BenchLeader

Claude Opus 4.5 vs GLM 5.3

詳しいプロフィール:Claude Opus 4.5(Anthropic)とGLM 5.3(Zhipu AI)。すべてのベンチマーク、価格、順位を掲載しています。

更新 · 13件の情報源のデータ

2026年11月16日時点で、Claude Opus 4.5とGLM 5.3の品質は互角です(BenchLeader Indexで59.7 対 58.8、±4.4の誤差範囲内)。価格はGLM 5.3の方が4.7倍安く、100万トークンあたりのブレンド価格で$2.15 対 $10.00です。推論(67 対 55)、知識(60 対 54)、数学(65 対 60)を重視するならClaude Opus 4.5、エージェント・ツール(58 対 53)、人間の評価(67 対 66)を重視するならGLM 5.3が向いています。回答開始までの時間はClaude Opus 4.5の方が短く、1.1秒 対 57.6秒です。GLM 5.3は出力が約1.5倍速い点も強みです。

要点(2026年11月16日時点)

  • BenchLeader IndexはClaude Opus 4.5が59.7、GLM 5.3が58.8です(BenchLeader、2026年11月16日)。
  • Claude Opus 4.5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)。
  • GLM 5.3の100万トークンあたりのブレンド価格は$2.15です(定価、2026年11月16日)。
  • GLM 5.3はClaude Opus 4.5より出力が約1.5倍速いです(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、GLM 5.3が10件でリードしています(BenchLeader、2026年11月16日)。
  • Arena WebDevでの評価はClaude Opus 4.5が1493、GLM 5.3が1623です(LMArena、2026年11月16日までの公開値)。

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
コーディングどちらでもカテゴリスコア61 対 60;Arena WebDev 1493 対 1623どちらでも
エージェント・ツール利用GLM 5.3カテゴリスコア58 対 53中
数学Claude Opus 4.5カテゴリスコア65 対 60;Arena Maths 1472 対 1501中
推論Claude Opus 4.5カテゴリスコア67 対 55;Arena Hard Prompts 1501 対 1507高
知識Claude Opus 4.5カテゴリスコア60 対 54;MMLU-Pro 87.3% 対 86.8%中
チャットの質(人間の評価)GLM 5.3Arenaの投票で67 対 66中
最低コストGLM 5.3100万トークンあたりブレンド価格$2.15 対 $10.00;エージェント型コーディングセッション$0.102 対 $0.400–
回答開始の速さClaude Opus 4.5最初の回答トークンまで1.1秒(Claude Opus 4.5 (high))対 57.6秒(GLM 5.3 (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 Opus 4.5 (high)とGLM 5.3 (max)の品質は互角です(59.7 対 58.8、±4.4の誤差範囲内)。
  • Claude Opus 4.5 (high)はコーディング、知識、数学、推論で優れています。
  • GLM 5.3 (max)はエージェント・ツール、人間の評価で優れています。
  • GLM 5.3 (max)の方が4.7倍安くなっています(100万トークンあたりブレンド価格$2.15 対 $10.00)。
  • GLM 5.3 (max)の方が出力が2.2倍速くなっています(88 対 40トークン/秒)。

概要

仕様Claude Opus 4.5GLM 5.3
プロバイダーAnthropicZhipu AI
リリース日2025年11月24日2026年8月18日
コンテキストウィンドウ(トークン)200,0001,000,000
比較した構成Claude Opus 4.5 (high)GLM 5.3 (max)
オープンウェイトなしあり
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$1.40 / $4.40 / $0.260

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 Opus 4.5 (high)GLM 5.3 (max)トップ
推論66.654.7Claude Opus 4.5
コーディング60.659.7互角
エージェント・ツール52.757.6GLM 5.3
数学65.360.0Claude Opus 4.5
知識60.053.5Claude Opus 4.5
人間の評価66.267.2GLM 5.3
長文コンテキスト–64.5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推論コーディングエージェント・ツール数学知識人間の評価Claude Opus 4.5, 推論: 66.6Claude Opus 4.5, コーディング: 60.6Claude Opus 4.5, エージェント・ツール: 52.7Claude Opus 4.5, 数学: 65.3Claude Opus 4.5, 知識: 60.0Claude Opus 4.5, 人間の評価: 66.2GLM 5.3, 推論: 54.7GLM 5.3, コーディング: 59.7GLM 5.3, エージェント・ツール: 57.6GLM 5.3, 数学: 60.0GLM 5.3, 知識: 53.5GLM 5.3, 人間の評価: 67.2

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, 長文コンテキスト, マルチモーダル。

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 Opus 4.5のリードが9件、GLM 5.3のリードが10件です。両方を評価しているすべての総合指標で、GLM 5.3が上回っています。

総合IndexClaude Opus 4.5 (high)GLM 5.3 (max)トップ
BenchLeader Index59.758.8互角
Arena Text14741482GLM 5.3

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 Opus 4.5 (high)GLM 5.3 (max)
100万トークンあたりのブレンド価格$10.00$2.15
100万トークンあたりの入力/出力$5.00 / $25.00$1.40 / $4.40
100万トークンあたりのキャッシュ入力$0.500$0.260
タスクあたりの価格:チャットの返答$0.0095$0.0019
タスクあたりの価格:30ページのレポートを要約$0.075$0.019
タスクあたりの価格:コード編集$0.068$0.015
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$0.102
タスクあたりの価格:構造化データの抽出$0.015$0.0037
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$0.050
ベンチマークのタスクあたりのコスト(AA Index)–$5.01
タスクあたりの出力トークン(AA Index)–119k
うち推論–85k
タスクあたりの時間(AA Index)–23 min
出力速度40 tok/s88 tok/s
回答開始までの時間1.1秒57.6秒
回答が完了するまでの時間(最終測定2026年11月13日)–144.1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 Opus 4.5 (high)のスコアは59.7、最初の回答トークンまで1秒。Claude Opus 4.5 (thinking)は59.3(14秒)、Claude Opus 4.5は57.1(1秒)。GLM 5.3 (max)のスコアは58.8、最初の回答トークンまで58秒。GLM 5.3 (low)は47.3(7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

195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 Opus 4.5 (high)GLM 5.3 (max)
BenchLeader IndexBenchLeader59.758.8
エージェント・ツールスコアBenchLeader52.757.6
コーディングスコアBenchLeader60.659.7
人間の評価スコアBenchLeader66.267.2
知識スコアBenchLeader60.053.5
数学スコアBenchLeader65.360.0
推論スコアBenchLeader66.654.7
長文コンテキストスコアBenchLeader–64.5
ブレンド価格($/100万トークン)BenchLeader$10.00$2.15
出力速度BenchLeader40 tok/s88 tok/s
回答開始までの時間BenchLeader1.1秒57.6秒
コンテキストウィンドウBenchLeader200,000トークン1,000,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub86.0%†90.9%
Humanity's Last ExamScale AI / CAIS25.2%†–
SimpleBenchSimpleBench62.0%†66.2%†
Arena Hard PromptsArena (LMArena)15011507
LiveBench 1.0 ReasoningLiveBench80.1%85.8%†
GPQA Diamond (AA)Artificial Analysis86.6%†91.7%
Humanity's Last Exam (AA)Artificial Analysis30.1%†42.3%
HLE-Diamond (AA)Artificial Analysis–17.9%
GPQA Diamond (Vals)Vals AI85.9%88.1%
Kagi LLM BenchmarkKagi LLM Benchmark70.7%†–
ARC-AGI-1ARC Prize80.0%†–
ARC-AGI-2ARC Prize37.6%†–
CritPtArtificial Analysis4.6%†19.1%
CritPt v2 hard subset (AA)Artificial Analysis–33.5%
MysteryMechanismVals AI–23.0%
SciPredictScale AI SEAL23.1%†–
HLE-Diamond (Scale)Scale AI SEAL–16.4%†
Arena ExpertArena (LMArena)15031522
Chess PuzzlesEpoch AI Benchmarking Hub14.0%†37.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub22.0%†33.0%
CL-benchEpoch AI Benchmarking Hub21.1%†–
LMCAEpoch AI Benchmarking Hub44.5%55.5%†
DTBenchEpoch AI Benchmarking Hub89.9%87.7%†
ForecastBenchForecastBench64.6%†–
BTF-3Epoch AI Benchmarking Hub–14.9%†
195件のベンチマークをすべて表示
指標公開元Claude Opus 4.5 (high)GLM 5.3 (max)
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub76.7%†–
SciCodeSciCode–59.0%
WeirdMLWeirdML63.7%†75.4%
FrontierCodeCognition–40.1%
GSO-BenchGSO-Bench26.5%†–
Arena CodingArena (LMArena)15301522
Arena WebDevArena (LMArena)14931623
LiveBench 1.0 CodingLiveBench79.7%79.0%†
LiveCodeBenchVals AI83.7%80.5%
IOIVals AI–68.4%
SWE-bench (Vals)Vals AI76.4%95.4%
SWE-Bench ProScale AI SEAL45.9%†–
SWE-bench Verified (bash only)SWE-bench76.8%–
SWE-bench Multilingual (bash only)SWE-bench70.7%†–
SWE-bench Verified (any scaffold)SWE-bench79.2%†–
Code MigrationVals AI–44.2%
Code Migration v1.1Vals AI–55.1%
ProgramBenchVals AI–1.5%
Vibe Code Bench 1-100Vals AI–20.0%
Vibe Code Bench v1.1Vals AI20.6%78.1%
Vibe Code Bench 1-100 v1.1Vals AI–29.8%
SWE-Bench Pro (private)Scale AI SEAL23.4%†–
SWE Atlas v1.1Scale AI SEAL–58.1%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–70.2%†
SWE Atlas v1.1: Test WritingScale AI SEAL–55.6%†
SWE Atlas v1.1: RefactoringScale AI SEAL–48.6%†
SWE-Bench Pro V2Scale AI SEAL–95.6%
SWE-Bench Pro V2 HARDScale AI SEAL–84.3%
DeepSWE v1.1Epoch AI Benchmarking Hub–69.0%
CursorBenchCursor–42.6%
ALE-BenchEpoch AI Benchmarking Hub1025.4†1317.4†
AlgoTuneAlgoTune1.8†–
FrontierSWEEpoch AI Benchmarking Hub–30.2%
WeirdML v3WeirdML6.5%–
Terminal-Bench 4.0 (AA)Artificial Analysis–41.9%
Terminal-Bench 2.1 (AA)Artificial Analysis–83.9%
Startrise FrontendStartrise–73.2%†
GameBench 2 OverallDuelLab GameBench 247.1†64.6†
GameBench 2 by reasoning settingDuelLab GameBench 2–72.3
Design Arena WebsiteDesign Arena1239†1279†
FrontierCode 1.1 (AA)Artificial Analysis–40.1%
FrontierCode 2.0 (AA)Artificial Analysis–21.6%
LiveCodeBench (AA)Artificial Analysis87.1%†–
エージェント・ツール
Terminal-BenchTerminal-Bench63.1%†41.2%
GDPvalOpenAI45.5%†–
CybenchCybench82.0%†–
Remote Labor IndexScale AI / CAIS3.8%†–
APEX-AgentsMercor–56.6%†
Arena AgentArena (LMArena)–1
LiveBench Agentic CodingLiveBench39.7%60.9%†
Terminal-Bench HardArtificial Analysis47.0%†–
τ²-Bench Telecom (AA)Artificial Analysis89.5%†–
Terminal-Bench 2.1 (Vals)Vals AI–71.5%
MCP AtlasScale AI SEAL69.8%84.2%†
HiL-BenchScale AI SEAL–58.3%†
BFCL OverallBerkeley Function Calling Leaderboard77.5%†–
τ²-benchτ²-bench85.3%–
τ³-bench Bankingτ²-bench24.7%–
GDPval-AA v2.1, normalised scoreArtificial Analysis–57.5%
GDPval-AA v2.1Artificial Analysis–1655
τ³-Banking (AA)Artificial Analysis–50.3%
ITBench SRE (AA)Artificial Analysis–46.1%
Analyst Agent (AA)Artificial Analysis–38.8%
CyberBenchVals AI–72.1%
Finance Agent v2Vals AI–55.8%
Finance Agent v2.1Vals AI–65.0%
Harvey's Legal Agent Benchmark v1.1Vals AI–14.6%
Harvey's Legal Agent Benchmark v1Vals AI–8.3%
Legal Research BenchVals AI–49.0%
Poker AgentVals AI1033.4%†–
SkillsBenchVals AI–47.5%
SREBenchVals AI–9.2%
Tax Agent BenchVals AI–43.3%
Terminal-Bench 2.0 (Vals)Vals AI58.4%–
Terminal-Bench 4.0 (Vals)Vals AI–38.9%
Terminal-Bench ScienceVals AI–5.7%
Arena SearchArena (LMArena)1186†–
Arena Agent Task CompletionArena (LMArena)–3.1
BALROGBALROG43.0%†–
DeepResearch BenchDeepResearch Bench54.8%–
PostTrainBenchEpoch AI Benchmarking Hub–34.5%
METR Time HorizonsMETR75.0%†–
Vending-Bench 2Andon Labs4967.1†8163.6†
AutomationBenchArtificial Analysis–62.2%
GDP.pdf (AA)Artificial Analysis–11.2%
Harvey LAB-AA v1.1Harvey–0.3%
EnterpriseOps-GymArtificial Analysis–36.4%
AA-Briefcase v1.1Artificial Analysis–1501
GDPxGDPx by SemiAnalysis–2.7%
Design Arena AgenticDesign Arena1156†1239†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–9.5%
CWE-Bench (AA)Artificial Analysis–55.8%
DeepSec-Bench (AA)Artificial Analysis–24.3%
CyberGym end-to-end (AA)Artificial Analysis–29.0%
DeepSearchQAGoogle24.0%†–
FACTS SearchGoogle–87.7%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub34.4%†68.8%
FrontierMath Tier 4Epoch AI Benchmarking Hub4.9%†29.3%
OTIS Mock AIMEEpoch AI Benchmarking Hub86.1%†91.1%
ProofBenchVals AI36.0%†49.0%
LiveBench MathematicsLiveBench90.4%87.9%†
AIME (Vals)Vals AI76.9%†–
MGSMVals AI94.8%†–
Arena MathsArena (LMArena)14721501
AIME 2025 (AA)Artificial Analysis91.3%†–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub45.7%†41.0%
LiveBench 1.0 Data AnalysisLiveBench74.4%70.2%†
AA-Omniscience v1.1Artificial Analysis–6.0
MMLU-ProVals AI87.3%86.8%
LegalBenchVals AI84.6%84.8%
CorpFinVals AI65.1%–
TaxEvalVals AI74.9%72.4%
MedQAVals AI93.2%†–
PRBench FinanceScale AI SEAL46.2%†–
PRBench LegalScale AI SEAL44.2%†–
MultiNRCScale AI SEAL41.2%†–
CaseLaw v2Vals AI62.6%†–
Excel Modeling BenchmarkVals AI–56.3%
Excel Modeling Benchmark v1.1Vals AI–69.1%
MedCodeVals AI49.2%42.9%
MedScribeVals AI85.3%88.8%
Public Benefits Bench v1.1Vals AI–68.5%
Access to Justice BenchmarkVals AI–73.7%
Financial Coaching BenchVals AI–74.1%
Immigration BenchVals AI–66.7%
EBR-benchEpoch AI Benchmarking Hub14.3%†–
AA-Omniscience v1.1: accuracyArtificial Analysis–32.3%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–61.1%
Global-MMLU-Lite (AA)Artificial Analysis91.3%†–
HealthBench Professional (AA)OpenAI–52.8%
FACTS ParametricGoogle–40.3%†
指示追従
LiveBench LanguageLiveBench81.3%79.9%†
LiveBench Instruction FollowingLiveBench62.5%69.3%†
IFBenchArtificial Analysis58.0%†–
MultiChallengeScale AI SEAL59.0%†–
TutorBenchScale AI SEAL49.8%†–
Arena Instruction FollowingArena (LMArena)14831481
人間の評価
Arena TextArena (LMArena)14741482
EQ-Bench Creative Writing v3EQ-Bench1686†2076†
Arena Creative WritingArena (LMArena)14691456
Arena Multi-turnArena (LMArena)14851482
Arena Longer QueriesArena (LMArena)14951488
マルチモーダル
MMMU-ProArtificial Analysis74.0%†–
VISTAScale AI SEAL45.3%†–
MMMU-Pro (Vals)Vals AI83.0%–
MortgageTaxVals AI68.7%–
GeoBenchGeoBench75.0%†–
VPCTEpoch AI Benchmarking Hub40.0%†–
Furniture AssemblyEpoch AI Benchmarking Hub28.3%†–
Code2Video-AAArtificial Analysis–1034
AA-3DArtificial Analysis–794
長文コンテキスト
AA-LCR v1.1Artificial Analysis77.3%†79.7%
Arena DocumentArena (LMArena)1468†–
MLCRArtificial Analysis–17.2%
FACTS GroundingGoogle–55.2%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub151.9†157.1†
LiveBench 1.0LiveBench72.6%76.1%†
AA Intelligence Index v5.0.1Artificial Analysis–31.6
AA Intelligence Index v4.3.2Artificial Analysis29.1†44.8
AA Progress Index v1Artificial Analysis284.4†322.7
Vals IndexVals AI–59.9
Vals Finance IndexVals AI–61.4%
Vals RSI IndexVals AI14.8%22.9%
Vals Router IndexVals AI–59.7%†
Vals Legal IndexVals AI–74.6%
AA Cyber IndexArtificial Analysis–36.4
安全性・誠実さ
FORTRESSScale AI SEAL13.6%†28.2%
MASKScale AI SEAL87.1%†–
DistressBenchScale AI SEAL–72.5%†
メタデータ
AA Openness IndexArtificial Analysis11.1†33.3

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 4.5 (high):新しい結果13件(LiveCodeBench, MMLU-Pro, LegalBench…)。
  • GLM 5.3 (max):新しい結果1件(PostTrainBench)。
  • GLM 5.3 (max):スコアの改訂4件。
  • GLM 5.3 (max):スコアの改訂1件、価格 $0.30/M → $0.26/M。
  • GLM 5.3 (max):価格 $0.26/M → $0.30/M。
  • GLM 5.3 (max):価格 $0.30/M → $0.26/M。
  • GLM 5.3 (max):価格 $0.26/M → $0.30/M。
  • GLM 5.3 (max):BenchLeader Index 61.3 → 58.9。
  • GLM 5.3 (max):新しい結果5件(AA Intelligence Index v5.0.1, AA Progress Index v1, HLE-Diamond (AA)…)、スコアの改訂3件、価格 $2.01/M → $5.01/M、価格 $0.30/M → $0.26/M。
  • GLM 5.3 (max):価格 $0.26/M → $0.30/M。

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

Claude Opus 4.5 vs GLM 5.3:よくある質問

Claude Opus 4.5はGLM 5.3より優れていますか?
Claude Opus 4.5 (high)とGLM 5.3 (max)の品質は互角です(59.7 対 58.8、±4.4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 Opus 4.5とGLM 5.3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GLM 5.3の方が安く、100万トークンあたり$2.15 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。
コーディングにはClaude Opus 4.5とGLM 5.3のどちらが向いていますか?
コーディングでは互角です(カテゴリ指標で61 対 60)。共通するコーディングベンチマークのうち最も重要なArena WebDevでは、Claude Opus 4.5が1493、GLM 5.3が1623です。
Claude Opus 4.5とGLM 5.3はどちらが速いですか?
GLM 5.3の方が出力が約1.5倍速くなっています(出力88 対 40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 Opus 4.5とGLM 5.3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GLM 5.3の方がスコアが高くなっています(カテゴリ指標で58 対 53。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?
コンテキストはGLM 5.3の方が長く、1,000,000トークンです(Claude Opus 4.5は200,000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Claude Opus 4.5です。Artificial Analysisの測定では、最初の回答トークンまで1.1秒 対 57.6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 Opus 4.5とGLM 5.3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 Opus 4.5のリードが9件、GLM 5.3のリードが10件です。両方を評価しているすべての総合指標で、GLM 5.3が上回っています。
GLM 5.3はいつリリースされましたか?
GLM 5.3は2026年8月18日にリリースされました。