米OpenAIが「GPT-5.5」発表、コーディングや自律エージェント性能を大幅強化

AIエージェントにプログラミングを任せる際、これまでは少し複雑な指示を出すたびに間違った推論を始め、人間がつきっきりで修正する手間が避けられませんでした。

OpenAIは新たなフラッグシップモデル「GPT-5.5」を公開しました。ChatGPTおよびCodexのPlus、Pro、Business、Enterpriseユーザー向けに提供が始まっており、4月24日にはAPI提供も開始されました。同社はこのモデルを、人間が細かく指示を出さずとも自律的にツールを使い、検証しながらタスクをやり遂げる存在として位置づけています。

推論力は向上し、消費トークンとコストは半減

通常、モデルが高度化すると応答速度が低下しがちですが、GPT-5.5はGPT-5.4と同等のトークンあたりのレイテンシを維持しています。さらに大きな特徴は、同じCodexのタスクを完了するのに必要なトークン数と試行回数を大幅に削減した点です。

Artificial AnalysisのCoding Indexによると、競合する最先端のコーディングモデルと比較して半分のコストでトップクラスの性能を発揮します。複雑なコマンドライン操作を評価するTerminal-Bench 2.0では82.7%、GitHubの実課題を解かせるSWE-Bench Proでは58.6%を記録し、1回の実行で解き切るタスク数を大きく伸ばしました。

初期テスターからも高い評価が集まっています。Everyの創業者兼CEOであるDan Shipper氏は、人間の優秀なエンジニアが導き出したシステム再設計と全く同じ解を導けたと述べ、概念の明確さを評価しました。MagicPathのPietro Schirano CEOは、大規模なフロントエンド刷新ブランチのマージ作業を1回・約20分で完了させたと明かしています。また、早期アクセスを得ていたNVIDIAのエンジニアは「アクセス権を失うのは手足を切断されるようなものだ」と語ったといいます。

画面操作からバイオ研究までカバー

GPT-5.5はプログラミングにとどまらず、PC作業全般の代行を狙っています。実環境でのPC自律操作を測るOSWorld-Verifiedでは78.7%、44の職種にまたがる知的作業評価GDPvalでは84.9%をマークしました。

OpenAI社内でも85%以上の社員がCodexを毎週利用しており、財務部門では7万ページ超におよぶ2万4771件の税務書類の確認作業を自動化し、作業期間を2週間短縮したとしています。また、生物情報科学などの先端研究タスクを評価するGeneBenchやBixBenchでも優れた数値を残しています。

なぜ重要か

開発者やビジネスパーソンにとって、GPT-5.5は今すぐ実業務で試す価値が高いモデルと言えます。真のメリットは、スコアの高さよりも「無駄なリトライの少なさ」にあります。自律エージェントを動かす際、最大のボトルネックは誤った方向へ進んでAPI料金を浪費することでした。少ないトークン数で的確に完結できるなら、エージェント運用の実質コストは劇的に下がります。

業界全体で見れば、Anthropicとの覇権争いがさらに激化しています。The Vergeが報じているように、両社は株式公開を視野に入れながら企業向けツールで激突しており、AnthropicがClaude Opus 4.7を投入した直後にOpenAIがこのモデルをぶつけて対抗しました。現場のエンジニアからも、推論力や先回りの検証能力でClaude Opus 4.7を上回るという声が出ています。

今回のOpenAIの動きは、単に賢さを競う段階から「いかに速く、安く仕事を終わらせるか」という実利の戦いへシフトした点で賢明だと考えられます。一方で、PC操作のベンチマークが7割台後半にとどまっていることからもわかるように、完全自動化にはまだ失敗のリスクが残ります。どこまで権限を委ね、どこで人間が止めるかの運用設計が引き続き不可欠になりそうです。