Claude Opus 4.6 vs GPT-5.3-Codex
詳しいプロフィール:Claude Opus 4.6(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 · 9件の情報源のデータ
2026年11月16日時点で、Claude Opus 4.6とGPT-5.3-Codexの品質は互角です(BenchLeader Indexで62.5 対 62.9、±7.4の誤差範囲内)。価格はGPT-5.3-Codexの方が2.1倍安く、100万トークンあたりのブレンド価格で$4.81 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。GPT-5.3-Codexの方が出力が約2倍速いです。
要点(2026年11月16日時点)
- BenchLeader IndexはClaude Opus 4.6が62.5、GPT-5.3-Codexが62.9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)。
- 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)。
- GPT-5.3-CodexはClaude Opus 4.6より出力が約2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1件のベンチマークのうち、Claude Opus 4.6が1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 Opus 4.6 | カテゴリスコア62 対 61;WeirdML 78.0% 対 77.9% | 中 |
| 画像などのメディア | Claude Opus 4.6 | カテゴリスコア67 対 61 | 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 | GPT-5.3-Codex | 100万トークンあたりブレンド価格$4.81 対 $10.00;エージェント型コーディングセッション$0.161 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 38.2秒(GPT-5.3-Codex (xhigh)) | – |
| 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 4.6 (high)とGPT-5.3-Codex (xhigh)の品質は互角です(62.5 対 62.9、±7.4の誤差範囲内)。
- Claude Opus 4.6 (high)はコーディング、マルチモーダルで優れています。
- GPT-5.3-Codex (xhigh)の方が2.1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 $10.00)。
- GPT-5.3-Codex (xhigh)の方が出力が2.7倍速くなっています(94 対 35トークン/秒)。
概要
| 仕様 | Claude Opus 4.6 | GPT-5.3-Codex |
|---|---|---|
| プロバイダー | Anthropic | OpenAI |
| リリース日 | 2026年2月5日 | 2026年2月5日 |
| コンテキストウィンドウ(トークン) | 1,000,000 | 400,000 |
| 比較した構成 | Claude Opus 4.6 (high) | 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) | $5.00 / $25.00 / $0.500 | $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 Opus 4.6 (high) | GPT-5.3-Codex (xhigh) | トップ |
|---|---|---|---|
| 推論 | 65.0 | – | 比較不可 |
| コーディング | 62.2 | 61.0 | Claude Opus 4.6 |
| エージェント・ツール | – | 80.1 | 比較不可 |
| 数学 | 63.4 | – | 比較不可 |
| 指示追従 | – | 73.6 | 比較不可 |
| 人間の評価 | 69.8 | – | 比較不可 |
| マルチモーダル | 66.7 | 60.8 | Claude Opus 4.6 |
| 長文コンテキスト | – | 66.4 | 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。
破線:そのモデルは横切る軸の結果がなく、線は隣の軸同士をつないでいるだけです。
描画していないもの(これらのモデルの結果なし):知識。
情報源で評価が分かれる点
両方に結果がある1件のベンチマークのうち、Claude Opus 4.6のリードが1件、GPT-5.3-Codexのリードが0件です。
| 総合Index | Claude Opus 4.6 (high) | GPT-5.3-Codex (xhigh) | トップ |
|---|---|---|---|
| BenchLeader Index | 62.5 | 62.9 | 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 Opus 4.6 (high) | GPT-5.3-Codex (xhigh) |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $10.00 | $4.81 |
| 100万トークンあたりの入力/出力 | $5.00 / $25.00 | $1.75 / $14.00 |
| 100万トークンあたりのキャッシュ入力 | $0.500 | $0.175 |
| タスクあたりの価格:チャットの返答 | $0.0095 | $0.0049 |
| タスクあたりの価格:30ページのレポートを要約 | $0.075 | $0.029 |
| タスクあたりの価格:コード編集 | $0.068 | $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 | $0.400 | $0.161 |
| タスクあたりの価格:構造化データの抽出 | $0.015 | $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) | $0.198 | $0.090 |
| 出力速度 | 35 tok/s | 94 tok/s |
| 回答開始までの時間 | 1.1秒 | 38.2秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | – | 97.1秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Claude Opus 4.6 (high)のスコアは62.5、最初の回答トークンまで1秒。Claude Opus 4.6は62.1(1秒)、Claude Opus 4.6 (推論なし)は58.4(2秒)。GPT-5.3-Codex (xhigh)のスコアは62.9、最初の回答トークンまで38秒。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
117件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Claude Opus 4.6 (high) | GPT-5.3-Codex (xhigh) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 62.5 | 62.9 |
| コーディングスコア | BenchLeader | 62.2 | 61.0 |
| 人間の評価スコア | BenchLeader | 69.8 | – |
| 数学スコア | BenchLeader | 63.4 | – |
| マルチモーダルスコア | BenchLeader | 66.7 | 60.8 |
| 推論スコア | BenchLeader | 65.0 | – |
| エージェント・ツールスコア | BenchLeader | – | 80.1 |
| 指示追従スコア | BenchLeader | – | 73.6 |
| 長文コンテキストスコア | BenchLeader | – | 66.4 |
| ブレンド価格($/100万トークン) | BenchLeader | $10.00 | $4.81 |
| 出力速度 | BenchLeader | 35 tok/s | 94 tok/s |
| 回答開始までの時間 | BenchLeader | 1.1秒 | 38.2秒 |
| コンテキストウィンドウ | BenchLeader | 1,000,000トークン | 400,000トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 90.5%† | – |
| Humanity's Last Exam | Scale AI / CAIS | 19.0%† | – |
| SimpleBench | SimpleBench | 67.6%† | – |
| Arena Hard Prompts | Arena (LMArena) | 1530 | – |
| LiveBench 1.0 Reasoning | LiveBench | 88.7% | – |
| GPQA Diamond (AA) | Artificial Analysis | 84.0%† | 91.5% |
| Humanity's Last Exam (AA) | Artificial Analysis | 19.1%† | 42.5% |
| GPQA Diamond (Vals) | Vals AI | 89.7%† | – |
| Kagi LLM Benchmark | Kagi LLM Benchmark | 72.4%† | – |
| ARC-AGI-1 | ARC Prize | 94.0% | – |
| ARC-AGI-2 | ARC Prize | 69.2% | – |
| ARC-AGI-3 | ARC Prize | 0.5%† | – |
| CritPt | Artificial Analysis | 2.8%† | 16.9% |
| Arena Expert | Arena (LMArena) | 1544 | – |
| Chess Puzzles | Epoch AI Benchmarking Hub | 21.0%† | – |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 15.0%† | – |
| CL-bench | Epoch AI Benchmarking Hub | 20.7%† | – |
| CL-bench Life | Epoch AI Benchmarking Hub | 17.0% | – |
| LMCA | Epoch AI Benchmarking Hub | 55.8%† | – |
| DTBench | Epoch AI Benchmarking Hub | 91.2%† | – |
| ForecastBench | ForecastBench | 63.1%† | – |
| コーディング | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | 78.7%† | 74.8%† |
| WeirdML | WeirdML | 78.0% | 77.9% |
| FrontierCode | Cognition | 26.6%† | – |
| GSO-Bench | GSO-Bench | 41.2% | – |
117件のベンチマークをすべて表示
| 指標 | 公開元 | Claude Opus 4.6 (high) | GPT-5.3-Codex (xhigh) |
|---|---|---|---|
| コーディング | |||
| Arena Coding | Arena (LMArena) | 1547 | – |
| Arena WebDev | Arena (LMArena) | 1547 | 1406† |
| LiveBench 1.0 Coding | LiveBench | 78.2% | – |
| LiveCodeBench | Vals AI | 84.7%† | 87.3% |
| IOI | Vals AI | – | 53.8% |
| SWE-bench (Vals) | Vals AI | 78.2%† | 78.0% |
| SWE-Bench Pro | Scale AI SEAL | 51.9%† | – |
| SWE-bench Verified (bash only) | SWE-bench | 75.6%† | – |
| SWE-bench Multilingual (bash only) | SWE-bench | 72.0%† | – |
| SWE-bench Verified (any scaffold) | SWE-bench | 75.6%† | – |
| Vibe Code Bench v1.1 | Vals AI | 57.6%† | 61.8% |
| SWE-Bench Pro (private) | Scale AI SEAL | 47.1%† | – |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | 33.3%† | – |
| SWE Atlas v1.0: Refactoring | Scale AI SEAL | 35.6%† | – |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | 36.7%† | – |
| MirrorCode | Epoch AI Benchmarking Hub | 33.3%† | – |
| ALE-Bench | Epoch AI Benchmarking Hub | 996.5† | 1655.2 |
| AlgoTune | AlgoTune | 1.5 | – |
| Design Arena Website | Design Arena | 1283† | 1155† |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 79.8%† | 78.4%† |
| Cybench | Cybench | 93.0%† | – |
| Remote Labor Index | Scale AI / CAIS | 4.2%† | – |
| APEX-Agents | Mercor | 46.3%† | – |
| LiveBench Agentic Coding | LiveBench | 49.0% | – |
| Terminal-Bench Hard | Artificial Analysis | 48.5%† | 53.0% |
| τ²-Bench Telecom (AA) | Artificial Analysis | 84.8%† | 86.0% |
| MCP Atlas | Scale AI SEAL | 76.8%† | – |
| HiL-Bench | Scale AI SEAL | 38.3%† | 4.3%† |
| τ³-bench Banking | τ²-bench | 27.3%† | – |
| APEX-Agents (AA) | Artificial Analysis | 33.0%† | – |
| Terminal-Bench 2.0 (Vals) | Vals AI | 58.4%† | 64.0%† |
| Arena Search | Arena (LMArena) | 1222† | – |
| DeepResearch Bench | DeepResearch Bench | 55.3% | – |
| METR Time Horizons | METR | 78.9%† | 74.5%† |
| GBAEval | Epoch AI Benchmarking Hub | 44.1%† | – |
| Vending-Bench 2 | Andon Labs | 8017.6† | 5940.1† |
| AA-Briefcase v1.1 | Artificial Analysis | – | 868 |
| Design Arena Agentic | Design Arena | 1196† | 1018† |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 66.0%† | – |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 26.8%† | – |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 94.4%† | – |
| ProofBench | Vals AI | 50.0%† | – |
| LiveBench Mathematics | LiveBench | 89.3% | – |
| AIME (Vals) | Vals AI | 95.6%† | – |
| AIME 2026 | MathArena | 96.7% | – |
| HMMT February 2026 | MathArena | 96.2% | – |
| USAMO 2026 | MathArena | 47.0% | – |
| MathArena Apex | MathArena | 34.5% | – |
| Arena Maths | Arena (LMArena) | 1516 | – |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 47.0%† | – |
| LiveBench 1.0 Data Analysis | LiveBench | 69.9% | – |
| MMLU-Pro | Vals AI | 89.1%† | – |
| LegalBench | Vals AI | 85.3%† | – |
| CorpFin | Vals AI | 67.0%† | – |
| TaxEval | Vals AI | 76.0%† | – |
| MedQA | Vals AI | 95.4%† | – |
| PRBench Finance | Scale AI SEAL | 53.3%† | – |
| PRBench Legal | Scale AI SEAL | 52.3%† | – |
| MultiNRC | Scale AI SEAL | 48.3%† | – |
| CaseLaw v2 | Vals AI | 62.1%† | – |
| MedCode | Vals AI | 49.1%† | – |
| MedScribe | Vals AI | 86.7%† | – |
| DrugDiscoveryBench | Scale AI SEAL | 27.7%† | – |
| EBR-bench | Epoch AI Benchmarking Hub | 12.7%† | – |
| Global-MMLU-Lite (AA) | Artificial Analysis | 90.6%† | – |
| 指示追従 | |||
| LiveBench Language | LiveBench | 83.3% | – |
| LiveBench Instruction Following | LiveBench | 63.3% | – |
| IFBench | Artificial Analysis | 44.6%† | 75.4% |
| MultiChallenge | Scale AI SEAL | 56.0%† | – |
| TutorBench | Scale AI SEAL | 53.5%† | – |
| Arena Instruction Following | Arena (LMArena) | 1511 | – |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1503 | – |
| EQ-Bench 4 | EQ-Bench | 1210† | – |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1810† | – |
| Arena Creative Writing | Arena (LMArena) | 1499 | – |
| Arena Multi-turn | Arena (LMArena) | 1517 | – |
| Arena Longer Queries | Arena (LMArena) | 1522 | – |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1316 | – |
| MMMU-Pro | Artificial Analysis | 72.5%† | 78.5% |
| VISTA | Scale AI SEAL | 45.5%† | – |
| MMMU-Pro (Vals) | Vals AI | 83.9%† | – |
| MortgageTax | Vals AI | 68.5%† | – |
| VTB | Scale AI SEAL | 27.5%† | – |
| Furniture Assembly | Epoch AI Benchmarking Hub | 28.3%† | – |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 67.0%† | 83.3% |
| Arena Document | Arena (LMArena) | 1497 | – |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 156.3† | – |
| LiveBench 1.0 | LiveBench | 74.5% | – |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 26.4† | 32.5 |
| AA Progress Index v1 | Artificial Analysis | 274.5† | 301.3 |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | 20.5%† | – |
| MASK | Scale AI SEAL | 96.3%† | – |
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。
最近の変化
- Claude Opus 4.6 (high):BenchLeader Index 63.0 → 62.5。
- GPT-5.3-Codex (xhigh):新しい結果1件(AA-Briefcase v1.1)。
- GPT-5.3-Codex (xhigh):新しい結果1件(AA Progress Index v1)。
- Claude Opus 4.6 (high):新しい結果1件(USAMO 2026)。
関連する比較
- Claude Opus 4.6 vs Claude Fable 5.2
- Claude Opus 4.6 vs Gemini 4 Carbon
- Claude Opus 4.6 vs Claude Opus 5.5
- GPT-5.3-Codex vs Claude Fable 5.2
- GPT-5.3-Codex vs Gemini 4 Carbon
- GPT-5.3-Codex vs Claude Opus 5.5
- GPT-5.3-Codex vs GPT-6 Astra
- Claude Opus 4.6 vs GPT-5
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 GPT-5.3-Codex:よくある質問
- Claude Opus 4.6はGPT-5.3-Codexより優れていますか?
- Claude Opus 4.6 (high)とGPT-5.3-Codex (xhigh)の品質は互角です(62.5 対 62.9、±7.4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 4.6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 $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 Opus 4.6の方がスコアが高くなっています(カテゴリ指標で62 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WeirdMLでは、Claude Opus 4.6が78.0%、GPT-5.3-Codexが77.9%です。
- Claude Opus 4.6とGPT-5.3-Codexはどちらが速いですか?
- GPT-5.3-Codexの方が出力が約2倍速くなっています(出力94 対 35トークン/秒、Artificial Analysisの7日間の中央値)。
- 長い文書にはどちらが向いていますか?
- コンテキストはClaude Opus 4.6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)。
ほかの質問(3件)
- 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 38.2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1件のベンチマークのうち、Claude Opus 4.6のリードが1件、GPT-5.3-Codexのリードが0件です。
- Claude Opus 4.6はいつリリースされましたか?
- Claude Opus 4.6は2026年2月5日にリリースされました。