Opus 5.5独立ベンチマーク第3波の総括 — Artificial Analysis Intelligence Index首位58・Terminal-Bench独立測定59.6%でAnthropic発表値66.4%との6.8pt乖離が定着、GPT-6 Astraとの差は独立測定で約1.7ptに縮小

Summary

9月22日リリースのOpus 5.5に対する独立ベンチマーク評価が第3波として安定化。Artificial Analysis Intelligence Index max effort 58で測定史上最高スコアを確認（HLE 61.4%・SciCode 66.9%で10評価中6項目リード）。一方Terminal-Bench 4.0では独立測定59.6%でAnthropic発表値66.4%との6.8pt乖離が第2波から継続して定着。GPT-6 Astraとの差は独立測定で59.6% vs 57.9%（約1.7pt）に縮小し、Anthropic発表値ベースの8.5pt差とは大きく異なる実態が判明。SonarSourceは27.5%少ないコード・40%少ないトークン消費を確認し実用性を裏付け。Gray Swanプロンプトインジェクション成功率がFable 5.1と同率最低を記録しセキュリティ面でもフロンティア級。effortダイヤル設定の違いがベンチマークスコアに大きく影響するため、独立検証と公式値の両方を参照したモデル選択判断が推奨。