BenchLeader

Claude Fable 5.2 vs GPT-5.4

詳しいプロフィール:Claude Fable 5.2(Anthropic)とGPT-5.4(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 · 15件の情報源のデータ

2026年11月16日時点で、品質ではClaude Fable 5.2がGPT-5.4を上回ります(BenchLeader Indexで72.7 対 63.1)。ただし、価格はGPT-5.4の方が2.8倍安く、100万トークンあたりのブレンド価格で$5.63 対 $16.00です。両方を測定できるすべてのカテゴリでClaude Fable 5.2がリードしています。Claude Fable 5.2の方が出力が速いです。

要点(2026年11月16日時点)

  • BenchLeader IndexはClaude Fable 5.2が72.7、GPT-5.4が63.1です(BenchLeader、2026年11月16日)。
  • Claude Fable 5.2の100万トークンあたりのブレンド価格は$16.00です(定価、2026年11月16日)。
  • GPT-5.4の100万トークンあたりのブレンド価格は$5.63です(定価、2026年11月16日)。
  • Claude Fable 5.2はGPT-5.4より出力が速いです(Artificial Analysis、7日間の中央値、2026年11月16日)。
  • 両モデルに結果がある19件のベンチマークのうち、Claude Fable 5.2が19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 5.2カテゴリスコア80 対 65;SciCode 67.7% 対 56.6%高
エージェント・ツール利用Claude Fable 5.2カテゴリスコア77 対 63;GDPval-AA v2.1 1831 対 1256高
数学Claude Fable 5.2カテゴリスコア75 対 65;FrontierMath Tiers 1–3 95.1% 対 78.6%高
推論Claude Fable 5.2カテゴリスコア76 対 66;GPQA Diamond 93.9% 対 93.3%高
知識Claude Fable 5.2カテゴリスコア86 対 59;SimpleQA Verified 94.0% 対 45.1%高
長い文書どちらでもカテゴリスコア66 対 66;AA-LCR v1.1 83.3% 対 82.0%どちらでも
最低コストGPT-5.4100万トークンあたりブレンド価格$5.63 対 $16.00;エージェント型コーディングセッション$0.210 対 $0.640–
回答開始の速さGPT-5.4最初の回答トークンまで144.9秒(GPT-5.4 (xhigh))対 232.1秒(Claude Fable 5.2 (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

  • 品質ではClaude Fable 5.2 (max)がリードしています:72.7 対 63.1。
  • Claude Fable 5.2 (max)はエージェント・ツール、コーディング、知識、長文コンテキスト、数学、推論で優れています。
  • GPT-5.4 (xhigh)の方が2.8倍安くなっています(100万トークンあたりブレンド価格$5.63 対 $16.00)。
  • Claude Fable 5.2 (max)の方が出力が1.5倍速くなっています(109 対 73トークン/秒)。

概要

仕様Claude Fable 5.2GPT-5.4
プロバイダーAnthropicOpenAI
リリース日2026年11月9日2026年3月5日
コンテキストウィンドウ(トークン)1,000,0001,050,000
比較した構成Claude Fable 5.2 (max)GPT-5.4 (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)$8.00 / $40.00 / $0.200$2.50 / $15.00 / $0.250

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 5.2 (max)GPT-5.4 (xhigh)トップ
推論75.765.7Claude Fable 5.2
コーディング79.764.7Claude Fable 5.2
エージェント・ツール77.363.0Claude Fable 5.2
数学74.564.8Claude Fable 5.2
知識86.358.6Claude Fable 5.2
指示追従–72.4比較不可
マルチモーダル–60.8比較不可
長文コンテキスト66.465.7互角

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推論コーディングエージェント・ツール数学知識長文コンテキストClaude Fable 5.2, 推論: 75.7Claude Fable 5.2, コーディング: 79.7Claude Fable 5.2, エージェント・ツール: 77.3Claude Fable 5.2, 数学: 74.5Claude Fable 5.2, 知識: 86.3Claude Fable 5.2, 長文コンテキスト: 66.4GPT-5.4, 推論: 65.7GPT-5.4, コーディング: 64.7GPT-5.4, エージェント・ツール: 63.0GPT-5.4, 数学: 64.8GPT-5.4, 知識: 58.6GPT-5.4, 長文コンテキスト: 65.7

描画していないもの(測定済みのモデルが2つ未満):指示追従, マルチモーダル, 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19件のベンチマークのうち、Claude Fable 5.2のリードが19件、GPT-5.4のリードが0件です。両方を評価しているすべての総合指標で、Claude Fable 5.2が上回っています。

総合IndexClaude Fable 5.2 (max)GPT-5.4 (xhigh)トップ
BenchLeader Index72.763.1Claude Fable 5.2

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 5.2 (max)GPT-5.4 (xhigh)
100万トークンあたりのブレンド価格$16.00$5.63
100万トークンあたりの入力/出力$8.00 / $40.00$2.50 / $15.00
100万トークンあたりのキャッシュ入力$0.200$0.250
タスクあたりの価格:チャットの返答$0.015$0.0055
タスクあたりの価格:30ページのレポートを要約$0.120$0.039
タスクあたりの価格:コード編集$0.108$0.037
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$0.640$0.210
タスクあたりの価格:構造化データの抽出$0.024$0.0080
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)$0.289$0.109
ベンチマークのタスクあたりのコスト(AA Index)$26.54–
タスクあたりの出力トークン(AA Index)274k–
うち推論193k–
タスクあたりの時間(AA Index)42 min–
出力速度109 tok/s73 tok/s
回答開始までの時間232.1秒144.9秒
回答が完了するまでの時間(最終測定2026年11月13日)456.8秒193.1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 5.2 (max)のスコアは72.7、最初の回答トークンまで232秒。Claude Fable 5.2 (xhigh)は69.7(73秒)、Claude Fable 5.2 (high)は68.4(27秒)。GPT-5.4 (xhigh)のスコアは63.1、最初の回答トークンまで145秒。GPT-5.4 (low)は58.8(3秒)、GPT-5.4 (high)は58.6(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

177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 5.2 (max)GPT-5.4 (xhigh)
BenchLeader IndexBenchLeader72.763.1
エージェント・ツールスコアBenchLeader77.363.0
コーディングスコアBenchLeader79.764.7
知識スコアBenchLeader86.358.6
長文コンテキストスコアBenchLeader66.465.7
数学スコアBenchLeader74.564.8
推論スコアBenchLeader75.765.7
指示追従スコアBenchLeader–72.4
マルチモーダルスコアBenchLeader–60.8
ブレンド価格($/100万トークン)BenchLeader$16.00$5.63
出力速度BenchLeader109 tok/s73 tok/s
回答開始までの時間BenchLeader232.1秒144.9秒
コンテキストウィンドウBenchLeader1,000,000トークン1,050,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub93.9%93.3%
Humanity's Last ExamScale AI / CAIS–36.2%
SimpleBenchSimpleBench94.9%†–
Arena Hard PromptsArena (LMArena)–1487†
LiveBench 2.0 ReasoningLiveBench88.8%†–
LiveBench 1.0 ReasoningLiveBench–88.1%
GPQA Diamond (AA)Artificial Analysis–92.0%
Humanity's Last Exam (AA)Artificial Analysis74.3%43.7%
HLE-Diamond (AA)Artificial Analysis80.2%–
GPQA Diamond (Vals)Vals AI–91.7%
Kagi LLM BenchmarkKagi LLM Benchmark–63.8%†
ARC-AGI-1ARC Prize97.5%93.7%
ARC-AGI-2ARC Prize92.5%74.0%
ARC-AGI-3ARC Prize94.9%0.2%†
CritPtArtificial Analysis35.4%23.4%
CritPt v2 hard subset (AA)Artificial Analysis76.5%–
MysteryMechanismVals AI51.8%†–
HLE-Diamond (Scale)Scale AI SEAL72.4%†–
Arena ExpertArena (LMArena)–1491†
Chess PuzzlesEpoch AI Benchmarking Hub79.0%48.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub90.0%37.0%
CL-benchEpoch AI Benchmarking Hub–27.9%
CL-bench LifeEpoch AI Benchmarking Hub–21.7%
LMCAEpoch AI Benchmarking Hub70.1%†52.0%
DTBenchEpoch AI Benchmarking Hub99.2%†94.4%
177件のベンチマークをすべて表示
指標公開元Claude Fable 5.2 (max)GPT-5.4 (xhigh)
推論
ForecastBenchForecastBench–63.0%†
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub–76.9%†
SciCodeSciCode67.7%56.6%
WeirdMLWeirdML–77.7%
GSO-BenchGSO-Bench–31.4%
Arena CodingArena (LMArena)–1511†
Arena WebDevArena (LMArena)1838†1400†
LiveBench 2.0 CodingLiveBench79.2%†–
LiveBench 1.0 CodingLiveBench–77.5%
SciCode (AA)Artificial Analysis67.7%–
LiveCodeBenchVals AI–84.1%
SWE-bench (Vals)Vals AI–78.2%
SWE-Bench ProScale AI SEAL–59.1%
Code MigrationVals AI–35.0%
Code Migration v1.1Vals AI83.3%†–
ProgramBenchVals AI19.0%†0.0%
SWE-bench MultimodalVals AI62.3%†–
Vibe Code Bench v1.1Vals AI93.8%†67.4%
SWE-Bench Pro (private)Scale AI SEAL–43.4%
SWE Atlas v1.0: Codebase QnAScale AI SEAL–40.8%
SWE Atlas v1.0: RefactoringScale AI SEAL–44.3%
SWE Atlas v1.0: Test WritingScale AI SEAL–44.4%
SWE Atlas v1.1Scale AI SEAL80.5%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL83.9%†–
SWE Atlas v1.1: Test WritingScale AI SEAL77.8%†–
SWE Atlas v1.1: RefactoringScale AI SEAL80.0%†–
MirrorCodeEpoch AI Benchmarking Hub–23.3%
DeepSWE v1.1Epoch AI Benchmarking Hub–51.8%
CursorBenchCursor60.0%–
ALE-BenchEpoch AI Benchmarking Hub2509.8†1607†
AlgoTuneAlgoTune–1.9†
FrontierSWEEpoch AI Benchmarking Hub69.9%–
Terminal-Bench 4.0 (AA)Artificial Analysis59.6%–
Terminal-Bench 2.1 (AA)Artificial Analysis–78.3%
GameBench 2 OverallDuelLab GameBench 295.0†53.4†
GameBench 2 by reasoning settingDuelLab GameBench 299.1†62.1
Design Arena WebsiteDesign Arena1352†1190†
FrontierCode 1.1 (AA)Artificial Analysis56.2%–
FrontierCode 2.0 (AA)Artificial Analysis48.8%–
エージェント・ツール
Terminal-BenchTerminal-Bench65.8%81.8%†
Remote Labor IndexScale AI / CAIS41.3%†–
APEX-AgentsMercor80.1%†52.4%†
Arena AgentArena (LMArena)30.4–
LiveBench Long AgenticLiveBench82.9%†–
LiveBench BrowserLiveBench86.9%†–
LiveBench Agentic CodingLiveBench–53.8%
Terminal-Bench HardArtificial Analysis–57.6%
τ²-Bench Telecom (AA)Artificial Analysis–87.1%
MCP AtlasScale AI SEAL–70.6%
HiL-BenchScale AI SEAL80.0%†9.7%†
τ³-bench Bankingτ²-bench–39.4%
GDPval-AA v2.1Artificial Analysis18311256
τ³-Banking (AA)Artificial Analysis–39.6%
APEX-Agents (AA)Artificial Analysis–33.3%
Finance Agent v2.1Vals AI69.5%†–
Harvey's Legal Agent Benchmark v1.1Vals AI5.0%†–
Harvey's Legal Agent Benchmark v1Vals AI–0.0%
Legal Research BenchVals AI46.1%†–
SkillsBenchVals AI–51.7%
Tax Agent BenchVals AI32.1%†–
Terminal-Bench 2.0 (Vals)Vals AI–58.4%†
Terminal-Bench 4.0 (Vals)Vals AI65.2%†–
Terminal-Bench ScienceVals AI55.7%†–
Arena SearchArena (LMArena)–1196†
Arena Agent Task CompletionArena (LMArena)22–
DeepResearch BenchDeepResearch Bench–35.1%†
PostTrainBenchEpoch AI Benchmarking Hub–17.8%†
METR Time HorizonsMETR–74.3%
GBAEvalEpoch AI Benchmarking Hub–45.1%†
Vending-Bench 2Andon Labs–6144.2†
SpireClimbEpoch AI Benchmarking Hub15.3%–
AutomationBenchArtificial Analysis76.4%–
GDP.pdf (AA)Artificial Analysis24.2%–
Harvey LAB-AA v1.1Harvey7.2%–
AA-Briefcase v1.1Artificial Analysis1785–
GDPxGDPx by SemiAnalysis16.4%–
Design Arena AgenticDesign Arena1373†1042†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis73.3%–
MKA (AA)Artificial Analysis56.6%–
DeepSearchQAGoogle–63.7%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub95.1%78.6%
FrontierMath Tier 4Epoch AI Benchmarking Hub100.0%49.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub99.7%95.3%
ProofBenchVals AI100.0%56.0%
LiveBench MathematicsLiveBench–94.2%
AIME (Vals)Vals AI–96.7%
AIME 2026MathArena–99.2%
HMMT February 2026MathArena–97.7%
USAMO 2026MathArena–95.2%
MathArena ApexMathArena–54.2%
Arena MathsArena (LMArena)–1459†
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub94.0%45.1%
LiveBench 2.0 Data AnalysisLiveBench81.5%†–
LiveBench ResearchLiveBench94.5%†–
LiveBench 1.0 Data AnalysisLiveBench–79.3%
AA-Omniscience v1.1Artificial Analysis66.8–
MMLU-ProVals AI–87.5%
LegalBenchVals AI–86.0%
CorpFinVals AI–65.3%
TaxEvalVals AI–74.0%
MedQAVals AI–96.1%
PRBench FinanceScale AI SEAL47.1%†45.6%†
PRBench LegalScale AI SEAL49.0%†44.4%†
MultiNRCScale AI SEAL–58.3%†
BioMysteryBenchVals AI83.7%†–
CaseLaw v2Vals AI–63.8%
Excel Modeling Benchmark v1.1Vals AI77.4%†–
MedCodeVals AI–41.3%
MedScribeVals AI–77.5%
Immigration BenchVals AI74.0%†–
EBR-benchEpoch AI Benchmarking Hub90.5%25.4%
AA-Omniscience v1.1: accuracyArtificial Analysis79.1%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis40.7%–
HealthBench Professional (AA)OpenAI67.7%–
指示追従
LiveBench LanguageLiveBench–82.6%
LiveBench Instruction FollowingLiveBench–70.2%
IFBenchArtificial Analysis–74.0%
Arena Instruction FollowingArena (LMArena)–1460†
人間の評価
Arena TextArena (LMArena)–1465†
EQ-Bench 4EQ-Bench–1258†
EQ-Bench Creative Writing v3EQ-Bench–1841†
Arena Creative WritingArena (LMArena)–1433†
Arena Multi-turnArena (LMArena)–1480†
Arena Longer QueriesArena (LMArena)–1477†
マルチモーダル
Arena VisionArena (LMArena)–1292†
LiveBench DesignLiveBench85.1%†–
MMMU-ProArtificial Analysis–78.4%
VISTAScale AI SEAL–50.9%†
MMMU-Pro (Vals)Vals AI–87.5%
MortgageTaxVals AI–68.3%
Humanity's Sixth SenseScale AI SEAL59.5%–
VTBScale AI SEAL–29.2%†
Blueprint-Bench 2Epoch AI Benchmarking Hub–27.1%†
Furniture AssemblyEpoch AI Benchmarking Hub90.0%37.5%
VIALS-AAHandshake AI67.1%–
AA-3DArtificial Analysis1271–
長文コンテキスト
AA-LCR v1.1Artificial Analysis83.3%82.0%
Arena DocumentArena (LMArena)–1471†
MLCRArtificial Analysis43.9%–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub173.4†157.8†
LiveBench 2.0LiveBench84.9%†–
LiveBench 1.0LiveBench–78.0%
AA Intelligence Index v5.0.1Artificial Analysis64.6–
AA Intelligence Index v4.3.2Artificial Analysis–39.0
AA Progress Index v1Artificial Analysis358311.6
Vals IndexVals AI71.3†–
Vals Finance IndexVals AI63.6%†–
Vals RSI IndexVals AI37.9%15.5%
Vals Science IndexVals AI63.7%†–
Vals Legal IndexVals AI69.2%†–
安全性・誠実さ
FORTRESSScale AI SEAL15.6%†–
MASKScale AI SEAL–89.7%†

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 5.2 (max):スコアの改訂1件。
  • GPT-5.4 (xhigh):新しい結果1件(GDPval-AA v2.1)。
  • Claude Fable 5.2 (max):BenchLeader Index 74.9 → 72.7。
  • Claude Fable 5.2 (max):新しい結果1件(Terminal-Bench)。
  • Claude Fable 5.2 (max):BenchLeader Index 72.1 → 74.9。
  • Claude Fable 5.2 (max):新しい結果1件(Arena Agent)。
  • Claude Fable 5.2 (max):新しい結果3件(SciCode, CursorBench, FrontierSWE)。
  • GPT-5.4 (xhigh):新しい結果1件(MirrorCode)。
  • Claude Fable 5.2 (max):BenchLeader Index 69.4 → 72.1。
  • Claude Fable 5.2 (max):新しい結果13件(GPQA Diamond, FrontierMath Tiers 1–3, FrontierMath Tier 4…)。

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 5.2 vs GPT-5.4:よくある質問

Claude Fable 5.2はGPT-5.4より優れていますか?
品質ではClaude Fable 5.2 (max)がリードしています:72.7 対 63.1。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日時点では総合でClaude Fable 5.2 (max)が上回っていますが、用途に合わせてカテゴリ別のスコアも確認してください。
Claude Fable 5.2とGPT-5.4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-5.4の方が安く、100万トークンあたり$5.63 対 $16.00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 5.2とGPT-5.4のどちらが向いていますか?
コーディングではClaude Fable 5.2の方がスコアが高くなっています(カテゴリ指標で80 対 65。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SciCodeでは、Claude Fable 5.2が67.7%、GPT-5.4が56.6%です。
Claude Fable 5.2とGPT-5.4はどちらが速いですか?
Claude Fable 5.2の方が出力が速くなっています(出力109 対 73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 5.2とGPT-5.4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Claude Fable 5.2の方がスコアが高くなっています(カテゴリ指標で77 対 63。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互角です(66 対 66)。どちらも約1.1Mトークンです(Claude Fable 5.2は1,000,000、GPT-5.4は1,050,000)。
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-5.4です。Artificial Analysisの測定では、最初の回答トークンまで144.9秒 対 232.1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 5.2とGPT-5.4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19件のベンチマークのうち、Claude Fable 5.2のリードが19件、GPT-5.4のリードが0件です。両方を評価しているすべての総合指標で、Claude Fable 5.2が上回っています。
Claude Fable 5.2はいつリリースされましたか?
Claude Fable 5.2は2026年11月9日にリリースされました。