BenchLeader

Agnes 2.5 Pro Beta vs Claude Opus 5

詳しいプロフィール:Agnes 2.5 Pro Beta(Sapiens AI)とClaude Opus 5(Anthropic)。すべてのベンチマーク、価格、順位を掲載しています。

更新 · 12件の情報源のデータ

2026年11月16日時点で、共通するベンチマークが少なく、品質の判定はできません。価格はAgnes 2.5 Pro Betaの方が67倍安く、100万トークンあたりのブレンド価格で$0.150 対 $10.00です。長文コンテキスト(66 対 64)を重視するならAgnes 2.5 Pro Beta、マルチモーダル(67 対 58)を重視するならClaude Opus 5が向いています。

要点(2026年11月16日時点)

  • Agnes 2.5 Pro Betaの100万トークンあたりのブレンド価格は$0.150です(定価、2026年11月16日)。
  • Claude Opus 5の100万トークンあたりのブレンド価格は$10.00です(定価、2026年11月16日)。
  • 両モデルに結果がある10件のベンチマークのうち、Claude Opus 5が9件でリードしています(BenchLeader、2026年11月16日)。

用途別のおすすめ

おすすめ側の数値を先に示しています。カテゴリスコアはBenchLeaderの尺度(50が平均的なモデル、15ポイントが1標準偏差)です。標準偏差の半分以上の差があれば信頼度「高」、1ポイント未満の差は「どちらでも」としています。

用途おすすめ理由信頼度
エージェント・ツール利用どちらでもカテゴリスコア64 対 64;τ³-Banking (AA) 35.7% 対 42.1%どちらでも
長い文書Agnes 2.5 Pro Betaカテゴリスコア66 対 64;AA-LCR v1.1 83.0% 対 79.3%中
画像などのメディアClaude Opus 5カテゴリスコア67 対 58;MMMU-Pro 84.7% 対 75.4%高
チャットの質(人間の評価)–Arenaの評価があるのはClaude Opus 5のみです(カテゴリスコア68)比較不可
低予算での大量処理フラッグシップ以外小型モデルの方が適していることがほとんどです:安くて優秀なLLM、最速のLLM–

主な違い

  • 共通するベンチマークが少なく、判定できません。
  • Agnes 2.5 Pro Betaはエージェント・ツール、長文コンテキストで優れています。
  • Claude Opus 5 (max)はマルチモーダルで優れています。
  • Agnes 2.5 Pro Betaの方が67倍安くなっています(100万トークンあたりブレンド価格$0.150 対 $10.00)。

概要

仕様Agnes 2.5 Pro BetaClaude Opus 5
プロバイダーSapiens AIAnthropic
リリース日2026年8月26日2026年7月24日
コンテキストウィンドウ(トークン)1,000,0001,000,000
比較した構成Agnes 2.5 Pro BetaClaude Opus 5 (max)
オープンウェイトなしなし
100万トークンあたりの価格(入力/出力/キャッシュ入力)–$5.00 / $25.00 / $0.500

カテゴリ別の比較

カテゴリスコアはBenchLeaderの尺度で、50が評価対象モデルの平均、15ポイントが1標準偏差です。1ポイント未満の差は互角としています。

カテゴリAgnes 2.5 Pro BetaClaude Opus 5 (max)トップ
推論–66.1比較不可
コーディング–67.0比較不可
エージェント・ツール64.463.8互角
数学–69.8比較不可
知識–65.2比較不可
人間の評価–68.1比較不可
マルチモーダル57.767.2Claude Opus 5
長文コンテキスト66.264.3Agnes 2.5 Pro Beta

1つのグラフで比較

各分野をIndexと同じ尺度(平均的なモデルが50)で示しています。分野をクリックすると、その元になったベンチマークが表示されます。 リストから最大5モデルまで選べます。

2550 avg75エージェント・ツール長文コンテキストマルチモーダルAgnes 2.5 Pro Beta, エージェント・ツール: 64.4Agnes 2.5 Pro Beta, 長文コンテキスト: 66.2Agnes 2.5 Pro Beta, マルチモーダル: 57.7Claude Opus 5, エージェント・ツール: 63.8Claude Opus 5, 長文コンテキスト: 64.3Claude Opus 5, マルチモーダル: 67.2

描画していないもの(測定済みのモデルが2つ未満):推論, コーディング, 数学, 知識, 指示追従, 人間の評価。

モデル(クリックで追加・削除)Index

情報源で評価が分かれる点

両方に結果がある10件のベンチマークのうち、Agnes 2.5 Pro Betaのリードが1件、Claude Opus 5のリードが9件です。

公開元ごとにタスク、評価環境、エフォートの設定が異なるため、総合的な評価が食い違うことがあります。BenchLeaderはそれらを1つの尺度にそろえています。†は同じモデルの別のエフォート設定での測定値です(公開元がここで比較している設定をテストしていないため)。

価格・速度・レイテンシ

定価は、出力1トークンにつき入力3トークンの比率でブレンドしています。タスクあたりの価格は、算出方法のページに記載したトークン数で計算しています。ベンチマークのタスクあたりのコスト、トークン数、時間は実測値で、Artificial AnalysisのIntelligence Index全体の平均です。

指標Agnes 2.5 Pro BetaClaude Opus 5 (max)
100万トークンあたりのブレンド価格–$10.00
100万トークンあたりの入力/出力– / –$5.00 / $25.00
100万トークンあたりのキャッシュ入力–$0.500
タスクあたりの価格:チャットの返答–$0.0095
タスクあたりの価格:30ページのレポートを要約–$0.075
タスクあたりの価格:コード編集–$0.068
タスクあたりの価格:エージェント型コーディングセッション–$0.400
タスクあたりの価格:構造化データの抽出–$0.015
エージェント型コーディングセッション(入力の大半がキャッシュ)–$0.198
ベンチマークのタスクあたりのコスト(AA Index)–$11.82
タスクあたりの出力トークン(AA Index)–118k
うち推論–73k
タスクあたりの時間(AA Index)–25 min
出力速度–80 tok/s
回答開始までの時間–48.5秒
回答が完了するまでの時間(最終測定2026年11月13日)–191.6秒

各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Agnes 2.5 Pro Beta。Claude Opus 5 (max)のスコアは65.0、最初の回答トークンまで49秒。Claude Opus 5 (high)は64.4(17秒)、Claude Opus 5は63.2(2秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか

全ベンチマーク

144件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。

指標公開元Agnes 2.5 Pro BetaClaude Opus 5 (max)
BenchLeader IndexBenchLeader–65.0
エージェント・ツールスコアBenchLeader64.463.8
長文コンテキストスコアBenchLeader66.264.3
マルチモーダルスコアBenchLeader57.767.2
コーディングスコアBenchLeader–67.0
人間の評価スコアBenchLeader–68.1
知識スコアBenchLeader–65.2
数学スコアBenchLeader–69.8
推論スコアBenchLeader–66.1
ブレンド価格($/100万トークン)BenchLeader–$10.00
出力速度BenchLeader–80 tok/s
回答開始までの時間BenchLeader–48.5秒
コンテキストウィンドウBenchLeader1,000,000トークン1,000,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub–93.9%
SimpleBenchSimpleBench–80.6%†
Arena Hard PromptsArena (LMArena)–1513
LiveBench 1.0 ReasoningLiveBench–91.2%
GPQA Diamond (AA)Artificial Analysis90.5%93.2%
Humanity's Last Exam (AA)Artificial Analysis37.5%54.9%
HLE-Diamond (AA)Artificial Analysis–44.8%
GPQA Diamond (Vals)Vals AI–93.4%†
ARC-AGI-1ARC Prize–97.5%
ARC-AGI-2ARC Prize–90.4%
ARC-AGI-3ARC Prize–30.2%†
CritPtArtificial Analysis15.7%29.1%
CritPt v2 hard subset (AA)Artificial Analysis–50.0%
MysteryMechanismVals AI–37.4%
HLE-Diamond (Scale)Scale AI SEAL–38.6%†
Arena ExpertArena (LMArena)–1530
Chess PuzzlesEpoch AI Benchmarking Hub–43.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub–59.0%
LMCAEpoch AI Benchmarking Hub–63.3%
DTBenchEpoch AI Benchmarking Hub–97.6%
ForecastBenchForecastBench–66.6%
BTF-3Epoch AI Benchmarking Hub–12.0%†
コーディング
SciCodeSciCode–56.4%
WeirdMLWeirdML–91.8%
FrontierCodeCognition–53.4%
144件のベンチマークをすべて表示
指標公開元Agnes 2.5 Pro BetaClaude Opus 5 (max)
コーディング
Arena CodingArena (LMArena)–1528
Arena WebDevArena (LMArena)–1691
LiveBench 1.0 CodingLiveBench–81.5%
SciCode (AA)Artificial Analysis48.8%56.4%
LiveCodeBenchVals AI–89.0%
IOIVals AI–84.3%
SWE-bench (Vals)Vals AI–97.0%†
Code MigrationVals AI–57.5%
ProgramBenchVals AI–3.0%
Vibe Code Bench 1-100Vals AI–28.5%
Vibe Code Bench v1.1Vals AI–88.4%†
SWE Atlas v1.0: Codebase QnAScale AI SEAL–63.2%†
SWE Atlas v1.0: Test WritingScale AI SEAL–62.2%†
SWE-Bench Pro V2Scale AI SEAL–99.4%†
SWE-Bench Pro V2 HARDScale AI SEAL–98.0%†
MirrorCodeEpoch AI Benchmarking Hub–87.8%
DeepSWE v1.1Epoch AI Benchmarking Hub–73.7%
CursorBenchCursor–46.6%
ALE-BenchEpoch AI Benchmarking Hub–2164.6†
FrontierSWEEpoch AI Benchmarking Hub–52.0%
WeirdML v3WeirdML–19.0%†
Terminal-Bench 4.0 (AA)Artificial Analysis–49.0%
Terminal-Bench 2.1 (AA)Artificial Analysis69.7%89.1%
Startrise FrontendStartrise–82.3%†
GameBench 2 OverallDuelLab GameBench 2–76.5†
GameBench 2 by reasoning settingDuelLab GameBench 2–84.8†
Design Arena WebsiteDesign Arena–1304†
FrontierCode 2.0 (AA)Artificial Analysis–31.1%
エージェント・ツール
Terminal-BenchTerminal-Bench–52.1%
OSWorld-Verified 2.0OSWorld–31.4%
APEX-AgentsMercor–65.8%
Arena AgentArena (LMArena)–7.2
LiveBench Agentic CodingLiveBench–65.2%
Terminal-Bench 2.1 (Vals)Vals AI–84.6%†
MCP AtlasScale AI SEAL–85.8%†
HiL-BenchScale AI SEAL–57.0%†
τ³-bench Bankingτ²-bench–48.7%
GDPval-AA v2.1, normalised scoreArtificial Analysis41.5%–
GDPval-AA v2.1Artificial Analysis13351729
τ³-Banking (AA)Artificial Analysis35.7%42.1%
Analyst Agent (AA)Artificial Analysis–53.8%
CUA-benchVals AI–9.0%
CyberBenchVals AI–65.4%
Finance Agent v2Vals AI–58.6%
Harvey's Legal Agent Benchmark v1Vals AI–6.7%
Legal Research BenchVals AI–55.3%
SkillsBenchVals AI–60.4%
SREBenchVals AI–12.2%
Tax Agent BenchVals AI–47.1%
Terminal-Bench 4.0 (Vals)Vals AI–53.5%
Terminal-Bench ScienceVals AI–27.1%
Time Horizon Index: KSPVals AI–18.8%
Arena SearchArena (LMArena)–1213†
Arena Agent Task CompletionArena (LMArena)–10.2
BALROGBALROG–63.4%
PostTrainBenchEpoch AI Benchmarking Hub–35.7%†
GBAEvalEpoch AI Benchmarking Hub–79.6%†
Vending-Bench 2Andon Labs–11181.9†
AutomationBenchArtificial Analysis–56.6%
GDP.pdf (AA)Artificial Analysis–21.6%
EnterpriseOps-GymArtificial Analysis–47.5%
AA-Briefcase v1.1Artificial Analysis–1654
Design Arena AgenticDesign Arena–1270†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–28.6%
DeepSec-Bench (AA)Artificial Analysis–25.9%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub–85.6%
FrontierMath Tier 4Epoch AI Benchmarking Hub–73.2%
OTIS Mock AIMEEpoch AI Benchmarking Hub–98.9%
ProofBenchVals AI–99.0%
LiveBench MathematicsLiveBench–95.7%
Arena MathsArena (LMArena)–1515
FrontierMath ErdősEpoch AI Benchmarking Hub–0.0%
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub–59.9%
LiveBench 1.0 Data AnalysisLiveBench–74.5%
AA-Omniscience v1.1Artificial Analysis–37.6
MMLU-ProVals AI–91.6%
LegalBenchVals AI–87.0%
CorpFinVals AI–73.2%†
TaxEvalVals AI–75.1%†
BioMysteryBenchVals AI–79.3%
Excel Modeling BenchmarkVals AI–73.6%
MedCodeVals AI–63.6%
MedScribeVals AI–91.0%
Public Benefits Bench v1.1Vals AI–76.9%
DrugDiscoveryBenchScale AI SEAL–53.7%
EBR-benchEpoch AI Benchmarking Hub–45.7%
GDP.pdfEpoch AI Benchmarking Hub–24.0%
AA-Omniscience v1.1: accuracyArtificial Analysis–60.9%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–40.6%
FACTS ParametricGoogle–48.8%†
指示追従
LiveBench LanguageLiveBench–88.7%
LiveBench Instruction FollowingLiveBench–63.8%
Arena Instruction FollowingArena (LMArena)–1494
人間の評価
Arena TextArena (LMArena)–1489
EQ-Bench 4EQ-Bench–1365†
EQ-Bench Creative Writing v3EQ-Bench–2135†
Arena Creative WritingArena (LMArena)–1473
Arena Multi-turnArena (LMArena)–1486
Arena Longer QueriesArena (LMArena)–1502
マルチモーダル
Arena VisionArena (LMArena)–1318†
MMMU-ProArtificial Analysis75.4%84.7%
MMMU-Pro (Vals)Vals AI–89.9%
MortgageTaxVals AI–72.1%†
Humanity's Sixth SenseScale AI SEAL–30.5%
Blueprint-Bench 2Epoch AI Benchmarking Hub–30.4%†
Furniture AssemblyEpoch AI Benchmarking Hub–60.8%
長文コンテキスト
AA-LCR v1.1Artificial Analysis83.0%79.3%
Arena DocumentArena (LMArena)–1486†
MLCRArtificial Analysis–11.1%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–164.7†
LiveBench 1.0LiveBench–80.1%
AA Intelligence Index v5.0.1Artificial Analysis–44.2
AA Intelligence Index v4.3.2Artificial Analysis35.250.8
AA Progress Index v1Artificial Analysis299.1333.7
Vals RSI IndexVals AI–33.0%
Vals Science IndexVals AI–47.9%
Vals Multimodal IndexVals AI–73.9%†
安全性・誠実さ
FORTRESSScale AI SEAL–16.8%†
DistressBenchScale AI SEAL–70.2%†

データは2026年11月16日時点。各モデルの最良の構成で比較しています。すべてのスコアの出典はモデルのページにリンクしています。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

最近の変化

  • Claude Opus 5 (max):新しい結果25件(LiveCodeBench, MMLU-Pro, IOI…)。
  • Claude Opus 5 (max):新しい結果1件(GDPval-AA v2.1)。
  • Claude Opus 5 (max):新しい結果1件(MirrorCode)。
  • Claude Opus 5 (max):BenchLeader Index 65.5 → 65.0。
  • Claude Opus 5 (max):新しい結果7件(AA Intelligence Index v5.0.1, HLE-Diamond (AA), AA-Omniscience v1.1…)。
  • Claude Opus 5 (max):新しい結果1件(MirrorCode)。
  • Claude Opus 5 (max):スコアの改訂1件。
  • Claude Opus 5 (max):BenchLeader Index 66.3 → 65.5。
  • Agnes 2.5 Pro Beta:新しい結果1件(AA Progress Index v1)。
  • Claude Opus 5 (max):新しい結果1件(AA Progress Index v1)。

ランキング: 総合ベストLLM · エージェントに最適なLLM · 安くて優秀なLLM

Agnes 2.5 Pro Beta vs Claude Opus 5:よくある質問

Agnes 2.5 Pro BetaとClaude Opus 5はどちらが安いですか?今後変わる予定はありますか?
現在はAgnes 2.5 Pro Betaの方が安く、100万トークンあたり$0.150 対 $10.00です(出力1トークンにつき入力3トークンでブレンド)。どちらも価格変更は発表されていません。
エージェントやツール利用にはAgnes 2.5 Pro BetaとClaude Opus 5のどちらが向いていますか?
エージェント型のタスクでは互角です(カテゴリ指標で64 対 64)。共通するエージェント・ツールベンチマークのうち最も重要なτ³-Banking (AA)では、Agnes 2.5 Pro Betaが35.7%、Claude Opus 5が42.1%です。
長い文書にはどちらが向いていますか?
長文コンテキストのベンチマークではAgnes 2.5 Pro Betaの方がスコアが高くなっています(66 対 64)。どちらも1,000,000トークンのコンテキストに対応しています。
Agnes 2.5 Pro BetaとClaude Opus 5について、第三者ベンチマークの評価は一致していますか?
両方に結果がある10件のベンチマークのうち、Agnes 2.5 Pro Betaのリードが1件、Claude Opus 5のリードが9件です。
Agnes 2.5 Pro Betaはいつリリースされましたか?
Agnes 2.5 Pro Betaは2026年8月26日にリリースされました。