OpenAIプロプライエタリ

GPT-5.5 Pro

Name: GPT-5.5 Pro
Author: OpenAI

このモデルを比較

OpenAI開発の最高品質基盤モデル。最高の出力品質と推論能力を提供。GPT-5.6 Solの前身。

シェア:X はてブ LINE

パラメータ

非公開

コンテキスト長

1000K

ライセンス

プロプライエタリ

リリース日

2026-04-23

日本語性能

✅高品質日本語

多言語対応モデルのうち、日本語処理に優れた性能を持つモデル。

API料金

入力料金（1Mトークンあたり）

$30

出力料金（1Mトークンあたり）

課金モード: standard

強み

弱み

活用例

深度分析

Arena Elo

N/A

BenchLMの公開リーダーボードから除外 — 安全にランク付けするのに十分な非生成ベンチマークのカバレッジがない

BrowseComp

90.1%

深いウェブ調査でクラス最高。ベースのGPT-5.5 (84.4%) から+5.7ポイント

GPQA Diamond

~94%

大学院レベルの科学的推論（pricepertoken.com経由、TopReviewedが引用）

SWE-Bench Verified

82.6–89%

矛盾する情報源：LLMReferenceは82.6（ベースと同率）、TopReviewedは約89%と主張

Input Price

$30/1M

ベースGPT-5.5（$5/1M）の6倍。出力は$180/1M — キャッシュ入力の割引なし

Context Window

1.05M tokens

ベースGPT-5.5と同様。最大出力128Kトークン。272Kトークンを超える長コンテキストには追加料金

強み

・OpenAIラインナップで、困難な推論・数学・調査に最高品質の回答を提供 — BrowseComp 90.1%、FrontierMath T4 39.6%
・レガシーのo3-deep-researchおよびo4-mini-deep-researchモデルの単純な代替エンドポイント
・より深い熟考により、医療・法律・金融など高リスクタスクで自信を持って間違った回答を減少させる

弱み

・6倍の出力コストプレミアム（$180/1M）、キャッシュ入力割引なし、別途公開されたベンチマークが乏しい（コーディング、コンピューター利用、長コンテキストの行はOpenAIによって空白）
・ストリーミング非対応 — 長いリクエストはバックグラウンドモードのポーリングが必要で、インタラクティブなアプリケーションやレイテンシーが重要な用途には不向き
・ベースGPT-5.5と比較してツール機能が制限：apply_patch、コンピューター利用、スキル、ツール検索がなく、エージェントコーディングワークフローが限定される

競合比較

Model	Arena	SWE	GPQA	Price
Claude Opus 4.7 (Anthropic)	N/A	SWE-Bench Verified 87.6%、Pro 64.3%	94.2%	$5/$25
Claude Fable 5 (Anthropic, suspended)	N/A	SWE-Bench Pro 80.3%	別途非公開	$10/$50
GPT-5.5 base (OpenAI)	N/A	SWE-Bench Verified 82.6%、Pro 58.6%	93.6%	$5/$30

概要

GPT-5.5 ProはOpenAIのプレミアム推論層であり、ベースのGPT-5.5と同時に2026年4月23日にリリースされました。これは別個のモデルや異なるアーキテクチャではなく、推論努力が上位層（中/高/x高）に固定された同一のGPT-5.5の重みであり、回答前に複数の推論経路を探索する並列テスト時計算をデプロイしています。これにより、OpenAIが販売する最高品質の回答となり、6倍の出力コストプレミアム（ベースの$5/$30に対し$30/$180）が設定されています。このPro層は、レガシーのo3-deep-researchおよびo4-mini-deep-researchモデルを正式に置き換え、深層研究チームに単一でよりクリーンなエンドポイントを提供します。モデルの公開ベンチマークは強力ではあるものの、範囲が限られています。BrowseComp（90.1%）、FrontierMath Tier 4（39.6%）、GPQA Diamond（約94%）では、Proはベースと比べて意味のある向上を見せています。しかし、OpenAIはコーディング（SWE-Bench Pro）、コンピューター利用（OSWorld-Verified）、サイバーセキュリティ、長コンテキストの行を公開された評価表で完全に空白のままにしました。これが最も重要な警告です：6倍の価格プレミアムは主にブラウジングと数学の利得に依存しており、最も求められるエージェントやコーディングのベンチマークにはPro固有の数値が一切公表されていません。複数の独立したアナリスト（techsy.io、TopReviewed、BenchLM）がこのギャップを明確に指摘しています。BenchLMは、十分な非生成ベンチマークのカバレッジがないため、GPT-5.5 Proをその公開リーダーボードから完全に除外しました。ポジショニングの観点では、GPT-5.5 Proは狭いニッチを占めています：ほとんどのプロダクショントラフィックがGPT-5.4 miniまたはベースのGPT-5.5に留まるモデルルーターのエスカレーション層です。その存在意義は、フロンティア数学/科学研究、深層の多段階ウェブ調査、規制された領域の分析的合成、そして単一の熟考された回答が複数の安価な呼び出しプラスアナリストレビューに代わるあらゆるワークフローにあります。日常の作業（起草、コードレビュー、要約、標準的なチャット）については、DataCamp、FluxHire、TopReviewedにわたるコンセンサスは、6倍のプレミアムは90%以上のユースケースでは正当化されないということです。

ベンチマーク＆性能

GPT-5.5 Proの公開ベンチマークのフットプリントは狭く、OpenAIによって意図的にキュレーションされています。モデルは研究環境で推論努力「xhigh」で評価されており、これはプロダクションChatGPTのデフォルトとは異なります。 | ベンチマーク | テスト内容 | GPT-5.5 Pro | GPT-5.5 ベース | 差分 | 情報源 | |---|---|---|---|---|---| | BrowseComp | 難しいウェブブラウジング/情報検索 | 90.1% | 84.4% | +5.7 | OpenAI（複数のトラッカーで確認済み） | | FrontierMath T1-3 | エキスパートレベルの数学 | 52.4% | 51.7% | +0.7 | OpenAI（確認済み） | | FrontierMath T4 | フロンティア数学（最難関層） | 39.6% | 35.4% | +4.2 | OpenAI（確認済み） | | GDPval | 専門知識労働 | 82.3%（主張） | 84.9% | −2.6 | OpenAI（帰属；Proはベースより*低い*） | | GeneBench | 多段階遺伝学 | 33.2%（主張） | 25.0% | +8.2 | OpenAI（帰属、独立検証なし） | | HLE（ツールなし） | 幅広い困難な推論 | 43.1% | 41.4% | +1.7 | OpenAI | | HLE（ツールあり） | ツール有効な推論 | 57.2%（主張） | 52.2% | +5.0 | OpenAI（ベース確認済み、Proは主張） | | GPQA Diamond | 大学院レベルの科学 | ~94% | 93.6% | +0.4 | pricepertoken.com（TopReviewed経由） | | SWE-Bench Verified | 実世界のGitHubの問題 | 82.6%（同率）または~89% | 82.6% | 0～+6.4 | 矛盾あり：LLMReference（同率） vs TopReviewed（~89%） | | Investment Banking Modeling | 財務モデリング | 88.6%（内部） | 88.5% | +0.1 | OpenAI（INTERNALと标记） | **重大に欠けているベンチマーク**（OpenAIはProのこれらの行を空白にしました）： - SWE-Bench Pro（エージェントコーディング） — ベースのスコアのみ存在：58.6% - OSWorld-Verified（コンピューター利用） — ベースのみ：78.7% - サイバーセキュリティ - 長コンテキストリコール - 抽象的推論 GDPvalの異常は注目に値します：OpenAI自身の表はProをベースより*低く*リストしており（82.3% vs 84.9%）、より多くの計算が専門知識タスクでのキャリブレーションのために生の勝率を犠牲にする可能性を示唆しています。HLEとFrontierMathの改善は最も明確な勝利ですが、HLE-ツールなしの差分は控えめです（+1.7ポイント）。BrowseComp（+5.7）とFrontierMath T4（+4.2）が、追加の並列計算が最も明確に正当化される場所です。

詳細比較

**GPT-5.5 Pro vs Claude Opus 4.7 (Anthropic)** Claude Opus 4.7は、困難な推論ワークロードの最も直接的な競争相手です。GPQA Diamond（94.2% vs ~94%）、リポジトリレベルのコーディング（SWE-Bench Pro 64.3% vs Proは非公開）、そして複数の第三者レビュアーによれば散文の品質でリードしています。重要なことに、Opus 4.7は$5/$25と、GPT-5.5 Proの出力価格のおよそ1/6です。また、$0.50/1Mのプロンプトキャッシュ読み取りと50%のバッチ割引を提供しています。Opus 4.7の弱点は512Kトークン以上の長コンテキスト検索（MRCR v2: 32.2% vs GPT-5.5の74.0%）ですが、これはベースGPT-5.5の強みであり、Pro固有の利点ではありません。両モデルが競争力のあるほとんどの困難な推論タスクでは、Opus 4.7は劇的に低コストで、より広いベンチマークカバレッジと同等またはより良い品質を提供します。 **GPT-5.5 Pro vs Claude Fable 5 (Anthropic, 現在停止中)** Claude Fable 5は、2026年6月の米国輸出管理指令の下での停止前、コーディングベンチマークを支配していました：SWE-Bench Pro 80.3% vs ベースGPT-5.5の58.6%（OpenAIはProのコーディングスコアを公開しませんでした）。Fable 5はまた、HLE（56.8–59.0% vs Proの43.1% ツールなし）とTerminal-Bench（88.0% vs 83.4% ベース）でもリードしています。$10/$50で、Fable 5はGPT-5.5 Proのおよそ1/3.6の出力コストでした。その停止により、この比較は当面は学術的なものですが、それはGPT-5.5 Proがコーディングタスクでクリアできていないベンチマークの基準を設定しました。 **GPT-5.5 Pro vs GPT-5.5 base (OpenAI)** ほとんどのチームにとって最も重要な比較。Proは出力で6倍コストが高く、BrowseComp（+5.7）、FrontierMath T4（+4.2）、GeneBench（+8.2 主張）で明確な利得を提供します。HLE ツールなしでは1.7ポイントの利得のみです。GDPvalでは実際により低いスコアです。コーディング、コンピューター利用、長コンテキストタスクについては、Proのスコアは公表されていません。コンセンサスは：追加の熟考が結果を測定可能な形で改善する困難な20%のタスクにのみProにルーティングし、他のすべてにはベースGPT-5.5を使用することです。FluxHireの評価は要約しています：「Proは、90%以上のユースケースではより高い料金に見合いません」。 | 寸法 | GPT-5.5 Pro | Claude Opus 4.7 | GPT-5.5 base | |---|---|---|---| | 入力 / 出力（100万トークンあたり） | $30 / $180 | $5 / $25 | $5 / $30 | | コンテキストウィンドウ | 1.05M | 1.0M | 1.05M | | GPQA Diamond | ~94% | 94.2% | 93.6% | | SWE-Bench Pro | 非公開 | 64.3% | 58.6% | | BrowseComp | 90.1% | 非公開 | 84.4% | | FrontierMath T4 | 39.6% | 報告なし | 35.4% | | HLE（ツールなし） | 43.1% | 46.9–59.0% | 41.4% | | ストリーミング | なし | あり | あり | | キャッシュ入力割引 | なし | $0.50/1M | 利用可能 | | バッチ割引 | 50% | 50% | 50% |

コミュニティ評価

GPT-5.5 Proに対する開発者と研究者の感情は著しく分かれており、実証された証拠よりも潜在性に対してより強くなっています。 **ベンチマーク透明性への懐疑。** 最も一貫したコミュニティの批判は、OpenAIがブラウジングと数学のProスコアのみを公開し、コーディング、コンピューター利用、サイバーセキュリティ、長コンテキストの行を空白のままにしたことです。Techsy.ioの分析は明確に警告しています：「Proのコーディングベンチマークを引用する人は、誤ってベースの数値を引用している可能性が高い」。BenchLMは、十分な非生成カバレッジがないため、モデルをその公開リーダーボードから除外しました。TopReviewedの「Skeptic」ペルソナの敵対的な解釈は雰囲気を捉えています：「GPT-5.5 Proの別途公開されたベンチマークのカバレッジは本当にまばらです...6倍のプレミアムは、より多くの思考がより良い回答に等しいという主張に依存しており、これはいくつかの問題では真実ですが、大多数では純粋なコストです」。 **実際の採用は限定的。** TopReviewedのAIパネルのコンセンサスは、Proが「戦術的なエスカレーションSKUであり、決してデフォルトではない」ということです。Finance Leadペルソナは、GPT-5ファミリーの中で最低のコスパ評価を与えました。Domain Strategistは、「このセグメントは狭い：ほとんどの買い手はベースの価格でフロンティアの能力を求めている、6倍の熟考層ではない」と指摘しています。プロダクションチームは、Proをデフォルトとしてではなく、タスクごとにルーティングしており、特に困難な10～20%のクエリに使用しています。 **困難な推論の品質に対する肯定的な評価。** 本当に困難な問題では、実務者は品質の違いが目に見えると報告しています。TopReviewedのPower Userは指摘します：「ChatGPTでより深い思考として現れるとき、待機は長いですが、本当に困難な質問に対する回答はその価値があります」。o3-deep-researchとo4-mini-deep-researchの単一のエンドポイントへの統合は、研究チームにとって真の運用上の簡素化と見なされています。 **エンタープライズと研究での採用。** OpenAIは、金融K-1税務申告書のレビュー（24,771件のフォームをより速く処理）、遺伝子発現分析（62サンプル、約28,000遺伝子）、単一のプロンプトからの代数幾何学アプリ生成などのユースケースを報告しています。これらはベンダーの主張であり、独立して検証されていませんが、モデルの高リスク分析作業のためのポジショニングと一致しています。 **コミュニティパターン：デフォルトとしてのマルチモデルルーティング。** FluxHire、DataCamp、実務者フォーラムにわたる最も一貫したテーマは、2026年のプロダクションチームが単一のフロンティアモデルをデフォルトとしてではなく、複数のモデル間でルーティングしているということです。GPT-5.5 Proはルーター内の1つのツールであり、普遍的な代替品ではありません。

ユースケース

1. **フロンティア数学および科学研究。** GPT-5.5 Proの最も強力な公開された差別化要因は、FrontierMath Tier 4（39.6% vs 35.4% ベース）とGeneBench（33.2% vs 25.0% 主張）にあります。競技レベルの数学の証明、高度な遺伝学パイプライン、または多段階の科学的仮説テストを実行する研究者にとって、Proの並列テスト時計算は測定可能な利得を提供します。単一の間違った回答が6倍のトークンプレミアムよりもコストがかかる場合（例えば、遺伝子発現経路の誤計算が数週間のラボ時間を浪費する可能性がある製薬研究パイプライン）に、ベースではなくProを選択してください。 2. **深層多段階ウェブ調査と合成。** BrowseComp 90.1%（vs 84.4% ベース）は最も明確な公開された勝利です。複数の管轄区域にわたる規制変更を合成するコンプライアンスチーム、複数ソースの調査報告を構築する投資アナリスト、または徹底的なウェブエビデンス収集が必要なデューデリジェンスワークフローにとって、Proの情報検索タスクにおけるより深い熟考はコストを正当化します。これはまた、公開されたBrowseCompスコアを持たないClaude Opus 4.7に対するこのモデルの主な強みでもあります。 3. **規制された領域での高リスクのワンショット分析タスク。** 単一の決定的な分析を必要とする法的契約の赤線引き、財務モデリング（内部ベンチマーク88.6%）、または再実行が高価または不可能な臨床判断サポートにおいて、Proの熟考は自信を持って間違った回答を減少させます。Tokonomixのレビューは、法的推論、多言語政府ワークフロー、臨床ドキュメンテーションで特に強力であると指摘しています。推論経路の監査可能性が重要な場合に、ベースではなくProを選択してください — 拡張された思考の連鎖はより検査可能な中間ステップを生成します。 4. **GPT-5.5 Proを選択すべきでない場合。** エージェントコーディングループ（apply_patchやホストシェル、ストリーミングなし）、日常的な起草と要約（6倍のコストで限界的な品質向上）、リアルタイムチャットインターフェース（ストリーミングなし、数分の応答時間）、またはClaude Opus 4.7が同等の品質を出力価格の1/6で提供するあらゆるワークロード。TopReviewedのDomain Practitionerは要約します：「エージェント内のエスカレーション層として使用し、決して主要なワーカーとしてではありません」。