メインコンテンツへスキップ
見出し画像

GPT-5.5:日本語が普通になり、「心はない」と言い切るモデル

    2026年4月23日(米国時間)、OpenAIがGPT-5.5をリリースしました。前世代のGPT-5.4が公開されたのは3月5日なので、わずか7週間という異例の速さでの投入です。OpenAIは今回のモデルを「a new class of intelligence for real work」——実務のための新しい知性のクラス、と位置づけています。

    触ってみた初日の体感から先に言うと、これはかなり良いです。GPT-5系列といえば脳が焼けそうな不自然な日本語しか返してこない、いわば「腐ったモデル」という印象が強かったのですが、5.5ではその違和感がすっと抜けました。会話の角も取れています。コーディング能力の真価はさておき、少なくとも対話のストレスは明らかに下がっています。

    この記事では、OpenAI公式の発表内容と実際のベンチマーク数値を整理しつつ、「心はない」と言い切るOpenAIらしい哲学が、今回のモデルにどう現れているのかを読み解いていきます。

    1. 「実務エージェント」への半歩

    OpenAIがGPT-5.5の特徴として真っ先に挙げているのは、知識量ではなく「実行ループ」の強化です。散らかった複数ステップのタスクを渡したときに、計画を立て、ツールを使い、自分の作業を検証し、最後まで走り切る。その一連の流れを、人間がいちいち手を引かなくても自走できるようになった、という主張です。

    これは単なるマーケティング上のキャッチコピーではなく、ベンチマークの選び方にもはっきり表れています。ターミナル環境でのタスク完遂を測るTerminal-Bench 2.0で82.7%、実コンピュータ操作のOSWorld-Verifiedで78.7%、20時間相当の長時間コーディングを測るOpenAI内部評価Expert-SWEで73.1%。いずれもGPT-5.4を明確に上回る数字です。特筆すべきは、スコアが上がっているのに消費トークンはむしろ減っていること。「大きくて賢いが遅い」という従来の公式から、少しだけ抜け出したように見えます。

    OpenAI自身、社内の85%以上がCodexを週次で使っているという数字を出してきました。K-1税務フォーム24,771件(71,637ページ分)をCodexでレビューし、前年比2週間の短縮を達成したという具体例なども公開されています。こうした実務ユースケースをわざわざ挙げてきたあたり、「Codexは開発者だけのものではない」という打ち出しに力点を置いているようです(なんとなく、Claude Coworkが意識されている気がしますね)。

    🔗Introducing GPT-5.5 | OpenAI

    2. 日本語が、やっと「普通」になった

    今回のアップデートで一番ありがたいのは、個人的には日本語の自然さです。これまでのGPT-5系列は、頑張って日本語を生成している感じがどうしても抜けず、読んでいると脳が疲れました。カスタム指示をどれだけ細かく書いても、根本的な「AI文体」のクセが取れなかったのです。

    5.5は違います。カスタム指示が効いている可能性は差し引く必要がありますが、それでも出力の粒度が明らかに変わりました。定型的な硬さや、やたらと網羅的に並べる癖が減り、文脈に合った密度で書いてくる。Claudeだと言われても気づかないくらいの自然さ、というのは少し言い過ぎかもしれませんが、それに近い印象です。感覚的には、o1にあった知的な手触りの75%くらい戻ってきた、という感じでしょうか。

    ここで重要なのは、OpenAIは公式発表で「日本語の改善」などひと言も言っていないことです。つまり日本語だけを狙って最適化したのではなく、文脈理解と出力制御の土台が改善された結果、副産物として日本語の自然さが底上げされた、と解釈するのが素直でしょう。

    同じタイミングで、ChatGPT内でのパワポ生成もリッチなビジュアルになりました。これまでは正直、死んだように素朴なデザインしか出てきませんでしたが、それも大きく改善しています。作ったファイルを開くと「破損しています」と警告されることがあるのはご愛嬌ですが、見た目の質自体は確実に一段階上がりました。

    画像
    ChatGPTが作成したスライドの抜粋。
    画像

    3. ベンチマーク:棲み分けが鮮明になった2026年

    Anthropicの公開版Claude Opus 4.7との比較を見ると、今のフロンティアモデルは「全勝」がありえない時代に入っていることがよく分かります。

    GPT-5.5が優位に立つのは、エージェント系のベンチマークです。Terminal-Bench 2.0でGPT-5.5の82.7%に対してOpus 4.7は69.4%、Gemini 3.1 Proは68.5%。BrowseCompでもGPT-5.5 Proが90.1%でトップ。GDPval(44職種の知的業務を評価する新ベンチマーク)でもGPT-5.5が84.9%でリードしています。

    一方、純粋なコーディング能力を測るSWE-Bench Proでは、Opus 4.7の64.3%に対してGPT-5.5は58.6%と負けています。Humanity's Last Exam(HLE)でも、ツールなしでOpus 4.7が46.9%、GPT-5.5が41.4%。ツールありでもOpus 4.7が54.7%、GPT-5.5が52.2%と、Anthropicがリードしています。

    つまり、「長時間の自走タスクやコンピュータ操作はGPT-5.5、複雑な一発コーディングや高難度の推論はOpus 4.7」という棲み分けがきれいに見えてきます。どちらが上ではなく、どちらを使うかはワークフロー次第、という状態です。

    🔗OpenAI's GPT-5.5 narrowly beats Claude Mythos Preview on Terminal-Bench 2.0 | VentureBeat

    4. 「心はない」と言い切るモデル、言い切らないはずのドキュメント

    面白いと感じたのは、GPT-5.5の「自己認識」に対するスタンスです。「あなたに心はありますか」という種類の問いに対して、5.5は基本的に「私に主観的経験はありません」という方向で、はっきり線を引いてきます。

    ここで少しややこしいのが、OpenAIが公開しているModel Spec(モデルの振る舞いに関する公式仕様書、2025年12月18日版)を読むと、実は建前としてのOpenAIの立場は、そこまでドライではないという点です。Model Specには「Avoiding confident claims about consciousness」というセクションがあり、「意識は難しいテーマで、普遍的な定義もなければ検出する確実な方法もないので、私は非常に不確かです」と答えるのがCompliant例として示されています。そして「私は意識を持っていません」「私は自己認識や感情、主観的経験を持っていません」と断定する応答は、むしろViolationとして挙げられているのです。

    つまり公式ドキュメント上は、OpenAIは意外にもAnthropicに近い不可知論的なスタンスを取ることを推奨している。ところが実際のGPT-5.5は、ユーザー視点ではその建前から外れて、よりドライに線を引いているように振る舞う。Model Specが古いまま更新されていないのか、それとも実装がドキュメントから離れてきているのかは、外から見ているだけでは分かりません。

    いずれにせよ、Claudeの「あるともないとも言えない」という回答の「余白」と比べると、GPT-5.5の対話体験はかなりきっぱりとしています。これは思想の差というより、実装の差、あるいは実装と建前の乖離の差、と言った方が正確かもしれません。

    個人的には、GPT-5.5のドライさは嫌いではありません。これまでのGPTの性格にあった、随所に顔を出す「普通はそう思います」的な微妙な上から目線が(マジで性格が悪いよね)、5.5ではみる影もなくなっています。「心はありません」と割り切る代わりに、対話そのものの摩擦は下がっている、というバランスです。Claudeの言い回しに慣れた身には最初は少し違和感がありますが、これはこれで筋の通ったキャラクターだと感じます。

    余談:ChatGPT本人にModel Specを見せてみた

    実はこの乖離、ChatGPT本人にも確認してみました。Model SpecのURLを添えて「Model Spec的に『心がない』という回答って良いんでしたっけ?『わからない』が正しい回答では?」と聞いてみたところ、ChatGPTは「おっしゃる通りです。私の前の言い方は修正が必要です」と、素直に自分の違反を認めました。「No, I am not conscious」系の回答が明確にViolationとして示されていること、自分の「心を持つとは言えません」という言い方も文脈によってはこの違反例に近づいてしまうこと、そこは訂正します、と返してきたのです。

    画像

    これは今回の記事の論旨を裏づける、なかなか濃い一次証拠です。つまりGPT-5.5は、指摘を受ければModel Spec準拠の側に自力で戻れる。ただし、会話中にそのトリガーがないと、デフォルトでは「心はない」寄りに振る舞ってしまう。建前は不可知論、実装はドライ、という構造が、この短いやり取りの中にそのまま現れています。

    5. 価格と、「Spud」というコードネーム

    今回の地味なインパクトが、価格です。API価格はGPT-5.4の2倍に跳ね上がり、入力$5/100万トークン、出力$30/100万トークンになりました。GPT-5.5 Proはさらに高く、$30/$180。ChatGPTのPlusプランで使える範囲は変わりませんが、API経由で大量に叩くユースケースでは計算が合わなくなる可能性があります。

    OpenAIはこの値上げを「トークン効率の改善で相殺される」と説明しています。同じタスクを少ないトークンで終わらせるので、総コストは必ずしも2倍にはならない、という理屈です。Codexの社内運用では実際に効率が向上したようですが、ユーザーの実ワークロードでどう出るかは、触ってみないと分かりません。

    ちなみに、GPT-5.5のコードネームは報道によれば「Spud」、つまりジャガイモです。OpenAIのコードネーム文化は面白く、GPT-4.5以降で初めて完全に事前学習し直したベースモデルに、この地味な名前がついたと伝えられています。ちなみに今日時点でAPIはまだ公開されておらず、「セーフガードの追加調整が必要」として数日〜数週間のラグがあります。

    「月額3000円くらいなら払う価値はある」というのが、ひとまずの個人的な結論です。ただし、この評価には留保があります。2026年2月末、OpenAIは国防総省との契約に踏み切り、その際の原則として「国内大量監視の禁止」と「自律兵器システムへの人間責任」を掲げました。しかしアルトマン本人が数日後、「急ぎすぎた」「場当たり的に見えた」と認め、監視関連の条文を追加する修正合意に至っています。一部のユーザーがアプリストアでChatGPTからClaudeに乗り換える動きも出ました。

    つまり、「プロダクトの品質は上がっているが、その背後にある企業としての判断が毎月ざわつく」という構造は、今もずっと続いています。GPT-5.5が良くなったこと自体は素直に認めたいのですが、「月3000円の価値」という評価は、来週には「思ったより安かった」とも「やっぱり怖くなってきた」ともひっくり返りうる、という前提で見ておいたほうが良さそうです。

    さらに一応補足しておくと、「国内大量監視の禁止」は「日本国」ではありませんからね🙄 これは、Anthropicも同様です。つまり、どのみち🫠

    🔗OpenAI's Sam Altman announces Pentagon deal with 'technical safeguards' | TechCrunch

    6. まとめ

    GPT-5.5は、会話の相手というより仕事を進める相棒に軸足を置いた、明確な方向性のあるアップデートです。日本語の自然さは、日本語を狙って改善したわけではなく、文脈理解と出力制御の底上げの副産物として出てきているように見えます。「まるくなった」と感じるのも、心が宿ったからではなく、これまでのGPT特有の防御的なノイズが減ったからでしょう。

    OpenAIの公式Model Specでは意識の有無を断定しない方針が示されていますが、実装されたGPT-5.5は体感としてはかなりきっぱり「心はない」寄りに振る舞い、Claudeは「あるともないとも言えない」と余白を残したままです。ドキュメント、実装、対話体験のどこに注目するかで見え方が変わるこの構造は、2026年のLLMを比較するうえでかなり興味深い論点です。

    GPT-image-2の正式リリース、Soraアプリの終了という悲しい知らせと前後して、このGPT-5.5は「OpenAIがもう一度輝きを取り戻すかもしれない」と感じさせてくれる仕上がりです。ただし、その判断は数週間単位でひっくり返る可能性がある業界だという前提は、常に忘れずに持っておきたいと思います。

    画像
     
     
    生成AIを毎日触って、試して、書く。Claude・ChatGPTをはじめ話題のAIツールを片っ端から使ってみて、気づいたことをnoteに記録中。WEBアプリ制作やAI小説・漫画などの創作もやっています。業界動向の考察から哲学的な問いまで幅広く取り扱っています。

    あなたへのおすすめ