GPT-5正式リリース【2026年版】新機能・API料金・Claude Opus 5との性能比較コード

GPT-5の主要スペック（2026年5月時点）

※ GPT-5の料金はOpenAI公式サイトで要確認。上記は2026年5月時点の推定値。

PythonでGPT-5を使う

# gpt5_basic.py
from openai import OpenAI
import os

client = OpenAI(api_key=os.environ["OPENAI_API_KEY"])

def ask_gpt5(prompt: str, max_tokens: int = 512) -> dict:
    """GPT-5に質問する"""
    response = client.chat.completions.create(
        model="gpt-5",
        messages=[{"role": "user", "content": prompt}],
        max_tokens=max_tokens,
    )
    
    text = response.choices[0].message.content
    usage = response.usage
    
    # コスト計算（推定）
    cost = (usage.prompt_tokens * 10 + usage.completion_tokens * 30) / 1_000_000
    
    return {
        "text": text,
        "input_tokens": usage.prompt_tokens,
        "output_tokens": usage.completion_tokens,
        "estimated_cost_usd": round(cost, 5),
    }

result = ask_gpt5("PythonでFizzBuzzを実装してください")
print(result["text"])
print(f"推定コスト: ${result['estimated_cost_usd']}")

GPT-5 vs Claude Opus 5 性能比較コード

# model_benchmark.py
# 同じタスクをGPT-5とClaudeで実行してコストと出力を比較

import anthropic
from openai import OpenAI
import time
import os

anthropic_client = anthropic.Anthropic(api_key=os.environ["ANTHROPIC_API_KEY"])
openai_client = OpenAI(api_key=os.environ["OPENAI_API_KEY"])

def run_claude(prompt: str) -> dict:
    """Claude Opus 5で実行"""
    t = time.time()
    response = anthropic_client.messages.create(
        model="claude-opus-5",
        max_tokens=512,
        messages=[{"role": "user", "content": prompt}]
    )
    
    usage = response.usage
    cost = (usage.input_tokens * 15 + usage.output_tokens * 75) / 1_000_000
    
    return {
        "model": "claude-opus-5",
        "text": response.content[0].text,
        "elapsed_s": round(time.time() - t, 2),
        "cost_usd": round(cost, 5),
        "output_tokens": usage.output_tokens,
    }

def run_gpt5(prompt: str) -> dict:
    """GPT-5で実行"""
    t = time.time()
    response = openai_client.chat.completions.create(
        model="gpt-5",
        messages=[{"role": "user", "content": prompt}],
        max_tokens=512,
    )
    
    usage = response.usage
    cost = (usage.prompt_tokens * 10 + usage.completion_tokens * 30) / 1_000_000
    
    return {
        "model": "gpt-5",
        "text": response.choices[0].message.content,
        "elapsed_s": round(time.time() - t, 2),
        "cost_usd": round(cost, 5),
        "output_tokens": usage.completion_tokens,
    }

def benchmark(task: str) -> None:
    print(f"タスク: {task}\n")
    
    for runner in [run_claude, run_gpt5]:
        result = runner(task)
        print(f"[{result['model']}]")
        print(f"  時間: {result['elapsed_s']}s")
        print(f"  コスト: ${result['cost_usd']}")
        print(f"  出力トークン: {result['output_tokens']}")
        print(f"  回答: {result['text'][:200]}...")
        print()

benchmark("Pythonでスレッドセーフなシングルトンパターンを実装してください")

コスト試算：月間1万リクエストの場合

# monthly_cost.py

SCENARIOS = {
    "コード生成（短め）": {"input": 1500, "output": 500},
    "ドキュメント要約（長め）": {"input": 8000, "output": 1000},
    "チャットボット": {"input": 500, "output": 300},
}

MODELS = {
    "GPT-5": (10.00, 30.00),
    "Claude Opus 5": (15.00, 75.00),
    "Claude Sonnet 4.5": (3.00, 15.00),
    "Claude Haiku 4.5": (0.80, 4.00),
}

monthly_requests = 10_000

for scenario, tokens in SCENARIOS.items():
    print(f"\n【{scenario}】月{monthly_requests:,}リクエスト")
    for model, (inp, out) in MODELS.items():
        cost = (tokens["input"] * inp + tokens["output"] * out) / 1_000_000
        monthly = cost * monthly_requests
        print(f"  {model}: ${monthly:.0f}/月")

あわせて読みたい

• 【2026年版】Claude Opus 5 vs GPT-5 vs DeepSeek V4 Pro コード精度・料金比較
• Claude vs ChatGPT【2026年版】用途別の選び方
• Claude Sonnet APIコスト完全解説