OpenAI、GPT-5.5発表──エージェント能力が...

GPT-5.5の基本情報

OpenAIは4月24日（米国時間）にGPT-5.5を正式に発表し、内部コードネームは「Spud」です。GPT-5.4の発表からわずか約6週間でのリリースであり、トップラボが現在、大規模バージョンを溜め込むのではなく、ローリングイテレーションで進化していることを示しています。GPT-5.5は即日からChatGPTのPlus、Pro、Business、EnterpriseユーザーおよびCodexユーザーに開放され、GPT-5.5 ProはPro、Business、Enterpriseユーザー向けです。APIは追加のサイバーセキュリティ検証が必要なため、現時点では同期公開されておらず、OpenAIは「近日中に」対応予定と述べています。

GPT-5.5のコンテキスト長は最大100万入力まで対応し、出力は128Kと予想されます。ただし、Codex内のGPT-5.5は最大400Kのみサポートで、100万は実験的機能として手動で有効にする必要があります。現時点では2つのバージョンが公開されており、標準のGPT-5.5は思考レベル別に、GPT-5.5 Proは入力にテキストと画像をサポートし、出力はテキストのみです。ChatGPT内では「Thinking」として露出し、思考時間の調整が可能です。PlusおよびBusinessユーザーはStandardとExtendedを選択でき、ProユーザーにはLightとHeavyが追加されます。CodexにはFast Modeがあり、遅延が1.5倍低下しますが、価格は標準の2.5倍です。

エージェント実行能力を核とした進化

OpenAI共同創設者のGreg Brockmanは発表会でGPT-5.5を「新しい種類の知能」と位置づけ、具体的には「外部ガイドなしで、より複雑な多段階タスクを遂行する」能力を強調しました。つまり、以前は詳細な指示が必要だったタスクを、未完成の状態でモデルに任せ、自動的に分解・計画・実行させることができるようになりました。公式に示された重点改善分野は4つです：

• エージェントコーディング（コードエンジニアリング）
• コンピューター利用（コンピューター操作）
• 一般知識ワーク
• 科学研究支援

特筆すべきは、OpenAIがGPT-5.5の単一トークン遅延がGPT-5.4と同等であると強調している点です。しかし、同じタスクを遂行するのに消費するトークン数は減少しています。これは重要です。なぜなら、GPT-5.5のAPI価格はGPT-5.4の2倍に引き上げられたからです。価格上昇が顕著です！

ベンチマーク結果：エージェントシーンでは優位、純粋推論には課題

OpenAIが公開した主要データを見てみましょう。知識ワークエージェント類では、GDPval（44の職業カテゴリをカバーする知識タスク評価）で84.9%、OSWorld-Verified（実際のコンピューター環境での自律操作）で78.7%、Tau2-bench Telecom（複雑なカスタマーサービスワークフロー、プロンプト調整なし）で98.0%を達成しました。生物情報学データ分析基準のBixBenchでは、公開済みモデル中トップとされています。

GPT-5.4と比較した場合、最も大きな進歩が見られたベンチマークは、ARC-AGI-2（11.7ポイント増）、MCP Atlas（8.1ポイント増）、Terminal-Bench 2.0（7.6ポイント増）です。ARC-AGI-2は汎用推理基準として急速な飽和を防ぐように設計されており、この幅の増加は無視できません。ただし、純粋推論シーンでは状況が異なります。Humanity's Last Exam（ツールなし条件）で、GPT-5.5 Proは43.1%を獲得しましたが、Claude Opus 4.7の46.9%を下回り、Mythos Previewの56.8%とはさらに大きな差があります。つまり、GPT-5.5はエージェント実行やツール呼び出しシーンでは優位に立っていますが、ツールに依存しない純粋な学術推論では、OpenAIは現在リードしていません。

第三者評価プラットフォームBenchLM.aiでは、GPT-5.5は112モデルの総合ランキングで第5位（100点中89点）に位置づけられました。最強分野はエージェント系タスク（第2位）、最弱分野はマルチモーダルと根拠理解（第64位）であり、上記の分析と一致します。

コーディングとエージェント：倍の価格に見合う価値はあるか？

今回GPT-5.5の価格は2倍に引き上げられ、モデル自体が大きくなったためか、単に価格を引き上げたかったのか理解に苦しむところです。この価格はすでにOpus 4.7を超え、利用可能なフラッグシップモデルとしては最も高価です（Claude Mythosは利用不可）。

コードエンジニアリングシーンでは、OpenAIはGPT-5.5がシステムアーキテクチャや障害ポイントをより深く理解し、どこを修正し、修正がどこに影響するかを把握できると述べています。初期テストでは、同じCodexタスクにおいてGPT-5.5が必要とするリトライ回数が減少し、トークン消費も低下したとされています。この主張は検証が必要ですが、仮に本当だとしても、価格が2倍なのでコストが低くはならないでしょう。トークンが半分になるとすれば疑問ですが、実際のところは詳細なテストが必要です。

コンピューター操作では、OSWorld-Verifiedの78.7%は現在公開されているモデル中で上位にあります。初期テストチームの一つはGPT-5.5を使用して数千件の文書を一括審査し、別のチームは週次ビジネスレポートの処理プロセスを圧縮し、週5〜10時間を節約しました。NVIDIAの内部テストでは、GPT-5.5を「参謀長」型ツールとして記述しており、すでに内部で従業員役割として稼働しているAIエージェントを駆動できます。NVIDIA副社長のJustin Boitano氏は、このモデルが数週間の内部テストを経たと述べています。

価格面では、API入力が5ドル/出力が30ドル（百万トークンあたり）で、GPT-5.4（2.50ドル/15ドル）の2倍です。ただし、トークン効率の向上を考慮すると、実際の総コスト増加率はこの倍率を下回り、高スループットシーンでは具体的なテスト判断が必要です。

科学研究能力：情報収集を超えた貢献

OpenAIは今回、科学研究支援を特に強調しました。Chief Research OfficerのMark Chen氏は、GPT-5.5が科学技術研究ワークフローで「実質的な向上」を遂げており、医薬品開発を重点アプリケーションの一つとして挙げました。

説得力のあるケースとして、カスタマイズされた推論フレームワークを搭載したGPT-5.5内部版が、ラムゼー数（Ramsey Numbers）の新しい証明を発見したことに貢献しました。ラムゼー数は組合せ数学の核心的研究対象であり、この例はモデルの貢献が情報整理だけでなく、数学的推論生成のレベルで実際の参加を示しています。もちろん、これは内部特化版であり、汎用製品の能力と直接同等視することはできません。

まとめ：APIは未公開、Web版は利用可能、無料ユーザーは不可

OpenAI公式では、APIのデプロイは「異なる安全防護措置が必要」とされており、同社はパートナーと大規模サービスの安全要件を調整しています。そのため、インターフェースは現時点で未公開です。

簡単にまとめると、GPT-5.5はエージェント実行能力を核とした方向性のアップグレードであり、全面的な圧倒的な世代飛躍ではありません。ARC-AGI-2、MCP Atlas、Terminal-Bench 2.0の向上、そしてOSWorld-Verifiedの78.7%は、実際のエンジニアリングやタスク自動化シーンでより実用的な実行型モデルを指向しています。Qwen 3.6バージョンのアップグレードと非常に似ています。大規模モデルの汎用能力はすでにボトルネックに達しているのかもしれません。