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 Instant | Arenaの投票で66 対 61 | 中 |
| 最低コスト | o3 | 100万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 Instant | o3 |
|---|---|---|
| プロバイダー | OpenAI | OpenAI |
| 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) | 400,000 | 200,000 |
| 比較した構成 | GPT-5.5 Instant | o3 |
| 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 Instant | o3 | トップ |
|---|---|---|---|
| 推論 | 53.6 | 60.9 | o3 |
| コーディング | 60.9 | 59.8 | GPT-5.5 Instant |
| エージェント・ツール | 49.9 | 70.3 | o3 |
| 数学 | 48.3 | 70.6 | o3 |
| 知識 | – | 56.2 | 比較不可 |
| 指示追従 | 70.2 | 65.2 | GPT-5.5 Instant |
| 人間の評価 | 66.1 | 61.0 | GPT-5.5 Instant |
| マルチモーダル | 58.2 | 52.8 | GPT-5.5 Instant |
| 長文コンテキスト | 59.4 | 61.9 | o3 |
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):知識。
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Index | GPT-5.5 Instant | o3 | トップ |
|---|---|---|---|
| BenchLeader Index | 56.9 | 60.4 | 互角 |
| Arena Text | 1473 | 1432 | GPT-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 Instant | o3 |
|---|---|---|
| 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 | $0.085 |
| 出力速度 | 125 tok/s | 131 tok/s |
| 回答開始までの時間 | 1.8秒 | 5.2秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 47.7秒 | 17.3秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。GPT-5.5 Instantのスコアは56.9、最初の回答トークンまで2秒。o3のスコアは60.4、最初の回答トークンまで5秒。o3 (high)は55.1(5秒)、o3 (medium)は53.3(5秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
107件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | GPT-5.5 Instant | o3 |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 56.9 | 60.4 |
| エージェント・ツールスコア | BenchLeader | 49.9 | 70.3 |
| コーディングスコア | BenchLeader | 60.9 | 59.8 |
| 人間の評価スコア | BenchLeader | 66.1 | 61.0 |
| 指示追従スコア | BenchLeader | 70.2 | 65.2 |
| 長文コンテキストスコア | BenchLeader | 59.4 | 61.9 |
| 数学スコア | BenchLeader | 48.3 | 70.6 |
| マルチモーダルスコア | BenchLeader | 58.2 | 52.8 |
| 推論スコア | BenchLeader | 53.6 | 60.9 |
| 知識スコア | BenchLeader | – | 56.2 |
| ブレンド価格($/100万トークン) | BenchLeader | $11.25 | $3.50 |
| 出力速度 | BenchLeader | 125 tok/s | 131 tok/s |
| 回答開始までの時間 | BenchLeader | 1.8秒 | 5.2秒 |
| コンテキストウィンドウ | BenchLeader | 400,000トークン | 200,000トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 82.5% | 81.8%† |
| Humanity's Last Exam | Scale AI / CAIS | – | 20.3%† |
| SimpleBench | SimpleBench | – | 53.1%† |
| Arena Hard Prompts | Arena (LMArena) | 1491 | 1441 |
| GPQA Diamond (AA) | Artificial Analysis | 84.7% | 82.7% |
| Humanity's Last Exam (AA) | Artificial Analysis | 21.6% | 20.1% |
| HLE-Diamond (AA) | Artificial Analysis | 14.6% | – |
| GPQA Diamond (Vals) | Vals AI | – | 84.1%† |
| Kagi LLM Benchmark | Kagi LLM Benchmark | – | 67.6% |
| GPQA Diamond (HELM) | HELM Capabilities | – | 75.3% |
| ARC-AGI-1 | ARC Prize | – | 60.8%† |
| ARC-AGI-2 | ARC Prize | – | 6.5%† |
| CritPt | Artificial Analysis | 2.6% | 1.1% |
| SciPredict | Scale AI SEAL | – | 17.9% |
| Arena Expert | Arena (LMArena) | 1474 | 1448 |
| Chess Puzzles | Epoch AI Benchmarking Hub | – | 36.0%† |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | – | 29.0%† |
| CL-bench | Epoch AI Benchmarking Hub | – | 17.8%† |
| LMCA | Epoch AI Benchmarking Hub | – | 39.7%† |
| DTBench | Epoch AI Benchmarking Hub | – | 84.8%† |
| ForecastBench | ForecastBench | – | 64.3% |
| コーディング | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | – | 62.3%† |
| SciCode | SciCode | 52.5% | – |
| WeirdML | WeirdML | – | 52.4%† |
| GSO-Bench | GSO-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 Instant | o3 |
|---|---|---|---|
| コーディング | |||
| Arena Coding | Arena (LMArena) | 1513 | 1460 |
| LiveCodeBench | Vals AI | – | 83.9%† |
| Aider Polyglot | Aider polyglot leaderboard | – | 76.9% |
| SWE-bench Verified (bash only) | SWE-bench | – | 58.4% |
| SWE-bench Verified (any scaffold) | SWE-bench | – | 58.4% |
| CadEval | Epoch AI Benchmarking Hub | – | 74.0%† |
| ALE-Bench | Epoch AI Benchmarking Hub | – | 933.5† |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 12.6% | – |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 34.8% | – |
| GameBench 2 Overall | DuelLab GameBench 2 | – | 34.1 |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | – | 30.4† |
| Design Arena Website | Design Arena | – | 1028 |
| LiveCodeBench (AA) | Artificial Analysis | – | 80.8% |
| エージェント・ツール | |||
| GDPval | OpenAI | – | 30.8%† |
| Terminal-Bench Hard | Artificial Analysis | 42.4% | 37.1% |
| τ²-Bench Telecom (AA) | Artificial Analysis | 49.4% | 80.7% |
| BFCL Overall | Berkeley Function Calling Leaderboard | – | 63.0% |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 0.4% | – |
| GDPval-AA v2.1 | Artificial Analysis | 516 | – |
| τ³-Banking (AA) | Artificial Analysis | 11.8% | – |
| Arena Search | Arena (LMArena) | – | 1197 |
| DeepResearch Bench | DeepResearch Bench | – | 45.2%† |
| METR Time Horizons | METR | – | 63.6% |
| AutomationBench | Artificial Analysis | 36.4% | – |
| GDP.pdf (AA) | Artificial Analysis | 20.2% | – |
| AA-Briefcase v1.1 | Artificial Analysis | 1086 | – |
| BrowseComp-Plus | BrowseComp-Plus | – | 50.5% |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 26.3% | 33.3%† |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 2.4% | – |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 68.1% | 83.9%† |
| MATH Level 5 | Epoch AI Benchmarking Hub | – | 97.8%† |
| AIME (Vals) | Vals AI | – | 85.3%† |
| MGSM | Vals AI | – | 91.8%† |
| IMO 2025 | MathArena | – | 16.7%† |
| Omni-MATH (HELM) | HELM Capabilities | – | 71.4% |
| MATH 500 | Vals AI | – | 94.6%† |
| Arena Maths | Arena (LMArena) | 1462 | 1448 |
| AIME 2025 (AA) | Artificial Analysis | – | 88.3% |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | – | 49.4%† |
| MMLU-Pro | Vals AI | – | 85.6%† |
| LegalBench | Vals AI | – | 83.8%† |
| CorpFin | Vals AI | – | 59.7%† |
| TaxEval | Vals AI | – | 74.6%† |
| MedQA | Vals AI | – | 96.1%† |
| PRBench Finance | Scale AI SEAL | – | 47.7% |
| PRBench Legal | Scale AI SEAL | – | 48.6% |
| MultiNRC | Scale AI SEAL | – | 45.5%† |
| MMLU-Pro (HELM) | HELM Capabilities | – | 85.9% |
| MedCode | Vals AI | – | 47.3%† |
| MedScribe | Vals AI | – | 76.7%† |
| 指示追従 | |||
| IFBench | Artificial Analysis | 71.5% | 71.4% |
| MultiChallenge | Scale AI SEAL | – | 56.6%† |
| TutorBench | Scale AI SEAL | – | 52.1%† |
| IFEval (HELM) | HELM Capabilities | – | 86.9% |
| WildBench (HELM) | HELM Capabilities | – | 86.1% |
| Arena Instruction Following | Arena (LMArena) | 1456 | 1403 |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1473 | 1432 |
| EQ-Bench Creative Writing v3 | EQ-Bench | – | 1675 |
| Arena Creative Writing | Arena (LMArena) | 1454 | 1383 |
| Arena Multi-turn | Arena (LMArena) | 1483 | 1420 |
| Arena Longer Queries | Arena (LMArena) | 1475 | 1411 |
| Lech Mazur Creative Writing | Lech Mazur | – | 83.9%† |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1251 | 1214 |
| MMMU-Pro | Artificial Analysis | – | 70.1% |
| VISTA | Scale AI SEAL | – | 50.1%† |
| MMMU-Pro (Vals) | Vals AI | – | 80.4%† |
| MortgageTax | Vals AI | – | 65.7%† |
| VTB | Scale AI SEAL | – | 13.7% |
| GeoBench | GeoBench | – | 60.0%† |
| VPCT | Epoch AI Benchmarking Hub | – | 52.0%† |
| 長文コンテキスト | |||
| Fiction.LiveBench 120k | Fiction.live | – | 100.0%† |
| AA-LCR v1.1 | Artificial Analysis | 70.0% | 74.7% |
| Arena Document | Arena (LMArena) | 1460 | – |
| MLCR | Artificial Analysis | 31.7% | – |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | – | 147.1 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 26.0 | 20.2 |
| AA Progress Index v1 | Artificial Analysis | 282.1 | 258.3 |
| HELM Capabilities mean | HELM Capabilities | – | 81.1% |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | – | 16.0% |
| MASK | Scale AI SEAL | – | 84.5%† |
| PropensityBench | Scale AI SEAL | – | 10.5% |
| メタデータ | |||
| AA Openness Index | Artificial 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)。
関連する比較
- GPT-5.5 Instant vs Muse Spark 1.3
- GPT-5.5 Instant vs Gemini 3 Pro
- GPT-5.5 Instant vs GPT-5
- o3 vs Claude Opus 5.5
- o3 vs GPT-6.1 Sol
- o3 vs GPT-5.6 Sol
- o3 vs Gemini 4 Argon
- o3 vs Muse Wonder
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。