BenchLeader

GPT-5

推論エフォート
品質339中50位
59.0Index
上位4分の1
中央値比 +8.8
価格255中197位
$3.44100万トークンあたり
高い方から4分の1
中央値の4.0倍
速度216中110位
82トークン/秒
中央値より下
中央値の1.0倍
コスパ255中195位
17.2ポイント/$
下位4分の1
中央値の0.3倍

よりコスパが高いモデル: GLM 5.3 Flash $0.238/MでIndex 57.8(14分の1の価格)。

より安価でスコアの高いランク付けモデルが15つあります:GPT-6.1 Terra (64.1, $2.00)、Gemini 4 Hydrogen (63.4, $3.00)、Gemini 3.5 Flash (62.5, $3.38)ほか12つ。

2026年11月16日時点で、GPT-5(OpenAI)のBenchLeader Indexは59.0です(ランク付け対象は608構成)。最も強いのは長文コンテキスト(70)、最も弱いのは推論(48)です。API料金は入力100万トークンあたり$1.25、出力100万トークンあたり$10.00(3:1のブレンドで$3.44)で、2026年11月16日時点の定価です。出力速度は約82トークン/秒です(Artificial Analysis)。2025年8月7日にリリースされました。

要点(2026年11月16日時点)

  • GPT-5のAPI料金は入力100万トークンあたり$1.25、出力100万トークンあたり$10.00(3:1のブレンドで$3.44)です(定価、2026年11月16日)。
  • GPT-5の出力速度は約82トークン/秒です(Artificial Analysis、2026年11月16日)。
  • GPT-5は2025年8月7日にリリースされました(OpenAI)。

詳しく見ると:GPT-5はOpenAIのプロプライエタリな推論モデルです(2025年8月7日リリース)。最もスコアの高い構成(推論エフォート medium)は、BenchLeader Indexで59.0 ±5.4を記録し、608構成中113位で上位半分に入ります。重要なのはこの「±」です。ほかに258構成のスコアがこの範囲に入っており、品質だけでは区別できません。差がつくのは価格と速度です。カテゴリ別では長文コンテキストが最も高く(70)、推論が最も低くなっています(48)。ブレンド価格は100万トークンあたり$3.44で、ランク付けされたモデルの多くより高価です。出力速度は82トークン/秒、回答開始まで22.9秒で、多くのモデルより低速です。6通りの推論エフォート設定で測定されています。この要約は最もスコアの高い設定について述べたもので、上のタブで切り替えられます。最終測定日:2026年11月11日。

ブレンド価格
$3.44/M
入力$1.25・出力$10.00
出典:Artificial Analysis
出力速度
82 tok/s
Artificial Analysisによる測定
回答開始
23 s
最初のトークン 4.73 s
コンテキスト
400k
出典:models.dev
回答完了まで
66 s
最終測定2026年11月13日
タスクあたりコスト
–
タスクあたりトークン数
–
リリース日
2025年8月7日
カテゴリ別のスコア破線=平均的なモデル(50)。15ポイントが標準偏差1つ分です。
  1. 総合Index59
  2. 推論48
  3. コーディング57
  4. エージェント・ツール58
  5. 数学65
  6. 指示追従69
  7. マルチモーダル57
  8. 長文コンテキスト70

この順位を埋め込む

ほかのバッジスタイル
[![GPT-5 on BenchLeader: 総合 51位](https://www.benchleader.com/badge/gpt-5.svg?style=compact)](https://www.benchleader.com/models/gpt-5)

README.mdの冒頭、ほかのバッジの横に貼り付けてください。バッジはデータの更新ごとに描き直され、このページへリンクします。

OpenAIの新モデル公開をメールで通知

ランク入りしたときにもう1通、さらに毎週月曜に週刊レビューをお届けします。

プロバイダーとメールの種類を選ぶ

バージョン

OpenAIはこの名前で13つのモデルを公開しています。それぞれ自身の結果だけでランク付けされます。新しいバージョンはまだ結果が少ないことが多く、結果が増えるまではIndexが平均寄りになります。

モデルリリース日Index順位
GPT-5.62026年7月9日––
GPT-5.5xhigh2026年4月23日64.1#31
GPT-5.4xhigh2026年3月5日63.1#42
GPT-5.2xhigh2025年12月11日59.9#95
GPT-5.1high2025年11月12日57.5#151
GPT-5mediumこのページ2025年8月7日59.0#113
GPT-4.12025年4月14日48.7#377
GPT-4.52025年2月27日50.5#335
GPT 4 01252024年1月25日––
GPT-4 11062023年11月6日––
GPT 4 06132023年6月13日39.5#541
GPT-42023年3月14日42.3#496
GPT-3.5–––

推論エフォート別の構成

同じモデルでも、どれだけ考えさせるかによって振る舞いが変わります。各行が1つの推論エフォート設定で、その設定で実行されたベンチマークだけで評価しています。「未記載」は、どの設定を使ったかを公開元が明記していない結果をまとめたものです。推論モデルの場合は思考モードであることが多いものの、そうとは仮定していません。ここかページ上部で設定を選ぶと、その価格、速度、カテゴリ別スコアを表示します。

エフォートIndex順位速度回答開始チャット返答のコストカテゴリ
minimal45.2#45867 tok/s2.68 s$0.0035エージェント・ツール 50 · 指示追従 48 · 数学 38 · マルチモーダル 44 · 推論 38
low53.5#25877 tok/s7.70 s$0.0035エージェント・ツール 57 · コーディング 70 · 指示追従 66 · 数学 45 · マルチモーダル 56 · 推論 36
medium最良59.0#11382 tok/s23 s$0.0035エージェント・ツール 58 · コーディング 57 · 指示追従 69 · 長文コンテキスト 70 · 数学 65 · マルチモーダル 57 · 推論 48
high58.2#13489 tok/s49 s$0.0035エージェント・ツール 54 · コーディング 60 · 人間の評価 62 · 指示追従 72 · 知識 58 · 長文コンテキスト 64 · 数学 57 · マルチモーダル 55 · 推論 49
thinking––71 tok/s4.73 s$0.0035指示追従 59
未記載56.6#17471 tok/s4.73 s$0.0035エージェント・ツール 49 · コーディング 49 · 人間の評価 60 · 指示追従 57 · 知識 62 · 長文コンテキスト 57 · 数学 66 · マルチモーダル 59 · 推論 59

Indexの推移

2026年9月8日〜2026年11月16日
465667
  • medium
  • high
  • 標準
  • low

Indexは毎日ゼロから計算し直すため、新しいベンチマーク結果が加わったとき、公開元がスコアを修正したとき、または正規化の基準となるモデルが変わったときに線が動きます。初期の変動は、スコアがまだ落ち着いていないことを示している場合がほとんどです。

ベンチマーク結果

LLMベンチマーク一覧を見る。列は推論エフォートごとです。順位は、そのベンチマークでのすべてのモデルのすべての構成の中での位置です。スコアにカーソルを合わせると、元になった実行が表示されます。

メタデータ

ベンチマークminimallowmediumhigh標準出典推移
AA Openness IndexIndex対象外5.6#3075.6#3075.6#3075.6#30711.1#292Artificial Analysis

推論

ベンチマークminimallowmediumhigh標準出典推移
GPQA Diamond71.7%#175–85.3%#9986.2%#93–Epoch AI Benchmarking Hub
Humanity's Last Exam–––25.3%#1525.3%#15Scale AI / CAIS
SimpleBench–––56.7%#52–SimpleBench
Arena Hard Prompts–––1448#1161449#115Arena (LMArena)
GPQA Diamond (AA)Index対象外67.3%#32780.8%#19284.2%#15185.3%#13168.6%#317Artificial Analysis
Humanity's Last Exam (AA)Index対象外6.0%#43019.6%#23725.4%#20028.5%#1786.6%#406Artificial Analysis
GPQA Diamond (Vals)Index対象外–––85.6%#45–Vals AI
Kagi LLM Benchmarkエフォート未記載––––72.7%#21Kagi LLM Benchmark
GPQA Diamond (HELM)Index対象外エフォート未記載––––79.1%#2HELM Capabilities
ARC-AGI-16.0%#24944.0%#19656.2%#17965.7%#159–ARC Prize
ARC-AGI-20.0%#2511.9%#2137.5%#1749.9%#168–ARC Prize
CritPtIndex対象外0.0%#3371.1%#2420.0%#3375.7%#163–Artificial Analysis
CritPt v2 hard subset (AA)–––11.5%#108–Artificial Analysis
Arena ExpertIndex対象外–––1460#1071445#125Arena (LMArena)
Chess PuzzlesIndex対象外11.0%#12827.0%#7732.0%#6836.0%#53–Epoch AI Benchmarking Hub
Mystery Game PuzzlesIndex対象外14.0%#10216.0%#8915.0%#9623.0%#55–Epoch AI Benchmarking Hub
LMCAIndex対象外–––40.0%#113–Epoch AI Benchmarking Hub
DTBenchIndex対象外–––90.7%#85–Epoch AI Benchmarking Hub
ForecastBenchIndex対象外エフォート未記載––––65.0%#17ForecastBench

コーディング

ベンチマークminimallowmediumhigh標準出典推移
SWE-bench Verified (Epoch)––71.5%#2373.5%#19–Epoch AI Benchmarking Hub
SciCodeエフォート未記載––––42.9%#165SciCode
WeirdML–––60.7%#4839.8%#104WeirdML
GSO-Bench–––6.9%#23–GSO-Bench
Arena Coding–––1471#1221462#132Arena (LMArena)
Arena WebDev––1417#95––Arena (LMArena)
LiveCodeBench–––85.9%#27–Vals AI
SWE-bench (Vals)Index対象外–––69.0%#65–Vals AI
SWE-Bench Pro–––41.8%#10–Scale AI SEAL
Aider Polyglot–81.3%#586.7%#288.0%#1–Aider polyglot leaderboard
SWE-bench Verified (bash only)––65.0%#20––SWE-bench
SWE-bench Verified (any scaffold)Index対象外エフォート未記載––––74.4%#8SWE-bench
Vibe Code Bench v1.1Index対象外–––20.1%#91–Vals AI
SWE-Bench Pro (private)Index対象外エフォート未記載––––14.9%#11Scale AI SEAL
MirrorCodeIndex対象外–––4.4%#45–Epoch AI Benchmarking Hub
ALE-BenchIndex対象外807.6#83––1162.5#54–Epoch AI Benchmarking Hub
AlgoTuneIndex対象外–––1.7#8–AlgoTune
Terminal-Bench 2.1 (AA)Index対象外–––35.2%#151–Artificial Analysis
GameBench 2 by reasoning settingIndex対象外–39.7#13838.0#14646.2#109–DuelLab GameBench 2
Design Arena WebsiteIndex対象外1176#102––1174#105–Design Arena
LiveCodeBench (AA)Index対象外55.8%#12176.3%#4270.3%#6484.5%#1654.3%#127Artificial Analysis

エージェント・ツール

ベンチマークminimallowmediumhigh標準出典推移
Terminal-Bench––49.6%#42–49.6%#41Terminal-Bench
GDPval––34.8%#6––OpenAI
Remote Labor Indexエフォート未記載––––1.7%#16Scale AI / CAIS
Terminal-Bench Hard18.2%#17526.5%#13237.9%#6232.6%#9812.9%#211Artificial Analysis
τ²-Bench Telecom (AA)Index対象外67.0%#16784.2%#10586.5%#8784.8%#980.0%#398Artificial Analysis
GDPval-AA v2.1Index対象外–––925#198–Artificial Analysis
τ³-Banking (AA)–––22.1%#92–Artificial Analysis
Poker AgentIndex対象外エフォート未記載––––1103.2%#2Vals AI
Terminal-Bench 2.0 (Vals)Index対象外–––37.1%#37–Vals AI
Arena SearchIndex対象外エフォート未記載––––1189#27Arena (LMArena)
BALROGIndex対象外32.8%#14––––BALROG
DeepResearch BenchIndex対象外48.9%#1649.6%#1248.6%#1848.1%#20–DeepResearch Bench
METR Time HorizonsIndex対象外––69.6%#1069.4%#11–METR
BrowseComp-PlusIndex対象外エフォート未記載––––57.6%#1BrowseComp-Plus
BrowseCompIndex対象外エフォート未記載––––20.1%#2OpenAI
DeepSearchQAIndex対象外エフォート未記載––––59.4%#5Google

数学

ベンチマークminimallowmediumhigh標準出典推移
FrontierMath Tiers 1–318.3%#10037.2%#68–55.4%#53–Epoch AI Benchmarking Hub
FrontierMath Tier 4–––21.9%#56–Epoch AI Benchmarking Hub
OTIS Mock AIME46.7%#199–87.2%#9591.4%#77–Epoch AI Benchmarking Hub
MATH Level 5––97.9%#298.1%#1–Epoch AI Benchmarking Hub
ProofBench–––18.0%#56–Vals AI
AIME (Vals)–––93.4%#14–Vals AI
MGSM–––92.8%#14–Vals AI
IMO 2025汚染の可能性–––38.1%#1–MathArena
MathArena Apex–––1.0%#36–MathArena
Omni-MATH (HELM)エフォート未記載––––64.7%#7HELM Capabilities
MATH 500Index対象外–––96.0%#3–Vals AI
Arena Maths–––1435#1021411#140Arena (LMArena)
AIME 2025 (AA)Index対象外31.7%#17283.0%#5391.7%#1894.3%#1248.3%#137Artificial Analysis

知識

ベンチマークminimalmediumhigh標準出典推移
SimpleQA Verified––50.1%#31–Epoch AI Benchmarking Hub
MMLU-Pro––86.5%#40–Vals AI
LegalBench––86.0%#18–Vals AI
CorpFin––61.1%#59–Vals AI
TaxEval––73.4%#47–Vals AI
MedQA––96.3%#4–Vals AI
PRBench Financeエフォート未記載–––51.3%#7Scale AI SEAL
PRBench Legalエフォート未記載–––49.0%#16Scale AI SEAL
MultiNRCエフォート未記載汚染の可能性–––52.1%#9Scale AI SEAL
MMLU-Pro (HELM)Index対象外エフォート未記載–––86.3%#4HELM Capabilities
CaseLaw v2Index対象外––66.5%#6–Vals AI
MedCodeIndex対象外––49.6%#21–Vals AI
MedScribeIndex対象外––83.7%#43–Vals AI
EBR-benchIndex対象外––12.7%#24–Epoch AI Benchmarking Hub
Global-MMLU-Lite (AA)Index対象外84.4%#4390.4%#1290.7%#7–Artificial Analysis

指示追従

ベンチマークminimallowmediumhighthinking標準出典推移
IFBench45.6%#20566.6%#9370.6%#6673.1%#44–45.0%#211Artificial Analysis
MultiChallenge––––63.2%#13–Scale AI SEAL
TutorBenchエフォート未記載–––––55.3%#4Scale AI SEAL
IFEval (HELM)エフォート未記載–––––87.5%#15HELM Capabilities
WildBench (HELM)エフォート未記載–––––85.7%#6HELM Capabilities
Arena Instruction FollowingIndex対象外–––1410#130–1415#121Arena (LMArena)

人間の評価

ベンチマークmediumhigh標準出典推移
Arena Text–1435#1061427#117Arena (LMArena)
EQ-Bench Creative Writing v3Index対象外エフォート未記載––1626#43EQ-Bench
Arena Creative WritingIndex対象外–1373#1511389#127Arena (LMArena)
Arena Multi-turnIndex対象外–1421#1291449#90Arena (LMArena)
Arena Longer QueriesIndex対象外–1413#1471435#118Arena (LMArena)
Lech Mazur Creative WritingIndex対象外86.0%#1––Lech Mazur

マルチモーダル

ベンチマークminimallowmediumhighthinking標準出典推移
Arena Vision–––1208#89–1232#77Arena (LMArena)
MMMU-Pro62.1%#21373.8%#13374.3%#12474.2%#126––Artificial Analysis
VISTAエフォート未記載–––––49.7%#11Scale AI SEAL
MMMU-Pro (Vals)Index対象外–––81.5%#39––Vals AI
MortgageTaxIndex対象外–––65.5%#40––Vals AI
VTBIndex対象外––––18.7%#617.0%#7Scale AI SEAL
GeoBenchIndex対象外––81.0%#11–––GeoBench
VPCTIndex対象外––63.2%#666.0%#5––Epoch AI Benchmarking Hub

長文コンテキスト

ベンチマークmediumhigh標準出典推移
Fiction.LiveBench 120k96.9%#2––Fiction.live
AA-LCR v1.176.0%#16578.2%#13665.0%#270Artificial Analysis

総合

ベンチマークminimallowmediumhigh標準出典推移
Epoch Capabilities IndexIndex対象外エフォート未記載––––150#67Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2Index対象外11.4#36220.8#23122.9#20223.0#19910.4#386Artificial Analysis
AA Progress Index v1Index対象外194.9#438254#253264.4#229270.7#200210.7#381Artificial Analysis
HELM Capabilities meanIndex対象外エフォート未記載––––80.7%#4HELM Capabilities

安全性・誠実さ

ベンチマーク標準出典推移
FORTRESSIndex対象外17.0%#30Scale AI SEAL
MASKIndex対象外汚染の可能性79.3%#25Scale AI SEAL

GameBench 2, best reasoning setting (High): 46.2. 参考値で、BenchLeader Indexには含まれません。

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.

強みのあるベンチマーク

測定されたすべての構成の中で、この構成が上位5位以内に入っているベンチマークです。

API料金:提供プロバイダー別

OpenRouter経由でこのモデルを提供しているすべてのプロバイダーです。スループットと最初のトークンまでのレイテンシは直近30分の実トラフィックで測定し、価格は各プロバイダー自身のものです。紫は各列の最良値を示します。

プロバイダー速度最初のトークン入力 $/M出力 $/Mコンテキスト量子化
Azure88 tok/s4.54 s$1.25$10.00400k–
OpenAI72 tok/s4.73 s$1.25$10.00400k–

タスクあたりのコスト

最もスコアの高い構成の定価、出力速度、回答開始までの時間から算出した推定値です。「キャッシュあり」は、入力の4分の3が100万トークンあたり$0.125のプロンプトキャッシュから提供されると仮定しています。推論トークンは考慮していません。

ワークロード入力/出力トークンコストキャッシュあり時間
チャットの返答400 / 300$0.0035$0.003226.6 s
30ページのレポートを要約12,000 / 600$0.021$0.01130.3 s
コード編集6,000 / 1,500$0.022$0.01741.3 s
エージェント型コーディングセッション60,000 / 4,000$0.115$0.0641.2 min
構造化データの抽出2,000 / 200$0.0045$0.002825.4 s

OpenAIのほかのモデル

今月の新着

GPT-5と比較する

関連ページ

埋め込み・引用

GPT-5の順位をモデルカードやREADMEに表示できます。バッジは毎日の更新に合わせて描き直され、データの日付が入り、このページへリンクします。

[![GPT-5 on BenchLeader: 総合 51位](https://www.benchleader.com/badge/gpt-5.svg)](https://www.benchleader.com/models/gpt-5)

このページを引用する

ランキングは毎日変わるため、参考文献にはデータの日付を入れます。APAスタイル:

BenchLeader. (2026, November 16). GPT-5 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/gpt-5

BibTeX:

@misc{benchleader_gpt_5_20261116,
  author       = {{BenchLeader}},
  title        = {{GPT-5 on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/gpt-5}},
  note         = {Data as of 2026-11-16}
}

すべてのバッジスタイル、埋め込み用のトップ10ウィジェット、Indexの引用方法

よくある質問

GPT-5のベンチマークスコアは?
2026年11月16日時点で、GPT-5(推論エフォート medium)のBenchLeader Indexは59.0 ±5.4です。最も強いのは長文コンテキスト(70)、最も弱いのは推論(48)です。この評価は第三者のベンチマーク結果だけに基づいており、このページのすべてのスコアに公開元へのリンクがあります。
GPT-5の順位は?
2026年11月16日時点で、GPT-5(推論エフォート medium)はランク付けされた608構成中113位です。ほかに258構成のスコアが誤差の範囲内にあるため、正確な順位よりも順位帯のほうが意味を持ちます。首位はClaude Fable 5.2(推論エフォート max)で、72.7です。
GPT-5の料金は100万トークンあたりいくらですか?
2026年11月16日時点で、GPT-5の料金は入力100万トークンあたり$1.25、出力100万トークンあたり$10.00で、ブレンド価格(出力1トークンにつき入力3トークン)は$3.44です。
GPT-5はMimo v2 Proより優れていますか?
2026年11月16日時点で、GPT-5(推論エフォート medium)とMimo v2 Proの品質はほぼ互角です(BenchLeader Indexで59.0対59.1、±7.2の誤差の範囲内)。価格と速度、重視するカテゴリで選んでください。ベンチマークごとの詳細は比較ページにあります。
GPT-5はいつリリースされましたか?
OpenAIが2025年8月7日にGPT-5をリリースしました。BenchLeaderには6通りの推論エフォート設定での結果があります。

2026年11月16日時点のデータです。 これらの構成を比較

引用表記:BenchLeader「GPT-5:ベンチマーク、料金、速度、順位」2026年11月16日時点のデータ、https://www.benchleader.com/ja/models/gpt-5