GPT-5 vs GPT-5.5 Instant
詳しいプロフィール:GPT-5(OpenAI)とGPT-5.5 Instant(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 · 9件の情報源のデータ
2026年11月16日時点で、GPT-5とGPT-5.5 Instantの品質は互角です(BenchLeader Indexで59.0 対 56.9、±8.1の誤差範囲内)。価格はGPT-5の方が3.3倍安く、100万トークンあたりのブレンド価格で$3.44 対 $11.25です。数学(65 対 48)、長文コンテキスト(70 対 59)、エージェント・ツール(58 対 50)を重視するならGPT-5、推論(54 対 48)、コーディング(61 対 57)、マルチモーダル(58 対 57)を重視するならGPT-5.5 Instant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 22.9秒です。GPT-5.5 Instant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が59.0、GPT-5.5 Instantが56.9です(BenchLeader、2026年11月16日)。
- GPT-5の100万トークンあたりのブレンド価格は$3.44です(定価、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)。
- GPT-5.5 InstantはGPT-5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)。
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 57 | 中 |
| エージェント・ツール利用 | GPT-5 | カテゴリスコア58 対 50;Terminal-Bench Hard 37.9% 対 42.4% | 高 |
| 数学 | GPT-5 | カテゴリスコア65 対 48;OTIS Mock AIME 87.2% 対 68.1% | 高 |
| 推論 | GPT-5.5 Instant | カテゴリスコア54 対 48;GPQA Diamond 82.5% 対 85.3% | 中 |
| 長い文書 | GPT-5 | カテゴリスコア70 対 59;AA-LCR v1.1 76.0% 対 70.0% | 高 |
| 画像などのメディア | GPT-5.5 Instant | カテゴリスコア58 対 57 | 中 |
| 指示への追従 | どちらでも | カテゴリスコア69 対 70;IFBench 70.6% 対 71.5% | どちらでも |
| チャットの質(人間の評価) | – | Arenaの評価があるのはGPT-5.5 Instantのみです(カテゴリスコア66) | 比較不可 |
| 最低コスト | GPT-5 | 100万トークンあたりブレンド価格$3.44 対 $11.25;エージェント型コーディングセッション$0.115 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 22.9秒(GPT-5 (medium)) | – |
| 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 (medium)とGPT-5.5 Instantの品質は互角です(59.0 対 56.9、±8.1の誤差範囲内)。
- GPT-5 (medium)はエージェント・ツール、長文コンテキスト、数学で優れています。
- GPT-5.5 Instantはコーディング、指示追従、マルチモーダル、推論で優れています。
- GPT-5 (medium)の方が3.3倍安くなっています(100万トークンあたりブレンド価格$3.44 対 $11.25)。
- GPT-5.5 Instantの方が出力が1.5倍速くなっています(125 対 82トークン/秒)。
概要
| 仕様 | GPT-5 | GPT-5.5 Instant |
|---|---|---|
| プロバイダー | OpenAI | OpenAI |
| リリース日 | 2025年8月7日 | 2026年5月5日 |
| コンテキストウィンドウ(トークン) | 400,000 | 400,000 |
| 比較した構成 | GPT-5 (medium) | GPT-5.5 Instant |
| 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) | $1.25 / $10.00 / $0.125 | $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 (medium) | GPT-5.5 Instant | トップ |
|---|---|---|---|
| 推論 | 47.9 | 53.6 | GPT-5.5 Instant |
| コーディング | 57.4 | 60.9 | GPT-5.5 Instant |
| エージェント・ツール | 58.1 | 49.9 | GPT-5 |
| 数学 | 65.4 | 48.3 | GPT-5 |
| 指示追従 | 69.4 | 70.2 | 互角 |
| 人間の評価 | – | 66.1 | 比較不可 |
| マルチモーダル | 56.6 | 58.2 | GPT-5.5 Instant |
| 長文コンテキスト | 70.4 | 59.4 | GPT-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。
描画していないもの(測定済みのモデルが2つ未満):知識, 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10件のベンチマークのうち、GPT-5のリードが5件、GPT-5.5 Instantのリードが5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 (medium) | GPT-5.5 Instant | トップ |
|---|---|---|---|
| BenchLeader Index | 59.0 | 56.9 | 互角 |
| Arena Text | 1435† | 1473 | 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 (medium) | GPT-5.5 Instant |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $3.44 | $11.25 |
| 100万トークンあたりの入力/出力 | $1.25 / $10.00 | $5.00 / $30.00 |
| 100万トークンあたりのキャッシュ入力 | $0.125 | $0.500 |
| タスクあたりの価格:チャットの返答 | $0.0035 | $0.011 |
| タスクあたりの価格:30ページのレポートを要約 | $0.021 | $0.078 |
| タスクあたりの価格:コード編集 | $0.022 | $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 | $0.115 | $0.420 |
| タスクあたりの価格:構造化データの抽出 | $0.0045 | $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) | $0.064 | $0.217 |
| 出力速度 | 82 tok/s | 125 tok/s |
| 回答開始までの時間 | 22.9秒 | 1.8秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 66.2秒 | 47.7秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。GPT-5 (medium)のスコアは59.0、最初の回答トークンまで23秒。GPT-5 (high)は58.2(49秒)、GPT-5は56.6(5秒)。GPT-5.5 Instantのスコアは56.9、最初の回答トークンまで2秒。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
122件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | GPT-5 (medium) | GPT-5.5 Instant |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 59.0 | 56.9 |
| エージェント・ツールスコア | BenchLeader | 58.1 | 49.9 |
| コーディングスコア | BenchLeader | 57.4 | 60.9 |
| 指示追従スコア | BenchLeader | 69.4 | 70.2 |
| 長文コンテキストスコア | BenchLeader | 70.4 | 59.4 |
| 数学スコア | BenchLeader | 65.4 | 48.3 |
| マルチモーダルスコア | BenchLeader | 56.6 | 58.2 |
| 推論スコア | BenchLeader | 47.9 | 53.6 |
| 人間の評価スコア | BenchLeader | – | 66.1 |
| ブレンド価格($/100万トークン) | BenchLeader | $3.44 | $11.25 |
| 出力速度 | BenchLeader | 82 tok/s | 125 tok/s |
| 回答開始までの時間 | BenchLeader | 22.9秒 | 1.8秒 |
| コンテキストウィンドウ | BenchLeader | 400,000トークン | 400,000トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 85.3% | 82.5% |
| Humanity's Last Exam | Scale AI / CAIS | 25.3%† | – |
| SimpleBench | SimpleBench | 56.7%† | – |
| Arena Hard Prompts | Arena (LMArena) | 1449† | 1491 |
| GPQA Diamond (AA) | Artificial Analysis | 84.2% | 84.7% |
| Humanity's Last Exam (AA) | Artificial Analysis | 25.4% | 21.6% |
| HLE-Diamond (AA) | Artificial Analysis | – | 14.6% |
| GPQA Diamond (Vals) | Vals AI | 85.6%† | – |
| Kagi LLM Benchmark | Kagi LLM Benchmark | 72.7%† | – |
| GPQA Diamond (HELM) | HELM Capabilities | 79.1%† | – |
| ARC-AGI-1 | ARC Prize | 56.2% | – |
| ARC-AGI-2 | ARC Prize | 7.5% | – |
| CritPt | Artificial Analysis | 0.0% | 2.6% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 11.5%† | – |
| Arena Expert | Arena (LMArena) | 1445† | 1474 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 32.0% | – |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 15.0% | – |
| LMCA | Epoch AI Benchmarking Hub | 40.0%† | – |
| DTBench | Epoch AI Benchmarking Hub | 90.7%† | – |
| ForecastBench | ForecastBench | 65.0%† | – |
| コーディング | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | 71.5% | – |
| SciCode | SciCode | 42.9%† | 52.5% |
| WeirdML | WeirdML | 39.8%† | – |
| GSO-Bench | GSO-Bench | 6.9%† | – |
| Arena Coding | Arena (LMArena) | 1462† | 1513 |
122件のベンチマークをすべて表示
| 指標 | 公開元 | GPT-5 (medium) | GPT-5.5 Instant |
|---|---|---|---|
| コーディング | |||
| Arena WebDev | Arena (LMArena) | 1417 | – |
| SciCode (AA) | Artificial Analysis | – | 52.5% |
| LiveCodeBench | Vals AI | 85.9%† | – |
| SWE-bench (Vals) | Vals AI | 69.0%† | – |
| SWE-Bench Pro | Scale AI SEAL | 41.8%† | – |
| Aider Polyglot | Aider polyglot leaderboard | 86.7% | – |
| SWE-bench Verified (bash only) | SWE-bench | 65.0% | – |
| SWE-bench Verified (any scaffold) | SWE-bench | 74.4%† | – |
| Vibe Code Bench v1.1 | Vals AI | 20.1%† | – |
| SWE-Bench Pro (private) | Scale AI SEAL | 14.9%† | – |
| MirrorCode | Epoch AI Benchmarking Hub | 4.4%† | – |
| ALE-Bench | Epoch AI Benchmarking Hub | 1162.5† | – |
| AlgoTune | AlgoTune | 1.7† | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | – | 12.6% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 35.2%† | 34.8% |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 38.0 | – |
| Design Arena Website | Design Arena | 1174† | – |
| LiveCodeBench (AA) | Artificial Analysis | 70.3% | – |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 49.6% | – |
| GDPval | OpenAI | 34.8% | – |
| Remote Labor Index | Scale AI / CAIS | 1.7%† | – |
| Terminal-Bench Hard | Artificial Analysis | 37.9% | 42.4% |
| τ²-Bench Telecom (AA) | Artificial Analysis | 86.5% | 49.4% |
| GDPval-AA v2.1, normalised score | Artificial Analysis | – | 0.4% |
| GDPval-AA v2.1 | Artificial Analysis | 925† | 516 |
| τ³-Banking (AA) | Artificial Analysis | 22.1%† | 11.8% |
| Poker Agent | Vals AI | 1103.2%† | – |
| Terminal-Bench 2.0 (Vals) | Vals AI | 37.1%† | – |
| Arena Search | Arena (LMArena) | 1189† | – |
| BALROG | BALROG | 32.8%† | – |
| DeepResearch Bench | DeepResearch Bench | 48.6% | – |
| METR Time Horizons | METR | 69.6% | – |
| AutomationBench | Artificial Analysis | – | 36.4% |
| GDP.pdf (AA) | Artificial Analysis | – | 20.2% |
| AA-Briefcase v1.1 | Artificial Analysis | – | 1086 |
| BrowseComp-Plus | BrowseComp-Plus | 57.6%† | – |
| BrowseComp | OpenAI | 20.1%† | – |
| DeepSearchQA | 59.4%† | – | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 55.4%† | 26.3% |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 21.9%† | 2.4% |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 87.2% | 68.1% |
| MATH Level 5 | Epoch AI Benchmarking Hub | 97.9% | – |
| ProofBench | Vals AI | 18.0%† | – |
| AIME (Vals) | Vals AI | 93.4%† | – |
| MGSM | Vals AI | 92.8%† | – |
| IMO 2025 | MathArena | 38.1%† | – |
| MathArena Apex | MathArena | 1.0%† | – |
| Omni-MATH (HELM) | HELM Capabilities | 64.7%† | – |
| MATH 500 | Vals AI | 96.0%† | – |
| Arena Maths | Arena (LMArena) | 1411† | 1462 |
| AIME 2025 (AA) | Artificial Analysis | 91.7% | – |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 50.1%† | – |
| MMLU-Pro | Vals AI | 86.5%† | – |
| LegalBench | Vals AI | 86.0%† | – |
| CorpFin | Vals AI | 61.1%† | – |
| TaxEval | Vals AI | 73.4%† | – |
| MedQA | Vals AI | 96.3%† | – |
| PRBench Finance | Scale AI SEAL | 51.3%† | – |
| PRBench Legal | Scale AI SEAL | 49.0%† | – |
| MultiNRC | Scale AI SEAL | 52.1%† | – |
| MMLU-Pro (HELM) | HELM Capabilities | 86.3%† | – |
| CaseLaw v2 | Vals AI | 66.5%† | – |
| MedCode | Vals AI | 49.6%† | – |
| MedScribe | Vals AI | 83.7%† | – |
| EBR-bench | Epoch AI Benchmarking Hub | 12.7%† | – |
| Global-MMLU-Lite (AA) | Artificial Analysis | 90.4% | – |
| 指示追従 | |||
| IFBench | Artificial Analysis | 70.6% | 71.5% |
| MultiChallenge | Scale AI SEAL | 63.2%† | – |
| TutorBench | Scale AI SEAL | 55.3%† | – |
| IFEval (HELM) | HELM Capabilities | 87.5%† | – |
| WildBench (HELM) | HELM Capabilities | 85.7%† | – |
| Arena Instruction Following | Arena (LMArena) | 1415† | 1456 |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1427† | 1473 |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1626† | – |
| Arena Creative Writing | Arena (LMArena) | 1389† | 1454 |
| Arena Multi-turn | Arena (LMArena) | 1449† | 1483 |
| Arena Longer Queries | Arena (LMArena) | 1435† | 1475 |
| Lech Mazur Creative Writing | Lech Mazur | 86.0% | – |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1232† | 1251 |
| MMMU-Pro | Artificial Analysis | 74.3% | – |
| VISTA | Scale AI SEAL | 49.7%† | – |
| MMMU-Pro (Vals) | Vals AI | 81.5%† | – |
| MortgageTax | Vals AI | 65.5%† | – |
| VTB | Scale AI SEAL | 17.0%† | – |
| GeoBench | GeoBench | 81.0% | – |
| VPCT | Epoch AI Benchmarking Hub | 63.2% | – |
| 長文コンテキスト | |||
| Fiction.LiveBench 120k | Fiction.live | 96.9% | – |
| AA-LCR v1.1 | Artificial Analysis | 76.0% | 70.0% |
| Arena Document | Arena (LMArena) | – | 1460 |
| MLCR | Artificial Analysis | – | 31.7% |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 150† | – |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 22.9 | 26.0 |
| AA Progress Index v1 | Artificial Analysis | 264.4 | 282.1 |
| HELM Capabilities mean | HELM Capabilities | 80.7%† | – |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | 17.0%† | – |
| MASK | Scale AI SEAL | 79.3%† | – |
| 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
- GPT-5 (medium):BenchLeader Index 58.2 → 59.0。
- GPT-5 (medium):新しい結果1件(Aider Polyglot)。
- GPT-5 (medium):新しい結果2件(Global-MMLU-Lite (AA), AIME 2025 (AA))、スコアの改訂1件。
- GPT-5 (medium):スコアの改訂1件。
- GPT-5 (medium):スコアの改訂1件。
- GPT-5 (medium):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 (medium):新しい結果1件(AA Progress Index v1)。
- GPT-5.5 Instant:新しい結果2件(AA Progress Index v1, HLE-Diamond (AA))。
関連する比較
- GPT-5 vs Claude Opus 5.5
- GPT-5.5 Instant vs Muse Spark 1.3
- GPT-5.5 Instant vs o3
- GPT-5.5 Instant vs Gemini 3 Pro
- GPT-5 vs GPT-5.4
- GPT-5 vs Claude Opus 4.6
- GPT-5 vs Muse Spark 1.3
- GPT-5 vs Claude Opus 4.8
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 vs GPT-5.5 Instant:よくある質問
- GPT-5はGPT-5.5 Instantより優れていますか?
- GPT-5 (medium)とGPT-5.5 Instantの品質は互角です(59.0 対 56.9、±8.1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とGPT-5.5 Instant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の方が安く、100万トークンあたり$3.44 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とGPT-5.5 Instant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 57。50が平均)。
- GPT-5とGPT-5.5 Instantはどちらが速いですか?
- GPT-5.5 Instantの方が出力が約1.5倍速くなっています(出力125 対 82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とGPT-5.5 Instant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の方がスコアが高くなっています(カテゴリ指標で58 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が37.9%、GPT-5.5 Instantが42.4%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の方がスコアが高くなっています(70 対 59)。どちらも400,000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 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 22.9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とGPT-5.5 Instant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10件のベンチマークのうち、GPT-5のリードが5件、GPT-5.5 Instantのリードが5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。