RoboflowベンチマークでGPT-5.6 Solが46.2 mAP、GPT-5.5の検出スコア3倍

RoboflowのVLMベンチマークにおいて、OpenAIのGPT-5.6 Solは物体検出で46.2 mAP@50（GPT-5.5は13.8）、カウントタスクで73.0%（同64.9%）を記録した。性能向上にはばらつきがあり、OCRとテキスト抽出はそれぞれ90.7%と82.5%に低下した。しかし、これまで同社の弱点であった物体検出は、ドキュメントのワークフローや画面理解エージェントで実用レベルの能力へと進化している。画像1枚あたりのコストはSolの2.5セントに対し、Gemini 3.5 Flashは0.8セントで依然として両タスクをリードしており、大量の画像処理タスクにおける経済性に変化はない。

出典： blog.roboflow.com ↗

Detectionは弱点から実用的な機能へと移行し、モデルファミリー全体でCounting機能が向上した。

Roboflow

なぜ重要か

→ Object detectionが3.3倍向上し、視覚的理解に依存するドキュメントワークフローやUIエージェントの制約を解消した。
→ SolはGemini 3.5 Flashより3倍高価なままであり、大量のビジョン作業での導入を制限している。
→ OpenAIはコンピュータビジョンにおける長年の弱点についに終止符を打ち、VLMの能力ランキングを再構築している。

OpenAIのビジョン戦略の転換