Eine kürzlich durchgeführte Studie von Li Bojie, Chief Scientist bei Pine AI, hat die Parameteranzahl mehrerer Closed-Source-Großsprachmodelle mit einer neuartigen Methode geschätzt. Die Forschung, veröffentlicht in einem Papier mit dem Titel "Incompressible Knowledge Probes", nutzte 1.400 obscure Faktenfragen, um die Parametergrößen dieser Modelle rückzuentwickeln. Die Studie ergab, dass GPT-5.5 mit geschätzten 9,7 Billionen Parametern führt und damit deutlich vor Claude Opus 4.6 mit etwa 5,3 Billionen liegt. Die Forschung platzierte auch Grok-4 bei etwa 3,2 Billionen Parametern, wobei andere Modelle wie GPT-5 und Claude Opus 4.7 dicht folgen. Die Methodik der Studie bestand darin, die Leistung der Closed-Source-Modelle auf eine Kurve abzubilden, die aus 89 Open-Source-Modellen mit bekannten Parametern abgeleitet wurde. Dieser Ansatz lieferte trotz möglicher Abweichungen aussagekräftige Parameterschätzungen. Die Ergebnisse heben das erhebliche Parameterwachstum bei neueren Modellen hervor, wobei GPT-5.5 einen bedeutenden Sprung in der Kapazität markiert.