GPT-5.5登場 — Terminal-Bench 2.0で82.7%、エージェント特化モデルの実像
はじめに OpenAIが2026年4月23日にGPT-5.5を発表し、24日にAPIでも利用可能になった。Claude Opus 4.7が出たばかりのタイミングで、エージェント型コーディングを真正面から狙った新モデルが投入されたかたちだ。 公開直後から「Terminal-Bench 2.0で82.7%」という数字だけが独り歩きしている印象もあるが、実際にこのモデルが何に強くて何に課金されるのかは、ベンチマークの数字だけ見てもつかみにくい。今回はリリース内容と料金をベースに、現場のエンジニアが触る前に知っておきたいポイントを整理しておく。 GPT-5.5の位置づけ GPT-5.5の...
出典: Zenn AI（配信元の紹介文より引用）
このニュースの全文は、配信元でお読みいただけます。 Zenn AIで元記事を読む →
この話題に関連する、TOEの実践・観測記録
AIの判定スコアを揺らすだけで攻撃は防げるのか — 成功率100%が43〜59%に下がった実験
社外に公開したAI判定APIは、1万回の問い合わせで判定をすり抜ける入力を作られます。2026年7月公開の研究は、返す信頼度スコアをランダムに歪めるだけで攻撃成功率が100%から43〜59%に下がり、分類精度は0%低下だったと報告しました。ただしゼロにはなりません。
続きを読む →
AIエージェントは業務を何割まで自力で終わらせられるのか（1,431タスクで58.54%）
現実業務に近い1,431タスクを集めたベンチマーク「OmniaBench」で、最高性能クラスのモデルの1回目成功率は58.54%だった。おおよそ2回に1回は失敗する水準であり、中小企業が受発注や見積をエージェントに丸投げする段階ではない。ただし工程の切り出し方次第で実用域は確かに存在する。
続きを読む →
AIに社内資料を読ませて文書を作らせると、何％が出典の辿れない創作になるのか — 2,629点の来歴監査
公式文書を与えたうえでAIに合意文書を作らせ、生成物1点ずつの出どころを監査した研究があります。原典に直接遡れたのは43.7%、一切遡れない創作が22.1%、仕組み由来のゴミが6.8%。AIに社内資料を読ませて提案書や議事録を作らせる運用に、そのまま効く数字です。
続きを読む →