата, которые создаёт модель.
- Контекстное окно
- 400 000 токенов
Контекстное окно по данным каталога. Лимит ответа и допустимый объём запроса проверяйте отдельно.
- Максимальный ответ
- 128 000 токенов
Максимальный размер ответа по данным каталога. Фактический предел запроса зависит от подключённой операции.
- Операции
- Текстовый диалог, Понимание изображений
- Возможности модели
- Потоковый ответ, Понимание изображений, Рассуждения, Вызов инструментов, Вызов функций, Параллельные вызовы инструментов, Структурированный ответ, Ответ в JSON, Пакетные запросы, Входные файлы, Входные изображения
Контрольные показатели
Artificial Analysis
14 показателей · проверено
- Индекс интеллекта
- 17 индексСводная оценка Artificial Analysis по всем её тестам
Рассуждение по документу
- AA-LCR v1.145,7 %
Рассуждение на длинном контексте с обновлённой оценкой
Устаревшие тесты
- AA-LCR (версия не указана, архивный)45,7 %
Оценка рассуждений на длинном контексте
- GPQA Diamond (архивный)71,2 %
Научные рассуждения уровня выпускника
Знания
- AA-Omniscience · точность30,8 %
Доля вопросов с правильным ответом
- MMLU-Pro81,4 %
Профессиональные и академические предметные знания
Знание
- AA-Omniscience · доля выдуманных ответов (меньше лучше)62,3 %
Доля неверных ответов среди некорректных ответов
Рассуждения
- AIME 202551 %
- HLE8 %
Humanity’s Last Exam — вопросы экспертного уровня
Рассуждение
- CritPt0,6 %
Рассуждения по физике исследовательского уровня
- IFBench47,4 %
Тест на следование инструкциям
Программирование
- LiveCodeBench66,9 %
Бенчмарк по программированию без загрязнения данных
- Terminal-Bench Hard (архивный)31,8 %
Устаревший резервный вариант · Агентное программирование и работа в терминале
Агентная работа
- T²-Bench Telecom (архивный)46,5 %
Устаревший резервный вариант · Разговорные ИИ-агенты в сценариях с двойным управлением
Design Arena
8 показателей · проверено
Рейтинг Elo и доля побед в попарных сравнениях, оценённых людьми
Агентные системы
- Полный цикл разработки · Elo1 042 Elo
- Полный цикл разработки · доля побед44,3 %
- Мобильные приложения · Elo1 121 Elo
- Мобильные приложения · доля побед46,8 %
- Нативные приложения · Elo1 074 Elo
- Нативные приложения · доля побед49,1 %
- Веб-приложения · Elo1 085 Elo
- Веб-приложения · доля побед45,5 %
Оценки относятся к этой версии модели и методике источника. Качество и скорость конкретного запроса они не гарантируют.
API-запрос
Операция доступна через API. Ключ храните в переменной окружения на своём сервере. REQUEST_ID: уникальный идентификатор запроса. При повторе сохраняйте его и тело запроса.
import json
import os
from urllib.request import Request, HTTPRedirectHandler, build_opener
class NoRedirect(HTTPRedirectHandler):
def redirect_request(self, req, fp, code, msg, headers, newurl):
return None
opener = build_opener(NoRedirect)
def post(url, payload):
request = Request(url, data=json.dumps(payload).encode("utf-8"), headers={
"Authorization": "Bearer " + os.environ["KVANTORA_API_KEY"],
"Content-Type": "application/json",
"Idempotency-Key": os.environ["REQUEST_ID"],
}, method="POST")
with opener.open(request, timeout=120) as response:
return json.load(response)
payload = {
"model": "openai/gpt-5.2",
"messages": [
{
"role": "user",
"content": "Объясни задачу кратко."
}
]
}
print(post("https://api.kvantora.ai/v1/chat/completions", payload))





