BenchLeader

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-Codex100万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-CodexGPT-5.5
プロバイダーOpenAIOpenAI
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)400,0001,050,000
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61.060.7互角
エージェント・ツール80.161.8GPT-5.3-Codex
数学–69.3比較不可
知識–63.6比較不可
指示追従73.674.0互角
マルチモーダル60.862.3GPT-5.5
長文コンテキスト66.466.9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。

2550 avg75コーディングエージェント・ツール指示追従長文コンテキストマルチモーダルGPT-5.3-Codex, コーディング: 61.0GPT-5.3-Codex, エージェント・ツール: 80.1GPT-5.3-Codex, 指示追従: 73.6GPT-5.3-Codex, 長文コンテキスト: 66.4GPT-5.3-Codex, マルチモーダル: 60.8GPT-5.5, コーディング: 60.7GPT-5.5, エージェント・ツール: 61.8GPT-5.5, 指示追従: 74.0GPT-5.5, 長文コンテキスト: 66.9GPT-5.5, マルチモーダル: 62.3

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。

モデル(クリックで追加・削除)Index

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IndexGPT-5.3-Codex (xhigh)GPT-5.5 (xhigh)トップ
BenchLeader Index62.964.1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/s81 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 IndexBenchLeader62.964.1
エージェント・ツールスコアBenchLeader80.161.8
コーディングスコアBenchLeader61.060.7
指示追従スコアBenchLeader73.674.0
長文コンテキストスコアBenchLeader66.466.9
マルチモーダルスコアBenchLeader60.862.3
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BenchLeader94 tok/s81 tok/s
回答開始までの時間BenchLeader38.2秒38.3秒
コンテキストウィンドウBenchLeader400,000トークン1,050,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub–90.7%†
SimpleBenchSimpleBench–69.0%†
Arena Hard PromptsArena (LMArena)–1499†
LiveBench 1.0 ReasoningLiveBench–89.7%
GPQA Diamond (AA)Artificial Analysis91.5%93.5%
Humanity's Last Exam (AA)Artificial Analysis42.5%45.8%
GPQA Diamond (Vals)Vals AI–93.2%
Kagi LLM BenchmarkKagi LLM Benchmark–88.8%†
ARC-AGI-1ARC Prize–95.0%
ARC-AGI-2ARC Prize–85.0%
ARC-AGI-3ARC Prize–0.4%†
CritPtArtificial Analysis16.9%27.1%
Arena ExpertArena (LMArena)–1510†
Chess PuzzlesEpoch AI Benchmarking Hub–63.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub–56.0%
CL-bench LifeEpoch AI Benchmarking Hub–22.2%†
LMCAEpoch AI Benchmarking Hub–54.3%
DTBenchEpoch AI Benchmarking Hub–96.0%
ForecastBenchForecastBench–64.2%†
BTF-3Epoch AI Benchmarking Hub–14.3%†
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub74.8%†–
SciCodeSciCode–55.8%
WeirdMLWeirdML77.9%84.9%
FrontierCodeCognition–43.0%†
GSO-BenchGSO-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 CodingArena (LMArena)–1510†
Arena WebDevArena (LMArena)1406†1512
LiveBench 1.0 CodingLiveBench–82.2%
LiveCodeBenchVals AI87.3%85.3%
IOIVals AI53.8%–
SWE-bench (Vals)Vals AI78.0%82.6%
Code MigrationVals AI–45.2%
ProgramBenchVals AI–0.5%
Vibe Code Bench v1.1Vals AI61.8%69.8%
SWE Atlas v1.0: Codebase QnAScale AI SEAL–45.4%
SWE Atlas v1.0: RefactoringScale AI SEAL–44.8%
SWE Atlas v1.0: Test WritingScale AI SEAL–42.6%
MirrorCodeEpoch AI Benchmarking Hub–23.3%
Surface Evolver BenchEpoch AI Benchmarking Hub–88.1%†
DeepSWE v1.1Epoch AI Benchmarking Hub–67.0%
ALE-BenchEpoch AI Benchmarking Hub1655.21943.0
Terminal-Bench 4.0 (AA)Artificial Analysis–14.7%
Terminal-Bench 2.1 (AA)Artificial Analysis–84.3%
GameBench 2 OverallDuelLab GameBench 2–49.2†
GameBench 2 by reasoning settingDuelLab GameBench 2–59.9
Design Arena WebsiteDesign Arena1155†1248†
エージェント・ツール
Terminal-BenchTerminal-Bench78.4%†84.7%†
OSWorld-Verified 2.0OSWorld–13.0%
Remote Labor IndexScale AI / CAIS–6.3%†
APEX-AgentsMercor–55.1%†
LiveBench Agentic CodingLiveBench–54.0%
Terminal-Bench HardArtificial Analysis53.0%60.6%
τ²-Bench Telecom (AA)Artificial Analysis86.0%93.9%
Terminal-Bench 2.1 (Vals)Vals AI–57.3%†
MCP AtlasScale AI SEAL–75.3%
HiL-BenchScale AI SEAL4.3%†39.7%†
τ³-bench Bankingτ²-bench–44.6%
GDPval-AA v2.1Artificial 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 v2Vals AI–51.8%
Harvey's Legal Agent Benchmark v1Vals AI–3.8%
Legal Research BenchVals AI–40.4%
SkillsBenchVals AI–62.2%
SREBenchVals AI–3.8%
Tax Agent BenchVals AI–21.8%
Terminal-Bench 2.0 (Vals)Vals AI64.0%†73.2%†
Time Horizon Index: KSPVals AI–8.3%
Arena SearchArena (LMArena)–1226†
DeepResearch BenchDeepResearch Bench–54.0%†
PostTrainBenchEpoch AI Benchmarking Hub–23.9%
ExploitBenchEpoch AI Benchmarking Hub–47.4%†
METR Time HorizonsMETR74.5%†–
GBAEvalEpoch AI Benchmarking Hub–53.2%†
Vending-Bench 2Andon Labs5940.1†7523.8†
AutomationBenchArtificial Analysis–47.3%
GDP.pdf (AA)Artificial Analysis–21.2%
EnterpriseOps-GymArtificial Analysis–46.6%
AA-Briefcase v1.1Artificial Analysis8681135
Design Arena AgenticDesign Arena1018†1113†
RoboDojo (LLM as robot policy)RoboDojo–1.1†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub–85.3%
FrontierMath Tier 4Epoch AI Benchmarking Hub–72.5%
OTIS Mock AIMEEpoch AI Benchmarking Hub–84.4%†
ProofBenchVals AI–50.0%
LiveBench MathematicsLiveBench–95.9%
AIME 2026MathArena–100.0%
HMMT February 2026MathArena–98.5%
USAMO 2026MathArena–98.2%
MathArena ApexMathArena–80.2%
Arena MathsArena (LMArena)–1500†
FrontierMath ErdősEpoch AI Benchmarking Hub–0.0%
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub–63.0%
LiveBench 1.0 Data AnalysisLiveBench–81.6%
MMLU-ProVals AI–88.1%
LegalBenchVals AI–86.5%
CorpFinVals AI–68.4%
TaxEvalVals AI–75.0%
CaseLaw v2Vals AI–66.2%
Excel Modeling BenchmarkVals AI–64.5%
MedCodeVals AI–49.1%
MedScribeVals AI–86.9%
Public Benefits Bench v1.1Vals AI–60.9%
DrugDiscoveryBenchScale AI SEAL–51.6%
EBR-benchEpoch AI Benchmarking Hub–34.3%
GDP.pdfEpoch AI Benchmarking Hub–26.0%
指示追従
LiveBench LanguageLiveBench–87.4%
LiveBench Instruction FollowingLiveBench–70.7%
IFBenchArtificial Analysis75.4%75.8%
Arena Instruction FollowingArena (LMArena)–1475†
人間の評価
Arena TextArena (LMArena)–1476†
EQ-Bench 4EQ-Bench–1295†
EQ-Bench Creative Writing v3EQ-Bench–1845†
Arena Creative WritingArena (LMArena)–1448†
Arena Multi-turnArena (LMArena)–1484†
Arena Longer QueriesArena (LMArena)–1486†
マルチモーダル
Arena VisionArena (LMArena)–1296†
MMMU-ProArtificial Analysis78.5%79.9%
MMMU-Pro (Vals)Vals AI–88.3%
MortgageTaxVals AI–68.8%
Blueprint-Bench 2Epoch AI Benchmarking Hub–36.2%†
Furniture AssemblyEpoch AI Benchmarking Hub–44.2%
Code2Video-AAArtificial Analysis–1000
長文コンテキスト
AA-LCR v1.1Artificial Analysis83.3%84.3%
Arena DocumentArena (LMArena)–1479†
MLCRArtificial Analysis–28.9%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–160.1†
LiveBench 1.0LiveBench–80.2%
AA Intelligence Index v4.3.2Artificial Analysis32.538.4
AA Progress Index v1Artificial Analysis301.3320
Vals RSI IndexVals AI–16.5%
Vals Multimodal IndexVals AI–68.1%
安全性・誠実さ
FORTRESSScale 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)。

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。