BenchLeader

GPT-5.5 Instant vs o3

詳しいプロフィール:GPT-5.5 Instant(OpenAI)とo3(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 · 15件の情報源のデータ

2026年11月16日時点で、GPT-5.5 Instantとo3の品質は互角です(BenchLeader Indexで56.9 対 60.4、±6.9の誤差範囲内)。価格はo3の方が3.2倍安く、100万トークンあたりのブレンド価格で$3.50 対 $11.25です。マルチモーダル(58 対 53)、人間の評価(66 対 61)、指示追従(70 対 65)を重視するならGPT-5.5 Instant、数学(71 対 48)、エージェント・ツール(70 対 50)、推論(61 対 54)を重視するならo3が向いています。回答開始までの時間はGPT-5.5 Instantの方が短く、1.8秒 対 5.2秒です。

要点(2026年11月16日時点)

  • BenchLeader IndexはGPT-5.5 Instantが56.9、o3が60.4です(BenchLeader、2026年11月16日)。
  • GPT-5.5 Instant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)。
  • o3の100万トークンあたりのブレンド価格は$3.50です(定価、2026年11月16日)。
  • 両モデルに結果がある17件のベンチマークのうち、GPT-5.5 Instantが15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-5.5 Instantカテゴリスコア61 対 60;Arena Coding 1513 対 1460中
エージェント・ツール利用o3カテゴリスコア70 対 50;Terminal-Bench Hard 37.1% 対 42.4%高
数学o3カテゴリスコア71 対 48;Arena Maths 1448 対 1462高
推論o3カテゴリスコア61 対 54;Arena Hard Prompts 1441 対 1491中
長い文書o3カテゴリスコア62 対 59;AA-LCR v1.1 74.7% 対 70.0%中
画像などのメディアGPT-5.5 Instantカテゴリスコア58 対 53;Arena Vision 1251 対 1214中
指示への追従GPT-5.5 Instantカテゴリスコア70 対 65;IFBench 71.5% 対 71.4%中
チャットの質(人間の評価)GPT-5.5 InstantArenaの投票で66 対 61中
最低コストo3100万トークンあたりブレンド価格$3.50 対 $11.25;エージェント型コーディングセッション$0.152 対 $0.420–
回答開始の速さGPT-5.5 Instant最初の回答トークンまで1.8秒(GPT-5.5 Instant)対 5.2秒(o3)–
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-5.5 Instantとo3の品質は互角です(56.9 対 60.4、±6.9の誤差範囲内)。
  • GPT-5.5 Instantはコーディング、人間の評価、指示追従、マルチモーダルで優れています。
  • o3はエージェント・ツール、長文コンテキスト、数学、推論で優れています。
  • o3の方が3.2倍安くなっています(100万トークンあたりブレンド価格$3.50 対 $11.25)。

概要

仕様GPT-5.5 Instanto3
プロバイダーOpenAIOpenAI
リリース日2026年5月5日2025年4月16日
コンテキストウィンドウ(トークン)400,000200,000
比較した構成GPT-5.5 Instanto3
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)$5.00 / $30.00 / $0.500$2.00 / $8.00 / $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-5.5 Instanto3トップ
推論53.660.9o3
コーディング60.959.8GPT-5.5 Instant
エージェント・ツール49.970.3o3
数学48.370.6o3
知識–56.2比較不可
指示追従70.265.2GPT-5.5 Instant
人間の評価66.161.0GPT-5.5 Instant
マルチモーダル58.252.8GPT-5.5 Instant
長文コンテキスト59.461.9o3

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・ツール数学指示追従長文コンテキストマルチモーダル人間の評価GPT-5.5 Instant, 推論: 53.6GPT-5.5 Instant, コーディング: 60.9GPT-5.5 Instant, エージェント・ツール: 49.9GPT-5.5 Instant, 数学: 48.3GPT-5.5 Instant, 指示追従: 70.2GPT-5.5 Instant, 長文コンテキスト: 59.4GPT-5.5 Instant, マルチモーダル: 58.2GPT-5.5 Instant, 人間の評価: 66.1o3, 推論: 60.9o3, コーディング: 59.8o3, エージェント・ツール: 70.3o3, 数学: 70.6o3, 指示追従: 65.2o3, 長文コンテキスト: 61.9o3, マルチモーダル: 52.8o3, 人間の評価: 61.0

描画していないもの(測定済みのモデルが2つ未満):知識。

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17件のベンチマークのうち、GPT-5.5 Instantのリードが15件、o3のリードが2件です。両方を評価しているすべての総合指標で、GPT-5.5 Instantが上回っています。

総合IndexGPT-5.5 Instanto3トップ
BenchLeader Index56.960.4互角
Arena Text14731432GPT-5.5 Instant

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-5.5 Instanto3
100万トークンあたりのブレンド価格$11.25$3.50
100万トークンあたりの入力/出力$5.00 / $30.00$2.00 / $8.00
100万トークンあたりのキャッシュ入力$0.500$0.500
タスクあたりの価格:チャットの返答$0.011$0.0032
タスクあたりの価格:30ページのレポートを要約$0.078$0.029
タスクあたりの価格:コード編集$0.075$0.024
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$0.420$0.152
タスクあたりの価格:構造化データの抽出$0.016$0.0056
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$0.085
出力速度125 tok/s131 tok/s
回答開始までの時間1.8秒5.2秒
回答が完了するまでの時間(最終測定2026年11月13日)47.7秒17.3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-5.5 Instantのスコアは56.9、最初の回答トークンまで2秒。o3のスコアは60.4、最初の回答トークンまで5秒。o3 (high)は55.1(5秒)、o3 (medium)は53.3(5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

107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-5.5 Instanto3
BenchLeader IndexBenchLeader56.960.4
エージェント・ツールスコアBenchLeader49.970.3
コーディングスコアBenchLeader60.959.8
人間の評価スコアBenchLeader66.161.0
指示追従スコアBenchLeader70.265.2
長文コンテキストスコアBenchLeader59.461.9
数学スコアBenchLeader48.370.6
マルチモーダルスコアBenchLeader58.252.8
推論スコアBenchLeader53.660.9
知識スコアBenchLeader–56.2
ブレンド価格($/100万トークン)BenchLeader$11.25$3.50
出力速度BenchLeader125 tok/s131 tok/s
回答開始までの時間BenchLeader1.8秒5.2秒
コンテキストウィンドウBenchLeader400,000トークン200,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub82.5%81.8%†
Humanity's Last ExamScale AI / CAIS–20.3%†
SimpleBenchSimpleBench–53.1%†
Arena Hard PromptsArena (LMArena)14911441
GPQA Diamond (AA)Artificial Analysis84.7%82.7%
Humanity's Last Exam (AA)Artificial Analysis21.6%20.1%
HLE-Diamond (AA)Artificial Analysis14.6%–
GPQA Diamond (Vals)Vals AI–84.1%†
Kagi LLM BenchmarkKagi LLM Benchmark–67.6%
GPQA Diamond (HELM)HELM Capabilities–75.3%
ARC-AGI-1ARC Prize–60.8%†
ARC-AGI-2ARC Prize–6.5%†
CritPtArtificial Analysis2.6%1.1%
SciPredictScale AI SEAL–17.9%
Arena ExpertArena (LMArena)14741448
Chess PuzzlesEpoch AI Benchmarking Hub–36.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub–29.0%†
CL-benchEpoch AI Benchmarking Hub–17.8%†
LMCAEpoch AI Benchmarking Hub–39.7%†
DTBenchEpoch AI Benchmarking Hub–84.8%†
ForecastBenchForecastBench–64.3%
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub–62.3%†
SciCodeSciCode52.5%–
WeirdMLWeirdML–52.4%†
GSO-BenchGSO-Bench–8.8%†
107件のベンチマークをすべて表示
指標公開元GPT-5.5 Instanto3
コーディング
Arena CodingArena (LMArena)15131460
LiveCodeBenchVals AI–83.9%†
Aider PolyglotAider polyglot leaderboard–76.9%
SWE-bench Verified (bash only)SWE-bench–58.4%
SWE-bench Verified (any scaffold)SWE-bench–58.4%
CadEvalEpoch AI Benchmarking Hub–74.0%†
ALE-BenchEpoch AI Benchmarking Hub–933.5†
Terminal-Bench 4.0 (AA)Artificial Analysis12.6%–
Terminal-Bench 2.1 (AA)Artificial Analysis34.8%–
GameBench 2 OverallDuelLab GameBench 2–34.1
GameBench 2 by reasoning settingDuelLab GameBench 2–30.4†
Design Arena WebsiteDesign Arena–1028
LiveCodeBench (AA)Artificial Analysis–80.8%
エージェント・ツール
GDPvalOpenAI–30.8%†
Terminal-Bench HardArtificial Analysis42.4%37.1%
τ²-Bench Telecom (AA)Artificial Analysis49.4%80.7%
BFCL OverallBerkeley Function Calling Leaderboard–63.0%
GDPval-AA v2.1, normalised scoreArtificial Analysis0.4%–
GDPval-AA v2.1Artificial Analysis516–
τ³-Banking (AA)Artificial Analysis11.8%–
Arena SearchArena (LMArena)–1197
DeepResearch BenchDeepResearch Bench–45.2%†
METR Time HorizonsMETR–63.6%
AutomationBenchArtificial Analysis36.4%–
GDP.pdf (AA)Artificial Analysis20.2%–
AA-Briefcase v1.1Artificial Analysis1086–
BrowseComp-PlusBrowseComp-Plus–50.5%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub26.3%33.3%†
FrontierMath Tier 4Epoch AI Benchmarking Hub2.4%–
OTIS Mock AIMEEpoch AI Benchmarking Hub68.1%83.9%†
MATH Level 5Epoch AI Benchmarking Hub–97.8%†
AIME (Vals)Vals AI–85.3%†
MGSMVals AI–91.8%†
IMO 2025MathArena–16.7%†
Omni-MATH (HELM)HELM Capabilities–71.4%
MATH 500Vals AI–94.6%†
Arena MathsArena (LMArena)14621448
AIME 2025 (AA)Artificial Analysis–88.3%
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub–49.4%†
MMLU-ProVals AI–85.6%†
LegalBenchVals AI–83.8%†
CorpFinVals AI–59.7%†
TaxEvalVals AI–74.6%†
MedQAVals AI–96.1%†
PRBench FinanceScale AI SEAL–47.7%
PRBench LegalScale AI SEAL–48.6%
MultiNRCScale AI SEAL–45.5%†
MMLU-Pro (HELM)HELM Capabilities–85.9%
MedCodeVals AI–47.3%†
MedScribeVals AI–76.7%†
指示追従
IFBenchArtificial Analysis71.5%71.4%
MultiChallengeScale AI SEAL–56.6%†
TutorBenchScale AI SEAL–52.1%†
IFEval (HELM)HELM Capabilities–86.9%
WildBench (HELM)HELM Capabilities–86.1%
Arena Instruction FollowingArena (LMArena)14561403
人間の評価
Arena TextArena (LMArena)14731432
EQ-Bench Creative Writing v3EQ-Bench–1675
Arena Creative WritingArena (LMArena)14541383
Arena Multi-turnArena (LMArena)14831420
Arena Longer QueriesArena (LMArena)14751411
Lech Mazur Creative WritingLech Mazur–83.9%†
マルチモーダル
Arena VisionArena (LMArena)12511214
MMMU-ProArtificial Analysis–70.1%
VISTAScale AI SEAL–50.1%†
MMMU-Pro (Vals)Vals AI–80.4%†
MortgageTaxVals AI–65.7%†
VTBScale AI SEAL–13.7%
GeoBenchGeoBench–60.0%†
VPCTEpoch AI Benchmarking Hub–52.0%†
長文コンテキスト
Fiction.LiveBench 120kFiction.live–100.0%†
AA-LCR v1.1Artificial Analysis70.0%74.7%
Arena DocumentArena (LMArena)1460–
MLCRArtificial Analysis31.7%–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–147.1
AA Intelligence Index v4.3.2Artificial Analysis26.020.2
AA Progress Index v1Artificial Analysis282.1258.3
HELM Capabilities meanHELM Capabilities–81.1%
安全性・誠実さ
FORTRESSScale AI SEAL–16.0%
MASKScale AI SEAL–84.5%†
PropensityBenchScale AI SEAL–10.5%
メタデータ
AA Openness IndexArtificial Analysis–5.6

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

  • o3:BenchLeader Index 61.2 → 60.4。
  • o3:スコアの改訂1件。
  • o3:新しい結果1件(Arena Search)。
  • o3:スコアの改訂1件。
  • GPT-5.5 Instant:新しい結果1件(AA-Briefcase v1.1)。
  • GPT-5.5 Instant:BenchLeader Index 58.7 → 57.0。
  • GPT-5.5 Instant:新しい結果2件(AA Progress Index v1, HLE-Diamond (AA))。
  • o3:新しい結果1件(AA Progress Index v1)。
  • GPT-5.5 Instant:価格 $0.69/M → $0.57/M。
  • GPT-5.5 Instant: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-5.5 Instant vs o3:よくある質問

GPT-5.5 Instantはo3より優れていますか?
GPT-5.5 Instantとo3の品質は互角です(56.9 対 60.4、±6.9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-5.5 Instantとo3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o3の方が安く、100万トークンあたり$3.50 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-5.5 Instantとo3のどちらが向いていますか?
コーディングではGPT-5.5 Instantの方がスコアが高くなっています(カテゴリ指標で61 対 60。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Arena Codingでは、GPT-5.5 Instantが1513、o3が1460です。
GPT-5.5 Instantとo3はどちらが速いですか?
o3の方が出力が速くなっています(出力131 対 125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-5.5 Instantとo3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o3の方がスコアが高くなっています(カテゴリ指標で70 対 50。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-5.5 Instantが42.4%、o3が37.1%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o3の方がスコアが高くなっています(62 対 59)。コンテキストはGPT-5.5 Instantの方が長く、400,000トークンです(o3は200,000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-5.5 Instantです。Artificial Analysisの測定では、最初の回答トークンまで1.8秒 対 5.2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-5.5 Instantとo3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17件のベンチマークのうち、GPT-5.5 Instantのリードが15件、o3のリードが2件です。両方を評価しているすべての総合指標で、GPT-5.5 Instantが上回っています。
GPT-5.5 Instantはいつリリースされましたか?
GPT-5.5 Instantは2026年5月5日にリリースされました。