GPT-3 vs GPT-3.5 Turbo
Benchmarks, API Token Pricing, Context Window & Speed Comparison
Related topics (12)
OpenAIのGPT-3とOpenAIのGPT-3.5 Turboは、注目度の高い主要AIモデルです。GPT-3は2K トークンのコンテキストウィンドウを備え、API料金は100万トークンあたり入力$20.00/出力$20.00、一方のGPT-3.5 Turboは16.4K トークンのコンテキストで入力$0.50/出力$1.50です。以下でベンチマーク、速度、コストを詳しく比較します。
任意のAIモデルを切り替えて比較
Select any AI models from our verified benchmark database to generate live side-by-side matrices.
GPT-3
クラシック世代モデルOpenAI の GPT-3 は、安定したチャット対話、文書要約、一般的なエンタープライズ業務向けに設計されたAIモデルです。2K のコンテキストウィンドウ、毎秒 40 トークンの生成速度、知能指数 22/100（1Mトークンあたり入力$20・出力$20）を実現しています。
$20.00 / 1M
$20.00 / 1M
2K tokens
N/A
GPT-3.5 Turbo
超高速・低遅延レスポンスOpenAI の GPT-3.5 Turbo は、超低遅延のリアルタイム対話、高速ルーティング、大量リクエスト処理向けに設計されたAIモデルです。16K のコンテキストウィンドウ、毎秒 90 トークンの生成速度、知能指数 30/100（1Mトークンあたり入力$0.5・出力$1.5）を実現しています。
$0.50 / 1M
$1.50 / 1M
16.4K tokens
12.5%
ひと目でわかる主な違い
- GPT-3.5 Turbo is 22.4x cheaper for API usage (input + output tokens combined).
- GPT-3.5 Turbo has a larger context window (16K vs 2K tokens).
- GPT-3.5 Turbo is faster at 90 tok/s vs 40 tok/s.
| Feature | GPT-3 | GPT-3.5 Turbo |
|---|---|---|
Intelligence Index Composite reasoning & knowledge score (0-100) | 22 | 30 |
Provider | OpenAI | OpenAI |
Input Price Cost per million input tokens | $20.00 / 1M | $0.50 / 1M |
Output Price Cost per million output tokens | $20.00 / 1M | $1.50 / 1M |
Blended Price Weighted 7:2:1 cache:input:output per 1M | $9.50 / 1M | $0.42 / 1M |
Context Window Maximum input + output tokens | 2K tokens~3 A4 pages of text | 16.4K tokens~25 A4 pages of text |
Max Output Tokens Per single request | 2K | 4K |
Throughput Speed Tokens generated per second | 40 tok/s | 90 tok/s |
SWE-bench Verified Real-world software engineering | N/A | 12.5% |
GPQA Diamond Graduate-level reasoning | N/A | 28% |
Cached Input Price Prompt caching discount per 1M tokens | $5.00 / 1M | $0.25 / 1M |
分野別勝者スコアカード
At-a-glance decision frameworkEvaluations ongoing
検証済みベンチマークスコア比較
Official evaluation metrics verified by independent third-party research labs.
Industry benchmark evaluating real-world GitHub issue resolution and multi-file debugging.
Challenging questions created by domain experts to test complex PhD-level reasoning.
Hardened reasoning and academic knowledge benchmark with reduced lucky-guess probability.
Crowdsourced human preference evaluation based on blind, head-to-head model battles.
Tokens emitted per second during active generation streaming.
レイテンシ＆応答時間
Time to first token (TTFT) and estimated end-to-end response time for a typical 500-token response.
リアルタイムAPIトークン料金シミュレーター
Adjust sliders to calculate projected monthly cloud API spending with prompt caching discounts.
GPT-3 · Strengths & Key Advantages
- 2K のコンテキストウィンドウと最大 2K トークンの出力容量（MMLU-Pro 43.9% · Arena Elo 980）
- 毎秒 40 トークンの高速スループットと、初回トークン到達時間（TTFT）わずか 900ms の低遅延
- 優れたAPI経済性（1Mトークンあたり入力$20・出力$20）に加え、プロンプトキャッシュや構造化JSON出力・関数呼び出しに完全対応
Considerations & Trade-offs
- クラウド専用のプロプライエタリモデルのため、モデル重みをダウンロードしてオフライン実行することはできません
- 大量のトークンを処理する本番環境では、プロンプトキャッシュや Batch API の併用によるコスト最適化が推奨されます
GPT-3.5 Turbo · Strengths & Key Advantages
- 16K のコンテキストウィンドウと最大 4K トークンの出力容量（SWE-bench Verified 12.5% · GPQA Diamond 28%）
- 毎秒 90 トークンの高速スループットと、初回トークン到達時間（TTFT）わずか 450ms の低遅延
- 優れたAPI経済性（1Mトークンあたり入力$0.5・出力$1.5）に加え、プロンプトキャッシュや構造化JSON出力・関数呼び出しに完全対応
Considerations & Trade-offs
- クラウド専用のプロプライエタリモデルのため、モデル重みをダウンロードしてオフライン実行することはできません
- 極めて高度な専門科学の証明問題では、上位の大型推論特化モデルの方がより深い洞察を提供する場合があります
Token Use & Task Economics
Estimated cost and token consumption to complete one representative agentic task.
| Metric | GPT-3 | GPT-3.5 Turbo |
|---|---|---|
Cost per Task Estimated USD to finish one task | $0.20 | $0.20 |
Output Tokens / Task Tokens generated per task | 24K | 24K |
Reasoning Tokens / Task Thinking tokens burned per task | 0K | 0K |
技術仕様・スペック
Architecture, release timeline, capabilities, and modalities.
| Feature | GPT-3 | GPT-3.5 Turbo |
|---|---|---|
| Official API Model ID (SDK) | gpt-3 | gpt-3-5-turbo |
| API Protocol | OpenAI Responses API & Chat Completions v1 | OpenAI Responses API & Chat Completions v1 |
| Release Date | 2020-06 | 2022-11 |
| Knowledge Cutoff | June 2020 | September 2021 |
| Architecture | Autoregressive Transformer (Davinci) | Transformer with RLHF & PPO |
| Parameters | 175B | Confidential (est. 20B MoE / 175B base) |
| Enterprise Rate Limits (RPM / TPM) | 10,000 – 30,000 RPM (Tier 5 Enterprise) · 800,000 – 2,000,000 TPM | 10,000 – 30,000 RPM (Tier 5 Enterprise) · 800,000 – 2,000,000 TPM |
| Long-Context Tier (>128K/200K) | Flat rate ($20/1M in) across full 2K window | Flat rate ($0.5/1M in) across full 16K window |
| Prompt Cache Policy & TTL | Automatic prefix caching at $5/1M (no extra cache-write fee) | Automatic prefix caching at $0.25/1M (no extra cache-write fee) |
| Computer Use / GUI Agent | Text-only completion (No GUI action loop) | API / CLI Tool-Use & DOM Agent ready (no raw pixel desktop click loop) |
| MCP & Parallel Tool Calling | Prompt-based JSON extraction only | Native MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema |
| Web Search Grounding & Sandbox | Native Web Search tool + Hosted Code Interpreter & File Search RAG | Native Web Search tool + Hosted Code Interpreter & File Search RAG |
| Official Fine-Tuning Support | Supervised Fine-Tuning (SFT), Direct Preference (DPO) & Reinforcement Fine-Tuning (RFT) | Supervised Fine-Tuning (SFT), Direct Preference (DPO) & Reinforcement Fine-Tuning (RFT) |
| Multimodal Token Billing | Text BPE (~4 chars/token) | Text BPE (~4 chars/token) |
| Quantization & Min GPU VRAM | Cloud-Hosted Proprietary (FP8 / BF16 Tensor Core Cluster) · Zero Local VRAM Required (100% Serverless Cloud API) | Cloud-Hosted Proprietary (FP8 / BF16 Tensor Core Cluster) · Zero Local VRAM Required (100% Serverless Cloud API) |
| Safety & Frontier Classification | OpenAI Preparedness Framework Audited & System Card Published | OpenAI Preparedness Framework Audited & System Card Published |
| Enterprise Compliance (ZDR/HIPAA/SOC2) | SOC2 Type II · GDPR · Zero Data Retention (ZDR) & HIPAA BAA Available on Enterprise Tier | SOC2 Type II · GDPR · Zero Data Retention (ZDR) & HIPAA BAA Available on Enterprise Tier |
| Input Modalities | text | text |
| Output Modalities | text | text |
GPT-3 vs GPT-3.5 Turbo: よくある質問 (FAQ)
Which is more intelligent, GPT-3 or GPT-3.5 Turbo?
GPT-3.5 Turbo is more intelligent. It scores 30 compared with 22 on the composite Intelligence Index.
Which model is faster?
GPT-3.5 Turbo is faster, generating 90 tokens per second compared with 40 tokens per second.
Which model is cheaper to run?
GPT-3.5 Turbo is cheaper at $0.42 per 1M tokens blended, compared with $9.50 (7:2:1 cache:input:output ratio).
Which model has lower latency?
GPT-3.5 Turbo has lower latency, with a time to first token of 0.45s compared with 0.90s.
Which model has a larger context window?
GPT-3.5 Turbo has a larger context window, supporting 16.4K tokens compared with 2K tokens.
総合評価
GPT-3（安定したチャット対話、文書要約、一般的なエンタープライズ業務、エンタープライズRAG基盤、スケーラブルな本番API統合に最適。）とGPT-3.5 Turbo（超低遅延のリアルタイム対話、高速ルーティング、大量リクエスト処理、エンタープライズRAG基盤、スケーラブルな本番API統合に最適。）はいずれも優れた選択肢です。高度な推論・コーディング精度ではGPT-3.5 Turboがリードし、応答速度とスループットではGPT-3.5 Turboが優れ、APIコスト効率ではGPT-3.5 Turboが有利です。
よくある質問 (FAQ)
コーディングや複雑な推論には GPT-3 と GPT-3.5 Turbo のどちらが適していますか？+
総合知能指数およびコーディング評価では GPT-3.5 Turbo が優位です。上部の SWE-bench や GPQA スコアもあわせてご確認ください。
GPT-3 と GPT-3.5 Turbo ではどちらのAPI料金が安いですか？+
GPT-3 は100万トークンあたり入力$20.00 / 出力$20.00、GPT-3.5 Turbo は入力$0.50 / 出力$1.50です。総合的なコスト効率では GPT-3.5 Turbo がより経済的です。
コンテキスト長と生成速度はどちらが優れていますか？+
コンテキストウィンドウは GPT-3 が 2K トークン、GPT-3.5 Turbo が 16.4K トークン です。出力スピード（トークン/秒）では GPT-3.5 Turbo がリードしています。
Understand key metrics like context window, token pricing, reasoning mode, and SWE-bench scores in our comprehensive AI glossary.
Related reading
- GPT-4 vs GPT-3.5 Turbo：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- GPT-4 vs GPT-3：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Aion-3.0 vs Aion-Mini：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Aion-3.0 vs Gemini 3.6 Flash：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Aion-Mini vs Laguna XS 2.1：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Aya Expanse 32B vs Llama 3.2 90B Vision：ベンチマーク・API料金・速度の徹底比較 (2026)比較
Benchmark scores, token prices, and rate limits evolve rapidly as AI labs release model updates. Always verify current specifications and pricing on the official provider documentation.
公的ソース: OpenAIおよびOpenAI公式APIドキュメント、システムカード、独立ベンチマーク評価 (2026)。