GPT-5.5はベンチマークで最高スコアを記録するも頻繁に幻覚が発生し、API利用料は20%値上げ
本文の状態
日本語全文を表示中
詳細モードで約3分の本文を読めます。
OpenAIのGPT-5.5はベンチマークで首位を記録するも、頻繁に幻覚（誤回答）が発生し、API利用料は前モデル比20%以上値上げされている。
Source Article
元記事を日本語で読む
本文に関係しない購読案内、埋め込み通知、サイト内プロモーションは除いています。
GPT-5.5はAPI経由でGPT-5.4より約20％高価です。このモデルはAIランキングで首位を占めますが、ハルシネーション（hallucination）の問題を抱えています。
紙面上では、GPT-5.5のAPI価格は5.4と比較して、入力・出力トークン（tokens）100万個あたりそれぞれ5ドルと30ドルに倍増している。しかしベンチマークサービス（benchmarking service）Artificial Analysisの分析によると、このモデルは約40％少ないトークン量で動作するため、実質的な価格上昇幅は約20％に抑えられている。これはAnthropicのOpus 4.7よりも低い上昇幅であり、同モデルは前作と同じ価格を提示しながらも35〜40％*多く*のトークンを消費する。GPT-5.5はまた、OpenAIをAIランキングの首位に戻し、Artificial Analysis Intelligence Indexで3ポイント差をつけてリードしている。
GPT-5.5は60ポイントでArtificial Analysis Intelligence Indexの首位に立ち、57ポイントで同率のClaude Opus 4.7とGemini 3.1 Pro Previewを3ポイント上回っている。 | Image: Artificial Analysis
高いコストパフォーマンスだが、ベンチマーク（benchmarks）は物語の一部しか語らない
中程度の計算リソース（compute）において、GPT-5.5はClaude Opus 4.7が最大リソースで出すスコアに、コストの4分の1（約4,800ドルではなく約1,200ドル）で追いつく。GoogleのGemini 3.1 Pro Previewはさらに安価な約900ドルで同等の数値を達成している。ただしベンチマークは全てを物語らない：当社のテストと開発者からのフィードバックによれば、GeminiはGoogle製品全体での日常的な汎用性とビジョンタスク（vision tasks）で特に輝きを放つ一方、最新のOpenAIおよびAnthropicのモデルはコーディングやエージェントワーク（agentic work）においてそれを上回る傾向がある。
GPT-5.5はGPT-5.4と比較して約40％少ないトークン（tokens）を使用し、散布図（scatter plot）において最も魅力的な象限（高知能かつ比較的低いトークン消費）に位置している。Claude Opus 4.7やGPT-5.4 miniは同等の結果を得るために、はるかに多くの出力トークン（output tokens）を必要とする。| Image: Artificial Analysis
Hallucinations remain the weak spot
OpenAIの新モデルは幻覚（hallucinations）において苦戦している。事実の想起を評価し、誤答を減点するArtificial AnalysisのAA Omniscienceベンチマークにおいて、GPT-5.5はどのモデルよりも高い精度である57％を記録している。しかしその幻覚発生率は86％に達しており、Claude Opus 4.7の36％やGemini 3.1 Pro Previewの50％と比較して大幅に高い。このベンチマークにおけるGPT-5.4からの14ポイントの向上は、主に事実想起能力の改善によるものであり、幻覚に関する改善は限定的だった。
GPT-5.5はあらゆるモデルの中で最も高い精度（accuracy）である57％を記録していますが、同時に86％という極めて高い幻覚発生率（hallucination rate）も示しています。Claude Opus 4.7の幻覚発生率は36％であり、はるかに少ない頻度で幻覚（hallucination）を起こします。| 画像：Artificial Analysis
判断を保留するか不確実性を認めるべき時を知ることは、人工知能（AI）モデルに求められる重要な特性です。この基準で測ると、GPT-5.5は前進というより後退に見えるようです。
hype（過熱）のないAIニュース – 人間が厳選
THE DECODERに登録して、広告なしの読書体験、週刊AIニュースレター（newsletter）、年6回の限定「AI Radar」フロンティアレポート（frontier report）、アーカイブへの完全アクセス、そしてコメント欄へのアクセスをお楽しみください。
原文を表示
GPT-5.5 costs about 20 percent more than GPT-5.4 over the API. The model tops the AI rankings, but it has a hallucination problem.
On paper, GPT-5.5's API price has doubled to $5 and $30 per million input and output tokens compared to 5.4. But according to benchmarking service Artificial Analysis, the model uses about 40 percent fewer tokens, bringing the net price hike down to roughly 20 percent. That's still a smaller jump than Anthropic's Opus 4.7, which lists at the same price as its predecessor but burns through 35 to 40 percent *more* tokens. GPT-5.5 also puts OpenAI back on top of the AI rankings, leading the Artificial Analysis Intelligence Index by three points.
GPT-5.5 tops the Artificial Analysis Intelligence Index with 60 points, three points ahead of Claude Opus 4.7 and Gemini 3.1 Pro Preview, which are tied at 57. | Image: Artificial Analysis
Strong price-performance, but benchmarks only tell part of the story
At medium compute, GPT-5.5 matches the score Claude Opus 4.7 puts up at maximum for a quarter of the cost: around $1,200 instead of $4,800. Google's Gemini 3.1 Pro Preview hits comparable numbers even cheaper, at around $900. But benchmarks don't tell the whole story: Our tests and developer feedback suggest Gemini mainly shines at everyday versatility across Google products and at vision tasks, while the latest OpenAI and Anthropic models tend to outperform it on coding and agentic work.
Hallucinations remain the weak spot
OpenAI's new model stumbles on hallucinations. On Artificial Analysis' AA Omniscience benchmark, which rewards factual recall and penalizes wrong answers, GPT-5.5 posts the highest accuracy of any model at 57 percent. But its hallucination rate sits at 86 percent, compared to 36 percent for Claude Opus 4.7 and 50 percent for Gemini 3.1 Pro Preview. The 14-point jump over GPT-5.4 on this benchmark came mostly from better factual recall, with only modest gains on hallucination.
Knowing when to pass or admit uncertainty is a trait you want in an AI model. By that measure, GPT-5.5 looks more like a step backward than a step forward.
AI News Without the Hype – Curated by Humans
Subscribe to THE DECODER for ad-free reading, a weekly AI newsletter, our exclusive "AI Radar" frontier report six times a year, full archive access, and access to our comment section.
同じ出来事を2媒体で確認
同じ出来事を扱う別媒体の記事です。見出しと公開時刻を比較できます。
News to Guide
ニュースの次に確認する
発表内容を、現在の料金や仕様と照らし合わせられる関連ガイドです。
今日のまとめ
AIデイリーブリーフで今日の重要ニュースをまとめ読み