BenchLeader

Claude Opus 4.6 vs DeepSeek V4.1 Flash 1017

詳しいプロフィール:Claude Opus 4.6(Anthropic)とDeepSeek V4.1 Flash 1017(DeepSeek)。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、品質ではClaude Opus 4.6がDeepSeek V4.1 Flashを上回ります(BenchLeader Indexで62.5 対 57.7)。ただし、価格はDeepSeek V4.1 Flashの方が19倍安く、100万トークンあたりのブレンド価格で$0.525 対 $10.00です。両方を測定できるすべてのカテゴリでClaude Opus 4.6がリードしています。DeepSeek V4.1 Flashの方が出力が3倍以上速いです。

要点(2026年11月16日時点)

  • BenchLeader IndexはClaude Opus 4.6が62.5、DeepSeek V4.1 Flashが57.7です(BenchLeader、2026年11月16日)。
  • Claude Opus 4.6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)。
  • DeepSeek V4.1 Flashの100万トークンあたりのブレンド価格は$0.525です(定価、2026年11月16日)。
  • DeepSeek V4.1 FlashはClaude Opus 4.6より出力が3倍以上速いです(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3件のベンチマークのうち、DeepSeek V4.1 Flashが2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 4.6が1547、DeepSeek V4.1 Flash 1017が1664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62 対 63;Arena WebDev 1547 対 1664どちらでも
数学Claude Opus 4.6カテゴリスコア63 対 61中
推論Claude Opus 4.6カテゴリスコア65 対 56;ARC-AGI-1 94.0% 対 93.5%高
画像などのメディアClaude Opus 4.6カテゴリスコア67 対 63中
チャットの質(人間の評価)–Arenaの評価があるのはClaude Opus 4.6のみです(カテゴリスコア70)比較不可
最低コストDeepSeek V4.1 Flash 1017100万トークンあたりブレンド価格$0.525 対 $10.00;エージェント型コーディングセッション$0.023 対 $0.400–
回答開始の速さClaude Opus 4.6最初の回答トークンまで1.1秒(Claude Opus 4.6 (high))対 39.7秒(DeepSeek V4.1 Flash 1017 (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 Opus 4.6 (high)がリードしています:62.5 対 57.7。
  • Claude Opus 4.6 (high)は数学、マルチモーダル、推論で優れています。
  • DeepSeek V4.1 Flash 1017 (max)はコーディングで優れています。
  • DeepSeek V4.1 Flash 1017 (max)の方が19倍安くなっています(100万トークンあたりブレンド価格$0.525 対 $10.00)。
  • DeepSeek V4.1 Flash 1017 (max)の方が出力が5.0倍速くなっています(174 対 35トークン/秒)。

概要

仕様Claude Opus 4.6DeepSeek V4.1 Flash 1017
プロバイダーAnthropicDeepSeek
リリース日2026年2月5日2026年10月17日
コンテキストウィンドウ(トークン)1,000,0001,048,576
比較した構成Claude Opus 4.6 (high)DeepSeek V4.1 Flash 1017 (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$0.300 / $1.20 / $0.0060

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 4.6 (high)DeepSeek V4.1 Flash 1017 (max)トップ
推論65.055.7Claude Opus 4.6
コーディング62.263.0互角
エージェント・ツール–57.6比較不可
数学63.460.9Claude Opus 4.6
知識–47.7比較不可
人間の評価69.8–比較不可
マルチモーダル66.763.0Claude Opus 4.6
長文コンテキスト–66.0比較不可
総合–55.5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推論コーディング数学マルチモーダルClaude Opus 4.6, 推論: 65.0Claude Opus 4.6, コーディング: 62.2Claude Opus 4.6, 数学: 63.4Claude Opus 4.6, マルチモーダル: 66.7DeepSeek V4.1 Flash 1017, 推論: 55.7DeepSeek V4.1 Flash 1017, コーディング: 63.0DeepSeek V4.1 Flash 1017, 数学: 60.9DeepSeek V4.1 Flash 1017, マルチモーダル: 63.0

描画していないもの(測定済みのモデルが2つ未満):エージェント・ツール, 知識, 指示追従, 長文コンテキスト, 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3件のベンチマークのうち、Claude Opus 4.6のリードが1件、DeepSeek V4.1 Flash 1017のリードが2件です。両方を評価しているすべての総合指標で、Claude Opus 4.6が上回っています。

総合IndexClaude Opus 4.6 (high)DeepSeek V4.1 Flash 1017 (max)トップ
BenchLeader Index62.557.7Claude Opus 4.6

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 4.6 (high)DeepSeek V4.1 Flash 1017 (max)
100万トークンあたりのブレンド価格$10.00$0.525
100万トークンあたりの入力/出力$5.00 / $25.00$0.300 / $1.20
100万トークンあたりのキャッシュ入力$0.500$0.0060
タスクあたりの価格:チャットの返答$0.0095$0.0005
タスクあたりの価格:30ページのレポートを要約$0.075$0.0043
タスクあたりの価格:コード編集$0.068$0.0036
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$0.023
タスクあたりの価格:構造化データの抽出$0.015$0.0008
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$0.0096
ベンチマークのタスクあたりのコスト(AA Index)–$0.602
タスクあたりの出力トークン(AA Index)–139k
うち推論–91k
タスクあたりの時間(AA Index)–13 min
出力速度35 tok/s174 tok/s
回答開始までの時間1.1秒39.7秒
回答が完了するまでの時間(最終測定2026年11月13日)–91.2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 4.6 (high)のスコアは62.5、最初の回答トークンまで1秒。Claude Opus 4.6は62.1(1秒)、Claude Opus 4.6 (推論なし)は58.4(2秒)。DeepSeek V4.1 Flash 1017 (max)のスコアは57.7、最初の回答トークンまで40秒。DeepSeek V4.1 Flash 1017 (high)は51.2(20秒)、DeepSeek V4.1 Flash 1017 (推論なし)は44.9(1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

175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 4.6 (high)DeepSeek V4.1 Flash 1017 (max)
BenchLeader IndexBenchLeader62.557.7
コーディングスコアBenchLeader62.263.0
人間の評価スコアBenchLeader69.8–
数学スコアBenchLeader63.460.9
マルチモーダルスコアBenchLeader66.763.0
推論スコアBenchLeader65.055.7
エージェント・ツールスコアBenchLeader–57.6
総合スコアBenchLeader–55.5
知識スコアBenchLeader–47.7
長文コンテキストスコアBenchLeader–66.0
ブレンド価格($/100万トークン)BenchLeader$10.00$0.525
出力速度BenchLeader35 tok/s174 tok/s
回答開始までの時間BenchLeader1.1秒39.7秒
コンテキストウィンドウBenchLeader1,000,000トークン1,048,576トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub90.5%†93.2%
Humanity's Last ExamScale AI / CAIS19.0%†–
SimpleBenchSimpleBench67.6%†–
Arena Hard PromptsArena (LMArena)1530–
LiveBench 2.0 ReasoningLiveBench–89.1%
LiveBench 1.0 ReasoningLiveBench88.7%–
GPQA Diamond (AA)Artificial Analysis84.0%†–
Humanity's Last Exam (AA)Artificial Analysis19.1%†43.3%
HLE-Diamond (AA)Artificial Analysis–25.3%
GPQA Diamond (Vals)Vals AI89.7%†–
Kagi LLM BenchmarkKagi LLM Benchmark72.4%†–
ARC-AGI-1ARC Prize94.0%93.5%
ARC-AGI-2ARC Prize69.2%78.1%
ARC-AGI-3ARC Prize0.5%†5.8%
CritPtArtificial Analysis2.8%†24.0%
CritPt v2 hard subset (AA)Artificial Analysis–25.0%
HLE-Diamond (Scale)Scale AI SEAL–20.5%†
Arena ExpertArena (LMArena)1544–
Chess PuzzlesEpoch AI Benchmarking Hub21.0%†46.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub15.0%†49.0%
CL-benchEpoch AI Benchmarking Hub20.7%†–
CL-bench LifeEpoch AI Benchmarking Hub17.0%–
LMCAEpoch AI Benchmarking Hub55.8%†–
DTBenchEpoch AI Benchmarking Hub91.2%†–
ForecastBenchForecastBench63.1%†–
175件のベンチマークをすべて表示
指標公開元Claude Opus 4.6 (high)DeepSeek V4.1 Flash 1017 (max)
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub78.7%†–
SciCodeSciCode–55.9%
WeirdMLWeirdML78.0%–
FrontierCodeCognition26.6%†–
GSO-BenchGSO-Bench41.2%–
Arena CodingArena (LMArena)1547–
Arena WebDevArena (LMArena)15471664
LiveBench 2.0 CodingLiveBench–80.4%
LiveBench 1.0 CodingLiveBench78.2%–
LiveCodeBenchVals AI84.7%†–
SWE-bench (Vals)Vals AI78.2%†–
SWE-Bench ProScale AI SEAL51.9%†–
SWE-bench Verified (bash only)SWE-bench75.6%†–
SWE-bench Multilingual (bash only)SWE-bench72.0%†–
SWE-bench Verified (any scaffold)SWE-bench75.6%†–
Code MigrationVals AI–44.2%
Code Migration v1.1Vals AI–67.5%
Vibe Code Bench v1.1Vals AI57.6%†87.7%
Vibe Code Bench 1-100 v1.1Vals AI–26.1%
SWE-Bench Pro (private)Scale AI SEAL47.1%†–
SWE Atlas v1.0: Codebase QnAScale AI SEAL33.3%†–
SWE Atlas v1.0: RefactoringScale AI SEAL35.6%†–
SWE Atlas v1.0: Test WritingScale AI SEAL36.7%†–
MirrorCodeEpoch AI Benchmarking Hub33.3%†–
CursorBenchCursor–47.7%
ALE-BenchEpoch AI Benchmarking Hub996.5†1622
AlgoTuneAlgoTune1.5–
WeirdML v3WeirdML–9.2%†
Terminal-Bench 4.0 (AA)Artificial Analysis–33.8%
GameBench 2 OverallDuelLab GameBench 2–61.4†
GameBench 2 by reasoning settingDuelLab GameBench 2–69.9
Design Arena WebsiteDesign Arena1283†1295†
FrontierCode 1.1 (AA)Artificial Analysis–43.7%
FrontierCode 2.0 (AA)Artificial Analysis–28.5%
エージェント・ツール
Terminal-BenchTerminal-Bench79.8%†38.5%
CybenchCybench93.0%†–
Remote Labor IndexScale AI / CAIS4.2%†–
APEX-AgentsMercor46.3%†69.8%
Arena AgentArena (LMArena)–2
LiveBench Long AgenticLiveBench–38.8%
LiveBench BrowserLiveBench–67.2%
LiveBench Agentic CodingLiveBench49.0%–
Terminal-Bench HardArtificial Analysis48.5%†–
τ²-Bench Telecom (AA)Artificial Analysis84.8%†–
MCP AtlasScale AI SEAL76.8%†–
HiL-BenchScale AI SEAL38.3%†–
τ³-bench Bankingτ²-bench27.3%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis–62.3%
GDPval-AA v2.1Artificial Analysis–1746
APEX-Agents (AA)Artificial Analysis33.0%†–
Finance Agent v2Vals AI–57.0%
Finance Agent v2.1Vals AI–62.9%
Harvey's Legal Agent Benchmark v1.1Vals AI–14.2%
Harvey's Legal Agent Benchmark v1Vals AI–9.2%
Legal Research BenchVals AI–45.2%
Tax Agent BenchVals AI–44.4%
Terminal-Bench 2.0 (Vals)Vals AI58.4%†–
Terminal-Bench 4.0 (Vals)Vals AI–31.8%
Arena SearchArena (LMArena)1222†–
Arena Agent Task CompletionArena (LMArena)–2.3
DeepResearch BenchDeepResearch Bench55.3%–
METR Time HorizonsMETR78.9%†–
GBAEvalEpoch AI Benchmarking Hub44.1%†–
Vending-Bench 2Andon Labs8017.6†–
AutomationBenchArtificial Analysis–66.6%
GDP.pdf (AA)Artificial Analysis–17.2%
AA-Briefcase v1.1Artificial Analysis–1570
GDPxGDPx by SemiAnalysis–5.4%
Design Arena AgenticDesign Arena1196†1282†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–12.9%
CWE-Bench (AA)Artificial Analysis–69.2%
DeepSec-Bench (AA)Artificial Analysis–24.9%
CyberGym end-to-end (AA)Artificial Analysis–76.3%
MKA (AA)Artificial Analysis–38.5%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub66.0%†71.2%
FrontierMath Tier 4Epoch AI Benchmarking Hub26.8%†46.3%
OTIS Mock AIMEEpoch AI Benchmarking Hub94.4%†99.4%
ProofBenchVals AI50.0%†–
LiveBench MathematicsLiveBench89.3%–
AIME (Vals)Vals AI95.6%†–
AIME 2026MathArena96.7%–
HMMT February 2026MathArena96.2%–
USAMO 2026MathArena47.0%–
MathArena ApexMathArena34.5%–
ArXivMathMathArena–42.5%
BrokenArXivMathArena–48.7%
Arena MathsArena (LMArena)1516–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub47.0%†42.5%
LiveBench 2.0 Data AnalysisLiveBench–79.5%
LiveBench ResearchLiveBench–78.6%
LiveBench 1.0 Data AnalysisLiveBench69.9%–
AA-Omniscience v1.1Artificial Analysis–0.9
MMLU-ProVals AI89.1%†–
LegalBenchVals AI85.3%†–
CorpFinVals AI67.0%†–
TaxEvalVals AI76.0%†–
MedQAVals AI95.4%†–
PRBench FinanceScale AI SEAL53.3%†47.1%†
PRBench LegalScale AI SEAL52.3%†47.3%†
MultiNRCScale AI SEAL48.3%†–
CaseLaw v2Vals AI62.1%†–
Excel Modeling BenchmarkVals AI–61.8%
Excel Modeling Benchmark v1.1Vals AI–69.2%
MedCodeVals AI49.1%†–
MedScribeVals AI86.7%†–
Access to Justice BenchmarkVals AI–73.1%
DrugDiscoveryBenchScale AI SEAL27.7%†60.6%†
EBR-benchEpoch AI Benchmarking Hub12.7%†–
AA-Omniscience v1.1: accuracyArtificial Analysis–39.6%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–35.9%
Global-MMLU-Lite (AA)Artificial Analysis90.6%†–
指示追従
LiveBench LanguageLiveBench83.3%–
LiveBench Instruction FollowingLiveBench63.3%–
IFBenchArtificial Analysis44.6%†–
MultiChallengeScale AI SEAL56.0%†74.9%†
TutorBenchScale AI SEAL53.5%†–
Arena Instruction FollowingArena (LMArena)1511–
人間の評価
Arena TextArena (LMArena)1503–
EQ-Bench 4EQ-Bench1210†–
EQ-Bench Creative Writing v3EQ-Bench1810†–
Arena Creative WritingArena (LMArena)1499–
Arena Multi-turnArena (LMArena)1517–
Arena Longer QueriesArena (LMArena)1522–
マルチモーダル
Arena VisionArena (LMArena)1316–
LiveBench DesignLiveBench–79.8%
MMMU-ProArtificial Analysis72.5%†80.6%
VISTAScale AI SEAL45.5%†–
MMMU-Pro (Vals)Vals AI83.9%†–
MortgageTaxVals AI68.5%†–
Humanity's Sixth SenseScale AI SEAL–30.1%
VTBScale AI SEAL27.5%†–
Furniture AssemblyEpoch AI Benchmarking Hub28.3%†–
VIALS-AAHandshake AI–40.4%
長文コンテキスト
AA-LCR v1.1Artificial Analysis67.0%†82.7%
Arena DocumentArena (LMArena)1497–
MLCRArtificial Analysis–26.7%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.3†159.4†
LiveBench 2.0LiveBench–70.3%
LiveBench 1.0LiveBench74.5%–
AA Intelligence Index v5.0.1Artificial Analysis–32.6
AA Intelligence Index v4.3.2Artificial Analysis26.4†45.1
AA Progress Index v1Artificial Analysis274.5†323.7
Vals IndexVals AI–61.3
Vals Finance IndexVals AI–60.9%
Vals Router IndexVals AI–61.3%†
Vals Legal IndexVals AI–71.9%
AA Cyber IndexArtificial Analysis–56.8
安全性・誠実さ
FORTRESSScale AI SEAL20.5%†27.2%†
MASKScale AI SEAL96.3%†–
メタデータ
AA Openness IndexArtificial Analysis–44.4

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

  • DeepSeek V4.1 Flash 1017 (max):新しい結果8件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • DeepSeek V4.1 Flash 1017 (max):BenchLeader Index 58.5 → 58.0。
  • Claude Opus 4.6 (high):BenchLeader Index 63.0 → 62.5。
  • DeepSeek V4.1 Flash 1017 (max):新しい結果1件(Terminal-Bench)、スコアの改訂1件。
  • DeepSeek V4.1 Flash 1017 (max):BenchLeader Index 59.0 → 58.5。
  • DeepSeek V4.1 Flash 1017 (max):スコアの改訂1件。
  • DeepSeek V4.1 Flash 1017 (max):スコアの改訂1件。
  • DeepSeek V4.1 Flash 1017 (max):スコアの改訂3件。
  • DeepSeek V4.1 Flash 1017 (max):新しい結果1件(ARC-AGI-3)、スコアの改訂2件。
  • DeepSeek V4.1 Flash 1017 (max):スコアの改訂1件。

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 4.6 vs DeepSeek V4.1 Flash 1017:よくある質問

Claude Opus 4.6はDeepSeek V4.1 Flash 1017より優れていますか?
品質ではClaude Opus 4.6 (high)がリードしています:62.5 対 57.7。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 Opus 4.6 (high)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 Opus 4.6とDeepSeek V4.1 Flash 1017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DeepSeek V4.1 Flash 1017の方が安く、100万トークンあたり$0.525 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 4.6とDeepSeek V4.1 Flash 1017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62 対 63)。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 4.6が1547、DeepSeek V4.1 Flash 1017が1664です。
Claude Opus 4.6とDeepSeek V4.1 Flash 1017はどちらが速いですか?
DeepSeek V4.1 Flash 1017の方が出力が3倍以上速くなっています(出力174 対 35トークン/秒、Artificial Analysisの7日間の中央値)。
DeepSeek V4.1 FlashとDeepSeek V4.1 Flash 1017は同じものですか?
ここで比較しているチェックポイントはDeepSeek V4.1 Flash 1017です(BenchLeader Index 57.7)。以前のビルドを置き換えたため、DeepSeek V4.1 Flashで検索した方もこのページに案内しています。
ほかの質問(4件)
長い文書にはどちらが向いていますか?
どちらも約1Mトークンです(Claude Opus 4.6は1,000,000、DeepSeek V4.1 Flash 1017は1,048,576)。
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 4.6です。Artificial Analysisの測定では、最初の回答トークンまで1.1秒 対 39.7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 4.6とDeepSeek V4.1 Flash 1017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3件のベンチマークのうち、Claude Opus 4.6のリードが1件、DeepSeek V4.1 Flash 1017のリードが2件です。両方を評価しているすべての総合指標で、Claude Opus 4.6が上回っています。
DeepSeek V4.1 Flash 1017はいつリリースされましたか?
DeepSeek V4.1 Flash 1017は2026年10月17日にリリースされました。