GPT-5.3-Codex vs GPT-5.5
詳しいプロフィール:GPT-5.3-Codex(OpenAI)とGPT-5.5(OpenAI)。すべてのベンチマーク、価格、順位を掲載しています。
更新 · 12件の情報源のデータ
2026年11月16日時点で、GPT-5.3-CodexとGPT-5.5の品質は互角です(BenchLeader Indexで62.9 対 64.1、±8.0の誤差範囲内)。価格はGPT-5.3-Codexの方が2.3倍安く、100万トークンあたりのブレンド価格で$4.81 対 $11.25です。エージェント・ツール(80 対 62)を重視するならGPT-5.3-Codex、マルチモーダル(62 対 61)を重視するならGPT-5.5が向いています。
要点(2026年11月16日時点)
- BenchLeader IndexはGPT-5.3-Codexが62.9、GPT-5.5が64.1です(BenchLeader、2026年11月16日)。
- GPT-5.3-Codexの100万トークンあたりのブレンド価格は$4.81です(定価、2026年11月16日)。
- GPT-5.5の100万トークンあたりのブレンド価格は$11.25です(定価、2026年11月16日)。
- 両モデルに結果がある15件のベンチマークのうち、GPT-5.5が14件でリードしています(BenchLeader、2026年11月16日)。
用途別のおすすめ
おすすめ側の数値を先に示しています。カテゴリスコアはBenchLeaderの尺度(50が平均的なモデル、15ポイントが1標準偏差)です。標準偏差の半分以上の差があれば信頼度「高」、1ポイント未満の差は「どちらでも」としています。
| 用途 | おすすめ | 理由 | 信頼度 |
|---|---|---|---|
| コーディング | どちらでも | カテゴリスコア61 対 61;LiveCodeBench 87.3% 対 85.3% | どちらでも |
| エージェント・ツール利用 | GPT-5.3-Codex | カテゴリスコア80 対 62;Terminal-Bench Hard 53.0% 対 60.6% | 高 |
| 長い文書 | どちらでも | カテゴリスコア66 対 67;AA-LCR v1.1 83.3% 対 84.3% | どちらでも |
| 画像などのメディア | GPT-5.5 | カテゴリスコア62 対 61;MMMU-Pro 79.9% 対 78.5% | 中 |
| 指示への追従 | どちらでも | カテゴリスコア74 対 74;IFBench 75.4% 対 75.8% | どちらでも |
| 最低コスト | GPT-5.3-Codex | 100万トークンあたりブレンド価格$4.81 対 $11.25;エージェント型コーディングセッション$0.161 対 $0.420 | – |
| 回答開始の速さ | どちらでも | 最初の回答トークンまで38.2秒(GPT-5.3-Codex (xhigh))対 38.3秒(GPT-5.5 (xhigh)) | – |
| 低予算での大量処理 | フラッグシップ以外 | 小型モデルの方が適していることがほとんどです:安くて優秀なLLM、最速のLLM | – |
主な違い
- GPT-5.3-Codex (xhigh)とGPT-5.5 (xhigh)の品質は互角です(62.9 対 64.1、±8.0の誤差範囲内)。
- GPT-5.3-Codex (xhigh)はエージェント・ツール、コーディングで優れています。
- GPT-5.5 (xhigh)は指示追従、長文コンテキスト、マルチモーダルで優れています。
- GPT-5.3-Codex (xhigh)の方が2.3倍安くなっています(100万トークンあたりブレンド価格$4.81 対 $11.25)。
概要
| 仕様 | GPT-5.3-Codex | GPT-5.5 |
|---|---|---|
| プロバイダー | OpenAI | OpenAI |
| リリース日 | 2026年2月5日 | 2026年4月23日 |
| コンテキストウィンドウ(トークン) | 400,000 | 1,050,000 |
| 比較した構成 | GPT-5.3-Codex (xhigh) | GPT-5.5 (xhigh) |
| オープンウェイト | なし | なし |
| 100万トークンあたりの価格(入力/出力/キャッシュ入力) | $1.75 / $14.00 / $0.175 | $5.00 / $30.00 / $0.500 |
カテゴリ別の比較
カテゴリスコアはBenchLeaderの尺度で、50が評価対象モデルの平均、15ポイントが1標準偏差です。1ポイント未満の差は互角としています。
| カテゴリ | GPT-5.3-Codex (xhigh) | GPT-5.5 (xhigh) | トップ |
|---|---|---|---|
| 推論 | – | 68.1 | 比較不可 |
| コーディング | 61.0 | 60.7 | 互角 |
| エージェント・ツール | 80.1 | 61.8 | GPT-5.3-Codex |
| 数学 | – | 69.3 | 比較不可 |
| 知識 | – | 63.6 | 比較不可 |
| 指示追従 | 73.6 | 74.0 | 互角 |
| マルチモーダル | 60.8 | 62.3 | GPT-5.5 |
| 長文コンテキスト | 66.4 | 66.9 | 互角 |
1つのグラフで比較
各分野をIndexと同じ尺度(平均的なモデルが50)で示しています。分野をクリックすると、その元になったベンチマークが表示されます。 リストから最大5モデルまで選べます。
描画していないもの(測定済みのモデルが2つ未満):推論, 数学, 知識, 人間の評価。
情報源で評価が分かれる点
両方に結果がある15件のベンチマークのうち、GPT-5.3-Codexのリードが1件、GPT-5.5のリードが14件です。
| 総合Index | GPT-5.3-Codex (xhigh) | GPT-5.5 (xhigh) | トップ |
|---|---|---|---|
| BenchLeader Index | 62.9 | 64.1 | 互角 |
公開元ごとにタスク、評価環境、エフォートの設定が異なるため、総合的な評価が食い違うことがあります。BenchLeaderはそれらを1つの尺度にそろえています。†は同じモデルの別のエフォート設定での測定値です(公開元がここで比較している設定をテストしていないため)。
価格・速度・レイテンシ
定価は、出力1トークンにつき入力3トークンの比率でブレンドしています。タスクあたりの価格は、算出方法のページに記載したトークン数で計算しています。ベンチマークのタスクあたりのコスト、トークン数、時間は実測値で、Artificial AnalysisのIntelligence Index全体の平均です。
| 指標 | GPT-5.3-Codex (xhigh) | GPT-5.5 (xhigh) |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $4.81 | $11.25 |
| 100万トークンあたりの入力/出力 | $1.75 / $14.00 | $5.00 / $30.00 |
| 100万トークンあたりのキャッシュ入力 | $0.175 | $0.500 |
| タスクあたりの価格:チャットの返答 | $0.0049 | $0.011 |
| タスクあたりの価格:30ページのレポートを要約 | $0.029 | $0.078 |
| タスクあたりの価格:コード編集 | $0.032 | $0.075 |
| タスクあたりの価格:エージェント型コーディングセッション | $0.161 | $0.420 |
| タスクあたりの価格:構造化データの抽出 | $0.0063 | $0.016 |
| エージェント型コーディングセッション(入力の大半がキャッシュ) | $0.090 | $0.217 |
| 出力速度 | 94 tok/s | 81 tok/s |
| 回答開始までの時間 | 38.2秒 | 38.3秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 97.1秒 | 104.3秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。GPT-5.3-Codex (xhigh)のスコアは62.9、最初の回答トークンまで38秒。GPT-5.5 (xhigh)のスコアは64.1、最初の回答トークンまで38秒。GPT-5.5 (high)は63.5(16秒)、GPT-5.5は61.0(3秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
135件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | GPT-5.3-Codex (xhigh) | GPT-5.5 (xhigh) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 62.9 | 64.1 |
| エージェント・ツールスコア | BenchLeader | 80.1 | 61.8 |
| コーディングスコア | BenchLeader | 61.0 | 60.7 |
| 指示追従スコア | BenchLeader | 73.6 | 74.0 |
| 長文コンテキストスコア | BenchLeader | 66.4 | 66.9 |
| マルチモーダルスコア | BenchLeader | 60.8 | 62.3 |
| 知識スコア | BenchLeader | – | 63.6 |
| 数学スコア | BenchLeader | – | 69.3 |
| 推論スコア | BenchLeader | – | 68.1 |
| ブレンド価格($/100万トークン) | BenchLeader | $4.81 | $11.25 |
| 出力速度 | BenchLeader | 94 tok/s | 81 tok/s |
| 回答開始までの時間 | BenchLeader | 38.2秒 | 38.3秒 |
| コンテキストウィンドウ | BenchLeader | 400,000トークン | 1,050,000トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | – | 90.7%† |
| SimpleBench | SimpleBench | – | 69.0%† |
| Arena Hard Prompts | Arena (LMArena) | – | 1499† |
| LiveBench 1.0 Reasoning | LiveBench | – | 89.7% |
| GPQA Diamond (AA) | Artificial Analysis | 91.5% | 93.5% |
| Humanity's Last Exam (AA) | Artificial Analysis | 42.5% | 45.8% |
| GPQA Diamond (Vals) | Vals AI | – | 93.2% |
| Kagi LLM Benchmark | Kagi LLM Benchmark | – | 88.8%† |
| ARC-AGI-1 | ARC Prize | – | 95.0% |
| ARC-AGI-2 | ARC Prize | – | 85.0% |
| ARC-AGI-3 | ARC Prize | – | 0.4%† |
| CritPt | Artificial Analysis | 16.9% | 27.1% |
| Arena Expert | Arena (LMArena) | – | 1510† |
| Chess Puzzles | Epoch AI Benchmarking Hub | – | 63.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | – | 56.0% |
| CL-bench Life | Epoch AI Benchmarking Hub | – | 22.2%† |
| LMCA | Epoch AI Benchmarking Hub | – | 54.3% |
| DTBench | Epoch AI Benchmarking Hub | – | 96.0% |
| ForecastBench | ForecastBench | – | 64.2%† |
| BTF-3 | Epoch AI Benchmarking Hub | – | 14.3%† |
| コーディング | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | 74.8%† | – |
| SciCode | SciCode | – | 55.8% |
| WeirdML | WeirdML | 77.9% | 84.9% |
| FrontierCode | Cognition | – | 43.0%† |
| GSO-Bench | GSO-Bench | – | 40.2% |
135件のベンチマークをすべて表示
| 指標 | 公開元 | GPT-5.3-Codex (xhigh) | GPT-5.5 (xhigh) |
|---|---|---|---|
| コーディング | |||
| Arena Coding | Arena (LMArena) | – | 1510† |
| Arena WebDev | Arena (LMArena) | 1406† | 1512 |
| LiveBench 1.0 Coding | LiveBench | – | 82.2% |
| LiveCodeBench | Vals AI | 87.3% | 85.3% |
| IOI | Vals AI | 53.8% | – |
| SWE-bench (Vals) | Vals AI | 78.0% | 82.6% |
| Code Migration | Vals AI | – | 45.2% |
| ProgramBench | Vals AI | – | 0.5% |
| Vibe Code Bench v1.1 | Vals AI | 61.8% | 69.8% |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | – | 45.4% |
| SWE Atlas v1.0: Refactoring | Scale AI SEAL | – | 44.8% |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | – | 42.6% |
| MirrorCode | Epoch AI Benchmarking Hub | – | 23.3% |
| Surface Evolver Bench | Epoch AI Benchmarking Hub | – | 88.1%† |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | – | 67.0% |
| ALE-Bench | Epoch AI Benchmarking Hub | 1655.2 | 1943.0 |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | – | 14.7% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | – | 84.3% |
| GameBench 2 Overall | DuelLab GameBench 2 | – | 49.2† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | – | 59.9 |
| Design Arena Website | Design Arena | 1155† | 1248† |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 78.4%† | 84.7%† |
| OSWorld-Verified 2.0 | OSWorld | – | 13.0% |
| Remote Labor Index | Scale AI / CAIS | – | 6.3%† |
| APEX-Agents | Mercor | – | 55.1%† |
| LiveBench Agentic Coding | LiveBench | – | 54.0% |
| Terminal-Bench Hard | Artificial Analysis | 53.0% | 60.6% |
| τ²-Bench Telecom (AA) | Artificial Analysis | 86.0% | 93.9% |
| Terminal-Bench 2.1 (Vals) | Vals AI | – | 57.3%† |
| MCP Atlas | Scale AI SEAL | – | 75.3% |
| HiL-Bench | Scale AI SEAL | 4.3%† | 39.7%† |
| τ³-bench Banking | τ²-bench | – | 44.6% |
| GDPval-AA v2.1 | Artificial Analysis | – | 1357 |
| τ³-Banking (AA) | Artificial Analysis | – | 39.0% |
| ITBench SRE (AA) | Artificial Analysis | – | 45.8% |
| Analyst Agent (AA) | Artificial Analysis | – | 50.0% |
| APEX-Agents (AA) | Artificial Analysis | – | 37.7% |
| Finance Agent v2 | Vals AI | – | 51.8% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | – | 3.8% |
| Legal Research Bench | Vals AI | – | 40.4% |
| SkillsBench | Vals AI | – | 62.2% |
| SREBench | Vals AI | – | 3.8% |
| Tax Agent Bench | Vals AI | – | 21.8% |
| Terminal-Bench 2.0 (Vals) | Vals AI | 64.0%† | 73.2%† |
| Time Horizon Index: KSP | Vals AI | – | 8.3% |
| Arena Search | Arena (LMArena) | – | 1226† |
| DeepResearch Bench | DeepResearch Bench | – | 54.0%† |
| PostTrainBench | Epoch AI Benchmarking Hub | – | 23.9% |
| ExploitBench | Epoch AI Benchmarking Hub | – | 47.4%† |
| METR Time Horizons | METR | 74.5%† | – |
| GBAEval | Epoch AI Benchmarking Hub | – | 53.2%† |
| Vending-Bench 2 | Andon Labs | 5940.1† | 7523.8† |
| AutomationBench | Artificial Analysis | – | 47.3% |
| GDP.pdf (AA) | Artificial Analysis | – | 21.2% |
| EnterpriseOps-Gym | Artificial Analysis | – | 46.6% |
| AA-Briefcase v1.1 | Artificial Analysis | 868 | 1135 |
| Design Arena Agentic | Design Arena | 1018† | 1113† |
| RoboDojo (LLM as robot policy) | RoboDojo | – | 1.1† |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | – | 85.3% |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | – | 72.5% |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | – | 84.4%† |
| ProofBench | Vals AI | – | 50.0% |
| LiveBench Mathematics | LiveBench | – | 95.9% |
| AIME 2026 | MathArena | – | 100.0% |
| HMMT February 2026 | MathArena | – | 98.5% |
| USAMO 2026 | MathArena | – | 98.2% |
| MathArena Apex | MathArena | – | 80.2% |
| Arena Maths | Arena (LMArena) | – | 1500† |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | – | 0.0% |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | – | 63.0% |
| LiveBench 1.0 Data Analysis | LiveBench | – | 81.6% |
| MMLU-Pro | Vals AI | – | 88.1% |
| LegalBench | Vals AI | – | 86.5% |
| CorpFin | Vals AI | – | 68.4% |
| TaxEval | Vals AI | – | 75.0% |
| CaseLaw v2 | Vals AI | – | 66.2% |
| Excel Modeling Benchmark | Vals AI | – | 64.5% |
| MedCode | Vals AI | – | 49.1% |
| MedScribe | Vals AI | – | 86.9% |
| Public Benefits Bench v1.1 | Vals AI | – | 60.9% |
| DrugDiscoveryBench | Scale AI SEAL | – | 51.6% |
| EBR-bench | Epoch AI Benchmarking Hub | – | 34.3% |
| GDP.pdf | Epoch AI Benchmarking Hub | – | 26.0% |
| 指示追従 | |||
| LiveBench Language | LiveBench | – | 87.4% |
| LiveBench Instruction Following | LiveBench | – | 70.7% |
| IFBench | Artificial Analysis | 75.4% | 75.8% |
| Arena Instruction Following | Arena (LMArena) | – | 1475† |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | – | 1476† |
| EQ-Bench 4 | EQ-Bench | – | 1295† |
| EQ-Bench Creative Writing v3 | EQ-Bench | – | 1845† |
| Arena Creative Writing | Arena (LMArena) | – | 1448† |
| Arena Multi-turn | Arena (LMArena) | – | 1484† |
| Arena Longer Queries | Arena (LMArena) | – | 1486† |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | – | 1296† |
| MMMU-Pro | Artificial Analysis | 78.5% | 79.9% |
| MMMU-Pro (Vals) | Vals AI | – | 88.3% |
| MortgageTax | Vals AI | – | 68.8% |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | – | 36.2%† |
| Furniture Assembly | Epoch AI Benchmarking Hub | – | 44.2% |
| Code2Video-AA | Artificial Analysis | – | 1000 |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 83.3% | 84.3% |
| Arena Document | Arena (LMArena) | – | 1479† |
| MLCR | Artificial Analysis | – | 28.9% |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | – | 160.1† |
| LiveBench 1.0 | LiveBench | – | 80.2% |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 32.5 | 38.4 |
| AA Progress Index v1 | Artificial Analysis | 301.3 | 320 |
| Vals RSI Index | Vals AI | – | 16.5% |
| Vals Multimodal Index | Vals AI | – | 68.1% |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | – | 16.3% |
データは2026年11月16日時点。各モデルの最良の構成で比較しています。すべてのスコアの出典はモデルのページにリンクしています。
DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.
最近の変化
- GPT-5.5 (xhigh):新しい結果1件(GDPval-AA v2.1)。
- GPT-5.5 (xhigh):BenchLeader Index 64.6 → 64.1。
- GPT-5.5 (xhigh):スコアの改訂1件。
- GPT-5.5 (xhigh):新しい結果1件(MirrorCode)。
- GPT-5.5 (xhigh):スコアの改訂1件。
- GPT-5.3-Codex (xhigh):新しい結果1件(AA-Briefcase v1.1)。
- GPT-5.3-Codex (xhigh):新しい結果1件(AA Progress Index v1)。
- GPT-5.5 (xhigh):新しい結果1件(AA Progress Index v1)。
- GPT-5.5 (xhigh):価格 $2.63/M → $2.10/M。
- GPT-5.5 (xhigh):新しい結果1件(AA-Briefcase v1.1)。
関連する比較
- GPT-5.3-Codex vs Claude Fable 5.2
- GPT-5.3-Codex vs Gemini 4 Carbon
- GPT-5.3-Codex vs Claude Opus 5.5
- GPT-5.5 vs Claude Fable 5.2
- GPT-5.5 vs Gemini 4 Carbon
- GPT-5.5 vs Claude Opus 5.5
- GPT-5.5 vs GPT-6 Astra
- GPT-5 Pro vs GPT-5.5
ランキング: 総合ベストLLM · エージェントに最適なLLM · 安くて優秀なLLM
GPT-5.3-Codex vs GPT-5.5:よくある質問
- GPT-5.3-CodexはGPT-5.5より優れていますか?
- GPT-5.3-Codex (xhigh)とGPT-5.5 (xhigh)の品質は互角です(62.9 対 64.1、±8.0の誤差範囲内)。BenchLeader Indexは第三者による品質ベンチマークをすべて統合した指標です。2026年11月16日時点では両者の差は誤差範囲内なので、用途に合わせてカテゴリ別のスコアを確認してください。
- GPT-5.3-CodexとGPT-5.5はどちらが安いですか?今後変わる予定はありますか?
- 現在はGPT-5.3-Codexの方が安く、100万トークンあたり$4.81 対 $11.25です(出力1トークンにつき入力3トークンでブレンド)。どちらも価格変更は発表されていません。
- コーディングにはGPT-5.3-CodexとGPT-5.5のどちらが向いていますか?
- コーディングでは互角です(カテゴリ指標で61 対 61)。共通するコーディングベンチマークのうち最も重要なLiveCodeBenchでは、GPT-5.3-Codexが87.3%、GPT-5.5が85.3%です。
- GPT-5.3-CodexとGPT-5.5はどちらが速いですか?
- GPT-5.3-Codexの方が出力が速くなっています(出力94 対 81トークン/秒、Artificial Analysisの7日間の中央値)。
- エージェントやツール利用にはGPT-5.3-CodexとGPT-5.5のどちらが向いていますか?
- エージェント型のタスクではGPT-5.3-Codexの方がスコアが高くなっています(カテゴリ指標で80 対 62。50が平均)。共通するエージェント・ツールベンチマークのうち最も重要なTerminal-Bench Hardでは、GPT-5.3-Codexが53.0%、GPT-5.5が60.6%です。
ほかの質問(4件)
- 長い文書にはどちらが向いていますか?
- 長文コンテキストのベンチマークでは互角です(66 対 67)。コンテキストはGPT-5.5の方が長く、1,050,000トークンです(GPT-5.3-Codexは400,000トークン)。
- レイテンシが低いのはどちらですか?
- 先に回答を始めるのはGPT-5.3-Codexです。Artificial Analysisの測定では、最初の回答トークンまで38.2秒 対 38.3秒です。この差の大部分は推論エフォートによるもので、設定が高いほど回答前に長く考えます。
- GPT-5.3-CodexとGPT-5.5について、第三者ベンチマークの評価は一致していますか?
- 両方に結果がある15件のベンチマークのうち、GPT-5.3-Codexのリードが1件、GPT-5.5のリードが14件です。
- GPT-5.5はいつリリースされましたか?
- GPT-5.5は2026年4月23日にリリースされました。