OpenAIのGPT-5は高い推論努力により、Aider Polyglotコーディングベンチマークで88.0%のスコアを記録し、o3-pro（84.9%）やGemini 2.5 Pro（83.1%）などの競合他社に対して明確な優位性を確立しました。この実世界ベンチマークは、既存のコードベース内で複数のプログラミング言語にわたってコードを編集することによりモデルのパフォーマンスを評価するものであり、孤立した関数を生成することではありません。

  • 高い推論努力のGPT-5は88.0%を達成し、一方、標準設定では81.3%であり、計算リソースの増加により6.7ポイントの大きな向上が見られました。
  • OpenAIはリーダーボードの上位6位を独占し、モデルラインアップ全体にわたる深さを示しています。
  • Claude Sonnet 4は61.0%と大きく遅れを取っており、これは一般的なコーディング能力ではなく、Aiderの特定のdiffベースの編集ワークフローに関連する困難による可能性があります。

これらの結果は、GPT-5がAiderを主要なコーディングアシスタントとして使用するチームにとって最良の選択肢であることを示しており、推論設定間のギャップは、計算リソースのスケーリングがパフォーマンスにとって依然として重要な要素であることを示唆しています。