結論
GPT-5.5 ProはECI（Epoch Capabilities Index）総合指標で159点を達成した。この指数はEpoch AIが設計したもので、37の異なるベンチマークテストを単一スコアに統合し、難易度の高いベンチマークにより高い重みを付与している。GPT-5.4 Proがそれまで保持していた最高スコアと比較して、159点は世代を超えた向上を示している。
実用面では、GPT-5.5はMLE-Bench（機械学習エンジニアリング能力テスト）で36%（GPT-5.4は23%）、OSWorld（コンピューター操作タスク）で78.7%を達成し、Claude Opus 4.7を上回った。20時間のソフトウェアエンジニアリングタスク解決率73%で、現在最も強力なコーディングモデルとなっている。
テスト次元
ECI総合指標の解读
ECIの核心的な優位性は、モデルが簡単なベンチマークでスコアを水増ししても歪まないことにある。重みはより難しいタスクに傾いており、つまり159点はベンチマークの過学習ではなく、「真に挑戦的なタスク」におけるパフォーマンス向上を反映している。
FrontierMath（最先端数学推論）はECIの重要な構成要素である。GPT-5.5 Proはこのベンチマークで前例のない推論能力を示し、未解決または極めて難しい研究レベルの数学問題に対応した。
コーディングとエージェント能力
| ベンチマーク | GPT-5.5 | GPT-5.4 | Claude Opus 4.7 |
|---|---|---|---|
| MLE-Bench | 36% | 23% | - |
| OSWorld | 78.7% | - | 78.7%未満 |
| CyberGym | 81.8% | - | - |
| SWE-bench (20h) | 73% | - | - |
GPT-5.5はGPT-5.4と同じトークンレイテンシーを維持しつつ、同じCodexタスクを完了するために必要なトークン量が少ない。API価格は入力$5/Mトークン、出力$30/Mトークン、コンテキストウィンドウ100万トークン。
ナレッジワークと科学研究
GDPvalテストは44の職業ナレッジワークシナリオをカバーし、GPT-5.5の勝利または同率率は84.9%に達した（GPT-5.4は83.0%、Claude Opus 4.7は80.3%）。OpenAIが新たに追加した内部評価であるGeneBench（多段階遺伝学および定量生物学データ分析）においても、GPT-5.5はリードしている。
選定アドバイス
- コーディング/エージェント開発：GPT-5.5は現在総合コーディング能力が最も強く、MLE-BenchとSWE-benchでダブルリード
- 科学研究/数学推論：GPT-5.5 ProはFrontierMathとECIでリードしており、高難度の研究シナリオに適している
- コスト管理：GPT-5.5のトークン効率は5.4を上回り、同じタスクをより少ないトークンで完了
- 企業ナレッジワーク：GDPval 84.9%の勝利率で、文書分析や戦略策定などのシナリオに適している