GPT-5.5 vs GPT-6 Astra
詳しいプロフィール:GPT-5.5(OpenAI)とGPT-6 Astra(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 · 16件の情報源のデータ
2026年11月16日時点で、GPT-5.5とGPT-6 Astraの品質は互角です(BenchLeader Indexで64.1 対 67.3、±4.9の誤差範囲内)。価格はGPT-5.5の方が1.8倍安く、100万トークンあたりのブレンド価格で$11.25 対 $20.00です。長文コンテキスト(67 対 65)を重視するならGPT-5.5、コーディング(73 対 61)、知識(72 対 64)、推論(72 対 68)を重視するならGPT-6 Astra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 198.4秒です。GPT-5.5は出力が約1.5倍速い点も強みです。
要点(2026年11月16日時点)
- BenchLeader IndexはGPT-5.5が64.1、GPT-6 Astraが67.3です(BenchLeader、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-6 Astraの100万トークンあたりのブレンド価格は$20.00です(定価、2026年11月16日)。
- GPT-5.5はGPT-6 Astraより出力が約1.5倍速いです(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57件のベンチマークのうち、GPT-6 Astraが52件でリードしています(BenchLeader、2026年11月16日)。
- Arena WebDevでの評価はGPT-5.5が1512、GPT-6 Astraが1764です(LMArena、2026年11月16日までの公開値)。
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-6 Astra | カテゴリスコア73 対 61;Arena WebDev 1764 対 1512 | 高 |
| エージェント・ツール利用 | GPT-6 Astra | カテゴリスコア64 対 62;τ³-Banking (AA) 41.4% 対 39.0% | 中 |
| 数学 | GPT-6 Astra | カテゴリスコア71 対 69;FrontierMath Tiers 1–3 93.7% 対 85.3% | 中 |
| 推論 | GPT-6 Astra | カテゴリスコア72 対 68;ARC-AGI-2 95.0% 対 85.0% | 中 |
| 知識 | GPT-6 Astra | カテゴリスコア72 対 64;SimpleQA Verified 75.6% 対 63.0% | 高 |
| 長い文書 | GPT-5.5 | カテゴリスコア67 対 65;AA-LCR v1.1 84.3% 対 80.7% | 中 |
| 画像などのメディア | GPT-6 Astra | カテゴリスコア66 対 62;MMMU-Pro 86.9% 対 79.9% | 中 |
| チャットの質(人間の評価) | – | Arenaの評価があるのはGPT-6 Astraのみです(カテゴリスコア66) | 比較不可 |
| 最低コスト | GPT-5.5 | 100万トークンあたりブレンド価格$11.25 対 $20.00;エージェント型コーディングセッション$0.420 対 $0.800 | – |
| 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 198.4秒(GPT-6 Astra (max)) | – |
| 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 (xhigh)とGPT-6 Astra (max)の品質は互角です(64.1 対 67.3、±4.9の誤差範囲内)。
- GPT-5.5 (xhigh)は長文コンテキストで優れています。
- GPT-6 Astra (max)はエージェント・ツール、コーディング、知識、数学、マルチモーダル、推論で優れています。
- GPT-5.5 (xhigh)の方が1.8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 $20.00)。
- GPT-5.5 (xhigh)の方が出力が2.0倍速くなっています(81 対 41トークン/秒)。
概要
| 仕様 | GPT-5.5 | GPT-6 Astra |
|---|---|---|
| プロバイダー | OpenAI | OpenAI |
| リリース日 | 2026年4月23日 | 2026年9月2日 |
| コンテキストウィンドウ(トークン) | 1,050,000 | 1,050,000 |
| 比較した構成 | GPT-5.5 (xhigh) | GPT-6 Astra (max) |
| 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 | $10.00 / $50.00 / $1.00 |
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 (xhigh) | GPT-6 Astra (max) | トップ |
|---|---|---|---|
| 推論 | 68.1 | 72.4 | GPT-6 Astra |
| コーディング | 60.7 | 73.2 | GPT-6 Astra |
| エージェント・ツール | 61.8 | 63.9 | GPT-6 Astra |
| 数学 | 69.3 | 70.8 | GPT-6 Astra |
| 知識 | 63.6 | 72.3 | GPT-6 Astra |
| 指示追従 | 74.0 | – | 比較不可 |
| 人間の評価 | – | 66.2 | 比較不可 |
| マルチモーダル | 62.3 | 65.6 | GPT-6 Astra |
| 長文コンテキスト | 66.9 | 65.0 | GPT-5.5 |
| 総合 | – | 71.3 | 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。
描画していないもの(測定済みのモデルが2つ未満):指示追従, 人間の評価。
情報源で評価が分かれる点
両方に結果がある57件のベンチマークのうち、GPT-5.5のリードが5件、GPT-6 Astraのリードが52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Index | GPT-5.5 (xhigh) | GPT-6 Astra (max) | トップ |
|---|---|---|---|
| BenchLeader Index | 64.1 | 67.3 | 互角 |
| Arena Text | 1481† | 1474 | GPT-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-5.5 (xhigh) | GPT-6 Astra (max) |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $11.25 | $20.00 |
| 100万トークンあたりの入力/出力 | $5.00 / $30.00 | $10.00 / $50.00 |
| 100万トークンあたりのキャッシュ入力 | $0.500 | $1.00 |
| タスクあたりの価格:チャットの返答 | $0.011 | $0.019 |
| タスクあたりの価格:30ページのレポートを要約 | $0.078 | $0.150 |
| タスクあたりの価格:コード編集 | $0.075 | $0.135 |
| 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 | $0.800 |
| タスクあたりの価格:構造化データの抽出 | $0.016 | $0.030 |
| 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 | $0.395 |
| ベンチマークのタスクあたりのコスト(AA Index) | – | $6.24 |
| タスクあたりの出力トークン(AA Index) | – | 52k |
| うち推論 | – | 36k |
| タスクあたりの時間(AA Index) | – | 21 min |
| 出力速度 | 81 tok/s | 41 tok/s |
| 回答開始までの時間 | 38.3秒 | 198.4秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 104.3秒 | 533.7秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。GPT-5.5 (xhigh)のスコアは64.1、最初の回答トークンまで38秒。GPT-5.5 (high)は63.5(16秒)、GPT-5.5は61.0(3秒)。GPT-6 Astra (max)のスコアは67.3、最初の回答トークンまで198秒。GPT-6 Astraは66.4(5秒)、GPT-6 Astra (high)は66.3(49秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
204件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | GPT-5.5 (xhigh) | GPT-6 Astra (max) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 64.1 | 67.3 |
| エージェント・ツールスコア | BenchLeader | 61.8 | 63.9 |
| コーディングスコア | BenchLeader | 60.7 | 73.2 |
| 指示追従スコア | BenchLeader | 74.0 | – |
| 知識スコア | BenchLeader | 63.6 | 72.3 |
| 長文コンテキストスコア | BenchLeader | 66.9 | 65.0 |
| 数学スコア | BenchLeader | 69.3 | 70.8 |
| マルチモーダルスコア | BenchLeader | 62.3 | 65.6 |
| 推論スコア | BenchLeader | 68.1 | 72.4 |
| 総合スコア | BenchLeader | – | 71.3 |
| 人間の評価スコア | BenchLeader | – | 66.2 |
| ブレンド価格($/100万トークン) | BenchLeader | $11.25 | $20.00 |
| 出力速度 | BenchLeader | 81 tok/s | 41 tok/s |
| 回答開始までの時間 | BenchLeader | 38.3秒 | 198.4秒 |
| コンテキストウィンドウ | BenchLeader | 1,050,000トークン | 1,050,000トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 90.7%† | 95.8% |
| Humanity's Last Exam | Scale AI / CAIS | – | 54.8%† |
| SimpleBench | SimpleBench | 69.0%† | 83.6%† |
| Arena Hard Prompts | Arena (LMArena) | 1499† | 1500 |
| LiveBench 2.0 Reasoning | LiveBench | – | 92.7% |
| LiveBench 1.0 Reasoning | LiveBench | 89.7% | 92.7% |
| GPQA Diamond (AA) | Artificial Analysis | 93.5% | 96.1% |
| Humanity's Last Exam (AA) | Artificial Analysis | 45.8% | 54.7% |
| HLE-Diamond (AA) | Artificial Analysis | – | 63.8% |
| GPQA Diamond (Vals) | Vals AI | 93.2% | – |
| Kagi LLM Benchmark | Kagi LLM Benchmark | 88.8%† | – |
| ARC-AGI-1 | ARC Prize | 95.0% | 97.5% |
| ARC-AGI-2 | ARC Prize | 85.0% | 95.0% |
| ARC-AGI-3 | ARC Prize | 0.4%† | 98.6% |
| CritPt | Artificial Analysis | 27.1% | 31.7% |
| CritPt v2 hard subset (AA) | Artificial Analysis | – | 70.5% |
| MysteryMechanism | Vals AI | – | 53.1% |
| HLE-Diamond (Scale) | Scale AI SEAL | – | 60.6%† |
| Arena Expert | Arena (LMArena) | 1510† | 1517 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 63.0% | 74.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 56.0% | 84.0% |
| CL-bench Life | Epoch AI Benchmarking Hub | 22.2%† | – |
| LMCA | Epoch AI Benchmarking Hub | 54.3% | 64.1%† |
| DTBench | Epoch AI Benchmarking Hub | 96.0% | 97.1%† |
| ForecastBench | ForecastBench | 64.2%† | 66.6%† |
204件のベンチマークをすべて表示
| 指標 | 公開元 | GPT-5.5 (xhigh) | GPT-6 Astra (max) |
|---|---|---|---|
| 推論 | |||
| BTF-3 | Epoch AI Benchmarking Hub | 14.3%† | 13.5%† |
| コーディング | |||
| SciCode | SciCode | 55.8% | 56.5% |
| WeirdML | WeirdML | 84.9% | 93.3% |
| FrontierCode | Cognition | 43.0%† | 53.3% |
| GSO-Bench | GSO-Bench | 40.2% | 79.4%† |
| Arena Coding | Arena (LMArena) | 1510† | 1548 |
| Arena WebDev | Arena (LMArena) | 1512 | 1764 |
| LiveBench 2.0 Coding | LiveBench | – | 87.5% |
| LiveBench 1.0 Coding | LiveBench | 82.2% | 80.4% |
| LiveCodeBench | Vals AI | 85.3% | – |
| IOI | Vals AI | – | 100.0% |
| SWE-bench (Vals) | Vals AI | 82.6% | – |
| Code Migration | Vals AI | 45.2% | 67.7% |
| Code Migration v1.1 | Vals AI | – | 80.6% |
| ProgramBench | Vals AI | 0.5% | 5.5% |
| SWE-bench Multimodal | Vals AI | – | 43.3% |
| Vibe Code Bench 1-100 | Vals AI | – | 27.6% |
| Vibe Code Bench v1.1 | Vals AI | 69.8% | 89.6% |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | 45.4% | 59.1%† |
| SWE Atlas v1.0: Refactoring | Scale AI SEAL | 44.8% | 59.0%† |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | 42.6% | 50.7%† |
| SWE Atlas v1.1 | Scale AI SEAL | – | 69.4%† |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | – | 70.2%† |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | – | 66.7%† |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | – | 71.4%† |
| SWE-Bench Pro V2 | Scale AI SEAL | – | 96.9%† |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | – | 90.2%† |
| MirrorCode | Epoch AI Benchmarking Hub | 23.3% | 60.0% |
| Surface Evolver Bench | Epoch AI Benchmarking Hub | 88.1%† | – |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | 67.0% | 73.2% |
| ALE-Bench | Epoch AI Benchmarking Hub | 1943.0 | 2951.3 |
| FrontierSWE | Epoch AI Benchmarking Hub | – | 65.5% |
| WeirdML v3 | WeirdML | – | 42.2%† |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 14.7% | 59.1% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 84.3% | 88.4% |
| Startrise Frontend | Startrise | – | 79.9%† |
| GameBench 2 Overall | DuelLab GameBench 2 | 49.2† | 88.8† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 59.9 | 94.3† |
| Design Arena Website | Design Arena | 1248† | 1338 |
| FrontierCode 1.1 (AA) | Artificial Analysis | – | 47.0% |
| FrontierCode 2.0 (AA) | Artificial Analysis | – | 42.4% |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 84.7%† | 60.3% |
| OSWorld-Verified 2.0 | OSWorld | 13.0% | – |
| Remote Labor Index | Scale AI / CAIS | 6.3%† | 20.8%† |
| APEX-Agents | Mercor | 55.1%† | 64.7%† |
| Arena Agent | Arena (LMArena) | – | 14.5 |
| LiveBench Long Agentic | LiveBench | – | 75.6% |
| LiveBench Browser | LiveBench | – | 91.3% |
| LiveBench Agentic Coding | LiveBench | 54.0% | 57.3% |
| Terminal-Bench Hard | Artificial Analysis | 60.6% | – |
| τ²-Bench Telecom (AA) | Artificial Analysis | 93.9% | – |
| Terminal-Bench 2.1 (Vals) | Vals AI | 57.3%† | 87.3% |
| MCP Atlas | Scale AI SEAL | 75.3% | – |
| HiL-Bench | Scale AI SEAL | 39.7%† | 65.3%† |
| τ³-bench Banking | τ²-bench | 44.6% | – |
| GDPval-AA v2.1, normalised score | Artificial Analysis | – | 53.7% |
| GDPval-AA v2.1 | Artificial Analysis | 1357 | 1587 |
| τ³-Banking (AA) | Artificial Analysis | 39.0% | 41.4% |
| ITBench SRE (AA) | Artificial Analysis | 45.8% | 48.6% |
| Analyst Agent (AA) | Artificial Analysis | 50.0% | 51.3% |
| APEX-Agents (AA) | Artificial Analysis | 37.7% | – |
| CUA-bench | Vals AI | – | 19.2% |
| CyberBench | Vals AI | – | 41.1% |
| Finance Agent v2 | Vals AI | 51.8% | 53.5% |
| Finance Agent v2.1 | Vals AI | – | 60.4% |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | – | 7.1% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 3.8% | 5.4% |
| Legal Research Bench | Vals AI | 40.4% | 39.4% |
| Robo-bench | Vals AI | – | 23.3% |
| SkillsBench | Vals AI | 62.2% | – |
| SREBench | Vals AI | 3.8% | 56.9% |
| Tax Agent Bench | Vals AI | 21.8% | 20.7% |
| Terminal-Bench 2.0 (Vals) | Vals AI | 73.2%† | – |
| Terminal-Bench 4.0 (Vals) | Vals AI | – | 59.6% |
| Terminal-Bench Science | Vals AI | – | 62.9% |
| Time Horizon Index: KSP | Vals AI | 8.3% | 90.5% |
| Arena Search | Arena (LMArena) | 1226† | 1245 |
| Arena Agent Task Completion | Arena (LMArena) | – | 14 |
| BALROG | BALROG | – | 68.3% |
| DeepResearch Bench | DeepResearch Bench | 54.0%† | – |
| PostTrainBench | Epoch AI Benchmarking Hub | 23.9% | 41.9% |
| ExploitBench | Epoch AI Benchmarking Hub | 47.4%† | – |
| GBAEval | Epoch AI Benchmarking Hub | 53.2%† | – |
| Vending-Bench 2 | Andon Labs | 7523.8† | 15514.7† |
| SpireClimb | Epoch AI Benchmarking Hub | – | 34.0% |
| AutomationBench | Artificial Analysis | 47.3% | 68.5% |
| GDP.pdf (AA) | Artificial Analysis | 21.2% | 31.0% |
| Harvey LAB-AA v1.1 | Harvey | – | 8.6% |
| EnterpriseOps-Gym | Artificial Analysis | 46.6% | – |
| AA-Briefcase v1.1 | Artificial Analysis | 1135 | 1569 |
| GDPx | GDPx by SemiAnalysis | – | 9.6% |
| Design Arena Agentic | Design Arena | 1113† | 1405 |
| RoboDojo (LLM as robot policy) | RoboDojo | 1.1† | 29.0† |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | – | 63.3% |
| CWE-Bench (AA) | Artificial Analysis | – | 63.3% |
| DeepSec-Bench (AA) | Artificial Analysis | – | 36.9% |
| CyberGym end-to-end (AA) | Artificial Analysis | – | 0.0% |
| MKA (AA) | Artificial Analysis | – | 50.2% |
| FACTS Search | – | 93.3%† | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 85.3% | 93.7% |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 72.5% | 97.6% |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 84.4%† | 100.0% |
| ProofBench | Vals AI | 50.0% | 99.0%† |
| LiveBench Mathematics | LiveBench | 95.9% | 96.8% |
| AIME 2026 | MathArena | 100.0% | – |
| HMMT February 2026 | MathArena | 98.5% | – |
| USAMO 2026 | MathArena | 98.2% | – |
| MathArena Apex | MathArena | 80.2% | – |
| Arena Maths | Arena (LMArena) | 1500† | 1481 |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | 0.0% | 2.9% |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 63.0% | 75.6% |
| LiveBench 2.0 Data Analysis | LiveBench | – | 83.0% |
| LiveBench Research | LiveBench | – | 90.6% |
| LiveBench 1.0 Data Analysis | LiveBench | 81.6% | 83.0% |
| AA-Omniscience v1.1 | Artificial Analysis | – | 42.4 |
| MMLU-Pro | Vals AI | 88.1% | – |
| LegalBench | Vals AI | 86.5% | – |
| CorpFin | Vals AI | 68.4% | – |
| TaxEval | Vals AI | 75.0% | – |
| PRBench Finance | Scale AI SEAL | – | 47.5%† |
| PRBench Legal | Scale AI SEAL | – | 48.4%† |
| BioMysteryBench | Vals AI | – | 79.3% |
| CaseLaw v2 | Vals AI | 66.2% | – |
| Excel Modeling Benchmark | Vals AI | 64.5% | 71.7% |
| Excel Modeling Benchmark v1.1 | Vals AI | – | 72.7% |
| MedCode | Vals AI | 49.1% | 48.5% |
| MedScribe | Vals AI | 86.9% | 87.9% |
| Public Benefits Bench v1.1 | Vals AI | 60.9% | – |
| Financial Coaching Bench | Vals AI | – | 67.5% |
| Immigration Bench | Vals AI | – | 67.7% |
| DrugDiscoveryBench | Scale AI SEAL | 51.6% | 68.7% |
| EBR-bench | Epoch AI Benchmarking Hub | 34.3% | 76.2% |
| GDP.pdf | Epoch AI Benchmarking Hub | 26.0% | 34.2% |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | – | 61.6% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | – | 50.2% |
| HealthBench Professional (AA) | OpenAI | – | 66.0% |
| FACTS Parametric | – | 83.8%† | |
| 指示追従 | |||
| LiveBench Language | LiveBench | 87.4% | 89.4% |
| LiveBench Instruction Following | LiveBench | 70.7% | 75.6% |
| IFBench | Artificial Analysis | 75.8% | – |
| Arena Instruction Following | Arena (LMArena) | 1475† | 1474 |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1476† | 1474 |
| EQ-Bench 4 | EQ-Bench | 1295† | – |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1845† | 2177† |
| Arena Creative Writing | Arena (LMArena) | 1448† | 1451 |
| Arena Multi-turn | Arena (LMArena) | 1484† | 1483 |
| Arena Longer Queries | Arena (LMArena) | 1486† | 1485 |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1296† | 1279 |
| LiveBench Design | LiveBench | – | 80.0% |
| MMMU-Pro | Artificial Analysis | 79.9% | 86.9% |
| MMMU-Pro (Vals) | Vals AI | 88.3% | – |
| MortgageTax | Vals AI | 68.8% | – |
| Humanity's Sixth Sense | Scale AI SEAL | – | 53.6% |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 36.2%† | 49.7%† |
| Furniture Assembly | Epoch AI Benchmarking Hub | 44.2% | 80.0% |
| VIALS-AA | Handshake AI | – | 62.7% |
| Code2Video-AA | Artificial Analysis | 1000 | 1427 |
| AA-3D | Artificial Analysis | – | 1168 |
| FACTS Multimodal | – | 55.2%† | |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 84.3% | 80.7% |
| Arena Document | Arena (LMArena) | 1479† | 1474 |
| MLCR | Artificial Analysis | 28.9% | 41.7% |
| FACTS Grounding | – | 80.1%† | |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 160.1† | 169† |
| LiveBench 2.0 | LiveBench | – | 84.5% |
| LiveBench 1.0 | LiveBench | 80.2% | 82.2% |
| AA Intelligence Index v5.0.1 | Artificial Analysis | – | 56.9 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 38.4 | 52.7 |
| AA Progress Index v1 | Artificial Analysis | 320 | 349.6 |
| Vals Index | Vals AI | – | 65.0 |
| Vals Finance Index | Vals AI | – | 55.6% |
| Vals RSI Index | Vals AI | 16.5% | 27.1% |
| Vals Science Index | Vals AI | – | 65.1% |
| Vals Multimodal Index | Vals AI | 68.1% | – |
| Vals Router Index | Vals AI | – | 65.0%† |
| Vals Legal Index | Vals AI | – | 68.4% |
| AA Cyber Index | Artificial Analysis | – | 33.4 |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | 16.3% | 12.1%† |
| DistressBench | Scale AI SEAL | – | 74.3%† |
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-6 Astra (max):新しい結果8件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
- GPT-5.5 (xhigh):新しい結果1件(GDPval-AA v2.1)。
- GPT-6 Astra (max):スコアの改訂1件。
- GPT-5.5 (xhigh):BenchLeader Index 64.6 → 64.1。
- GPT-5.5 (xhigh):スコアの改訂1件。
- GPT-6 Astra (max):新しい結果1件(PostTrainBench)、スコアの改訂2件。
- GPT-5.5 (xhigh):新しい結果1件(MirrorCode)。
- GPT-6 Astra (max):新しい結果1件(MirrorCode)、スコアの改訂1件。
- GPT-6 Astra (max):BenchLeader Index 68.1 → 67.4。
- GPT-6 Astra (max):スコアの改訂2件。
関連する比較
- GPT-5.5 vs Claude Fable 5.2
- GPT-5.5 vs Gemini 4 Carbon
- GPT-5.5 vs Claude Opus 5.5
- GPT-6 Astra vs Claude Fable 5.2
- GPT-6 Astra vs Gemini 4 Carbon
- GPT-6 Astra vs Claude Opus 5.5
- GPT-6 Astra vs Claude Fable 5.1
- GPT-5.4 vs GPT-6 Astra
ランキング: 総合ベストLLM · コーディングに最適なLLM · エージェントに最適なLLM · 安くて優秀なLLM
GPT-5.5 vs GPT-6 Astra:よくある質問
- GPT-5.5はGPT-6 Astraより優れていますか?
- GPT-5.5 (xhigh)とGPT-6 Astra (max)の品質は互角です(64.1 対 67.3、±4.9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とGPT-6 Astra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 $20.00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とGPT-6 Astraのどちらが向いていますか?
- コーディングではGPT-6 Astraの方がスコアが高くなっています(カテゴリ指標で73 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Arena WebDevでは、GPT-5.5が1512、GPT-6 Astraが1764です。
- GPT-5.5とGPT-6 Astraはどちらが速いですか?
- GPT-5.5の方が出力が約1.5倍速くなっています(出力81 対 41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とGPT-6 Astra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-6 Astraの方がスコアが高くなっています(カテゴリ指標で64 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τ³-Banking (AA)では、GPT-5.5が39.0%、GPT-6 Astraが41.4%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 65)。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 198.4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とGPT-6 Astra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57件のベンチマークのうち、GPT-5.5のリードが5件、GPT-6 Astraのリードが52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-6 Astraはいつリリースされましたか?
- GPT-6 Astraは2026年9月2日にリリースされました。