Let op — toekomstgericht profiel. Deze pagina beschrijft een model dat zich in een vroege preview bevindt, aangekondigd maar nog niet algemeen beschikbaar is, of geprojecteerd wordt op basis van roadmap-signalen. Specificaties en capaciteiten kunnen nog verschuiven vóór de publieke lancering. Live benchmarkdata op deze pagina weerspiegelt welk endpoint onze testomgeving vandaag kan bereiken.
Dit is de gedateerde snapshot van GPT-5.2 Pro, bevroren op de release van 11 december 2025. De zwevende gpt-5.2-pro slug blijft voortbewegen naarmate OpenAI daaropvolgende updates uitbrengt. Deze gedateerde versie blijft stilstaan — dezelfde gewichten, hetzelfde redeneringsgedrag, dezelfde outputs voor dezelfde inputs, totdat OpenAI uiteindelijk het endpoint buiten gebruik stelt.
Waarom het vastzetten van de Pro-tier meer uitmaakt dan het vastzetten van de basis-tier
Voor routinematige workloads heeft gedragsdrift tussen snapshots de neiging uit te middelen — een iets andere opening, een iets andere kadering, maar het antwoord komt uiteindelijk min of meer op dezelfde plek uit. De basis 5.2-tier is op die manier coulant.
De Pro-tier is anders. Pro is het model waarnaar je grijpt voor lastige redeneertaken: agent-loops met meerstapsplanning, gestructureerde output tegen complexe schema's, analyses die zorgvuldige afweging van vele factoren vereisen. Bij die workloads kan een snapshotrotatie het antwoord veranderen op manieren die ertoe doen. De nieuwe snapshot kan gemiddeld beter zijn en slechter op specifieke randgevallen. Zonder een gecontroleerde vergelijking vang je de regressie niet totdat er iets stroomafwaarts kapotgaat.
Het vastzetten van de gedateerde snapshot in productie betekent dat het moeilijke-geval-redeneren dat je bij de lancering testte, het moeilijke-geval-redeneren is dat je vandaag krijgt. Dat contract is waardevoller op Pro dan op de basis-tier.
Wat deze snapshot vastlegt
De release van GPT-5.2 Pro van december 2025: de lanceringsgewichten, lancerings-safetytraining, lanceringsredeneringdieptekalibratie, en het lanceringsgedrag voor agent-loops, gestructureerde output en langcontextsamenhang. Daaropvolgende zwevende-slug-updates kunnen al deze kenmerken hebben verfijnd. Geen van die updates raakt deze snapshot.
De vision-capaciteit is de lanceringskalibratie: grafiekbegrip, OCR-achtige tekstextractie, documentlay-outparsing, scènebeschrijving. Het text-only outputgedrag, inclusief de gestructureerde-output en function-calling oppervlakken, weerspiegelt de implementatie van december 2025.
Onder de motorkap
Architecturaal is dit de GPT-5.2 Pro transformer-decoder die door elkaar gemengde tekst- en beeldinputs accepteert, met text-only output. OpenAI heeft geen parametertelling of expert-routingdetails gepubliceerd. Het model verbruikt meer compute per token dan basis 5.2, draait langzamer en kost meer — dat profiel staat vast voor deze snapshot.
Tokenisatie gebruikt het standaard GPT-5 BPE-vocabulaire. Beeldinputs worden tile-gecodeerd naar vaste tokenkosten per tile. Het contextvenster komt overeen met de bredere 5.2-lijn. De tool-use-interface, gestructureerde-outputcapaciteiten en function-calling-gedrag weerspiegelen allemaal de lanceringsconfiguratie van december 2025.
De training-cutoff valt eind 2025. Het model kent mainstream taalstandaarden, frameworkversies en publieke informatie van dat moment. Alles daarna is fabricageterritorium.
Waar het vandaag staat
Tegen huidige frontier-tier-modellen is de snapshot van GPT-5.2 Pro van december 2025 competitief op lastige redeneertaken en blijft het een sterke standaard voor workloads waar reproduceerbaarheid belangrijk is. Het intelligenceleaderboard houdt de comparatieve positie bij; verwacht dat de relatieve rangschikking langzaam daalt naarmate zowel OpenAI als concurrenten nieuwere snapshots uitbrengen.
Die daling is geen fout. Het hele punt van de gedateerde snapshot is dat je piekprestatie inruilt voor stabiel gedrag. Als je vooral om piekprestatie gaf, zou je een nieuwere snapshot vastzetten of de zwevende slug gebruiken.
Wanneer deze snapshot vast te zetten
De gevallen zijn reproduceerbaarheidsgedreven en geconcentreerd aan het lastige uiteinde van het redeneringsspectrum:
Evaluatievergelijkingen die lastige redeneertaken betreffen. Als je benchmarksuite Pro-tier-gedrag meet, zet deze snapshot dan vast zodat je je eigen vooruitgang meet in plaats van modeldrift.
Gereguleerde beslissingen waarbij het model dat een bepaalde aanbeveling produceerde identificeerbaar moet zijn in auditlogs, en waarbij de beslissing redenering vereiste die verder gaat dan wat de basis-tier biedt.
Klantgerichte functies gebouwd rond Pro-tier-capaciteit waarbij de prompts, few-shot-voorbeelden en stroomafwaartse parsinglogica waren afgestemd op het specifieke gedrag van deze snapshot op moeilijke gevallen.
Langlopende agent-loops in productie waarbij consistent gedrag over de beslissingsboom van de agent belangrijker is dan incrementele capaciteitswinsten.
Wanneer deze snapshot niet vast te zetten
Sla de gedateerde slug over voor ontwikkeling van nieuwe Pro-tier-functies. Gebruik de zwevende slug of de meest recente gedateerde snapshot; je wilt toegang tot actuele capaciteiten terwijl je aan het ontwerpen bent.
Sla het over voor workloads waarbij de basis-tier het werk goed afhandelt. Pro-tier-vastpinning is operationele overhead, en die overhead is alleen gerechtvaardigd wanneer de Pro-tier iets doet wat de basis-tier niet kan.
Sla het over zodra OpenAI de afbouwkalender voor deze snapshot publiceert. Migratie naar de volgende pin vereist planning, geen crisisrespons op de sunset-dag.
Het twee-slug-patroon voor Pro-workloads
De meeste teams die Pro in productie draaien, convergeren naar hetzelfde patroon: zet de gedateerde snapshot vast in productie, lees de zwevende slug in pre-release-omgevingen waar je zij-aan-zij-vergelijkingen kunt uitvoeren. Het vergelijkingsoppervlak is een canary-suite van representatieve moeilijke-geval-prompts.
Wanneer OpenAI een nieuwe Pro-snapshot uitbrengt, draait de canary-suite tegen beide versies. Als de nieuwe snapshot de evaluatie doorstaat en geen regressies toont op de prompts die productiewaarde drijven, verschuift de productiepinning naar de nieuwe snapshot en herhaalt de cyclus zich. Als de canary regressies toont, blijft de productiepinning staan en worden de regressies gekarakteriseerd voor elke migratiebeslissing.
Dit patroon kost extra engineering — het draaien van twee versies parallel tijdens evaluatie — en bespaart een veel grotere hoeveelheid incidentrespons van stille rotaties op een tier waar gedragsveranderingen werkelijk uitmaken.
Alternatieven
Voor workloads die reproduceerbaar top-tier-redeneren op een andere modelfamilie nodig hebben, levert elke grote aanbieder nu gedateerde snapshots van hun redeneertiers. Het patroon is industriestandaard. Vergelijk de kandidaten op je specifieke moeilijke-geval-suite in plaats van op samenvattende benchmarkscores.
Voor workloads waarbij piekredeneren belangrijker is dan reproduceerbaarheid, zal de zwevende gpt-5.2-pro slug of een nieuwere gedateerde snapshot deze pin overtreffen. Kies de juiste tradeoff voor de workload.
Voor kostengevoelige operaties op lastige gevallen houdt het draaien van een router die alleen naar Pro escaleert wanneer first-pass-kwaliteitscontroles falen de rekening laag terwijl toegang tot het diepere redeneren behouden blijft wanneer het ertoe doet.
Laatste technische review: 2026-05-22 — Tokonomix.ai
