T

GPT-5.5、ベンチの勝ち方が「僅差」じゃなくなってしまった... (笑) AIエージェントでも重要なベンチ ✅Terminal-Bench 2.0（x-high設定） ・GPT-5.5: 82.7% ・Claude Opus 4.7: 69.4% ・Gemini 3.1 Pro: 68.5% 最前線のモデルが1-2ポイント削り合う時代に、『13ポイント差を置いていった』 ■ 何が変わったのか コードネーム "Spud" GPT-4.5 以来、初のフルリトレーニングされたベースモデル 公式キーメッセージは "A new class of intelligence for real work" 売りは速度より「丸投げ耐性」 散らかった複数ステップの仕事を渡して、計画・ツール使用・自己検証・曖昧さの踏破まで任せる方向に振った世代、という立て付け ■ 効いているベンチ ・Terminal-Bench 2.0: 82.7%（5.4は75.1） ・OSWorld-Verified: 78.7%（コンピュータ操作） ・ARC-AGI-2 Verified: 85.0%（5.4の73.3から大幅更新） ・FrontierMath Tier 4: Pro版で39.6%（Opus 4.7は22.9、Gemini 3.1 Pro は16.7） ・MRCR v2 8-needle 512K-1M: 74.0%（5.4は36.6、Opus 4.7は32.2） ロングコンテキストの 512K-1M 帯で他社を2倍以上引き離した点が、実務観点では一番効く ⭐️ 人と科学の側で起きたこと NVIDIAのエンジニア（早期アクセス） "Losing access to GPT-5.5 feels like I've had a limb amputated." Adam Mickiewicz 大学の数学助教授 Bartosz Naskręcki 1プロンプトから11分で代数幾何アプリを構築 二次曲面の交差可視化からWeierstrassモデル変換まで そして一番静かに重い話 GPT-5.5 の内部版が、off-diagonal Ramsey 数に関する漸近事実の新しい証明を発見 Lean で検証済み 組合せ論の中心的対象で、検証可能な形で人の数学者と同じレイヤーに踏み込んできた ■ OpenAI社内での使われ方 ・社員の 85% 以上が Codex を週次で使用 ・財務チームが 24,771件のK-1税務書類（計71,637ページ）をレビュー ・Go-to-Market の週次レポート自動化で週5-10時間節約 ・モデル自身がプロダクショントラフィックを分析してカスタムチャンク分割アルゴリズムを書き、サービングのトークン生成速度を20%以上改善 最後のやつが効く 自分を提供しているインフラを、自分で速くした スケーリング則の外側の話 ■ API価格（近日提供） gpt-5.5: 入力 $5 / 出力 $30（1M tokens、コンテキスト1M） gpt-5.5-pro: 入力 $30 / 出力 $180 Batch/Flex は半額、Priority は2.5倍 単価は 5.4 より上がったが、同じ Codex タスクを明確に少ないトークンで終わらせるため、総コストは下がるケースが多い、と公式は主張 Artificial Analysis Coding Agent Index では「競合フロンティアの半分のコストでSoTA」 ⭐️ まとめ ・ベンチの勝ち方が「僅差」ではなく「段違い」に変わった ・早期アクセス勢の証言が、道具の話ではなく身体の話になってきた ・モデルが自分のインフラを書き換え始めた この3つが同じ発表に並んだ時点で、「賢いチャットボット」から「仕事を渡せる同僚」に、ベンチ上でも明確に振れた世代、という解釈に傾く