Let op — toekomstgericht profiel. Deze pagina beschrijft een model dat zich in een vroege preview bevindt, is aangekondigd maar niet algemeen beschikbaar is, of geprojecteerd is op basis van roadmapsignalen. Specificaties en mogelijkheden kunnen verschuiven vóór de publieke lancering. Live benchmarkgegevens op deze pagina weerspiegelen welk endpoint onze testharnas vandaag kan bereiken.
Dit is de gedateerde snapshot van GPT-5.2, bevroren op de release van 11 december 2025. De zwevende gpt-5.2-slug zal blijven bewegen naarmate OpenAI volgende point-updates uitbrengt. Deze vastgezette versie blijft stil staan — dezelfde gewichten, hetzelfde gedrag, dezelfde outputs voor dezelfde inputs, tot de dag waarop het endpoint uiteindelijk wordt uitgefaseerd.
Waarom deze snapshot apart bestaat van de zwevende slug
Elke modelgeneratie wordt geleverd in twee smaken: een bewegend doelwit en een vaste referentie. Het bewegende doelwit krijgt stille verbeteringen. De vaste referentie krijgt niets — zelfs geen bugfixes — maar er wordt ook niets weggenomen. Voor evaluatie, gereguleerde beslissingen en elk product waarvan de acceptatietests zijn gekalibreerd tegen één specifiek gedrag, is de vaste referentie de enige verstandige keuze.
De splitsing tussen gpt-5.2 en gpt-5.2-2025-12-11 is het operationele antwoord op een reëel probleem. Teams die in eerdere generaties naar zwevende slugs verwezen, hebben een werkend productiegedrag verloren aan een stille snapshotrotatie vaker dan iemand publiekelijk toegeeft. Het vastleggen van de gedateerde snapshot in productie lost dat op. Het lezen van de zwevende slug in pre-release geeft je het nieuwe gedrag om te evalueren voordat je het adopteert.
Wat deze snapshot vastlegt
De snapshot van december 2025 is GPT-5.2 bij lancering. De training-cutoff ligt in het late 2025. Vision-encoder-kalibratie weerspiegelt de lanceringsconfiguratie. Veiligheidstraining, weigeringspatronen, instructievolgende randgevallen — al deze zijn bevroren op dit punt. Elke daaropvolgende zwevende-slug-update is gebeurd bij andere snapshots, niet bij deze.
Wat je bij lancering hebt getest, is wat vandaag in productie draait. Dat is het contract.
Onder de motorkap
GPT-5.2 is een transformer-decoder die doorlopende tekst- en afbeeldingsinvoer accepteert, met alleen tekstuitvoer. OpenAI heeft geen parameteraantallen of expert-routingdetails gepubliceerd. Het model verwerkt documenten, grafieken, screenshots, foto's en diagrammen als afbeeldingsinvoer; uitvoer is beperkt tot tekst, inclusief gestructureerde formaten zoals JSON en markdown.
Tokenisatie gebruikt het GPT-5 BPE-vocabulaire. Afbeeldingsinvoer wordt tile-gecodeerd naar vaste tokenkosten per tile. Het exacte tilebudget hangt af van resolutie en beeldverhouding; voor typische documentworkloads komt dit uit op enkele honderden tot een paar duizend afbeeldingstokens per pagina, wat snel het totale tokenaantal domineert.
Het model ondersteunt de standaard OpenAI-functieset op deze snapshot: gestructureerde uitvoer, functieaanroepen, parallelle toolaanroepen, vision-invoer en het lange-contextgedrag van de GPT-5.2-release. Alles wat na december 2025 aan de zwevende slug is toegevoegd, is hier mogelijk niet beschikbaar.
Waar het vandaag staat
Voor algemene werkzaamheden en vision-ondersteunde analyse bevindt de snapshot van december 2025 van GPT-5.2 zich in de bovenste laag van frontiermodellen uit die periode. Het intelligenceleaderboard volgt hoe het zich verhoudt tot huidige modellen; verwacht dat de kloof naar een huidige zwevende slug in de loop van de tijd groeit naarmate zowel OpenAI als concurrenten nieuwere snapshots uitbrengen.
Voor contentgeneratieworkflows produceert het model betrouwbare middellange uitvoer. Voor data-extractie uit documenten is de vision-mogelijkheid een echt voordeel ten opzichte van alleen-tekstextractors, met name bij lay-outrijke invoer zoals facturen, formulieren en gestructureerde rapporten.
Wanneer deze snapshot vast te leggen
De duidelijke gevallen zijn reproducibiliteitsgedreven. Gebruik de snapshot van december 2025 wanneer:
Je een evaluatiesuite draait die vergelijkbaar moet zijn over tijd. Als je benchmarkcijfers verwijzen naar deze snapshot, meet het vergelijken van toekomstige runs tegen de zwevende slug modeldrift, niet je eigen wijziging.
Je opereert in een gereguleerd domein waar het model dat een gegeven beslissing heeft geproduceerd identificeerbaar moet zijn in auditlogs. "GPT-5.2 zwevend" is geen identificator. "gpt-5.2-2025-12-11" wel.
Je een klantgerichte functie hebt waarvan de prompts en few-shot-voorbeelden zijn afgestemd op het gedrag van deze snapshot, en waarbij hernieuwde afstemming over een snapshotmigratie duur of riskant zou zijn.
Je een gecontroleerd experiment draait dat vereist dat de controlearm gedurende de duur van de test echt vast blijft.
Wanneer deze snapshot niet vast te leggen
Vermijd de gedateerde slug voor nieuwe feature-ontwikkeling. Gebruik de zwevende slug of welke gedateerde snapshot ook actueel is; je wilt toegang tot het nieuwste gedrag terwijl je aan het ontwerpen bent, niet het lanceringsgedrag van een zes maanden oude release.
Vermijd het voor workflows waarvan de kwaliteit wordt begrensd door het model in plaats van door de prompt. Als een nieuwere snapshot aanzienlijk beter is bij de taak en de kosten van gedragsdrift laag zijn, neem dan de nieuwere snapshot.
Vermijd het zodra OpenAI de afschaffingstijdlijn voor deze snapshot aankondigt. Plan de migratie vóór de sunsetdatum in plaats van op de dag te ontdekken dat je productie-endpoint fouten is gaan retourneren.
Praktisch migratiepatroon
De meeste teams convergeren naar een twee-slug-patroon: de gedateerde snapshot in productie, de zwevende slug in pre-release. Nieuwe snapshots worden geëvalueerd tegen de canary-suite voordat ze worden geadopteerd. Wanneer de nieuwe snapshot de evaluatie doorstaat en eventuele klantenzichtbare regressies worden geaccepteerd of gemitigeerd, worden productiepins bijgewerkt naar de nieuwe gedateerde versie, en de cyclus herhaalt zich.
Dit patroon geeft je de operationele stabiliteit van vastgelegd gedrag met een gestructureerd pad naar het integreren van verbeteringen. Het kost een kleine hoeveelheid extra engineering — het parallel draaien van twee versies gedurende de evaluatieperiode — en bespaart een veel grotere hoeveelheid incident response van stille modelrotaties.
Alternatieven
Als reproduceerbaarheid van vision-gedrag cruciaal is en het afschaffingsschema van OpenAI niet overeenkomt met je retentie-eisen, geven de open-weights multimodale modellen je onbeperkte controle. De nauwkeurigheids- en latentie-tradeoffs zijn reëel, maar de gewichten bewegen nooit onder je vandaan.
Als je hetzelfde soort vastgelegd gedrag nodig hebt maar een andere kwaliteitslaag, wordt elk ander model in de GPT-5.2-familie — en elke zwevende slug over de bredere 5.x-lijn — geleverd met een gedateerde tegenhanger. Kies het kwaliteits- en modaliteitsprofiel dat bij de workload past, leg dan de gedateerde versie vast.
Laatste technische beoordeling: 2026-05-22 — Tokonomix.ai
