2026年4月23日、OpenAIは最新のフラッグシップモデル「GPT-5.5」（開発コードネーム「Spud」）を発表しました。前モデルGPT-5.4の発表からわずか6週間という異例のスピードでのリリースです。

GPT-5.5は、GPT-5.1〜5.4のような増分アップデートとは根本的に異なります。GPT-4.5以来となるフルスクラッチの基盤モデル再学習を行った初めてのモデルであり、テキスト・画像・音声・動画を単一のシステムで処理するネイティブ・オムニモーダル設計が採用されています。

OpenAI社長のGreg Brockman氏は記者発表で「GPT-5.5は新しいクラスの知性であり、より直感的でエージェント型のコンピューティングに向けた大きな一歩」と述べています。

GPT-5.5には用途の異なる3つのバリエーションが用意されています。

API利用時には推論の深さを5段階（xhigh / high / medium / low / non-reasoning）で調整できます。タスクに応じて「考える深さ」をコントロールすることで、スピードとコストのバランスを最適化できるのが新しいポイントです。

OpenAIはGPT-5.5の発表に合わせて、複数のベンチマーク結果を公開しました。特にコーディングとエージェント型タスクで目立つ成績を収めています。

Terminal-Bench 2.0 — コーディング性能で圧倒

最も注目すべきはTerminal-Bench 2.0のスコアです。GPT-5.5は82.7%を記録し、Claude Opus 4.7（69.4%）やGemini 3.1 Pro（68.5%）に対して13ポイント以上の差をつけました。ターミナル環境でのコード実行・デバッグといった実践的なコーディングタスクで、現時点で最も高い性能を示しています。

Terminal-Bench 2.0 — 出力トークン数ごとのスコア推移。GPT-5.5（濃い青）がGPT-5.4（薄い青）を全区間で上回る（出典：OpenAI）

Expert-SWE — 新設の高難度コーディング評価

Expert-SWEはGPT-5.5の発表に合わせてOpenAIが新設した内部ベンチマークで、完了までの中央値が20時間という高難度タスクで構成されています。GPT-5.5は73.1%を記録し、GPT-5.4の68.5%から約5ポイント改善しました。

Expert-SWE（Internal） — 出力トークン増加に伴うスコア推移。GPT-5.5がGPT-5.4を一貫して上回る（出典：OpenAI）

FrontierMath — 数学研究で圧倒的な差

FrontierMath Tier 4は最先端の数学問題を含むベンチマークです。GPT-5.5の35.4%はClaude Opus 4.7（22.9%）の約1.5倍、Gemini 3.1 Pro（16.7%）の約2倍のスコアです。OpenAIによれば、GPT-5.5のカスタムバリアントがラムゼー数に関する新しい証明を発見し、数学の証明検証言語Leanで検証済みとのことです。

SWE-Bench Pro — Claude Opus 4.7が優勢

一方、SWE-Bench ProではClaude Opus 4.7が64.3%でGPT-5.5の58.6%を上回っています。実際のオープンソースプロジェクトのバグ修正タスクにおいては、Claudeの方が高い解決率を示しています。

独立評価機関Artificial Analysisが公開しているインテリジェンス指標では、GPT-5.5は出力トークンの量に応じた総合的な知能スコアで全モデル中トップを記録しています。

Artificial Analysis Intelligence Index — 出力トークン総量に対する知能スコア。GPT-5.5が全区間でリード（出典：Artificial Analysis）

このグラフから読み取れるポイントを整理します。

特筆すべきは、GPT-5.5が少ないトークン出力でも高いスコアを達成している点です。4Mトークン時点ですでに約41に達しており、同じトークン量でのGPT-5.4（約35）やClaude Opus 4.6（約35）を大きく引き離しています。これは後述する「トークン効率の40%改善」を裏付ける結果です。

GPT-5.5のAPI料金は前世代から引き上げられました。ただしトークン効率の改善により、タスクあたりの実質コストは抑えられる設計です。

コスト効率の考え方

単価だけ見るとGPT-5.4の2倍に思えますが、OpenAIの発表によれば、同じCodexタスクで出力トークンが約40%削減されるため、実際のコスト増は2倍ではなく約1.2倍程度に収まるケースが多いとしています。

GPT-5.5はChatGPTの有料プランで即日利用可能になっています。

ChatGPTでの使い方

ChatGPTのモデル選択メニューから「GPT-5.5」を選ぶだけで利用開始できます。特別な設定は不要です。GPT-5.5 Proを使いたい場合は、Proプラン以上への加入が必要です。

GPT-5.5が得意とするタスクには以下のようなものがあります。

• コードの作成・デバッグ — 大規模なシステム全体の文脈を保持しながら、曖昧な障害を推論できる
• オンラインリサーチ — Webを横断して情報を収集・整理
• データ分析 — スプレッドシートやCSVの読み込みと分析
• ドキュメント作成 — ビジネス文書、レポートの下書き
• ソフトウェア操作 — Codexと連携してPC上のアプリケーションを操作

GPT-5.5はGPT-5.4から6週間で発表されましたが、増分アップデートではなく、基盤モデルのフルスクラッチ再学習を行っています。主な改善点を整理します。

Bank of New York（BNY）のCIOは「印象的なハルシネーション耐性」と評価し、特に規制産業のように高い精度が求められる場面での性能向上を「ステップチェンジ」と表現しています。

また、ある教授がGPT-5.5に対して単一のプロンプトから代数幾何学のアプリケーションを生成させたところ、わずか11分で完成したというデモも紹介されています。

GPT-5.5の発表に合わせて、OpenAIは主要な競合モデルとの性能比較データを公開しています。ここでは各モデルの強みと弱みを整理します。

総合ポジショニング

GPT-5.5が優勢な領域

• コーディング全般 — Terminal-Bench 2.0で13ポイント以上の大差。コード生成・デバッグの一貫性が高い
• 数学・科学 — FrontierMathで他モデルの1.5〜2倍のスコア。研究レベルの数学問題に強い
• ブラウジング — Pro版の90.1%はClaude Opus 4.7の79.3%を大幅に上回る
• エージェント型タスク — CyberGymやTau2-Benchでも高スコア

Claude Opus 4.7が優勢な領域

• 実プロジェクトのバグ修正 — SWE-Bench Proで64.3% vs 58.6%。実務に近いコーディングタスクではClaude優位
• リサーチライティング — 論文調の文章生成や指示追従性でClaude Opus 4.7が高く評価されている
• 画像認識の解像度 — ビジョン入力の精度でもClaude Opus 4.7に優位性がある
• ハルシネーション耐性 — 後述するが、GPT-5.5のハルシネーション率は課題が指摘されている

Gemini 3.1 Proの位置づけ

Gemini 3.1 Pro PreviewはArtificial Analysisのインテリジェンス指標で約57.5を記録しており、GPT-5.4やClaude Opus 4.7と同水準です。Googleのエコシステム（Workspace、Cloud）との統合が強みですが、エージェント型タスクのベンチマークはまだ限定的な公開にとどまっています。

GPT-5.5は多くのベンチマークでトップクラスの性能を示しましたが、ハルシネーション（事実と異なる回答を自信を持って生成する問題）については重要な課題が指摘されています。以下のデータは、AIモデルの性能を独立的に評価する第三者機関「Artificial Analysis」が公開した「AA-Omniscience」テストの結果です（2026年4月時点）。

この数値は「知識を多く引き出せるが、その分だけ誤った情報を自信を持って出力してしまう確率も高い」というトレードオフを示しています。つまり、GPT-5.5はより多くのことを「知っている」が、その知識が正しいかの確認が他モデル以上に重要です。

実務への影響

この特性から、以下のような使い分けが推奨されます。

GPT-5.5は「エージェント型コンピューティング」を強く志向しています。単にテキストを生成するだけでなく、複数のツールを横断してタスクを完了する能力が重視されています。企業のAI導入においてどのような場面で活きるかを整理します。

GPT-5.5が特に力を発揮するシーン

導入判断のチェックポイント

• 現在GPT-5.4を使っているか — Codexのヘビーユーザーであれば、トークン効率40%改善の恩恵が大きい
• コスト感度 — API単価は2倍。Batch/Flex割引（50%オフ）を活用できるかで判断が変わる
• 正確性の要件 — 事実確認が最重要のユースケースでは、ハルシネーション率の高さを考慮してClaude Opus 4.7との併用や検証レイヤーの導入を検討
• APIの提供時期 — 発表時点ではAPIは「Coming very soon」のステータス。Cursor、Windsurf、Vercel AI Gateway、OpenRouterなどのパートナーへの展開も予定されている

GPT-5.5は、GPT-4.5以来の基盤モデル再学習を経た「世代交代」モデルです。コーディング、数学、エージェント型タスクではベンチマーク最高水準を達成しており、特にCodexユーザーにとってはトークン効率40%改善という実利が大きいアップデートです。

一方で、ハルシネーション率86%という数値は無視できない課題です。「知識量が増えた分、誤りの自信度も上がった」という構造的な問題を抱えており、事実確認が求められる業務では追加の検証が欠かせません。

AI活用の選択肢が広がる中、重要なのは「どのモデルが最強か」ではなく、自社のユースケースに合ったモデルを選ぶことです。コーディング重視ならGPT-5.5、正確性重視ならClaude Opus 4.7、Googleエコシステム連携ならGemini 3.1 Proと、それぞれの強みを理解した上で最適な組み合わせを検討してみてください。