BenchLeader

GPT-5.2

推論エフォート
品質339中43位
59.9Index
上位4分の1
中央値比 +9.7
価格255中218位
$4.81100万トークンあたり
高い方から4分の1
中央値の5.7倍
速度216中122位
76トークン/秒
中央値より下
中央値の0.9倍
コスパ255中215位
12.4ポイント/$
下位4分の1
中央値の0.2倍

よりコスパが高いモデル: GPT-5.6 Luna $0.450/MでIndex 58.2(11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22つあります:Gemini 4 Carbon (68.9, $4.00)、GPT-6.1 Sol (66.6, $4.00)、Gemini 4 Argon (65.3, $4.00)ほか19つ。

2026年11月16日時点で、GPT-5.2(OpenAI)のBenchLeader Indexは59.9です(ランク付けされた608構成中上位100位以内)。最も強いのは指示追従(74)、最も弱いのはエージェント・ツール(54)です。API料金は入力100万トークンあたり$1.75、出力100万トークンあたり$14.00(3:1のブレンドで$4.81)で、2026年11月16日時点の定価です。出力速度は約76トークン/秒です(Artificial Analysis)。2025年12月11日にリリースされました。

要点(2026年11月16日時点)

  • GPT-5.2のAPI料金は入力100万トークンあたり$1.75、出力100万トークンあたり$14.00(3:1のブレンドで$4.81)です(定価、2026年11月16日)。
  • GPT-5.2の出力速度は約76トークン/秒です(Artificial Analysis、2026年11月16日)。
  • GPT-5.2は2025年12月11日にリリースされました(OpenAI)。

詳しく見ると:GPT-5.2はOpenAIのプロプライエタリな推論モデルです(2025年12月11日リリース)。最もスコアの高い構成(推論エフォート xhigh)は、BenchLeader Indexで59.9 ±4.0を記録し、608構成中95位で上位半分に入ります。重要なのはこの「±」です。ほかに213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。カテゴリ別では指示追従が最も高く(74)、エージェント・ツールが最も低くなっています(54)。ブレンド価格は100万トークンあたり$4.81で、ランク付けされたモデルの中で最も高価な部類です。出力速度は76トークン/秒、回答開始まで112.5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10月13日。

ブレンド価格
$4.81/M
入力$1.75・出力$14.00
出典:Artificial Analysis
出力速度
76 tok/s
Artificial Analysisによる測定
回答開始
112 s
最初のトークン 2.27 s
コンテキスト
400k
出典:models.dev
回答完了まで
154 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12月11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Index60
  2. 推論60
  3. コーディング63
  4. エージェント・ツール54
  5. 数学57
  6. 知識56
  7. 指示追従74
  8. 長文コンテキスト66

この順位を埋め込む

ほかのバッジスタイル
[![GPT-5.2 on BenchLeader: 総合 43位](https://www.benchleader.com/badge/gpt-5-2.svg?style=compact)](https://www.benchleader.com/models/gpt-5-2)

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-5.2xhighこのページ2025年12月11日59.9#95
GPT-5.1high2025年11月12日57.5#151
GPT-5medium2025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
推論なし48.5#37974 tok/s2.15 s$0.0049エージェント・ツール 40 · コーディング 50 · 指示追従 49 · 長文コンテキスト 47 · 数学 50 · マルチモーダル 48 · 推論 53
low49.5#36044 tok/s2.27 s$0.0049コーディング 50 · 知識 42 · 数学 57 · 推論 48
medium56.2#18666 tok/s7.31 s$0.0049エージェント・ツール 62 · コーディング 59 · 指示追従 65 · 知識 42 · 長文コンテキスト 60 · 数学 64 · マルチモーダル 57 · 推論 54
high55.8#20144 tok/s2.27 s$0.0049エージェント・ツール 59 · コーディング 59 · 人間の評価 62 · 知識 44 · 数学 62 · マルチモーダル 58 · 推論 55
xhigh最良59.9#9576 tok/s112 s$0.0049エージェント・ツール 54 · コーディング 63 · 指示追従 74 · 知識 56 · 長文コンテキスト 66 · 数学 57 · 推論 60
未記載56.7#17144 tok/s2.27 s$0.0049エージェント・ツール 61 · コーディング 53 · 人間の評価 66 · 指示追従 56 · 知識 56 · 数学 63 · マルチモーダル 59 · 推論 48

Indexの推移

2026年9月8日〜2026年11月16日
515967
  • xhigh
  • 標準
  • medium
  • high

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。

推論

ベンチマーク推論なしlowmediumhighxhigh標準出典推移
GPQA Diamond73.2%#17082.7%#12287.9%#7688.2%#7291.4%#37–Epoch AI Benchmarking Hub
Humanity's Last Examエフォート未記載–––––27.8%#14Scale AI / CAIS
SimpleBench–––45.8%#69–45.8%#69SimpleBench
Arena Hard Prompts–––1460#100–1497#41Arena (LMArena)
LiveBench 1.0 ReasoningIndex対象外–––83.2%#44––LiveBench
GPQA Diamond (AA)Index対象外71.2%#294–86.4%#114–90.3%#63–Artificial Analysis
Humanity's Last Exam (AA)Index対象外8.0%#373–26.7%#195–37.7%#114–Artificial Analysis
GPQA Diamond (Vals)Index対象外––––91.7%#18–Vals AI
Kagi LLM Benchmarkエフォート未記載–––––73.3%#18Kagi LLM Benchmark
ARC-AGI-1–55.7%#18072.7%#14678.7%#13186.2%#11212.3%#241ARC Prize
ARC-AGI-2–9.7%#16926.7%#14643.3%#12152.9%#1100.8%#239ARC Prize
CritPtIndex対象外0.6%#274–7.9%#156–11.6%#124–Artificial Analysis
SciPredictIndex対象外エフォート未記載–––––20.6%#6Scale AI SEAL
Arena ExpertIndex対象外–––1475#87–1491#59Arena (LMArena)
Chess PuzzlesIndex対象外2.0%#15126.0%#8336.0%#5345.0%#3148.0%#21–Epoch AI Benchmarking Hub
Mystery Game PuzzlesIndex対象外14.0%#10210.0%#11722.0%#5923.0%#55––Epoch AI Benchmarking Hub
CL-benchIndex対象外–––18.1%#13–18.2%#12Epoch AI Benchmarking Hub
LMCAIndex対象外––––43.9%#103–Epoch AI Benchmarking Hub
DTBenchIndex対象外––––90.9%#82–Epoch AI Benchmarking Hub
ForecastBenchIndex対象外エフォート未記載–––––63.8%#39ForecastBench

コーディング

ベンチマーク推論なしlowmediumhighxhigh標準出典推移
SWE-bench Verified (Epoch)–––73.8%#17––Epoch AI Benchmarking Hub
WeirdML49.6%#7049.6%#7063.4%#42–72.2%#30–WeirdML
GSO-Bench–––27.4%#13––GSO-Bench
Arena Coding–––1489#101–1515#49Arena (LMArena)
Arena WebDevエフォート未記載–––––1421#94Arena (LMArena)
LiveBench 1.0 CodingIndex対象外–––76.1%#47––LiveBench
LiveCodeBench––––85.4%#32–Vals AI
SWE-bench (Vals)Index対象外––––75.8%#41–Vals AI
SWE-Bench Proエフォート未記載–––––29.9%#16Scale AI SEAL
SWE-bench Verified (bash only)–––72.8%#7–69.0%#15SWE-bench
SWE-bench Multilingual (bash only)Index対象外–––66.7%#9––SWE-bench
SWE-bench Verified (any scaffold)Index対象外–––72.8%#10––SWE-bench
Vibe Code Bench v1.1Index対象外––––53.5%#65–Vals AI
SWE-Bench Pro (private)Index対象外エフォート未記載–––––23.8%#7Scale AI SEAL
MirrorCodeIndex対象外––––32.2%#33–Epoch AI Benchmarking Hub
ALE-BenchIndex対象外––1249.8#441293.5#42––Epoch AI Benchmarking Hub
AlgoTuneIndex対象外––2.0#1–––AlgoTune
WeirdML v3Index対象外––––5.0%#24–WeirdML
Design Arena WebsiteIndex対象外1176#1021168#1101176#1021146#1251186#90–Design Arena
LiveCodeBench (AA)Index対象外66.9%#83–89.4%#4–88.9%#6–Artificial Analysis

エージェント・ツール

ベンチマーク推論なしlowmediumhighxhigh標準出典推移
Terminal-Bench––64.9%#12––64.9%#11Terminal-Bench
GDPval49.7%#1–––––OpenAI
Remote Labor Index––2.5%#13––2.1%#14Scale AI / CAIS
LiveBench Agentic CodingIndex対象外–––50.3%#44––LiveBench
Terminal-Bench Hard31.8%#103–43.2%#41–47.0%#27–Artificial Analysis
τ²-Bench Telecom (AA)Index対象外46.5%#209–74.3%#143–84.8%#98–Artificial Analysis
MCP Atlas––––67.6%#27–Scale AI SEAL
BFCL Overallエフォート未記載–––––55.9%#14Berkeley Function Calling Leaderboard
τ²-bench61.6%#8––84.8%#3––τ²-bench
τ³-bench BankingIndex対象外12.6%#25––32.2%#13––τ²-bench
τ³-Banking (AA)11.1%#142–––––Artificial Analysis
Poker AgentIndex対象外エフォート未記載–––––1131.8%#1Vals AI
Terminal-Bench 2.0 (Vals)Index対象外–––51.7%#17––Vals AI
Arena SearchIndex対象外1136#39––––1161#34Arena (LMArena)
DeepResearch BenchIndex対象外–41.1%#35––––DeepResearch Bench
METR Time HorizonsIndex対象外–––75.3%#4––METR
Vending-Bench 2Index対象外エフォート未記載–––––3591.3#50Andon Labs
Design Arena AgenticIndex対象外エフォート未記載–––––1065#66Design Arena

数学

ベンチマーク推論なしlowmediumhighxhigh標準出典推移
FrontierMath Tiers 1–3––––67.4%#36–Epoch AI Benchmarking Hub
FrontierMath Tier 4––––31.7%#43–Epoch AI Benchmarking Hub
OTIS Mock AIME62.2%#17178.9%#13193.9%#6596.1%#4696.1%#49–Epoch AI Benchmarking Hub
ProofBench––––15.0%#64–Vals AI
LiveBench MathematicsIndex対象外–––93.2%#24––LiveBench
AIME (Vals)––––96.9%#2–Vals AI
MGSM––––94.0%#6–Vals AI
AIME 2026–––98.3%#4––MathArena
HMMT February 2026–––97.0%#3––MathArena
MathArena Apex汚染の可能性–––13.5%#18––MathArena
Arena Maths–––1457#70–1453#74Arena (LMArena)
AIME 2025 (AA)Index対象外51.0%#134–96.7%#4–99.0%#1–Artificial Analysis

知識

ベンチマーク推論なしlowmediumhighxhigh標準出典推移
SimpleQA Verified–32.8%#6932.7%#7134.3%#6137.1%#57–Epoch AI Benchmarking Hub
LiveBench 1.0 Data AnalysisIndex対象外–––78.2%#27––LiveBench
MMLU-Pro––––86.2%#45–Vals AI
LegalBench––––82.8%#65–Vals AI
CorpFin––––65.9%#26–Vals AI
TaxEval––––75.8%#11–Vals AI
MedQA––––94.1%#19–Vals AI
MultiNRCエフォート未記載汚染の可能性–––––42.2%#17Scale AI SEAL
CaseLaw v2Index対象外––––66.0%#8–Vals AI
MedCodeIndex対象外––––49.8%#20–Vals AI
MedScribeIndex対象外––––84.4%#35–Vals AI
DrugDiscoveryBenchIndex対象外––––29.3%#19–Scale AI SEAL
EBR-benchIndex対象外––––23.0%#19–Epoch AI Benchmarking Hub
Global-MMLU-Lite (AA)Index対象外86.8%#28–89.8%#15–––Artificial Analysis

指示追従

ベンチマーク推論なしmediumhighxhigh標準出典推移
LiveBench LanguageIndex対象外––79.8%#32––LiveBench
LiveBench Instruction FollowingIndex対象外––61.8%#56––LiveBench
IFBench47.4%#19165.2%#103–75.4%#31–Artificial Analysis
TutorBenchエフォート未記載––––53.5%#11Scale AI SEAL
Arena Instruction FollowingIndex対象外––1427#102–1457#58Arena (LMArena)

人間の評価

ベンチマークhigh標準出典推移
Arena Text1437#1021476#35Arena (LMArena)
EQ-Bench Creative Writing v3Index対象外エフォート未記載–1703#33EQ-Bench
Arena Creative WritingIndex対象外1386#1351432#72Arena (LMArena)
Arena Multi-turnIndex対象外1442#1041495#18Arena (LMArena)
Arena Longer QueriesIndex対象外1434#1201472#61Arena (LMArena)

マルチモーダル

ベンチマーク推論なしmediumhighxhigh標準出典推移
Arena Vision––1246#67–1268#46Arena (LMArena)
MMMU-Pro65.8%#18674.6%#122–––Artificial Analysis
VISTAエフォート未記載––––46.6%#20Scale AI SEAL
MMMU-Pro (Vals)Index対象外–––86.7%#17–Vals AI
MortgageTaxIndex対象外–––67.1%#28–Vals AI
VPCTIndex対象外––67.0%#484.0%#2–Epoch AI Benchmarking Hub
Furniture AssemblyIndex対象外–––38.3%#22–Epoch AI Benchmarking Hub

長文コンテキスト

ベンチマーク推論なしmediumhighxhigh標準出典推移
AA-LCR v1.145.7%#35670.3%#228–82.7%#40–Artificial Analysis
Arena DocumentIndex対象外––1422#43–1425#42Arena (LMArena)

総合

ベンチマーク推論なしmediumhighxhigh標準出典推移
Epoch Capabilities IndexIndex対象外エフォート未記載––––154.5#49Epoch AI Benchmarking Hub
LiveBench 1.0Index対象外––74.6%#40––LiveBench
AA Intelligence Index v4.3.2Index対象外17.0#27426.5#157–30.4#125–Artificial Analysis
AA Progress Index v1Index対象外224.9#336277.9#185–295.5#133–Artificial Analysis
Vals RSI IndexIndex対象外–––15.8%#24–Vals AI

安全性・誠実さ

ベンチマーク標準出典推移
FORTRESSIndex対象外17.5%#31Scale AI SEAL
MASKIndex対象外汚染の可能性86.7%#13Scale AI SEAL
PropensityBenchIndex対象外34.4%#6Scale AI SEAL

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
OpenAI45 tok/s2.01 s$1.75$14.00400k–
Azure40 tok/s1.67 s$1.75$14.00400k–

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$0.175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$0.0049$0.00441.9 min
30ページのレポートを要約12,000 / 600$0.029$0.0152.0 min
コード編集6,000 / 1,500$0.032$0.0242.2 min
エージェント型コーディングセッション60,000 / 4,000$0.161$0.0902.8 min
構造化データの抽出2,000 / 200$0.0063$0.00391.9 min

OpenAIのほかのモデル

今月の新着

GPT-5.2と比較する

関連ページ

埋め込み・引用

GPT-5.2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-5.2 on BenchLeader: 総合 43位](https://www.benchleader.com/badge/gpt-5-2.svg)](https://www.benchleader.com/models/gpt-5-2)

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-5.2 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/gpt-5-2

BibTeX:

@misc{benchleader_gpt_5_2_20261116,
  author       = {{BenchLeader}},
  title        = {{GPT-5.2 on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/gpt-5-2}},
  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-5.2のベンチマークスコアは?
2026年11月16日時点で、GPT-5.2(推論エフォート xhigh)のBenchLeader Indexは59.9 ±4.0です(上位100位以内)。最も強いのは指示追従(74)、最も弱いのはエージェント・ツール(54)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-5.2の順位は?
2026年11月16日時点で、GPT-5.2(推論エフォート xhigh)はランク付けされた608構成中95位です(上位100位以内)。ほかに213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-5.2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-5.2の料金は入力100万トークンあたり$1.75、出力100万トークンあたり$14.00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$4.81です。
GPT-5.2はGPT-5.6 Terraより優れていますか?
2026年11月16日時点で、GPT-5.2(推論エフォート xhigh)とGPT-5.6 Terra(推論エフォート xhigh)の品質はほぼ互角です(BenchLeader Indexで59.9対60.1、±5.7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-5.2はいつリリースされましたか?
OpenAIが2025年12月11日にGPT-5.2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-5.2: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-5-2