BenchLeader

Claude Opus 4.6 vs GPT-5.4

詳しいプロフィール:Claude Opus 4.6(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 · 12件の情報源のデータ

2026年11月16日時点で、Claude Opus 4.6とGPT-5.4の品質は互角です(BenchLeader Indexで62.5 対 63.1、±3.7の誤差範囲内)。価格はGPT-5.4の方が1.8倍安く、100万トークンあたりのブレンド価格で$5.63 対 $10.00です。マルチモーダル(67 対 61)を重視するならClaude Opus 4.6、コーディング(65 対 62)、数学(65 対 63)を重視するならGPT-5.4が向いています。回答開始までの時間はClaude Opus 4.6の方が短く、1.1秒 対 144.9秒です。GPT-5.4は出力が約2倍速い点も強みです。

要点(2026年11月16日時点)

  • BenchLeader IndexはClaude Opus 4.6が62.5、GPT-5.4が63.1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-5.4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)。
  • GPT-5.4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17件のベンチマークのうち、GPT-5.4が11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GPT-5.4カテゴリスコア65 対 62;WeirdML 77.7% 対 78.0%中
数学GPT-5.4カテゴリスコア65 対 63;AIME 2026 99.2% 対 96.7%中
推論どちらでもカテゴリスコア65 対 66;ARC-AGI-2 69.2% 対 74.0%どちらでも
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-5.4100万トークンあたりブレンド価格$5.63 対 $10.00;エージェント型コーディングセッション$0.210 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 144.9秒(GPT-5.4 (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-5.4 (xhigh)の品質は互角です(62.5 対 63.1、±3.7の誤差範囲内)。
  • Claude Opus 4.6 (high)はマルチモーダルで優れています。
  • GPT-5.4 (xhigh)はコーディング、数学、推論で優れています。
  • GPT-5.4 (xhigh)の方が1.8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 $10.00)。
  • GPT-5.4 (xhigh)の方が出力が2.1倍速くなっています(73 対 35トークン/秒)。

概要

仕様Claude Opus 4.6GPT-5.4
プロバイダーAnthropicOpenAI
リリース日2026年2月5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 Opus 4.6 (high)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)$5.00 / $25.00 / $0.500$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 Opus 4.6 (high)GPT-5.4 (xhigh)トップ
推論65.065.7互角
コーディング62.264.7GPT-5.4
エージェント・ツール–63.0比較不可
数学63.464.8GPT-5.4
知識–58.6比較不可
指示追従–72.4比較不可
人間の評価69.8–比較不可
マルチモーダル66.760.8Claude Opus 4.6
長文コンテキスト–65.7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: 66.7GPT-5.4, 推論: 65.7GPT-5.4, コーディング: 64.7GPT-5.4, 数学: 64.8GPT-5.4, 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):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17件のベンチマークのうち、Claude Opus 4.6のリードが6件、GPT-5.4のリードが11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)GPT-5.4 (xhigh)トップ
BenchLeader Index62.563.1互角
Arena Text15031475†Claude 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)GPT-5.4 (xhigh)
100万トークンあたりのブレンド価格$10.00$5.63
100万トークンあたりの入力/出力$5.00 / $25.00$2.50 / $15.00
100万トークンあたりのキャッシュ入力$0.500$0.250
タスクあたりの価格:チャットの返答$0.0095$0.0055
タスクあたりの価格:30ページのレポートを要約$0.075$0.039
タスクあたりの価格:コード編集$0.068$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$0.400$0.210
タスクあたりの価格:構造化データの抽出$0.015$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)$0.198$0.109
出力速度35 tok/s73 tok/s
回答開始までの時間1.1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)–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 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-5.4 (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

130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-5.4 (xhigh)
BenchLeader IndexBenchLeader62.563.1
コーディングスコアBenchLeader62.264.7
人間の評価スコアBenchLeader69.8–
数学スコアBenchLeader63.464.8
マルチモーダルスコアBenchLeader66.760.8
推論スコアBenchLeader65.065.7
エージェント・ツールスコアBenchLeader–63.0
指示追従スコアBenchLeader–72.4
知識スコアBenchLeader–58.6
長文コンテキストスコアBenchLeader–65.7
ブレンド価格($/100万トークン)BenchLeader$10.00$5.63
出力速度BenchLeader35 tok/s73 tok/s
回答開始までの時間BenchLeader1.1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 Hub90.5%†93.3%
Humanity's Last ExamScale AI / CAIS19.0%†36.2%
SimpleBenchSimpleBench67.6%†–
Arena Hard PromptsArena (LMArena)15301487†
LiveBench 1.0 ReasoningLiveBench88.7%88.1%
GPQA Diamond (AA)Artificial Analysis84.0%†92.0%
Humanity's Last Exam (AA)Artificial Analysis19.1%†43.7%
GPQA Diamond (Vals)Vals AI89.7%†91.7%
Kagi LLM BenchmarkKagi LLM Benchmark72.4%†63.8%†
ARC-AGI-1ARC Prize94.0%93.7%
ARC-AGI-2ARC Prize69.2%74.0%
ARC-AGI-3ARC Prize0.5%†0.2%†
CritPtArtificial Analysis2.8%†23.4%
Arena ExpertArena (LMArena)15441491†
Chess PuzzlesEpoch AI Benchmarking Hub21.0%†48.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub15.0%†37.0%
CL-benchEpoch AI Benchmarking Hub20.7%†27.9%
CL-bench LifeEpoch AI Benchmarking Hub17.0%21.7%
LMCAEpoch AI Benchmarking Hub55.8%†52.0%
DTBenchEpoch AI Benchmarking Hub91.2%†94.4%
ForecastBenchForecastBench63.1%†63.0%†
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub78.7%†76.9%†
SciCodeSciCode–56.6%
WeirdMLWeirdML78.0%77.7%
FrontierCodeCognition26.6%†–
130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-5.4 (xhigh)
コーディング
GSO-BenchGSO-Bench41.2%31.4%
Arena CodingArena (LMArena)15471511†
Arena WebDevArena (LMArena)15471400†
LiveBench 1.0 CodingLiveBench78.2%77.5%
LiveCodeBenchVals AI84.7%†84.1%
SWE-bench (Vals)Vals AI78.2%†78.2%
SWE-Bench ProScale AI SEAL51.9%†59.1%
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–35.0%
ProgramBenchVals AI–0.0%
Vibe Code Bench v1.1Vals AI57.6%†67.4%
SWE-Bench Pro (private)Scale AI SEAL47.1%†43.4%
SWE Atlas v1.0: Codebase QnAScale AI SEAL33.3%†40.8%
SWE Atlas v1.0: RefactoringScale AI SEAL35.6%†44.3%
SWE Atlas v1.0: Test WritingScale AI SEAL36.7%†44.4%
MirrorCodeEpoch AI Benchmarking Hub33.3%†23.3%
DeepSWE v1.1Epoch AI Benchmarking Hub–51.8%
ALE-BenchEpoch AI Benchmarking Hub996.5†1607†
AlgoTuneAlgoTune1.51.9†
Terminal-Bench 2.1 (AA)Artificial Analysis–78.3%
GameBench 2 OverallDuelLab GameBench 2–53.4†
GameBench 2 by reasoning settingDuelLab GameBench 2–62.1
Design Arena WebsiteDesign Arena1283†1190†
エージェント・ツール
Terminal-BenchTerminal-Bench79.8%†81.8%†
CybenchCybench93.0%†–
Remote Labor IndexScale AI / CAIS4.2%†–
APEX-AgentsMercor46.3%†52.4%†
LiveBench Agentic CodingLiveBench49.0%53.8%
Terminal-Bench HardArtificial Analysis48.5%†57.6%
τ²-Bench Telecom (AA)Artificial Analysis84.8%†87.1%
MCP AtlasScale AI SEAL76.8%†70.6%
HiL-BenchScale AI SEAL38.3%†9.7%†
τ³-bench Bankingτ²-bench27.3%†39.4%
GDPval-AA v2.1Artificial Analysis–1256
τ³-Banking (AA)Artificial Analysis–39.6%
APEX-Agents (AA)Artificial Analysis33.0%†33.3%
Harvey's Legal Agent Benchmark v1Vals AI–0.0%
SkillsBenchVals AI–51.7%
Terminal-Bench 2.0 (Vals)Vals AI58.4%†58.4%†
Arena SearchArena (LMArena)1222†1196†
DeepResearch BenchDeepResearch Bench55.3%35.1%†
PostTrainBenchEpoch AI Benchmarking Hub–17.8%†
METR Time HorizonsMETR78.9%†74.3%
GBAEvalEpoch AI Benchmarking Hub44.1%†45.1%†
Vending-Bench 2Andon Labs8017.6†6144.2†
Design Arena AgenticDesign Arena1196†1042†
DeepSearchQAGoogle–63.7%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub66.0%†78.6%
FrontierMath Tier 4Epoch AI Benchmarking Hub26.8%†49.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub94.4%†95.3%
ProofBenchVals AI50.0%†56.0%
LiveBench MathematicsLiveBench89.3%94.2%
AIME (Vals)Vals AI95.6%†96.7%
AIME 2026MathArena96.7%99.2%
HMMT February 2026MathArena96.2%97.7%
USAMO 2026MathArena47.0%95.2%
MathArena ApexMathArena34.5%54.2%
Arena MathsArena (LMArena)15161459†
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub47.0%†45.1%
LiveBench 1.0 Data AnalysisLiveBench69.9%79.3%
MMLU-ProVals AI89.1%†87.5%
LegalBenchVals AI85.3%†86.0%
CorpFinVals AI67.0%†65.3%
TaxEvalVals AI76.0%†74.0%
MedQAVals AI95.4%†96.1%
PRBench FinanceScale AI SEAL53.3%†45.6%†
PRBench LegalScale AI SEAL52.3%†44.4%†
MultiNRCScale AI SEAL48.3%†58.3%†
CaseLaw v2Vals AI62.1%†63.8%
MedCodeVals AI49.1%†41.3%
MedScribeVals AI86.7%†77.5%
DrugDiscoveryBenchScale AI SEAL27.7%†–
EBR-benchEpoch AI Benchmarking Hub12.7%†25.4%
Global-MMLU-Lite (AA)Artificial Analysis90.6%†–
指示追従
LiveBench LanguageLiveBench83.3%82.6%
LiveBench Instruction FollowingLiveBench63.3%70.2%
IFBenchArtificial Analysis44.6%†74.0%
MultiChallengeScale AI SEAL56.0%†–
TutorBenchScale AI SEAL53.5%†–
Arena Instruction FollowingArena (LMArena)15111460†
人間の評価
Arena TextArena (LMArena)15031465†
EQ-Bench 4EQ-Bench1210†1258†
EQ-Bench Creative Writing v3EQ-Bench1810†1841†
Arena Creative WritingArena (LMArena)14991433†
Arena Multi-turnArena (LMArena)15171480†
Arena Longer QueriesArena (LMArena)15221477†
マルチモーダル
Arena VisionArena (LMArena)13161292†
MMMU-ProArtificial Analysis72.5%†78.4%
VISTAScale AI SEAL45.5%†50.9%†
MMMU-Pro (Vals)Vals AI83.9%†87.5%
MortgageTaxVals AI68.5%†68.3%
VTBScale AI SEAL27.5%†29.2%†
Blueprint-Bench 2Epoch AI Benchmarking Hub–27.1%†
Furniture AssemblyEpoch AI Benchmarking Hub28.3%†37.5%
長文コンテキスト
AA-LCR v1.1Artificial Analysis67.0%†82.0%
Arena DocumentArena (LMArena)14971471†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.3†157.8†
LiveBench 1.0LiveBench74.5%78.0%
AA Intelligence Index v4.3.2Artificial Analysis26.4†39.0
AA Progress Index v1Artificial Analysis274.5†311.6
Vals RSI IndexVals AI–15.5%
安全性・誠実さ
FORTRESSScale AI SEAL20.5%†–
MASKScale AI SEAL96.3%†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

  • GPT-5.4 (xhigh):新しい結果1件(GDPval-AA v2.1)。
  • Claude Opus 4.6 (high):BenchLeader Index 63.0 → 62.5。
  • GPT-5.4 (xhigh):新しい結果1件(MirrorCode)。
  • GPT-5.4 (xhigh):BenchLeader Index 63.7 → 63.2。
  • GPT-5.4 (xhigh):スコアの改訂1件。
  • GPT-5.4 (xhigh):新しい結果1件(AA Progress Index v1)。
  • GPT-5.4 (xhigh):新しい結果2件(Harvey's Legal Agent Benchmark v1, Vals RSI Index)。
  • Claude Opus 4.6 (high):新しい結果1件(USAMO 2026)。
  • GPT-5.4 (xhigh):新しい結果2件(USAMO 2026, τ³-bench Banking)。

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-5.4:よくある質問

Claude Opus 4.6はGPT-5.4より優れていますか?
Claude Opus 4.6 (high)とGPT-5.4 (xhigh)の品質は互角です(62.5 対 63.1、±3.7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 Opus 4.6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 $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-5.4のどちらが向いていますか?
コーディングではGPT-5.4の方がスコアが高くなっています(カテゴリ指標で65 対 62。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-5.4が77.7%です。
Claude Opus 4.6とGPT-5.4はどちらが速いですか?
GPT-5.4の方が出力が約2倍速くなっています(出力73 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?
どちらも約1.1Mトークンです(Claude Opus 4.6は1,000,000、GPT-5.4は1,050,000)。
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 144.9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-5.4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17件のベンチマークのうち、Claude Opus 4.6のリードが6件、GPT-5.4のリードが11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。
GPT-5.4はいつリリースされましたか?
GPT-5.4は2026年3月5日にリリースされました。