Databricks wdraża GPT-5.5 po rekordzie na benchmarku OfficeQA Pro

Databricks odpala GPT-5.5 w korporacyjnych agentach

Databricks wbudowuje GPT-5.5 w swoje enterprise’owe workflow agentów AI — decyzja zapadła po tym, jak model OpenAI wykręcił nowy rekord na benchmarku OfficeQA Pro. To nie przypadkowy wybór partnera: Databricks obsługuje tysiące korporacyjnych klientów, którzy przetwarzają dane na masową skalę i szukają modeli zdolnych do samodzielnego wykonywania złożonych zadań biurowych bez ciągłego nadzoru człowieka.

OfficeQA Pro mierzy zdolność modelu do odpowiadania na pytania wymagające analizy dokumentów, tabel i wewnętrznych danych firmowych — czyli dokładnie tego, z czym agenty korporacyjne mierzą się na co dzień. GPT-5.5 pobił poprzednie wyniki na tym benchmarku, co Databricks potraktował jako sygnał do działania.

Czym właściwie są te agentowe workflow?

Agent w rozumieniu Databricks to nie chatbot. To autonomiczny proces, który dostaje zadanie — powiedzmy „przygotuj raport sprzedażowy za Q2, porównaj z poprzednim rokiem i zaproponuj trzy rekomendacje” — i sam odwołuje się do baz danych, analizuje wyniki, pisze kod SQL, interpretuje tabele i zwraca gotowy output. GPT-5.5 wchodzi tu jako silnik decyzyjny, który koordynuje te kroki.

Databricks od dawna budował swój ekosystem wokół platformy Unity Catalog i środowiska obliczeniowego Apache Spark. Integracja z GPT-5.5 oznacza, że agenty mają teraz dostęp do świeżo wytrenowanego modelu, który — według benchmarku OfficeQA Pro — lepiej radzi sobie z wieloetapowym rozumowaniem nad danymi strukturalnymi niż poprzednie wersje.

Czy GPT-5.5 wypiera modele open source?

Databricks to firma, która sama trenuje modele językowe — DBRX i wcześniejszy Dolly to ich własne projekty. Wybór GPT-5.5 zamiast własnego lub otwartego modelu mówi sporo o tym, gdzie według nich leży bariera jakości dla zastosowań korporacyjnych.

Firmy takie jak Mistral, Meta z Llamą czy sam Databricks z DBRX oferują rozwiązania, które można wdrożyć lokalnie — bez przesyłania danych do zewnętrznych API. Dla enterprise’u to duży argument: compliance, GDPR, wewnętrzne polityki bezpieczeństwa. Mimo to Databricks zdecydował się na GPT-5.5, co sugeruje, że różnica w jakości rozumowania jest na tyle duża, że przeważa nad argumentem suwerenności danych — przynajmniej dla części klientów.

To nie jest oczywiste. Jeszcze rok temu duże firmy produkcyjne czy instytucje finansowe odrzucały jakiekolwiek rozwiązania oparte na zewnętrznych API. Teraz część z nich wyraźnie zmienia podejście, bo koszty utrzymania własnych modeli klasy frontier okazują się wyższe niż koszty API.

Benchmark jako argument sprzedażowy

OfficeQA Pro nie jest przypadkowym wyborem testu. OpenAI i Databricks promują wynik na tym właśnie benchmarku, bo bezpośrednio odpowiada na pytanie korporacyjnych klientów: czy model poradzi sobie z moimi danymi, moimi dokumentami, moimi procesami?

Benchmarki ogólne jak MMLU czy HumanEval przestały wystarczać jako argument sprzedażowy dla enterprise’u. Klienci chcą wiedzieć, jak model radzi sobie z formularzami, raportami kwartalnymi, zapytaniami do baz danych i wieloetapowymi procesami zatwierdzania. OfficeQA Pro celuje właśnie w ten segment.

Databricks nie podał jeszcze konkretnych liczb dotyczących liczby klientów, którzy już odpalili agenty oparte na GPT-5.5, ani widełek cenowych tej integracji.