GPT-5.5 vs Claude Opus 5：誰にも公平に採点できないコーディング競争

GPT-5.5とClaude Opus 5は、チームが「フロンティアコーダー」と言うとき実際に指していることが最も多い2つのモデルであり、スペック上では両者はほぼ互角に見えるため、たいていはベンチマーク表で決着がつく。しかし今年、それが誤りである理由は、どちらのモデルの能力とも無関係だ。GPT-5.5は2026年10月14日にChatGPT、ChatGPT Work、Codexから引退する。そしてCodexは、そのコーディングユーザーの大部分が実際に作業している画面なのだ。Claude Opus 5はどこにも行かない。つまり、この対決で最初に問うべきは、どちらがより良いコードを書くかではない。11月に送ろうとしているリクエストに、どちらがまだ答えてくれるか、である。

それは比較の枠組みを変えるが、決着をつけるものではない。API経由で、あるいは自分のAPIキーで認証したCodexセッション経由でGPT-5.5を呼び出すなら、その廃止はあなたには及ばず、能力をめぐる問いは4月とまったく同じように生きている。以下に述べるのは、その問いの正直な姿であり、ほとんどの比較ページが飛ばしてしまう部分も含む。つまり、両モデルの看板となる数値は、テストを実施している側をよく見せるように測定されている。

一言で言えば

手短に弁明できる結論が必要なら：2026年後半の本番コーディング作業では、Claude Opus 5 がより安全な既定の選択肢です。出力コストが安く、独立したベンチマーク評価があり、おそらくあなたが使っているツールから廃止されていないからです。GPT-5.5 は特定の領域——ターミナルネイティブなエージェント作業、長文脈の検索、難しいタスクでのトークン効率——では依然としてより強い選択肢であり、API 経由ではそれらすべてを維持しています。以下はすべて、この使い分けの背景にある理由と、それが聞こえるほど単純ではないものにしている注意点です。

異なる世界へと船出した2つのフラッグシップ

GPT-5.5は2026年4月23日に、複雑なプロフェッショナル業務向けのOpenAIのフロンティアモデルとして登場した。GPT-5.4を基盤に、より強力な推論、より高い信頼性、そして——OpenAIが前面に打ち出した主張——難易度の高いタスクにおけるトークン効率の向上を実現している。テキスト、画像、ファイル入力に対応し、入力約922Kトークン、出力128Kトークンを処理でき、価格は入力100万トークンあたり$5.00、出力100万トークンあたり$30.00、キャッシュ読み取りは$0.50、入力トークンが272,000を超える場合はより高い料金となる。

Claude Opus 5は、高度な推論、コーディング、長期的なエージェント作業に向けたAnthropicのフラッグシップであり、エージェント型コーディングにつきまとってきた特定の弱点、つまりツールを多用する非常に長いマルチステップセッションを通じて一貫性を保つことに対応するよう調整されています。100万トークンのコンテキストを扱い、最大128Kの出力が可能で、テキスト、画像、ファイルの入力に対応し、価格は入力$5.00、出力$25.00、キャッシュ読み取りも$0.50です。temperatureやtop_pのようなサンプリングパラメータを、推論エフォートのダイヤルに置き換えています。これは調整方法における実際の違いではありますが、できることにおける違いではありません。

仕様の対比

• 価格 — GPT-5.5 は100万トークンあたり$5.00/$30.00、Claude Opus 5 は100万トークンあたり$5.00/$25.00。入力は同一、Claude Opus 5 は出力で約17%安い

• キャッシュされた入力 — いずれも100万トークンあたり$0.50、入力料金の90%割引

• コンテキスト — GPT-5.5 約922K入力 / 128K出力 対 Claude Opus 5 1M入力 / 128K出力

• 入力モダリティ — GPT-5.5 はテキスト、画像、ファイル、Claude Opus 5 はテキスト、画像、ファイルで、この点では両者は同等

• チューニング — GPT-5.5 の推論エフォート設定は none から xhigh まで、対する Claude Opus 5 はエフォートダイヤルによる適応型推論で、temperature も top_p もなし

• 可用性 — GPT-5.5は2026年10月14日にChatGPT、ChatGPT Work、Codexから外れるが、APIは対象外。一方、Claude Opus 5はAnthropicのすべてのサーフェスで提供されており、廃止は発表されていない

ベンチマークの主張が比較できなくなるのはどこか

まず独立した評価から始めよう。これの中で誰でも検証できる唯一の部分だからだ。Artificial AnalysisはIntelligence IndexでClaude Opus 5に51点をつけている。現在のv4.3インデックスではGPT-5.5に39点をつけており、さらに示唆的なのは、GPT-5.5を非推奨と指定し、その評価をデフォルトの10,000トークンのワークロードにまで後退させたことだ。これは注意深く読む価値がある。GPT-5.5に関する独立した記録は、単に弱いだけではない。終わりに近づいており、それが止まれば、そのモデルについて依然として出回っているあらゆる数字はベンダーによる数字になる。

ベンダー報告側では、OpenAI自身の数値はGPT-5.5をTerminal-Bench 2.0で82.7%、SWE-bench Verifiedで82.6%、SWE-bench Proで58.6%としている。AnthropicによるClaude Opus 5の数値には、Terminal-Bench 2.1で90.2、SWE-bench Proで74.7、JobBenchで68.0が含まれる。誘惑されるのは、それらを横並びにして勝者を宣言することだ。そうしてはいけない — そして、ほとんどの比較ページがそれでもそうしていることに気づいてほしい。

Terminal-Bench の行が最も明快な例だ。GPT-5.5 の 82.7% は Terminal-Bench 2.0 のもので、Claude Opus 5 の 90.2 は Terminal-Bench 2.1 のものだ。これらはタスクセットの異なる別バージョンのベンチマークであり、バージョン横断の比較は比較とは言えない。SWE-bench Pro の行は少なくとも同じスイートであり、そこでの Claude Opus 5 の 74.7 対 GPT-5.5 の 58.6 は本物の大きな差だ — しかし両方の数値はいずれも両陣営によるベンダー報告であり、どちらも同一のハーネス条件下で再現されてはいない。

ハーネス問題、それこそが本当の話だ

この対決から持ち帰る価値のある知見が一つあるとすれば、それはハーネスの選択が、両モデル間の差よりも大きくこれらのモデルを動かすということだ。arXivの評価では、GPT-5.5はClaude Codeの下で最も強く性能を発揮したが、OpenHandsに移すと21.8ポイント低下した。一方、その研究での比較対象であるClaude Opus 4.8は、同じ変更で5.5ポイントしか落ちなかった。スキャフォールディングだけで生じる21ポイントの変動は、両フラッグシップ間で公表されているほとんどの直接比較の差よりも大きい。

これには、OpenAI自身の説明も認めている実用的な見方がある。GPT-5.5は、ネイティブのCodex CLIハーネスを使うとTerminal-Benchで83.4%に達するが、標準的なハーネスでは72.1%だ。もしあなたの評価がCodexの外でGPT-5.5を実行しているなら、あなたはローンチ時の表にあるモデルとは別のモデルを測定していることになる。

これは、見落としやすい形で今回の廃止にとって重要です。あなたの GPT-5.5 の数値が ChatGPT のサインインで Codex 内で生成され、その経路が 10 月 14 日に閉じるなら、あなたが失うのは単にモデルだけではありません — あなたのベンチマークが較正されているハーネスも失うのです。後継があなたにどれほどのコストをもたらすか結論を出す前に、API 経路でベースラインを取り直してください。

タスクごとのコスト、トークンごとのコストではない

トークンあたりの比較は単純明快で、わずかにClaude Opus 5を有利にしている。入力は同じ$5.00、出力は$25.00対$30.00だ。興味深いのは完了したタスクあたりのコストで、そこでは状況が逆転する。というのも、OpenAIのGPT-5.5の中心的な主張はトークン効率、すなわち複数の開発者アカウントによれば同等のタスクで約40%少ないトークン数だったからだ。同じ作業を40%少ない出力トークンで終えるモデルなら、$30の出力料金でも、より冗長なモデルの$25の料金より請求額が小さくなりうる。この主張はベンダー側の枠組みによるもので、独立に再現されたものではないため、確定した事実ではなく、自分のワークロードで検証すべき仮説として扱うべきだ。

両方のモデルは当社の{{1}}カタログ{{/1}}に含まれているため、そのテストは{{3}}逸話ベースではなく{{/3}}{{2}}適切に実施するのに安価{{/2}}です。両方とも、{{4}}マークアップ0%{{/4}}のプロバイダー定価で、1つのキーの背後にあります。したがって、自社トラフィックでの単純なA/Bは、2つ目の契約ではなく、リクエスト本文内の{{5}}モデル文字列{{/5}}です。また、ベンダーの価格改定は、発表されたその日に当社側に反映されます。ここで役立つのはルーティング{{6}}DSL{{/6}}です。2つの間でライブトラフィックを分割し、エラーバジェットが許容する比率でその分割を維持し、{{7}}タスクあたりのコスト{{/7}}の数値をベンチマークページではなく本番環境から取得できるようにします。

これが今後6週間にとって何を意味するのか

今日選ぶチームにとって、この決定には、純粋な能力評価だけでは見えなくなる非対称性がある。Claude Opus 5 はよりリスクの低い選択肢だ。独立して評価されており、出力はより安く、それが販売されている製品からの削除も予定されていない。GPT-5.5 は悪いモデルではない。ターミナルネイティブなエージェント作業で真の優位性を持つ強力なモデルだ。しかし、サブスクリプション経路でそれを選ぶことは、6週間先という既知の有効期限のあるモデルを選ぶことを意味し、API経路では、より薄く、縮小しつつある独立した記録を受け入れることを意味する。

擁護可能な立場は、GPT-5.5 が実証的に優位に立つ場所であり、かつ経路を自分で制御できる場所 — API、API キーによる Codex セッション — には GPT-5.5 を残し、それ以外のすべてでは Claude Opus 5 をデフォルトにすることだ。どちらの方向に考えを変えるにせよ、そうさせるべきものはどちらのモデルのマーケティングでもない。それは、単一の固定されたハーネスの下で行われる最初の中立な直接対決と、GPT-5.5 の API 経路が製品の提供終了後も存続するかどうかについて OpenAI が公表する内容だ。

この対決の両者は1つのキーの背後にあります：GPT-5.5とClaude Opus 5はモデル文字列1つ分しか違いがなく、両者の間で自動フェイルオーバーが行われます。