gpt-5.5-xhigh (codex-harness) は、OpenAI によって開発された大規模言語モデルであり、GPT-5.5シリーズの一部として2026年にリリースされた。このモデルは、高複雑性の推論およびコーディングタスク向けに設計されており、「codex-harness」という名称は、ソフトウェアエンジニアリングワークフローにおけるOpenAIのCodexインフラストラクチャとの統合を示している。現在、このモデルはLMArenaやLiveBenchなどの公開ベンチマークリーダーボードでランク付けされており、Anthropic、Google DeepMind、および他のAI研究機関のモデルと競合している。
このモデルは、現代の生成AIシステムを支えるTransformer (architecture)アーキテクチャに基づいて、OpenAIの反復的なスケーリングアプローチの継続を表している。そのリリースはGPT-5シリーズに続くものであり、効率性と事実正確性を向上させるためのRLAIFおよびモデルプルーニング技術の進歩を組み込んでいる。2026年9月20日時点の最新スナップショットでは、gpt-5.5-xhighは数学的推論、コード生成、および多段階の問題解決ベンチマークで強力なパフォーマンスを示している。
アーキテクチャとトレーニング
前任モデルと同様に、gpt-5.5-xhighはマルチヘッドアテンションメカニズムを備えたTransformer (architecture)ベースのニューラルネットワークを使用している。このモデルは、トレーニングを安定させるために位置エンコーディングとレイヤー正規化を採用しており、そのトレーニングパイプラインには、大規模最適化のための勾配クリッピングとバッチ正規化が組み込まれている。ソフトウェアリポジトリ、科学文献、および厳選されたウェブコンテンツからの高品質データに焦点を当てた、テキストとコードの多様なコーパスでトレーニングされた。
トレーニングプロセスでは、ウォームアップとコサイン減衰を含む学習率スケジュールを備えたAdamオプティマイザーが使用された。このモデルはまた、トレーニングデータが複雑性の増加順に提示されるカリキュラム学習の恩恵も受けている。過学習を減らすために、ドロップアウトと重み初期化戦略が適用され、トレーニングセットを拡張するためにデータ拡張技術が使用された。
ベンチマークパフォーマンス
2026年9月時点で、gpt-5.5-xhighはLMArenaおよびLiveBenchリーダーボードでトップクラスの位置を保持している。LiveBenchでは、シーケンス間モデリング、ビームサーチデコード、およびトップpサンプリング生成を含むタスクで最先端のスコアを達成している。HumanEvalやSWE-benchなどのコーディングベンチマークでのパフォーマンスは特に注目に値し、機能的正確性とテストケースカバレッジの両方で高い合格率を示している。
AnthropicおよびGoogle DeepMindの競合モデルと比較して、gpt-5.5-xhighは、おそらくcodex-harness環境との統合により、長文脈推論とツール使用シナリオで利点を示している。ただし、温度スケーリングとトップkサンプリングパラメータの慎重な調整が必要な一部の創造的ライティングタスクでは、わずかに遅れを取っている。
Codex-Harness統合
codex-harnessという名称は、モデルがコードインタープリタ、ファイルシステム、バージョン管理システムなどの外部ツールと対話できるようにする特殊なランタイム環境を指している。この統合により、gpt-5.5-xhighは自動デバッグ、リポジトリレベルのコード変更、テスト生成などのタスクを実行できる。ハーネスはクロスアテンションメカニズムを使用して、ツール出力をモデルの内部表現と融合し、多段階のソフトウェアエンジニアリングタスクの精度を向上させている。
このアプローチは、Codexに関するOpenAIによる初期の研究と類似しているが、信頼性とレイテンシーに大幅な改善が見られる。ハーネスはまた、推論時のモデルプルーニングをサポートしており、大幅なパフォーマンス低下なしに低リソースハードウェアへの展開を可能にしている。
展開と可用性
gpt-5.5-xhighは、OpenAIのAPIおよびChatGPTインターフェースを通じて利用可能であり、価格はトークン使用量に基づいて段階的に設定されている。また、エンタープライズ契約を通じてMicrosoft AzureおよびGoogle Cloudで提供され、Amazon Web ServicesではAWS Trainium最適化インスタンスを介して提供されている。このモデルはかなりの計算リソースを必要とし、推論は通常、NVIDIA GPUまたはAMDアクセラレータのクラスターで実行される。
オンプレミス展開の場合、OpenAIはIntelおよびArm Holdingsベースのサーバーで実行できるコンテナ化バージョンを提供しているが、スループットは低下する。モデルの損失関数とデコード戦略は、トップpサンプリング、温度スケーリング、およびビームサーチ幅を含むAPIパラメータを介して設定可能である。
受容と影響
gpt-5.5-xhighのリリースは、特にコード生成とエージェントワークフローの進歩について、人工知能研究コミュニティから好意的に受け入れられている。メラニー・ミッチェルやジョシュア・テネンバウムを含む一部の研究者は、このモデルがパターンマッチングに優れている一方で、真の因果推論と常識知識には依然として苦労しており、この分野での進行中の議論を反映していると指摘している。
業界では、このモデルは医療文書化のためのCommureや手術計画支援のためのIntuitive Surgicalなどの企業によって採用されている。外部ツールとインターフェースする能力により、自動DevOpsのためのAlibaba CloudおよびOracle Cloud Infrastructureオファリングでも人気がある。
将来の方向性
OpenAIは、gpt-5.5-xhighがより高性能なモデルへの足がかりであると示しており、研究はツール使用のためのクロスアテンションの改善、モデルプルーニングによる推論コストの削減、および専門分野向けのカリキュラム学習の強化に焦点を当てている。同社はまた、最適化タスクのためのD-Wave量子コンピューティングとの統合を模索しているが、これは2026年時点では実験的なままである。