OpenAI が GPT-5.5 を公開：12M の文脈、AA 指数で首位獲得、Terminal-Bench 82.7% が代理のベンチマークを更新

OpenAI は 4/23 に正式に GPT-5.5 をリリースし、エージェント式（agentic）な業務と企業のナレッジ処理向けの主力モデルとして位置づけられており、同時に ChatGPT と Codex にも登場。公式の宣伝では「私たちが最も賢く、最も直感的に使えるモデル」と打ち出され、AA Intelligence Index は 60 点でトップに立ち、Claude Opus 4.7 と Gemini 3.1 Pro Preview にはそれぞれ 3 点差で先行している。

主要データ一覧

指標 GPT-5.5 対照（GPT-5.4 または同クラスの競合） AA Intelligence Index 60 Claude Opus 4.7：57；Gemini 3.1 Pro Preview：57 Terminal-Bench 2.0（コマンドラインのワークフロー） 82.7% GPT-5.4：75.1% Expert-SWE（OpenAI 内部のプログラム評価） 73.1% GPT-5.4：68.5% コンテキストウィンドウ 1,200 万 tokens 大幅に向上。企業の全体のコードベース、または数時間の動画を処理可能 価格（100万 token あたり） 入力 5 ドル、出力 30 ドル GPT-5.4 の 2 倍の単価；ただし出力 token の使用量は約 40% 減少し、純コストは約 20% 上昇

位置づけ： 「Agent の時代」向けに設計

OpenAI は GPT-5.5 を、エージェント式演算の基礎モデルとして説明しており、複雑な目標を理解し、ツールを使用し、自己検査によって作業成果を確認でき、さらに人間が各ステップに介入することなく多段タスクを完了まで走らせられる。TechCrunch の取材によると、社長 Greg Brockman はこのバージョンを「未来の計算への大きな一歩だが、ただの一歩にすぎない」と表現し、またそれが「5.4 と比べてより速く、より鋭い推論者であり、使用する token もより少ない」と強調した。

チーフサイエンティスト Jakub Pachocki は「短期的に非常に顕著な改善が見えている」と述べ、研究責任者 Mark Chen は今回のバージョンが「科学と技術の研究ワークフローにおいて有意義なブレークスルーをもたらした」と強調した。

提供範囲とバージョンの階層化

GPT-5.5：Plus、Pro、Business、Enterprise のユーザーが ChatGPT と Codex で使用可能

GPT-5.5 Pro：Pro、Business、Enterprise のユーザーが ChatGPT で使用可能な、より上位の推論バージョン

Codex の統合：同時に OpenAI のプログラムエージェントツールで利用可能となり、多ファイル編集、コマンドライン、テストのループを強化

サイバーセキュリティと国防の論述が同時に引き上げられる

技術チームのメンバー Mia Glaese は TechCrunch の取材で、GPT-5.5 のサイバーセキュリティ能力が OpenAI における「モデルのデプロイにおいてデジタル防御へ投入する方法」に重大な影響を与えると述べた。この論調は、Anthropic が最近、Claude Mythos を武器級のサイバーセキュリティモデルとして巡って起きた論争と、直接対照的である――Altman は先ごろ『Core Memory』番組で、Anthropic の「恐怖のマーケティング」戦略を批判していた。OpenAI は GPT-5.5 で「攻守両面、デプロイ可能」という論調をさらに強調しており、Anthropic がアクセス制限を設ける立場との差を引き離す意図がある。

価格戦略の変化

GPT-5.5 は 100万 token あたりの価格を 2 倍にし、入力 5 ドル、出力 30 ドルへとした。これは GPT-5 シリーズで初めて、単価が大きく上昇する世代となる。OpenAI の説明はこうだ：モデルの推論効率により、出力 token の使用量が約 40% 減らせるため、典型的なタスクの実際の請求額は GPT-5.4 より約 20% 高いのであって、単純に 2 倍ではない。企業にとっては、そのための意思決定が「単価が割に合うかどうか」から、「同じ prompt のもとで、GPT-5.5 が token 総量をより少なくしてより複雑なタスクを完了できるか」に移る。

産業へのシグナル

GPT-5.5 は、Terminal-Bench と社内の SWE 評価における OpenAI の差を拡大させた。これらのベンチマークはそれぞれ、コマンドラインのエージェント実行と、実際のソフトウェアエンジニアリングのタスクをテストするものであり、Codex と Claude Code の正面対決においては、より直接的なスコア勝負の戦場となる。さらに、1,200 万 tokens のコンテキストウィンドウを同時に開放したことで、OpenAI は「企業ナレッジベースの全量処理」と「長時間タスクのエージェント」の 2 つのレースラインに同時に圧力をかける。Anthropic にとっては、AA 指数で 57 点の Claude Opus 4.7 が 3 点遅れていることに加え、Claude Code のユーザーにとっても、次世代（Opus 4.8 または新世代の Claude）の進捗を観察するもう 1 つの理由になる。

この記事は OpenAI が GPT-5.5 を推し進める：12M コンテキスト、AA 指数でトップ、Terminal-Bench 82.7% が代理基準を書き換えとして最初に掲載されました 鏈新聞 ABMedia で。