GPT-5.5登場、DeepSeek V4公開、計算資源争いが激化

GPT-5.5 と DeepSeek V4 が描く AI の新時代：ベンチマークの向こう側で起きている「計算資源」と「コスト」の争い

過去 20 時間で登場した「GPT-5.5」と「DeepSeek V4」は、単なる性能競争を超え、AI 開発の根本的なルールを書き換える可能性を秘めています。OpenAI が「計算効率」と「セキュリティリスク管理」に注力する一方、中国の DeepSeek は「100 万トークンという圧倒的なコンテキスト長」と「破格のコストパフォーマンス」で対抗しています。

この二つのモデルの登場は、企業や開発者が AI を選定する際の基準を「単純なベンチマークスコア」から「1 トークンあたりの知能（コスト対性能）」へとシフトさせるでしょう。本記事では、動画で語られた詳細な分析に基づき、各モデルの実力と背後にある計算資源争いの現状を解説します。

GPT-5.5：高性能だが「幻覚」に課題、自己改善の限界も

GPT-5.5 は OpenAI が王座を守るための全開の試みですが、その性能はドメインによって大きく揺らぎます。特にコーディング能力については、Agentic Terminal Coding（自律型ターミナルコーディング）において 82.7% のスコアを記録し、競合である Claude Opus 4.7 や Mythos Preview を上回る結果を示しました。

しかし、注意すべき点もあります。OpenAI が推奨する「Swebench Pro」では GPT-5.5 は Opus 4.7 より約 6% 低いスコアにとどまりました。これは、より汚染の少ない「Swebench Verified」での結果が欠落していることからも示唆されるように、ベンチマークの選び方によって評価が大きく変わることを意味します。

「重要なのは、推論計算の関数としての知能、すなわち『1 トークンあたり、あるいは 1 ドルあたりの知能』です。」

OpenAI のトップ研究者である Noam Brown はこう指摘しています。GPT-5.5 は、特定のドメインでは少ないトークンで必要な回答を得られる効率性を重視しているようです。

一方で、幻覚（ハルシネーション）の問題は依然として深刻です。不明な知識を問うテストにおいて、GPT-5.5 が正答したのは 57% で Opus 4.7 の 46% を上回りましたが、間違えた回答のうち「知らない」と認めた割合がわずか 14%（86% はでたらめな回答）でした。これに対し、Opus 4.7 は 36% が「知らない」と答えています。

また、OpenAI の内部評価では、GPT-5.5 が再帰的自己改善（モデル自身が自身を改良する能力）を持つ可能性は低いと結論づけられています。内部のバグ修正テストでも、成功率は GPT-5.4 と同程度で、1 日かかるタスクでは成功率が約 6% に過ぎませんでした。

「GPT-5.5 が自己流出やサボタージュを試みる可能性は低いです。内部利用において一貫性が乏しく、目標を維持する能力に限界があるからです。」

この姿勢は、OpenAI が「モデルが自分の思考を隠蔽して監視をすり抜けるリスク」を減らすため、あえて自己改善能力を抑えているという解釈も可能ですが、少なくとも現時点では安全性の観点から「制御された状態」にあると言えます。

DeepSeek V4：100 万トークンと低コストで OpenAI に挑む

中国の DeepSeek が公開した V4 は、OpenAI の王座に挑戦する新たな存在です。最大の特徴は、100 万トークンのコンテキスト長（約 75 万語）をサポートしている点です。これは、膨大な文書や長い会話履歴を一度に処理できることを意味し、研究論文の解析や長編ドキュメントの要約において圧倒的な強みを持ちます。

DeepSeek V4 Pro は、1.6 兆パラメータを持つ巨大モデルですが、Mixture of Experts（MoE）アーキテクチャを採用しているため、推論時に活性化されるのはわずか 490 億パラメータです。これにより、高性能を維持しながら計算コストを抑えています。

ベンチマーク結果では、DeepSeek V4 Pro は GPT-5.2 や Gemini 3.1 Pro を上回る性能を示しました。特に推論とコーディングの分野で優位性があり、OpenAI の推測では「最前線モデルに 3〜6 ヶ月遅れ」とされていますが、コストは約 10 分の 1という驚異的な数値を叩き出しています。

「DeepSeek は、科学論文や技術報告書など、学術的価値の高い長文データをトレーニングデータとして重点的に選定しました。」

この戦略により、ホワイトカラー業務における文脈理解能力が飛躍的に向上。ローカルで動作可能なオープンウェイトモデルとしても注目されており、企業にとっては「高コストな API 依存から脱却する選択肢」としての価値も大きいです。

計算資源争いの激化：インフラが次世代 AI のボトルネックに

GPT-5.5 と DeepSeek V4 の登場は、AI モデルの性能競争だけでなく、背後にある「計算資源（Compute）」の奪い合いを激化させています。OpenAI、Anthropic、DeepSeekの間でデータセンターと GPU 資源を巡る争いが頂点に達しており、これが次世代 AI 開発の最大のボトルネックとなっています。

Sam Altman は Anthropic の計算資源状況について皮肉交じりに笑っていたというエピソードもあり、各社がインフラ投資を急ピッチで進めている現状が浮き彫りになりました。計算資源が不足すれば、モデルの学習速度は落ち、コストは跳ね上がります。

この状況下で重要視されるのが「1 トークンあたりの知能」です。単にベンチマークスコアが高いだけでなく、「いかに少ないリソースで高い性能を発揮できるか」が企業選定の主要指標となりつつあります。スタートアップから大企業まで、インフラ投資の重要性が再確認される時代が到来しました。

セキュリティと倫理：攻撃能力の可視化とリスク管理の違い

GPT-5.5 と Mythos（Anthropic のモデル）を比較する際、注目すべきはサイバーセキュリティ能力です。英国 AI セキュリティ研究所の評価では、GPT-5.5 は狭義のサイバータスクにおいて最も高性能なモデルの一つとされました。

しかし、その実態は複雑です。32 ステップからなる企業ネットワーク攻撃シミュレーション（専門家なら 20 時間かかるもの）において、GPT-5.5 が 10 回中 1 回で完全成功したのに対し、Mythos は 3 回成功しています。つまり、GPT-5.5 は防御が不十分な小規模ネットワークに対して自律的な攻撃を仕掛ける能力を持っていますが、完璧なわけではありません。

「世界中には、AI を限られた少数の手に留めたい人々がいます。恐怖に基づくマーケティングは、それを正当化する最も効果的な方法でしょう。」

Sam Altman はこのように語り、セキュリティリスクの可視化が進む中で、各社のアプローチの違いが浮き彫りになりました。OpenAI は GPT-5.5 の攻撃能力を認めつつも、自己改善の限界を強調して安心感を煽る一方、Anthropic は「恐怖に基づくマーケティング」への批判を含みながら、より慎重なリスク管理を訴求しています。

また、ビジネスシミュレーションベンチ（HealthBench など）では、GPT-5.5 が Opus 4.7 や Mythos と比べて欺瞞や権力追求の兆候を示さなかったという結果も出ました。これは、モデルが「清潔な戦術」で勝利する傾向があることを示唆しており、倫理的な側面での違いも無視できません。

まとめ：コスト対性能とインフラ投資が勝敗を分ける時代へ

GPT-5.5 と DeepSeek V4 の登場は、AI 業界に「ベンチマークスコア至上主義」からの脱却を迫っています。今後は、「1 トークンあたりの知能」や「コスト対性能」が企業選定の鍵となり、計算資源の確保能力が次世代 AI を左右するようになります。

セキュリティリスクの可視化が進む中、各社のガバナンス姿勢の違いも注目されるでしょう。単に「賢いモデル」を持つだけでなく、いかに安全かつ効率的に運用できるかが、これからの AI 競争の勝敗を分ける重要な要素となるはずです。