BenchLeader

Claude Opus 4.6 vs GPT-5.4 Pro

詳しいプロフィール:Claude Opus 4.6(Anthropic)とGPT-5.4 Pro(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 · 8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 Proの品質は互角です(BenchLeader Indexで62.5 対 63.1、±4.3の誤差範囲内)。価格はClaude Opus 4.6の方が6.8倍安く、100万トークンあたりのブレンド価格で$10.00 対 $67.50です。両方を測定できるすべてのカテゴリでGPT-5.4 Proがリードしています。Claude Opus 4.6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、GPT-5.4 Pro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 Proの100万トークンあたりのブレンド価格は$67.50です(定価、2026年11月16日)。
  • Claude Opus 4.6はGPT-5.4 Pro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)。

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
推論GPT-5.4 Proカテゴリスコア70 対 65中
画像などのメディアGPT-5.4 Proカテゴリスコア70 対 67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Claude Opus 4.6100万トークンあたりブレンド価格$10.00 対 $67.50;エージェント型コーディングセッション$0.400 対 $2.52–
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 7.9秒(GPT-5.4 Pro)–
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 Proの品質は互角です(62.5 対 63.1、±4.3の誤差範囲内)。
  • GPT-5.4 Proはマルチモーダル、推論で優れています。
  • Claude Opus 4.6 (high)の方が6.8倍安くなっています(100万トークンあたりブレンド価格$10.00 対 $67.50)。
  • Claude Opus 4.6 (high)の方が出力が5.4倍速くなっています(35 対 7トークン/秒)。

概要

仕様Claude Opus 4.6GPT-5.4 Pro
プロバイダーAnthropicOpenAI
リリース日2026年2月5日2026年3月4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 Pro
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$30.00 / $180.00 / –

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 Proトップ
推論65.070.1GPT-5.4 Pro
コーディング62.2–比較不可
数学63.4–比較不可
知識–74.0比較不可
指示追従–64.4比較不可
人間の評価69.8–比較不可
マルチモーダル66.769.8GPT-5.4 Pro

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知識指示追従マルチモーダル人間の評価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: 66.7Claude Opus 4.6, 人間の評価: 69.8GPT-5.4 Pro, 推論: 70.1GPT-5.4 Pro, 知識: 74.0GPT-5.4 Pro, 指示追従: 64.4GPT-5.4 Pro, マルチモーダル: 69.8

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):エージェント・ツール, 長文コンテキスト。

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0件のベンチマークのうち、Claude Opus 4.6のリードが0件、GPT-5.4 Proのリードが0件です。

総合IndexClaude Opus 4.6 (high)GPT-5.4 Proトップ
BenchLeader Index62.563.1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-5.4 Pro
100万トークンあたりのブレンド価格$10.00$67.50
100万トークンあたりの入力/出力$5.00 / $25.00$30.00 / $180.00
100万トークンあたりのキャッシュ入力$0.500–
タスクあたりの価格:チャットの返答$0.0095$0.066
タスクあたりの価格:30ページのレポートを要約$0.075$0.468
タスクあたりの価格:コード編集$0.068$0.450
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$2.52
タスクあたりの価格:構造化データの抽出$0.015$0.096
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–
出力速度35 tok/s7 tok/s
回答開始までの時間1.1秒7.9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 Proのスコアは63.1、最初の回答トークンまで8秒。GPT-5.4 Pro (xhigh)は59.5(8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

115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 Pro
BenchLeader IndexBenchLeader62.563.1
コーディングスコアBenchLeader62.2–
人間の評価スコアBenchLeader69.8–
数学スコアBenchLeader63.4–
マルチモーダルスコアBenchLeader66.769.8
推論スコアBenchLeader65.070.1
指示追従スコアBenchLeader–64.4
知識スコアBenchLeader–74.0
ブレンド価格($/100万トークン)BenchLeader$10.00$67.50
出力速度BenchLeader35 tok/s7 tok/s
回答開始までの時間BenchLeader1.1秒7.9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%†94.6%†
Humanity's Last ExamScale AI / CAIS19.0%†44.3%
SimpleBenchSimpleBench67.6%†74.1%
Arena Hard PromptsArena (LMArena)1530–
LiveBench 1.0 ReasoningLiveBench88.7%–
GPQA Diamond (AA)Artificial Analysis84.0%†–
Humanity's Last Exam (AA)Artificial Analysis19.1%†–
GPQA Diamond (Vals)Vals AI89.7%†–
Kagi LLM BenchmarkKagi LLM Benchmark72.4%†–
ARC-AGI-1ARC Prize94.0%94.5%†
ARC-AGI-2ARC Prize69.2%83.3%†
ARC-AGI-3ARC Prize0.5%†–
CritPtArtificial Analysis2.8%†30.0%†
Arena ExpertArena (LMArena)1544–
Chess PuzzlesEpoch AI Benchmarking Hub21.0%†59.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub15.0%†–
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%†–
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub78.7%†–
WeirdMLWeirdML78.0%57.4%†
FrontierCodeCognition26.6%†–
GSO-BenchGSO-Bench41.2%–
115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 Pro
コーディング
Arena CodingArena (LMArena)1547–
Arena WebDevArena (LMArena)1547–
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%†–
Vibe Code Bench v1.1Vals AI57.6%†–
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%†–
ALE-BenchEpoch AI Benchmarking Hub996.5†–
AlgoTuneAlgoTune1.5–
Design Arena WebsiteDesign Arena1283†–
エージェント・ツール
Terminal-BenchTerminal-Bench79.8%†–
CybenchCybench93.0%†–
Remote Labor IndexScale AI / CAIS4.2%†–
APEX-AgentsMercor46.3%†–
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%†–
APEX-Agents (AA)Artificial Analysis33.0%†–
Terminal-Bench 2.0 (Vals)Vals AI58.4%†–
Arena SearchArena (LMArena)1222†–
DeepResearch BenchDeepResearch Bench55.3%–
METR Time HorizonsMETR78.9%†–
GBAEvalEpoch AI Benchmarking Hub44.1%†–
Vending-Bench 2Andon Labs8017.6†–
Design Arena AgenticDesign Arena1196†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub66.0%†82.5%†
FrontierMath Tier 4Epoch AI Benchmarking Hub26.8%†58.5%†
OTIS Mock AIMEEpoch AI Benchmarking Hub94.4%†–
ProofBenchVals AI50.0%†–
LiveBench MathematicsLiveBench89.3%–
AIME (Vals)Vals AI95.6%†–
AIME 2026MathArena96.7%–
HMMT February 2026MathArena96.2%–
USAMO 2026MathArena47.0%–
MathArena ApexMathArena34.5%69.8%†
Arena MathsArena (LMArena)1516–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub47.0%†46.3%†
LiveBench 1.0 Data AnalysisLiveBench69.9%–
MMLU-ProVals AI89.1%†–
LegalBenchVals AI85.3%†–
CorpFinVals AI67.0%†–
TaxEvalVals AI76.0%†–
MedQAVals AI95.4%†–
PRBench FinanceScale AI SEAL53.3%†–
PRBench LegalScale AI SEAL52.3%†–
MultiNRCScale AI SEAL48.3%†62.3%
CaseLaw v2Vals AI62.1%†–
MedCodeVals AI49.1%†–
MedScribeVals AI86.7%†–
DrugDiscoveryBenchScale AI SEAL27.7%†–
EBR-benchEpoch AI Benchmarking Hub12.7%†–
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%†69.2%
TutorBenchScale AI SEAL53.5%†56.6%
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–
MMMU-ProArtificial Analysis72.5%†–
VISTAScale AI SEAL45.5%†53.9%
MMMU-Pro (Vals)Vals AI83.9%†–
MortgageTaxVals AI68.5%†–
VTBScale AI SEAL27.5%†–
Furniture AssemblyEpoch AI Benchmarking Hub28.3%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis67.0%†–
Arena DocumentArena (LMArena)1497–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.3†160.2
LiveBench 1.0LiveBench74.5%–
AA Intelligence Index v4.3.2Artificial Analysis26.4†–
AA Progress Index v1Artificial Analysis274.5†–
安全性・誠実さ
FORTRESSScale AI SEAL20.5%†14.8%
MASKScale AI SEAL96.3%†91.7%

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。

最近の変化

  • Claude Opus 4.6 (high):BenchLeader Index 63.0 → 62.5。
  • GPT-5.4 Pro:BenchLeader Index 63.6 → 63.1。
  • GPT-5.4 Pro:スコアの改訂1件。
  • Claude Opus 4.6 (high):新しい結果1件(USAMO 2026)。

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 Pro:よくある質問

Claude Opus 4.6はGPT-5.4 Proより優れていますか?
Claude Opus 4.6 (high)とGPT-5.4 Proの品質は互角です(62.5 対 63.1、±4.3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 Pro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Claude Opus 4.6の方が安く、100万トークンあたり$10.00 対 $67.50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。
Claude Opus 4.6とGPT-5.4 Proはどちらが速いですか?
Claude Opus 4.6の方が出力が3倍以上速くなっています(出力35 対 7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 Pro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 7.9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。
ほかの質問(1件)
GPT-5.4 Proはいつリリースされましたか?
GPT-5.4 Proは2026年3月4日にリリースされました。