BenchLeader

GPT-5.4 Pro vs GPT-5.5

詳しいプロフィール:GPT-5.4 Pro(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-5.4 ProとGPT-5.5の品質は互角です(BenchLeader Indexで63.1 対 64.1、±5.2の誤差範囲内)。価格はGPT-5.5の方が6.0倍安く、100万トークンあたりのブレンド価格で$11.25 対 $67.50です。知識(74 対 64)、マルチモーダル(70 対 62)、推論(70 対 68)を重視するならGPT-5.4 Pro、指示追従(74 対 64)を重視するならGPT-5.5が向いています。回答開始までの時間はGPT-5.4 Proの方が短く、7.9秒 対 38.3秒です。GPT-5.5は出力が3倍以上速い点も強みです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGPT-5.4 Proが63.1、GPT-5.5が64.1です(BenchLeader、2026年11月16日)。
  • GPT-5.4 Proの100万トークンあたりのブレンド価格は$67.50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)。
  • GPT-5.5はGPT-5.4 Proより出力が3倍以上速いです(Artificial Analysis、7日間の中央値、2026年11月16日)。
  • 両モデルに結果がある1件のベンチマークのうち、GPT-5.4 Proが1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
推論GPT-5.4 Proカテゴリスコア70 対 68中
知識GPT-5.4 Proカテゴリスコア74 対 64高
画像などのメディアGPT-5.4 Proカテゴリスコア70 対 62高
指示への追従GPT-5.5カテゴリスコア74 対 64高
最低コストGPT-5.5100万トークンあたりブレンド価格$11.25 対 $67.50;エージェント型コーディングセッション$0.420 対 $2.52–
回答開始の速さGPT-5.4 Pro最初の回答トークンまで7.9秒(GPT-5.4 Pro)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-5.4 ProとGPT-5.5 (xhigh)の品質は互角です(63.1 対 64.1、±5.2の誤差範囲内)。
  • GPT-5.4 Proは知識、マルチモーダル、推論で優れています。
  • GPT-5.5 (xhigh)は指示追従で優れています。
  • GPT-5.5 (xhigh)の方が6.0倍安くなっています(100万トークンあたりブレンド価格$11.25 対 $67.50)。
  • GPT-5.5 (xhigh)の方が出力が12.5倍速くなっています(81 対 7トークン/秒)。

概要

仕様GPT-5.4 ProGPT-5.5
プロバイダーOpenAIOpenAI
リリース日2026年3月4日2026年4月23日
コンテキストウィンドウ(トークン)1,050,0001,050,000
比較した構成GPT-5.4 ProGPT-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)$30.00 / $180.00 / –$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-5.4 ProGPT-5.5 (xhigh)トップ
推論70.168.1GPT-5.4 Pro
コーディング–60.7比較不可
エージェント・ツール–61.8比較不可
数学–69.3比較不可
知識74.063.6GPT-5.4 Pro
指示追従64.474.0GPT-5.5
マルチモーダル69.862.3GPT-5.4 Pro
長文コンテキスト–66.9比較不可

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推論知識指示追従マルチモーダルGPT-5.4 Pro, 推論: 70.1GPT-5.4 Pro, 知識: 74.0GPT-5.4 Pro, 指示追従: 64.4GPT-5.4 Pro, マルチモーダル: 69.8GPT-5.5, 推論: 68.1GPT-5.5, 知識: 63.6GPT-5.5, 指示追従: 74.0GPT-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):コーディング, エージェント・ツール, 数学, 長文コンテキスト, 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1件のベンチマークのうち、GPT-5.4 Proのリードが1件、GPT-5.5のリードが0件です。

総合IndexGPT-5.4 ProGPT-5.5 (xhigh)トップ
BenchLeader Index63.164.1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-5.4 ProGPT-5.5 (xhigh)
100万トークンあたりのブレンド価格$67.50$11.25
100万トークンあたりの入力/出力$30.00 / $180.00$5.00 / $30.00
100万トークンあたりのキャッシュ入力–$0.500
タスクあたりの価格:チャットの返答$0.066$0.011
タスクあたりの価格:30ページのレポートを要約$0.468$0.078
タスクあたりの価格:コード編集$0.450$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$2.52$0.420
タスクあたりの価格:構造化データの抽出$0.096$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)–$0.217
出力速度7 tok/s81 tok/s
回答開始までの時間7.9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)–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-5.4 Proのスコアは63.1、最初の回答トークンまで8秒。GPT-5.4 Pro (xhigh)は59.5(8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

138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-5.4 ProGPT-5.5 (xhigh)
BenchLeader IndexBenchLeader63.164.1
指示追従スコアBenchLeader64.474.0
知識スコアBenchLeader74.063.6
マルチモーダルスコアBenchLeader69.862.3
推論スコアBenchLeader70.168.1
エージェント・ツールスコアBenchLeader–61.8
コーディングスコアBenchLeader–60.7
長文コンテキストスコアBenchLeader–66.9
数学スコアBenchLeader–69.3
ブレンド価格($/100万トークン)BenchLeader$67.50$11.25
出力速度BenchLeader7 tok/s81 tok/s
回答開始までの時間BenchLeader7.9秒38.3秒
コンテキストウィンドウBenchLeader1,050,000トークン1,050,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub94.6%†90.7%†
Humanity's Last ExamScale AI / CAIS44.3%–
SimpleBenchSimpleBench74.1%69.0%†
Arena Hard PromptsArena (LMArena)–1499†
LiveBench 1.0 ReasoningLiveBench–89.7%
GPQA Diamond (AA)Artificial Analysis–93.5%
Humanity's Last Exam (AA)Artificial Analysis–45.8%
GPQA Diamond (Vals)Vals AI–93.2%
Kagi LLM BenchmarkKagi LLM Benchmark–88.8%†
ARC-AGI-1ARC Prize94.5%†95.0%
ARC-AGI-2ARC Prize83.3%†85.0%
ARC-AGI-3ARC Prize–0.4%†
CritPtArtificial Analysis30.0%†27.1%
Arena ExpertArena (LMArena)–1510†
Chess PuzzlesEpoch AI Benchmarking Hub59.0%†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
SciCodeSciCode–55.8%
WeirdMLWeirdML57.4%†84.9%
FrontierCodeCognition–43.0%†
GSO-BenchGSO-Bench–40.2%
138件のベンチマークをすべて表示
指標公開元GPT-5.4 ProGPT-5.5 (xhigh)
コーディング
Arena CodingArena (LMArena)–1510†
Arena WebDevArena (LMArena)–1512
LiveBench 1.0 CodingLiveBench–82.2%
LiveCodeBenchVals AI–85.3%
SWE-bench (Vals)Vals AI–82.6%
Code MigrationVals AI–45.2%
ProgramBenchVals AI–0.5%
Vibe Code Bench v1.1Vals AI–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 Hub–1943.0
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 Arena–1248†
エージェント・ツール
Terminal-BenchTerminal-Bench–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 Analysis–60.6%
τ²-Bench Telecom (AA)Artificial Analysis–93.9%
Terminal-Bench 2.1 (Vals)Vals AI–57.3%†
MCP AtlasScale AI SEAL–75.3%
HiL-BenchScale AI SEAL–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 AI–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%†
GBAEvalEpoch AI Benchmarking Hub–53.2%†
Vending-Bench 2Andon Labs–7523.8†
AutomationBenchArtificial Analysis–47.3%
GDP.pdf (AA)Artificial Analysis–21.2%
EnterpriseOps-GymArtificial Analysis–46.6%
AA-Briefcase v1.1Artificial Analysis–1135
Design Arena AgenticDesign Arena–1113†
RoboDojo (LLM as robot policy)RoboDojo–1.1†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub82.5%†85.3%
FrontierMath Tier 4Epoch AI Benchmarking Hub58.5%†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 ApexMathArena69.8%†80.2%
Arena MathsArena (LMArena)–1500†
FrontierMath ErdősEpoch AI Benchmarking Hub–0.0%
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub46.3%†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%
MultiNRCScale AI SEAL62.3%–
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 Analysis–75.8%
MultiChallengeScale AI SEAL69.2%–
TutorBenchScale AI SEAL56.6%–
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 Analysis–79.9%
VISTAScale AI SEAL53.9%–
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 Analysis–84.3%
Arena DocumentArena (LMArena)–1479†
MLCRArtificial Analysis–28.9%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub160.2160.1†
LiveBench 1.0LiveBench–80.2%
AA Intelligence Index v4.3.2Artificial Analysis–38.4
AA Progress Index v1Artificial Analysis–320
Vals RSI IndexVals AI–16.5%
Vals Multimodal IndexVals AI–68.1%
安全性・誠実さ
FORTRESSScale AI SEAL14.8%16.3%
MASKScale AI SEAL91.7%–

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-5.5 (xhigh):新しい結果1件(AA Progress Index v1)。
  • GPT-5.4 Pro:BenchLeader Index 63.6 → 63.1。
  • 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)。
  • GPT-5.5 (xhigh):新しい結果2件(Harvey's Legal Agent Benchmark v1, Vals RSI Index)。

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-5.4 Pro vs GPT-5.5:よくある質問

GPT-5.4 ProはGPT-5.5より優れていますか?
GPT-5.4 ProとGPT-5.5 (xhigh)の品質は互角です(63.1 対 64.1、±5.2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-5.4 Pro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-5.5の方が安く、100万トークンあたり$11.25 対 $67.50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。
GPT-5.4 ProとGPT-5.5はどちらが速いですか?
GPT-5.5の方が出力が3倍以上速くなっています(出力81 対 7トークン/秒、Artificial Analysisの7日間の中央値)。
長い文書にはどちらが向いていますか?
どちらも1,050,000トークンのコンテキストに対応しています。
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-5.4 Proです。Artificial Analysisの測定では、最初の回答トークンまで7.9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。
ほかの質問(2件)
GPT-5.4 Pro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1件のベンチマークのうち、GPT-5.4 Proのリードが1件、GPT-5.5のリードが0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。