ファクトシート
| 発表時期 | 2026-05 |
|---|---|
| 関連企業 | OpenAI, Anthropic, Google, xAI |
| 種別 | 技術動向 |
articleニュース
2026年5月版LLMベンチマーク比較——GPT-5.5・Claude Opus 4.7・Gemini 3.1 Proが三つ巴の競争
2026年5月時点のLLMベンチマークはGPT-5.5・Claude Opus 4.7・Gemini 3.1 Proが激しく競合。コーディングはGrok 4が首位（SWE-bench 75%）、科学的推論はGemini 3.1 Pro（GPQA 94.3%）、総合汎用性はGPT-5.5が優位。
format_list_bulleted発表内容
- 総合知性：GPT-5.5 xhigh > GPT-5.5 high > Claude Opus 4.7 max > Gemini 3.1 Pro
- コーディング（SWE-bench）：Grok 4が75%でトップ
- 科学的推論（GPQA）：Gemini 3.1 Proが94.3%でリード
- コンピュータ操作（OSWorld）：GPT-5.4が75%で人間エキスパートを上回る
- 最適設計は「タスク特性に応じてモデルをルーティングするマルチモデル構成」
概要
2026年5月時点のLLMベンチマークはOpenAI・Anthropic・Google・xAIの激戦が続いている。総合知性ではGPT-5.5（xhigh設定）が最高評価を受けるが、Claude Opus 4.7とGemini 3.1 Proが迫る。タスク特化では各社に強みがあり、コーディング（SWE-bench）ではGrok 4が75%で首位、科学的推論・マルチモーダル（GPQA）はGemini 3.1 Proが94.3%でリード、コンピュータ操作（OSWorld）はGPT-5.4が75%で人間エキスパートを上回った。実務における最適解は特定のモデルに統一するのではなく、タスクの複雑さ・レイテンシ要件・コストに応じて複数モデルへルーティングする「マルチモデルアーキテクチャ」が主流になりつつある。
※本記事は公開情報をもとに編集部が再構成したサマリです。一次情報は出典欄をご参照ください。
info 公開情報をもとに編集部が再構成したサマリです。一次情報・追加情報は出典欄をご参照ください。
arrow_backニュース・トピックス一覧へ
Autais
