BenchLeader

GPT-5 nano

推論エフォート
品質339中91位
56.2Index
中央値より上
中央値比 +6.0
価格255中23位
$0.138100万トークンあたり
安い方から10%
中央値の0.2倍
速度216中74位
106トークン/秒
中央値より上
中央値の1.3倍
コスパ255中17位
407.2ポイント/$
上位10%
中央値の7.4倍

この水準ではコスパ良好: Indexの差が2ポイント以内で、価格が4分の3以下のランク入りモデルはありません。

これより安価でスコアの高いランク付けモデルはありません。価格面でのフロンティアにあります。

2026年11月16日時点で、GPT-5 nano(OpenAI)のBenchLeader Indexは56.2です(ランク付け対象は608構成)。最も強いのは指示追従(66)、最も弱いのはエージェント・ツール(49)です。API料金は入力100万トークンあたり$0.050、出力100万トークンあたり$0.400(3:1のブレンドで$0.138)で、2026年11月16日時点の定価です。出力速度は約110トークン/秒です(OpenRouter)。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 nanoのAPI料金は入力100万トークンあたり$0.050、出力100万トークンあたり$0.400(3:1のブレンドで$0.138)です(定価、2026年11月16日)。
  • GPT-5 nanoの出力速度は約110トークン/秒です(OpenRouter、2026年11月16日)。
  • GPT-5 nano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 nano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は、BenchLeader Indexで56.2 ±8.7を記録し、608構成中187位で上位半分に入ります。重要なのはこの「±」です。ほかに380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(66)、エージェント・ツールが最も低くなっています(49)。ブレンド価格は100万トークンあたり$0.138で、ランク付けされたモデルの中で最も安い5分の1に入ります。出力速度は106トークン/秒、最初のトークンまで2.9秒で、多くのモデルより高速です。5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:2025年11月24日。古いデータ:6か月間、新しい結果がありません

ブレンド価格
$0.138/M
入力$0.050・出力$0.400
出典:models.dev
出力速度
106 tok/s
OpenRouterのトラフィック(7日間の中央値)。Artificial Analysisによる測定はまだありません
回答開始
2.93 s
コンテキスト
400k
出典:models.dev
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Index56
  2. 推論57
  3. エージェント・ツール49
  4. 数学64
  5. 指示追従66

この順位を埋め込む

ほかのバッジスタイル
[![GPT-5 nano on BenchLeader: 総合 90位](https://www.benchleader.com/badge/gpt-5-nano.svg?style=compact)](https://www.benchleader.com/models/gpt-5-nano)

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3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-5.4 Nanoxhigh2026年3月17日53.9#244
GPT-5 nanoこのページ2025年8月7日56.2#187
GPT-4.1 nano2025年4月14日36.9#574

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
minimal35.5#586107 tok/s1.49 s$0.0001エージェント・ツール 40 · 指示追従 36 · 長文コンテキスト 33 · 数学 30 · マルチモーダル 13 · 推論 32
low39.2#549106 tok/s2.93 s$0.0001コーディング 34 · 数学 33 · 推論 34
medium45.6#451157 tok/s22 s$0.0001エージェント・ツール 36 · コーディング 34 · 指示追従 65 · 長文コンテキスト 36 · 数学 62 · マルチモーダル 40 · 推論 39
high47.4#405165 tok/s52 s$0.0001エージェント・ツール 44 · コーディング 48 · 人間の評価 50 · 指示追従 67 · 知識 35 · 長文コンテキスト 46 · 数学 48 · マルチモーダル 45 · 推論 41
未記載最良56.2#187106 tok/s2.93 s$0.0001エージェント・ツール 49 · 指示追従 66 · 数学 64 · 推論 57

Indexの推移

2026年9月8日〜2026年11月16日
304865
  • 標準
  • high
  • medium
  • 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minimalmediumhigh出典推移
AA Openness IndexIndex対象外5.6#3075.6#3075.6#307Artificial Analysis

推論

ベンチマークminimallowmediumhigh標準出典推移
GPQA Diamond48.5%#23457.6%#20867.4%#18869.4%#184–Epoch AI Benchmarking Hub
Arena Hard Prompts–––1356#219–Arena (LMArena)
GPQA Diamond (AA)Index対象外42.8%#469–67.0%#33267.6%#325–Artificial Analysis
Humanity's Last Exam (AA)Index対象外4.0%#575–8.7%#3659.5%#354–Artificial Analysis
GPQA Diamond (Vals)Index対象外–––63.4%#103–Vals AI
Kagi LLM Benchmarkエフォート未記載––––62.2%#46Kagi LLM Benchmark
GPQA Diamond (HELM)Index対象外エフォート未記載––––67.9%#13HELM Capabilities
ARC-AGI-11.5%#2634.0%#25920.7%#22916.7%#233–ARC Prize
ARC-AGI-20.0%#2510.0%#2510.9%#2372.6%#204–ARC Prize
CritPtIndex対象外0.0%#337–0.0%#3370.0%#337–Artificial Analysis
Arena ExpertIndex対象外–––1355#209–Arena (LMArena)
Chess PuzzlesIndex対象外2.0%#15115.0%#120–22.0%#91–Epoch AI Benchmarking Hub
Mystery Game PuzzlesIndex対象外5.0%#1379.0%#1209.0%#1208.0%#124–Epoch AI Benchmarking Hub
LMCAIndex対象外–––7.9%#193–Epoch AI Benchmarking Hub
DTBenchIndex対象外–––62.7%#183–Epoch AI Benchmarking Hub
ForecastBenchIndex対象外エフォート未記載––––58.7%#79ForecastBench

コーディング

ベンチマークminimallowmediumhigh標準出典推移
WeirdML–25.9%#137–38.1%#113–WeirdML
Arena Coding–––1385#218–Arena (LMArena)
LiveCodeBench–––70.2%#87–Vals AI
SWE-bench Verified (bash only)––34.8%#38––SWE-bench
SWE-bench Verified (any scaffold)Index対象外––34.8%#50––SWE-bench
ALE-BenchIndex対象外–––718.7#96–Epoch AI Benchmarking Hub
Design Arena WebsiteIndex対象外エフォート未記載––––1093#148Design Arena
LiveCodeBench (AA)Index対象外47.0%#149–76.3%#4278.9%#31–Artificial Analysis

エージェント・ツール

ベンチマークminimalmediumhigh標準出典推移
Terminal-Bench–11.5%#100–21.8%#85Terminal-Bench
Terminal-Bench Hard6.8%#25417.4%#18212.1%#215–Artificial Analysis
τ²-Bench Telecom (AA)Index対象外25.7%#29530.4%#26336.5%#234–Artificial Analysis
BFCL Overallエフォート未記載–––51.5%#22Berkeley Function Calling Leaderboard

数学

ベンチマークminimallowmediumhigh標準出典推移
FrontierMath Tiers 1–31.8%#1196.0%#114–20.0%#94–Epoch AI Benchmarking Hub
FrontierMath Tier 4–––2.4%#73–Epoch AI Benchmarking Hub
OTIS Mock AIME35.6%#21646.7%#19974.2%#13981.1%#124–Epoch AI Benchmarking Hub
MATH Level 5––95.2%#1394.9%#15–Epoch AI Benchmarking Hub
ProofBench–––12.0%#68–Vals AI
AIME (Vals)–––81.2%#45–Vals AI
MGSM–––89.3%#46–Vals AI
Omni-MATH (HELM)エフォート未記載––––54.7%#16HELM Capabilities
MATH 500Index対象外–––93.8%#15–Vals AI
Arena Maths–––1348#205–Arena (LMArena)
AIME 2025 (AA)Index対象外27.3%#181–78.3%#6983.7%#50–Artificial Analysis

知識

ベンチマークhigh標準出典推移
SimpleQA Verified11.7%#95–Epoch AI Benchmarking Hub
MMLU-Pro76.1%#105–Vals AI
LegalBench50.1%#145–Vals AI
TaxEval67.4%#106–Vals AI
MedQA93.3%#23–Vals AI
MMLU-Pro (HELM)Index対象外エフォート未記載–77.8%#26HELM Capabilities
CaseLaw v2Index対象外52.6%#43–Vals AI
MedCodeIndex対象外30.4%#93–Vals AI
MedScribeIndex対象外72.9%#82–Vals AI
Global-MMLU-Lite (AA)Index対象外81.2%#62–Artificial Analysis

指示追従

ベンチマークminimalmediumhigh標準出典推移
IFBench32.5%#34665.9%#10167.5%#85–Artificial Analysis
IFEval (HELM)エフォート未記載–––93.2%#4HELM Capabilities
WildBench (HELM)エフォート未記載–––80.6%#30HELM Capabilities
Arena Instruction FollowingIndex対象外––1326#219–Arena (LMArena)

人間の評価

ベンチマークhigh標準出典推移
Arena Text1338#223–Arena (LMArena)
EQ-Bench Creative Writing v3Index対象外エフォート未記載–703#121EQ-Bench
Arena Creative WritingIndex対象外1246#278–Arena (LMArena)
Arena Multi-turnIndex対象外1325#228–Arena (LMArena)
Arena Longer QueriesIndex対象外1332#235–Arena (LMArena)

マルチモーダル

ベンチマークminimalmediumhigh出典推移
Arena Vision––1159#113Arena (LMArena)
MMMU-Pro31.8%#28758.2%#23361.0%#222Artificial Analysis
MMMU-Pro (Vals)Index対象外––70.9%#68Vals AI
MortgageTaxIndex対象外––53.6%#77Vals AI
VPCTIndex対象外–35.4%#2537.2%#23Epoch AI Benchmarking Hub

長文コンテキスト

ベンチマークminimalmediumhigh出典推移
Fiction.LiveBench 120k–21.9%#34–Fiction.live
AA-LCR v1.120.0%#46043.7%#36645.0%#360Artificial Analysis

総合

ベンチマークminimalmediumhigh標準出典推移
Epoch Capabilities IndexIndex対象外エフォート未記載–––139.1#118Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2Index対象外7.1#50512.5#33813.0#329–Artificial Analysis
AA Progress Index v1Index対象外165#518221.2#345225.5#332–Artificial Analysis
HELM Capabilities meanIndex対象外エフォート未記載–––74.8%#14HELM Capabilities

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
OpenAI139 tok/s3.40 s$0.050$0.400400k–
OpenAI95 tok/s1.85 s$0.025$0.200400k–
Azure46 tok/s1.49 s$0.050$0.400400k–

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$0.005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$0.0001$0.00015.8 s
30ページのレポートを要約12,000 / 600$0.0008$0.00048.6 s
コード編集6,000 / 1,500$0.0009$0.000717.1 s
エージェント型コーディングセッション60,000 / 4,000$0.0046$0.002640.7 s
構造化データの抽出2,000 / 200$0.0002$0.00014.8 s

OpenAIのほかのモデル

今月の新着

関連ページ

埋め込み・引用

GPT-5 nano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 nano on BenchLeader: 総合 90位](https://www.benchleader.com/badge/gpt-5-nano.svg)](https://www.benchleader.com/models/gpt-5-nano)

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

BibTeX:

@misc{benchleader_gpt_5_nano_20261116,
  author       = {{BenchLeader}},
  title        = {{GPT-5 nano on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/gpt-5-nano}},
  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 nanoのベンチマークスコアは?
2026年11月16日時点で、GPT-5 nanoのBenchLeader Indexは56.2 ±8.7です。最も強いのは指示追従(66)、最も弱いのはエージェント・ツール(49)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 nanoの順位は?
2026年11月16日時点で、GPT-5 nanoはランク付けされた608構成中187位です。ほかに380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 nano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 nanoの料金は入力100万トークンあたり$0.050、出力100万トークンあたり$0.400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$0.138です。
GPT-5 nanoはいつリリースされましたか?
OpenAIが2025年8月7日にGPT-5 nanoをリリースしました。BenchLeaderには5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 nano: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-nano