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 Beta | Claude Opus 5 |
|---|---|---|
| プロバイダー | Sapiens AI | Anthropic |
| 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) | 1,000,000 | 1,000,000 |
| 比較した構成 | Agnes 2.5 Pro Beta | Claude 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 Beta | Claude 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 | 64.4 | 63.8 | 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 | 57.7 | 67.2 | Claude Opus 5 |
| 長文コンテキスト | 66.2 | 64.3 | Agnes 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。
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。
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 Beta | Claude 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) | – | $11.82 |
| タスクあたりの出力トークン(AA Index) | – | 118k |
| うち推論 | – | 73k |
| タスクあたりの時間(AA Index) | – | 25 min |
| 出力速度 | – | 80 tok/s |
| 回答開始までの時間 | – | 48.5秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | – | 191.6秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Agnes 2.5 Pro Beta。Claude Opus 5 (max)のスコアは65.0、最初の回答トークンまで49秒。Claude Opus 5 (high)は64.4(17秒)、Claude Opus 5は63.2(2秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
144件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Agnes 2.5 Pro Beta | Claude Opus 5 (max) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | – | 65.0 |
| エージェント・ツールスコア | BenchLeader | 64.4 | 63.8 |
| 長文コンテキストスコア | BenchLeader | 66.2 | 64.3 |
| マルチモーダルスコア | BenchLeader | 57.7 | 67.2 |
| コーディングスコア | BenchLeader | – | 67.0 |
| 人間の評価スコア | BenchLeader | – | 68.1 |
| 知識スコア | BenchLeader | – | 65.2 |
| 数学スコア | BenchLeader | – | 69.8 |
| 推論スコア | BenchLeader | – | 66.1 |
| ブレンド価格($/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 | BenchLeader | 1,000,000トークン | 1,000,000トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | – | 93.9% |
| SimpleBench | SimpleBench | – | 80.6%† |
| Arena Hard Prompts | Arena (LMArena) | – | 1513 |
| LiveBench 1.0 Reasoning | LiveBench | – | 91.2% |
| GPQA Diamond (AA) | Artificial Analysis | 90.5% | 93.2% |
| Humanity's Last Exam (AA) | Artificial Analysis | 37.5% | 54.9% |
| HLE-Diamond (AA) | Artificial Analysis | – | 44.8% |
| GPQA Diamond (Vals) | Vals AI | – | 93.4%† |
| ARC-AGI-1 | ARC Prize | – | 97.5% |
| ARC-AGI-2 | ARC Prize | – | 90.4% |
| ARC-AGI-3 | ARC Prize | – | 30.2%† |
| CritPt | Artificial Analysis | 15.7% | 29.1% |
| CritPt v2 hard subset (AA) | Artificial Analysis | – | 50.0% |
| MysteryMechanism | Vals AI | – | 37.4% |
| HLE-Diamond (Scale) | Scale AI SEAL | – | 38.6%† |
| Arena Expert | Arena (LMArena) | – | 1530 |
| Chess Puzzles | Epoch AI Benchmarking Hub | – | 43.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | – | 59.0% |
| LMCA | Epoch AI Benchmarking Hub | – | 63.3% |
| DTBench | Epoch AI Benchmarking Hub | – | 97.6% |
| ForecastBench | ForecastBench | – | 66.6% |
| BTF-3 | Epoch AI Benchmarking Hub | – | 12.0%† |
| コーディング | |||
| SciCode | SciCode | – | 56.4% |
| WeirdML | WeirdML | – | 91.8% |
| FrontierCode | Cognition | – | 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 Beta | Claude Opus 5 (max) |
|---|---|---|---|
| コーディング | |||
| Arena Coding | Arena (LMArena) | – | 1528 |
| Arena WebDev | Arena (LMArena) | – | 1691 |
| LiveBench 1.0 Coding | LiveBench | – | 81.5% |
| SciCode (AA) | Artificial Analysis | 48.8% | 56.4% |
| LiveCodeBench | Vals AI | – | 89.0% |
| IOI | Vals AI | – | 84.3% |
| SWE-bench (Vals) | Vals AI | – | 97.0%† |
| Code Migration | Vals AI | – | 57.5% |
| ProgramBench | Vals AI | – | 3.0% |
| Vibe Code Bench 1-100 | Vals AI | – | 28.5% |
| Vibe Code Bench v1.1 | Vals AI | – | 88.4%† |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | – | 63.2%† |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | – | 62.2%† |
| SWE-Bench Pro V2 | Scale AI SEAL | – | 99.4%† |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | – | 98.0%† |
| MirrorCode | Epoch AI Benchmarking Hub | – | 87.8% |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | – | 73.7% |
| CursorBench | Cursor | – | 46.6% |
| ALE-Bench | Epoch AI Benchmarking Hub | – | 2164.6† |
| FrontierSWE | Epoch AI Benchmarking Hub | – | 52.0% |
| WeirdML v3 | WeirdML | – | 19.0%† |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | – | 49.0% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 69.7% | 89.1% |
| Startrise Frontend | Startrise | – | 82.3%† |
| GameBench 2 Overall | DuelLab GameBench 2 | – | 76.5† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | – | 84.8† |
| Design Arena Website | Design Arena | – | 1304† |
| FrontierCode 2.0 (AA) | Artificial Analysis | – | 31.1% |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | – | 52.1% |
| OSWorld-Verified 2.0 | OSWorld | – | 31.4% |
| APEX-Agents | Mercor | – | 65.8% |
| Arena Agent | Arena (LMArena) | – | 7.2 |
| LiveBench Agentic Coding | LiveBench | – | 65.2% |
| Terminal-Bench 2.1 (Vals) | Vals AI | – | 84.6%† |
| MCP Atlas | Scale AI SEAL | – | 85.8%† |
| HiL-Bench | Scale AI SEAL | – | 57.0%† |
| τ³-bench Banking | τ²-bench | – | 48.7% |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 41.5% | – |
| GDPval-AA v2.1 | Artificial Analysis | 1335 | 1729 |
| τ³-Banking (AA) | Artificial Analysis | 35.7% | 42.1% |
| Analyst Agent (AA) | Artificial Analysis | – | 53.8% |
| CUA-bench | Vals AI | – | 9.0% |
| CyberBench | Vals AI | – | 65.4% |
| Finance Agent v2 | Vals AI | – | 58.6% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | – | 6.7% |
| Legal Research Bench | Vals AI | – | 55.3% |
| SkillsBench | Vals AI | – | 60.4% |
| SREBench | Vals AI | – | 12.2% |
| Tax Agent Bench | Vals AI | – | 47.1% |
| Terminal-Bench 4.0 (Vals) | Vals AI | – | 53.5% |
| Terminal-Bench Science | Vals AI | – | 27.1% |
| Time Horizon Index: KSP | Vals AI | – | 18.8% |
| Arena Search | Arena (LMArena) | – | 1213† |
| Arena Agent Task Completion | Arena (LMArena) | – | 10.2 |
| BALROG | BALROG | – | 63.4% |
| PostTrainBench | Epoch AI Benchmarking Hub | – | 35.7%† |
| GBAEval | Epoch AI Benchmarking Hub | – | 79.6%† |
| Vending-Bench 2 | Andon Labs | – | 11181.9† |
| AutomationBench | Artificial Analysis | – | 56.6% |
| GDP.pdf (AA) | Artificial Analysis | – | 21.6% |
| EnterpriseOps-Gym | Artificial Analysis | – | 47.5% |
| AA-Briefcase v1.1 | Artificial Analysis | – | 1654 |
| Design Arena Agentic | Design Arena | – | 1270† |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | – | 28.6% |
| DeepSec-Bench (AA) | Artificial Analysis | – | 25.9% |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | – | 85.6% |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | – | 73.2% |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | – | 98.9% |
| ProofBench | Vals AI | – | 99.0% |
| LiveBench Mathematics | LiveBench | – | 95.7% |
| Arena Maths | Arena (LMArena) | – | 1515 |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | – | 0.0% |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | – | 59.9% |
| LiveBench 1.0 Data Analysis | LiveBench | – | 74.5% |
| AA-Omniscience v1.1 | Artificial Analysis | – | 37.6 |
| MMLU-Pro | Vals AI | – | 91.6% |
| LegalBench | Vals AI | – | 87.0% |
| CorpFin | Vals AI | – | 73.2%† |
| TaxEval | Vals AI | – | 75.1%† |
| BioMysteryBench | Vals AI | – | 79.3% |
| Excel Modeling Benchmark | Vals AI | – | 73.6% |
| MedCode | Vals AI | – | 63.6% |
| MedScribe | Vals AI | – | 91.0% |
| Public Benefits Bench v1.1 | Vals AI | – | 76.9% |
| DrugDiscoveryBench | Scale AI SEAL | – | 53.7% |
| EBR-bench | Epoch AI Benchmarking Hub | – | 45.7% |
| GDP.pdf | Epoch AI Benchmarking Hub | – | 24.0% |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | – | 60.9% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | – | 40.6% |
| FACTS Parametric | – | 48.8%† | |
| 指示追従 | |||
| LiveBench Language | LiveBench | – | 88.7% |
| LiveBench Instruction Following | LiveBench | – | 63.8% |
| Arena Instruction Following | Arena (LMArena) | – | 1494 |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | – | 1489 |
| EQ-Bench 4 | EQ-Bench | – | 1365† |
| EQ-Bench Creative Writing v3 | EQ-Bench | – | 2135† |
| Arena Creative Writing | Arena (LMArena) | – | 1473 |
| Arena Multi-turn | Arena (LMArena) | – | 1486 |
| Arena Longer Queries | Arena (LMArena) | – | 1502 |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | – | 1318† |
| MMMU-Pro | Artificial Analysis | 75.4% | 84.7% |
| MMMU-Pro (Vals) | Vals AI | – | 89.9% |
| MortgageTax | Vals AI | – | 72.1%† |
| Humanity's Sixth Sense | Scale AI SEAL | – | 30.5% |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | – | 30.4%† |
| Furniture Assembly | Epoch AI Benchmarking Hub | – | 60.8% |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 83.0% | 79.3% |
| Arena Document | Arena (LMArena) | – | 1486† |
| MLCR | Artificial Analysis | – | 11.1% |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | – | 164.7† |
| LiveBench 1.0 | LiveBench | – | 80.1% |
| AA Intelligence Index v5.0.1 | Artificial Analysis | – | 44.2 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 35.2 | 50.8 |
| AA Progress Index v1 | Artificial Analysis | 299.1 | 333.7 |
| Vals RSI Index | Vals AI | – | 33.0% |
| Vals Science Index | Vals AI | – | 47.9% |
| Vals Multimodal Index | Vals AI | – | 73.9%† |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | – | 16.8%† |
| DistressBench | Scale 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)。
関連する比較
- Claude Opus 5 vs Claude Fable 5.2
- Claude Opus 5 vs Gemini 4 Carbon
- Claude Opus 5 vs Claude Opus 5.5
- Claude Opus 5 vs GPT-6 Astra
- Agnes 2.5 Pro Beta vs GPT-6 Sol
- Agnes 2.5 Pro Beta vs Muse Wonder Full
- Agnes 2.5 Pro Beta vs Muse Spark 1.3
- Agnes 2.5 Pro Beta vs Kimi K3
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。