BenchLeader

GPT-5.4 vs GPT-5.5

詳しいプロフィール:GPT-5.4(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とGPT-5.5の品質は互角です(BenchLeader Indexで63.1 対 64.1、±4.7の誤差範囲内)。価格はGPT-5.4の方が2.0倍安く、100万トークンあたりのブレンド価格で$5.63 対 $11.25です。コーディング(65 対 61)、エージェント・ツール(63 対 62)を重視するならGPT-5.4、知識(64 対 59)、数学(69 対 65)、推論(68 対 66)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-5.5の方が短く、38.3秒 対 144.9秒です。

要点(2026年11月16日時点)

  • BenchLeader IndexはGPT-5.4が63.1、GPT-5.5が64.1です(BenchLeader、2026年11月16日)。
  • GPT-5.4の100万トークンあたりのブレンド価格は$5.63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66件のベンチマークのうち、GPT-5.5が60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GPT-5.4カテゴリスコア65 対 61;SciCode 56.6% 対 55.8%中
エージェント・ツール利用GPT-5.4カテゴリスコア63 対 62;τ³-Banking (AA) 39.6% 対 39.0%中
数学GPT-5.5カテゴリスコア69 対 65;FrontierMath Tiers 1–3 85.3% 対 78.6%中
推論GPT-5.5カテゴリスコア68 対 66;ARC-AGI-2 85.0% 対 74.0%中
知識GPT-5.5カテゴリスコア64 対 59;SimpleQA Verified 63.0% 対 45.1%中
長い文書GPT-5.5カテゴリスコア67 対 66;AA-LCR v1.1 84.3% 対 82.0%中
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 78.4%中
指示への追従GPT-5.5カテゴリスコア74 対 72;IFBench 75.8% 対 74.0%中
最低コストGPT-5.4100万トークンあたりブレンド価格$5.63 対 $11.25;エージェント型コーディングセッション$0.210 対 $0.420–
回答開始の速さGPT-5.5最初の回答トークンまで38.3秒(GPT-5.5 (xhigh))対 144.9秒(GPT-5.4 (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 (xhigh)とGPT-5.5 (xhigh)の品質は互角です(63.1 対 64.1、±4.7の誤差範囲内)。
  • GPT-5.4 (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、知識、長文コンテキスト、数学、マルチモーダル、推論で優れています。
  • GPT-5.4 (xhigh)の方が2.0倍安くなっています(100万トークンあたりブレンド価格$5.63 対 $11.25)。

概要

仕様GPT-5.4GPT-5.5
プロバイダーOpenAIOpenAI
リリース日2026年3月5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 (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)$2.50 / $15.00 / $0.250$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 (xhigh)GPT-5.5 (xhigh)トップ
推論65.768.1GPT-5.5
コーディング64.760.7GPT-5.4
エージェント・ツール63.061.8GPT-5.4
数学64.869.3GPT-5.5
知識58.663.6GPT-5.5
指示追従72.474.0GPT-5.5
マルチモーダル60.862.3GPT-5.5
長文コンテキスト65.766.9GPT-5.5

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推論コーディングエージェント・ツール数学知識指示追従長文コンテキストマルチモーダルGPT-5.4, 推論: 65.7GPT-5.4, コーディング: 64.7GPT-5.4, エージェント・ツール: 63.0GPT-5.4, 数学: 64.8GPT-5.4, 知識: 58.6GPT-5.4, 指示追従: 72.4GPT-5.4, 長文コンテキスト: 65.7GPT-5.4, マルチモーダル: 60.8GPT-5.5, 推論: 68.1GPT-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, 数学: 69.3GPT-5.5, 知識: 63.6GPT-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):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66件のベンチマークのうち、GPT-5.4のリードが5件、GPT-5.5のリードが60件、同点が1件です。両方を評価しているすべての総合指標で、GPT-5.5が上回っています。

総合IndexGPT-5.4 (xhigh)GPT-5.5 (xhigh)トップ
BenchLeader Index63.164.1互角
Arena Text1475†1481GPT-5.5

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 (xhigh)GPT-5.5 (xhigh)
100万トークンあたりのブレンド価格$5.63$11.25
100万トークンあたりの入力/出力$2.50 / $15.00$5.00 / $30.00
100万トークンあたりのキャッシュ入力$0.250$0.500
タスクあたりの価格:チャットの返答$0.0055$0.011
タスクあたりの価格:30ページのレポートを要約$0.039$0.078
タスクあたりの価格:コード編集$0.037$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$0.210$0.420
タスクあたりの価格:構造化データの抽出$0.0080$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)$0.109$0.217
出力速度73 tok/s81 tok/s
回答開始までの時間144.9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)193.1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-5.4 (xhigh)のスコアは63.1、最初の回答トークンまで145秒。GPT-5.4 (low)は58.8(3秒)、GPT-5.4 (high)は58.6(2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

149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 (xhigh)GPT-5.5 (xhigh)
BenchLeader IndexBenchLeader63.164.1
エージェント・ツールスコアBenchLeader63.061.8
コーディングスコアBenchLeader64.760.7
指示追従スコアBenchLeader72.474.0
知識スコアBenchLeader58.663.6
長文コンテキストスコアBenchLeader65.766.9
数学スコアBenchLeader64.869.3
マルチモーダルスコアBenchLeader60.862.3
推論スコアBenchLeader65.768.1
ブレンド価格($/100万トークン)BenchLeader$5.63$11.25
出力速度BenchLeader73 tok/s81 tok/s
回答開始までの時間BenchLeader144.9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 Hub93.3%90.7%†
Humanity's Last ExamScale AI / CAIS36.2%–
SimpleBenchSimpleBench–69.0%†
Arena Hard PromptsArena (LMArena)1487†1499†
LiveBench 1.0 ReasoningLiveBench88.1%89.7%
GPQA Diamond (AA)Artificial Analysis92.0%93.5%
Humanity's Last Exam (AA)Artificial Analysis43.7%45.8%
GPQA Diamond (Vals)Vals AI91.7%93.2%
Kagi LLM BenchmarkKagi LLM Benchmark63.8%†88.8%†
ARC-AGI-1ARC Prize93.7%95.0%
ARC-AGI-2ARC Prize74.0%85.0%
ARC-AGI-3ARC Prize0.2%†0.4%†
CritPtArtificial Analysis23.4%27.1%
Arena ExpertArena (LMArena)1491†1510†
Chess PuzzlesEpoch AI Benchmarking Hub48.0%63.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub37.0%56.0%
CL-benchEpoch AI Benchmarking Hub27.9%–
CL-bench LifeEpoch AI Benchmarking Hub21.7%22.2%†
LMCAEpoch AI Benchmarking Hub52.0%54.3%
DTBenchEpoch AI Benchmarking Hub94.4%96.0%
ForecastBenchForecastBench63.0%†64.2%†
BTF-3Epoch AI Benchmarking Hub–14.3%†
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub76.9%†–
SciCodeSciCode56.6%55.8%
WeirdMLWeirdML77.7%84.9%
149件のベンチマークをすべて表示
指標公開元GPT-5.4 (xhigh)GPT-5.5 (xhigh)
コーディング
FrontierCodeCognition–43.0%†
GSO-BenchGSO-Bench31.4%40.2%
Arena CodingArena (LMArena)1511†1510†
Arena WebDevArena (LMArena)1400†1512
LiveBench 1.0 CodingLiveBench77.5%82.2%
SciCode (AA)Artificial Analysis–55.8%
LiveCodeBenchVals AI84.1%85.3%
SWE-bench (Vals)Vals AI78.2%82.6%
SWE-Bench ProScale AI SEAL59.1%–
Code MigrationVals AI35.0%45.2%
ProgramBenchVals AI0.0%0.5%
Vibe Code Bench v1.1Vals AI67.4%69.8%
SWE-Bench Pro (private)Scale AI SEAL43.4%–
SWE Atlas v1.0: Codebase QnAScale AI SEAL40.8%45.4%
SWE Atlas v1.0: RefactoringScale AI SEAL44.3%44.8%
SWE Atlas v1.0: Test WritingScale AI SEAL44.4%42.6%
MirrorCodeEpoch AI Benchmarking Hub23.3%23.3%
Surface Evolver BenchEpoch AI Benchmarking Hub–88.1%†
DeepSWE v1.1Epoch AI Benchmarking Hub51.8%67.0%
ALE-BenchEpoch AI Benchmarking Hub1607†1943.0
AlgoTuneAlgoTune1.9†–
Terminal-Bench 4.0 (AA)Artificial Analysis–14.7%
Terminal-Bench 2.1 (AA)Artificial Analysis78.3%84.3%
GameBench 2 OverallDuelLab GameBench 253.4†49.2†
GameBench 2 by reasoning settingDuelLab GameBench 262.159.9
Design Arena WebsiteDesign Arena1190†1248†
エージェント・ツール
Terminal-BenchTerminal-Bench81.8%†84.7%†
OSWorld-Verified 2.0OSWorld–13.0%
Remote Labor IndexScale AI / CAIS–6.3%†
APEX-AgentsMercor52.4%†55.1%†
LiveBench Agentic CodingLiveBench53.8%54.0%
Terminal-Bench HardArtificial Analysis57.6%60.6%
τ²-Bench Telecom (AA)Artificial Analysis87.1%93.9%
Terminal-Bench 2.1 (Vals)Vals AI–57.3%†
MCP AtlasScale AI SEAL70.6%75.3%
HiL-BenchScale AI SEAL9.7%†39.7%†
τ³-bench Bankingτ²-bench39.4%44.6%
GDPval-AA v2.1Artificial Analysis12561357
τ³-Banking (AA)Artificial Analysis39.6%39.0%
ITBench SRE (AA)Artificial Analysis–45.8%
Analyst Agent (AA)Artificial Analysis–50.0%
APEX-Agents (AA)Artificial Analysis33.3%37.7%
Finance Agent v2Vals AI–51.8%
Harvey's Legal Agent Benchmark v1Vals AI0.0%3.8%
Legal Research BenchVals AI–40.4%
SkillsBenchVals AI51.7%62.2%
SREBenchVals AI–3.8%
Tax Agent BenchVals AI–21.8%
Terminal-Bench 2.0 (Vals)Vals AI58.4%†73.2%†
Time Horizon Index: KSPVals AI–8.3%
Arena SearchArena (LMArena)1196†1226†
DeepResearch BenchDeepResearch Bench35.1%†54.0%†
PostTrainBenchEpoch AI Benchmarking Hub17.8%†23.9%
ExploitBenchEpoch AI Benchmarking Hub–47.4%†
METR Time HorizonsMETR74.3%–
GBAEvalEpoch AI Benchmarking Hub45.1%†53.2%†
Vending-Bench 2Andon Labs6144.2†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 Arena1042†1113†
RoboDojo (LLM as robot policy)RoboDojo–1.1†
DeepSearchQAGoogle63.7%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub78.6%85.3%
FrontierMath Tier 4Epoch AI Benchmarking Hub49.0%72.5%
OTIS Mock AIMEEpoch AI Benchmarking Hub95.3%84.4%†
ProofBenchVals AI56.0%50.0%
LiveBench MathematicsLiveBench94.2%95.9%
AIME (Vals)Vals AI96.7%–
AIME 2026MathArena99.2%100.0%
HMMT February 2026MathArena97.7%98.5%
USAMO 2026MathArena95.2%98.2%
MathArena ApexMathArena54.2%80.2%
Arena MathsArena (LMArena)1459†1500†
FrontierMath ErdősEpoch AI Benchmarking Hub–0.0%
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub45.1%63.0%
LiveBench 1.0 Data AnalysisLiveBench79.3%81.6%
MMLU-ProVals AI87.5%88.1%
LegalBenchVals AI86.0%86.5%
CorpFinVals AI65.3%68.4%
TaxEvalVals AI74.0%75.0%
MedQAVals AI96.1%–
PRBench FinanceScale AI SEAL45.6%†–
PRBench LegalScale AI SEAL44.4%†–
MultiNRCScale AI SEAL58.3%†–
CaseLaw v2Vals AI63.8%66.2%
Excel Modeling BenchmarkVals AI–64.5%
MedCodeVals AI41.3%49.1%
MedScribeVals AI77.5%86.9%
Public Benefits Bench v1.1Vals AI–60.9%
DrugDiscoveryBenchScale AI SEAL–51.6%
EBR-benchEpoch AI Benchmarking Hub25.4%34.3%
GDP.pdfEpoch AI Benchmarking Hub–26.0%
指示追従
LiveBench LanguageLiveBench82.6%87.4%
LiveBench Instruction FollowingLiveBench70.2%70.7%
IFBenchArtificial Analysis74.0%75.8%
Arena Instruction FollowingArena (LMArena)1460†1475†
人間の評価
Arena TextArena (LMArena)1465†1476†
EQ-Bench 4EQ-Bench1258†1295†
EQ-Bench Creative Writing v3EQ-Bench1841†1845†
Arena Creative WritingArena (LMArena)1433†1448†
Arena Multi-turnArena (LMArena)1480†1484†
Arena Longer QueriesArena (LMArena)1477†1486†
マルチモーダル
Arena VisionArena (LMArena)1292†1296†
MMMU-ProArtificial Analysis78.4%79.9%
VISTAScale AI SEAL50.9%†–
MMMU-Pro (Vals)Vals AI87.5%88.3%
MortgageTaxVals AI68.3%68.8%
VTBScale AI SEAL29.2%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub27.1%†36.2%†
Furniture AssemblyEpoch AI Benchmarking Hub37.5%44.2%
Code2Video-AAArtificial Analysis–1000
長文コンテキスト
AA-LCR v1.1Artificial Analysis82.0%84.3%
Arena DocumentArena (LMArena)1471†1479†
MLCRArtificial Analysis–28.9%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub157.8†160.1†
LiveBench 1.0LiveBench78.0%80.2%
AA Intelligence Index v4.3.2Artificial Analysis39.038.4
AA Progress Index v1Artificial Analysis311.6320
Vals RSI IndexVals AI15.5%16.5%
Vals Multimodal IndexVals AI–68.1%
安全性・誠実さ
FORTRESSScale AI SEAL–16.3%
MASKScale AI SEAL89.7%†–

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-5.4 (xhigh):新しい結果1件(GDPval-AA v2.1)。
  • 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-5.4 (xhigh):新しい結果1件(MirrorCode)。
  • GPT-5.5 (xhigh):新しい結果1件(MirrorCode)。
  • GPT-5.4 (xhigh):BenchLeader Index 63.7 → 63.2。
  • GPT-5.4 (xhigh):スコアの改訂1件。
  • GPT-5.5 (xhigh):スコアの改訂1件。
  • GPT-5.4 (xhigh):新しい結果1件(AA Progress Index v1)。

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 vs GPT-5.5:よくある質問

GPT-5.4はGPT-5.5より優れていますか?
GPT-5.4 (xhigh)とGPT-5.5 (xhigh)の品質は互角です(63.1 対 64.1、±4.7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-5.4の方が安く、100万トークンあたり$5.63 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-5.4とGPT-5.5のどちらが向いていますか?
コーディングではGPT-5.4の方がスコアが高くなっています(カテゴリ指標で65 対 61。50が平均)。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-5.4が84.1%、GPT-5.5が85.3%です。
GPT-5.4とGPT-5.5はどちらが速いですか?
GPT-5.5の方が出力が速くなっています(出力81 対 73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-5.4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-5.4の方がスコアが高くなっています(カテゴリ指標で63 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MCP Atlasでは、GPT-5.4が70.6%、GPT-5.5が75.3%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GPT-5.5の方がスコアが高くなっています(67 対 66)。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-5.5です。Artificial Analysisの測定では、最初の回答トークンまで38.3秒 対 144.9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-5.4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66件のベンチマークのうち、GPT-5.4のリードが5件、GPT-5.5のリードが60件、同点が1件です。両方を評価しているすべての総合指標で、GPT-5.5が上回っています。
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。