GPT-5.5→5.6 で判定役の何が変わり、何が変わらなかったか — 同じ判定タスク・同じプロンプトで差分を実測

GPT-5.6へのアップデートを機に、QAエンジニアが利用しているAI判定役（ClaudeとGPT系）の性能変化を検証した記事です。特に、異種ベンダーのモデルを組み合わせるパイプラインにおいて、モデルの更新が判定タスクにどのような影響を与えるかを、同一プロンプトで実測しています。

• GPT-5.6へのアップデート前後で、AI判定役の性能変化を同一プロンプトで実測比較した。
• QAエンジニアが利用するClaudeとGPT系のモデルの性能差を検証した。
• 異種ベンダーのモデルを組み合わせるパイプラインにおけるモデル更新の影響を評価した。
• プロンプトを固定し、モデルのアップデートによる直接的な性能変化を定量的に把握することを目的としている。