BenchLeader

Claude Fable 5.1 vs GPT-5.3-Codex

詳しいプロフィール:Claude Fable 5.1(Anthropic)とGPT-5.3-Codex(OpenAI)。すべてのベンチマーク、価格、順位を掲載しています。

更新 · 11件の情報源のデータ

2026年11月16日時点で、Claude Fable 5.1とGPT-5.3-Codexの品質は互角です(BenchLeader Indexで66.7 対 62.9、±7.7の誤差範囲内)。価格はGPT-5.3-Codexの方が4.2倍安く、100万トークンあたりのブレンド価格で$4.81 対 $20.00です。コーディング(70 対 61)、マルチモーダル(68 対 61)、長文コンテキスト(67 対 66)を重視するならClaude Fable 5.1、エージェント・ツール(80 対 60)を重視するならGPT-5.3-Codexが向いています。回答開始までの時間はGPT-5.3-Codexの方が短く、38.2秒 対 151.4秒です。

要点(2026年11月16日時点)

  • BenchLeader IndexはClaude Fable 5.1が66.7、GPT-5.3-Codexが62.9です(BenchLeader、2026年11月16日)。
  • Claude Fable 5.1の100万トークンあたりのブレンド価格は$20.00です(定価、2026年11月16日)。
  • GPT-5.3-Codexの100万トークンあたりのブレンド価格は$4.81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 Fable 5.1が10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
コーディングClaude Fable 5.1カテゴリスコア70 対 61;LiveCodeBench 90.5% 対 87.3%高
エージェント・ツール利用GPT-5.3-Codexカテゴリスコア80 対 60;AA-Briefcase v1.1 868 対 1671高
長い文書Claude Fable 5.1カテゴリスコア67 対 66;AA-LCR v1.1 85.3% 対 83.3%中
画像などのメディアClaude Fable 5.1カテゴリスコア68 対 61中
チャットの質(人間の評価)–Arenaの評価があるのはClaude Fable 5.1のみです(カテゴリスコア70)比較不可
最低コストGPT-5.3-Codex100万トークンあたりブレンド価格$4.81 対 $20.00;エージェント型コーディングセッション$0.161 対 $0.800–
回答開始の速さGPT-5.3-Codex最初の回答トークンまで38.2秒(GPT-5.3-Codex (xhigh))対 151.4秒(Claude Fable 5.1 (max))–
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

  • Claude Fable 5.1 (max)とGPT-5.3-Codex (xhigh)の品質は互角です(66.7 対 62.9、±7.7の誤差範囲内)。
  • Claude Fable 5.1 (max)はコーディング、長文コンテキスト、マルチモーダルで優れています。
  • GPT-5.3-Codex (xhigh)はエージェント・ツールで優れています。
  • GPT-5.3-Codex (xhigh)の方が4.2倍安くなっています(100万トークンあたりブレンド価格$4.81 対 $20.00)。

概要

仕様Claude Fable 5.1GPT-5.3-Codex
プロバイダーAnthropicOpenAI
リリース日2026年9月1日2026年2月5日
コンテキストウィンドウ(トークン)1,000,000400,000
比較した構成Claude Fable 5.1 (max)GPT-5.3-Codex (xhigh)
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)$10.00 / $50.00 / $0.250$1.75 / $14.00 / $0.175

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Claude Fable 5.1 (max)GPT-5.3-Codex (xhigh)トップ
推論69.4–比較不可
コーディング69.761.0Claude Fable 5.1
エージェント・ツール59.780.1GPT-5.3-Codex
数学72.0–比較不可
知識68.6–比較不可
指示追従–73.6比較不可
人間の評価69.7–比較不可
マルチモーダル67.560.8Claude Fable 5.1
長文コンテキスト67.466.4Claude Fable 5.1
総合70.8–比較不可

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コーディングエージェント・ツール長文コンテキストマルチモーダルClaude Fable 5.1, コーディング: 69.7Claude Fable 5.1, エージェント・ツール: 59.7Claude Fable 5.1, 長文コンテキスト: 67.4Claude Fable 5.1, マルチモーダル: 67.5GPT-5.3-Codex, コーディング: 61.0GPT-5.3-Codex, エージェント・ツール: 80.1GPT-5.3-Codex, 長文コンテキスト: 66.4GPT-5.3-Codex, マルチモーダル: 60.8

描画していないもの(測定済みのモデルが2つ未満):推論, 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、Claude Fable 5.1のリードが10件、GPT-5.3-Codexのリードが0件です。

総合IndexClaude Fable 5.1 (max)GPT-5.3-Codex (xhigh)トップ
BenchLeader Index66.762.9互角

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Claude Fable 5.1 (max)GPT-5.3-Codex (xhigh)
100万トークンあたりのブレンド価格$20.00$4.81
100万トークンあたりの入力/出力$10.00 / $50.00$1.75 / $14.00
100万トークンあたりのキャッシュ入力$0.250$0.175
タスクあたりの価格:チャットの返答$0.019$0.0049
タスクあたりの価格:30ページのレポートを要約$0.150$0.029
タスクあたりの価格:コード編集$0.135$0.032
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$0.800$0.161
タスクあたりの価格:構造化データの抽出$0.030$0.0063
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)$0.361$0.090
ベンチマークのタスクあたりのコスト(AA Index)$12.99–
タスクあたりの出力トークン(AA Index)118k–
うち推論71k–
タスクあたりの時間(AA Index)22 min–
出力速度89 tok/s94 tok/s
回答開始までの時間151.4秒38.2秒
回答が完了するまでの時間(最終測定2026年11月13日)386.7秒97.1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。Claude Fable 5.1 (max)のスコアは66.7、最初の回答トークンまで151秒。Claude Fable 5.1は66.4(4秒)、Claude Fable 5.1 (xhigh)は64.6(98秒)。GPT-5.3-Codex (xhigh)のスコアは62.9、最初の回答トークンまで38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

168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Claude Fable 5.1 (max)GPT-5.3-Codex (xhigh)
BenchLeader IndexBenchLeader66.762.9
エージェント・ツールスコアBenchLeader59.780.1
コーディングスコアBenchLeader69.761.0
総合スコアBenchLeader70.8–
人間の評価スコアBenchLeader69.7–
知識スコアBenchLeader68.6–
長文コンテキストスコアBenchLeader67.466.4
数学スコアBenchLeader72.0–
マルチモーダルスコアBenchLeader67.560.8
推論スコアBenchLeader69.4–
指示追従スコアBenchLeader–73.6
ブレンド価格($/100万トークン)BenchLeader$20.00$4.81
出力速度BenchLeader89 tok/s94 tok/s
回答開始までの時間BenchLeader151.4秒38.2秒
コンテキストウィンドウBenchLeader1,000,000トークン400,000トークン
推論
Humanity's Last ExamScale AI / CAIS46.5%†–
SimpleBenchSimpleBench86.6%†–
Arena Hard PromptsArena (LMArena)1522–
LiveBench 2.0 ReasoningLiveBench91.7%–
LiveBench 1.0 ReasoningLiveBench91.7%–
GPQA Diamond (AA)Artificial Analysis93.7%91.5%
Humanity's Last Exam (AA)Artificial Analysis59.1%42.5%
HLE-Diamond (AA)Artificial Analysis60.1%–
GPQA Diamond (Vals)Vals AI93.4%–
ARC-AGI-1ARC Prize97.5%–
ARC-AGI-2ARC Prize90.0%–
CritPtArtificial Analysis29.7%16.9%
CritPt v2 hard subset (AA)Artificial Analysis52.5%–
MysteryMechanismVals AI47.8%–
HLE-Diamond (Scale)Scale AI SEAL51.3%†–
Arena ExpertArena (LMArena)1533–
Chess PuzzlesEpoch AI Benchmarking Hub48.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub58.0%–
LMCAEpoch AI Benchmarking Hub65.5%†–
DTBenchEpoch AI Benchmarking Hub97.6%†–
ForecastBenchForecastBench65.7%†–
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub–74.8%†
SciCodeSciCode63.1%–
WeirdMLWeirdML92.9%77.9%
FrontierCodeCognition50.9%†–
168件のベンチマークをすべて表示
指標公開元Claude Fable 5.1 (max)GPT-5.3-Codex (xhigh)
コーディング
GSO-BenchGSO-Bench88.2%†–
Arena CodingArena (LMArena)1534–
Arena WebDevArena (LMArena)17421406†
LiveBench 2.0 CodingLiveBench89.7%–
LiveBench 1.0 CodingLiveBench86.4%–
LiveCodeBenchVals AI90.5%87.3%
IOIVals AI90.8%53.8%
SWE-bench (Vals)Vals AI–78.0%
Code MigrationVals AI54.6%–
ProgramBenchVals AI7.0%–
SWE-bench MultimodalVals AI61.3%–
Vibe Code Bench 1-100Vals AI28.0%–
Vibe Code Bench v1.1Vals AI90.3%61.8%
SWE Atlas v1.0: Codebase QnAScale AI SEAL60.0%†–
SWE Atlas v1.0: RefactoringScale AI SEAL56.7%†–
SWE Atlas v1.0: Test WritingScale AI SEAL67.0%†–
SWE Atlas v1.1Scale AI SEAL76.4%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL79.0%†–
SWE Atlas v1.1: Test WritingScale AI SEAL78.9%†–
SWE Atlas v1.1: RefactoringScale AI SEAL71.4%†–
SWE-Bench Pro V2Scale AI SEAL99.1%†–
SWE-Bench Pro V2 HARDScale AI SEAL92.2%†–
MirrorCodeEpoch AI Benchmarking Hub93.3%–
CursorBenchCursor51.8%–
ALE-BenchEpoch AI Benchmarking Hub2143.2†1655.2
FrontierSWEEpoch AI Benchmarking Hub56.3%–
WeirdML v3WeirdML26.0%†–
Terminal-Bench 4.0 (AA)Artificial Analysis52.0%–
Terminal-Bench 2.1 (AA)Artificial Analysis91.4%–
Startrise FrontendStartrise77.1%†–
GameBench 2 OverallDuelLab GameBench 287.1†–
GameBench 2 by reasoning settingDuelLab GameBench 294.0†–
Design Arena WebsiteDesign Arena1305†1155†
FrontierCode 1.1 (AA)Artificial Analysis49.0%–
FrontierCode 2.0 (AA)Artificial Analysis31.6%–
エージェント・ツール
Terminal-BenchTerminal-Bench57.3%78.4%†
Remote Labor IndexScale AI / CAIS17.9%†–
APEX-AgentsMercor68.6%†–
Arena AgentArena (LMArena)14.8–
LiveBench Long AgenticLiveBench74.2%–
LiveBench BrowserLiveBench89.8%–
LiveBench Agentic CodingLiveBench66.1%–
Terminal-Bench HardArtificial Analysis–53.0%
τ²-Bench Telecom (AA)Artificial Analysis–86.0%
Terminal-Bench 2.1 (Vals)Vals AI85.0%†–
MCP AtlasScale AI SEAL87.2%†–
HiL-BenchScale AI SEAL61.5%†4.3%†
GDPval-AA v2.1, normalised scoreArtificial Analysis62.7%–
GDPval-AA v2.1Artificial Analysis1765–
τ³-Banking (AA)Artificial Analysis47.2%–
ITBench SRE (AA)Artificial Analysis49.5%–
Analyst Agent (AA)Artificial Analysis57.5%–
CUA-benchVals AI13.2%–
CyberBenchVals AI70.4%–
Finance Agent v2Vals AI58.9%–
Harvey's Legal Agent Benchmark v1Vals AI6.7%–
Legal Research BenchVals AI55.3%–
Robo-benchVals AI5.8%–
SkillsBenchVals AI61.5%–
SREBenchVals AI22.9%–
Tax Agent BenchVals AI50.8%–
Terminal-Bench 2.0 (Vals)Vals AI–64.0%†
Terminal-Bench 4.0 (Vals)Vals AI58.1%–
Terminal-Bench ScienceVals AI40.0%–
Time Horizon Index: KSPVals AI63.3%–
Arena SearchArena (LMArena)1227†–
Arena Agent Task CompletionArena (LMArena)14.4–
PostTrainBenchEpoch AI Benchmarking Hub44.6%–
METR Time HorizonsMETR–74.5%†
Vending-Bench 2Andon Labs5421.6†5940.1†
SpireClimbEpoch AI Benchmarking Hub2.0%–
AutomationBenchArtificial Analysis59.4%–
GDP.pdf (AA)Artificial Analysis26.2%–
Harvey LAB-AA v1.1Harvey6.4%–
AA-Briefcase v1.1Artificial Analysis1671868
GDPxGDPx by SemiAnalysis8.5%–
Design Arena AgenticDesign Arena1338†1018†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis43.3%–
CWE-Bench (AA)Artificial Analysis50.8%–
DeepSec-Bench (AA)Artificial Analysis23.5%–
CyberGym end-to-end (AA)Artificial Analysis0.8%–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub90.2%–
FrontierMath Tier 4Epoch AI Benchmarking Hub87.8%–
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%–
ProofBenchVals AI100.0%–
LiveBench MathematicsLiveBench97.0%–
Arena MathsArena (LMArena)1526–
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub70.8%–
LiveBench 2.0 Data AnalysisLiveBench80.3%–
LiveBench ResearchLiveBench88.5%–
LiveBench 1.0 Data AnalysisLiveBench80.3%–
AA-Omniscience v1.1Artificial Analysis46.3–
MMLU-ProVals AI92.4%–
LegalBenchVals AI88.5%–
TaxEvalVals AI76.0%–
PRBench FinanceScale AI SEAL50.8%†–
PRBench LegalScale AI SEAL51.6%†–
Excel Modeling BenchmarkVals AI76.7%–
Excel Modeling Benchmark v1.1Vals AI76.7%–
MedCodeVals AI53.5%–
MedScribeVals AI91.3%–
Public Benefits Bench v1.1Vals AI74.9%–
Financial Coaching BenchVals AI75.7%–
Immigration BenchVals AI75.4%–
EBR-benchEpoch AI Benchmarking Hub57.1%–
GDP.pdfEpoch AI Benchmarking Hub27.6%–
AA-Omniscience v1.1: accuracyArtificial Analysis68.4%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis30.0%–
HealthBench Professional (AA)OpenAI57.8%–
指示追従
LiveBench LanguageLiveBench89.5%–
LiveBench Instruction FollowingLiveBench73.0%–
IFBenchArtificial Analysis–75.4%
Arena Instruction FollowingArena (LMArena)1501–
人間の評価
Arena TextArena (LMArena)1502–
EQ-Bench Creative Writing v3EQ-Bench2155†–
Arena Creative WritingArena (LMArena)1490–
Arena Multi-turnArena (LMArena)1485–
Arena Longer QueriesArena (LMArena)1510–
マルチモーダル
Arena VisionArena (LMArena)1322–
LiveBench DesignLiveBench81.6%–
MMMU-ProArtificial Analysis–78.5%
MMMU-Pro (Vals)Vals AI90.6%–
MortgageTaxVals AI70.8%–
Humanity's Sixth SenseScale AI SEAL40.8%†–
GeoBenchGeoBench84.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub41.9%†–
Furniture AssemblyEpoch AI Benchmarking Hub70.0%–
Code2Video-AAArtificial Analysis1325–
AA-3DArtificial Analysis1139–
長文コンテキスト
AA-LCR v1.1Artificial Analysis85.3%83.3%
Arena DocumentArena (LMArena)1498–
MLCRArtificial Analysis15.6%–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub167.0†–
LiveBench 2.0LiveBench84.0%–
LiveBench 1.0LiveBench83.4%–
AA Intelligence Index v5.0.1Artificial Analysis49.2–
AA Intelligence Index v4.3.2Artificial Analysis53.432.5
AA Progress Index v1Artificial Analysis340.8301.3
Vals RSI IndexVals AI36.1%–
AA Cyber IndexArtificial Analysis25.0–
安全性・誠実さ
FORTRESSScale AI SEAL13.7%†–
DistressBenchScale AI SEAL71.5%†–

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 Fable 5.1 (max):新しい結果37件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Claude Fable 5.1 (max):新しい結果1件(GDPval-AA v2.1)。
  • Claude Fable 5.1 (max):BenchLeader Index 67.1 → 66.6。
  • Claude Fable 5.1 (max):新しい結果1件(PostTrainBench)、スコアの改訂1件。
  • Claude Fable 5.1 (max):新しい結果1件(MirrorCode)。
  • Claude Fable 5.1 (max):スコアの改訂1件。
  • Claude Fable 5.1 (max):スコアの改訂1件。
  • Claude Fable 5.1 (max):スコアの改訂1件。
  • Claude Fable 5.1 (max):スコアの改訂1件。
  • Claude Fable 5.1 (max):新しい結果1件(MirrorCode)。

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

Claude Fable 5.1 vs GPT-5.3-Codex:よくある質問

Claude Fable 5.1はGPT-5.3-Codexより優れていますか?
Claude Fable 5.1 (max)とGPT-5.3-Codex (xhigh)の品質は互角です(66.7 対 62.9、±7.7の誤差範囲内)。BenchLeader Indexは第三者による品質ベンチマークをすべて統合した指標です。2026年11月16日時点では両者の差は誤差範囲内なので、用途に合わせてカテゴリ別のスコアを確認してください。
Claude Fable 5.1とGPT-5.3-Codex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GPT-5.3-Codexの方が安く、100万トークンあたり$4.81 対 $20.00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。
コーディングにはClaude Fable 5.1とGPT-5.3-Codexのどちらが向いていますか?
コーディングではClaude Fable 5.1の方がスコアが高くなっています(カテゴリ指標で70 対 61。50が平均)。共通するコーディングベンチマークのうち最も重要なLiveCodeBenchでは、Claude Fable 5.1が90.5%、GPT-5.3-Codexが87.3%です。
Claude Fable 5.1とGPT-5.3-Codexはどちらが速いですか?
GPT-5.3-Codexの方が出力が速くなっています(出力94 対 89トークン/秒、Artificial Analysisの7日間の中央値)。
エージェントやツール利用にはClaude Fable 5.1とGPT-5.3-Codex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GPT-5.3-Codexの方がスコアが高くなっています(カテゴリ指標で80 対 60。50が平均)。
ほかの質問(4件)
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Claude Fable 5.1の方がスコアが高くなっています(67 対 66)。コンテキストはClaude Fable 5.1の方が長く、1,000,000トークンです(GPT-5.3-Codexは400,000トークン)。
レイテンシが低いのはどちらですか?
先に回答を始めるのはGPT-5.3-Codexです。Artificial Analysisの測定では、最初の回答トークンまで38.2秒 対 151.4秒です。この差の大部分は推論エフォートによるもので、設定が高いほど回答前に長く考えます。
Claude Fable 5.1とGPT-5.3-Codex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、Claude Fable 5.1のリードが10件、GPT-5.3-Codexのリードが0件です。
Claude Fable 5.1はいつリリースされましたか?
Claude Fable 5.1は2026年9月1日にリリースされました。