Claude Opus 4.6 vs GPT-6 Astra
詳しいプロフィール:Claude Opus 4.6(Anthropic)とGPT-6 Astra(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 · 14件の情報源のデータ
2026年11月16日時点で、品質ではGPT-6 AstraがClaude Opus 4.6を上回ります(BenchLeader Indexで67.3 対 62.5)。ただし、価格はClaude Opus 4.6の方が2.0倍安く、100万トークンあたりのブレンド価格で$10.00 対 $20.00です。人間の評価(70 対 66)、マルチモーダル(67 対 66)を重視するならClaude Opus 4.6、コーディング(73 対 62)、推論(72 対 65)、数学(71 対 63)を重視するならGPT-6 Astra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 198.4秒です。
要点(2026年11月16日時点)
- BenchLeader IndexはClaude Opus 4.6が62.5、GPT-6 Astraが67.3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-6 Astraの100万トークンあたりのブレンド価格は$20.00です(定価、2026年11月16日)。
- 両モデルに結果がある22件のベンチマークのうち、GPT-6 Astraが13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、GPT-6 Astraが1764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 | GPT-6 Astra | カテゴリスコア73 対 62;Arena WebDev 1764 対 1547 | 高 |
| 数学 | GPT-6 Astra | カテゴリスコア71 対 63;Arena Maths 1481 対 1516 | 中 |
| 推論 | GPT-6 Astra | カテゴリスコア72 対 65;ARC-AGI-2 95.0% 対 69.2% | 中 |
| 画像などのメディア | Claude Opus 4.6 | カテゴリスコア67 対 66;Arena Vision 1316 対 1279 | 中 |
| チャットの質(人間の評価) | Claude Opus 4.6 | Arenaの投票で70 対 66 | 中 |
| 最低コスト | Claude Opus 4.6 | 100万トークンあたりブレンド価格$10.00 対 $20.00;エージェント型コーディングセッション$0.400 対 $0.800 | – |
| 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 198.4秒(GPT-6 Astra (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GPT-6 Astra (max)がリードしています:67.3 対 62.5。
- Claude Opus 4.6 (high)は人間の評価、マルチモーダルで優れています。
- GPT-6 Astra (max)はコーディング、数学、推論で優れています。
- Claude Opus 4.6 (high)の方が2.0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 $20.00)。
概要
| 仕様 | Claude Opus 4.6 | GPT-6 Astra |
|---|---|---|
| プロバイダー | Anthropic | OpenAI |
| リリース日 | 2026年2月5日 | 2026年9月2日 |
| コンテキストウィンドウ(トークン) | 1,000,000 | 1,050,000 |
| 比較した構成 | Claude Opus 4.6 (high) | GPT-6 Astra (max) |
| 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 | $10.00 / $50.00 / $1.00 |
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-6 Astra (max) | トップ |
|---|---|---|---|
| 推論 | 65.0 | 72.4 | GPT-6 Astra |
| コーディング | 62.2 | 73.2 | GPT-6 Astra |
| エージェント・ツール | – | 63.9 | 比較不可 |
| 数学 | 63.4 | 70.8 | GPT-6 Astra |
| 知識 | – | 72.3 | 比較不可 |
| 人間の評価 | 69.8 | 66.2 | Claude Opus 4.6 |
| マルチモーダル | 66.7 | 65.6 | Claude Opus 4.6 |
| 長文コンテキスト | – | 65.0 | 比較不可 |
| 総合 | – | 71.3 | 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。
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。
情報源で評価が分かれる点
両方に結果がある22件のベンチマークのうち、Claude Opus 4.6のリードが9件、GPT-6 Astraのリードが13件です。第三者の総合指標でも評価が分かれ、Claude Opus 4.6はArena Textで、GPT-6 AstraはBenchLeader Indexでリードしています。
| 総合Index | Claude Opus 4.6 (high) | GPT-6 Astra (max) | トップ |
|---|---|---|---|
| BenchLeader Index | 62.5 | 67.3 | GPT-6 Astra |
| Arena Text | 1503 | 1474 | 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-6 Astra (max) |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $10.00 | $20.00 |
| 100万トークンあたりの入力/出力 | $5.00 / $25.00 | $10.00 / $50.00 |
| 100万トークンあたりのキャッシュ入力 | $0.500 | $1.00 |
| タスクあたりの価格:チャットの返答 | $0.0095 | $0.019 |
| タスクあたりの価格:30ページのレポートを要約 | $0.075 | $0.150 |
| タスクあたりの価格:コード編集 | $0.068 | $0.135 |
| 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 | $0.800 |
| タスクあたりの価格:構造化データの抽出 | $0.015 | $0.030 |
| 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 | $0.395 |
| ベンチマークのタスクあたりのコスト(AA Index) | – | $6.24 |
| タスクあたりの出力トークン(AA Index) | – | 52k |
| うち推論 | – | 36k |
| タスクあたりの時間(AA Index) | – | 21 min |
| 出力速度 | 35 tok/s | 41 tok/s |
| 回答開始までの時間 | 1.1秒 | 198.4秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | – | 533.7秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Claude Opus 4.6 (high)のスコアは62.5、最初の回答トークンまで1秒。Claude Opus 4.6は62.1(1秒)、Claude Opus 4.6 (推論なし)は58.4(2秒)。GPT-6 Astra (max)のスコアは67.3、最初の回答トークンまで198秒。GPT-6 Astraは66.4(5秒)、GPT-6 Astra (high)は66.3(49秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
216件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Claude Opus 4.6 (high) | GPT-6 Astra (max) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 62.5 | 67.3 |
| コーディングスコア | BenchLeader | 62.2 | 73.2 |
| 人間の評価スコア | BenchLeader | 69.8 | 66.2 |
| 数学スコア | BenchLeader | 63.4 | 70.8 |
| マルチモーダルスコア | BenchLeader | 66.7 | 65.6 |
| 推論スコア | BenchLeader | 65.0 | 72.4 |
| エージェント・ツールスコア | BenchLeader | – | 63.9 |
| 総合スコア | BenchLeader | – | 71.3 |
| 知識スコア | BenchLeader | – | 72.3 |
| 長文コンテキストスコア | BenchLeader | – | 65.0 |
| ブレンド価格($/100万トークン) | BenchLeader | $10.00 | $20.00 |
| 出力速度 | BenchLeader | 35 tok/s | 41 tok/s |
| 回答開始までの時間 | BenchLeader | 1.1秒 | 198.4秒 |
| コンテキストウィンドウ | BenchLeader | 1,000,000トークン | 1,050,000トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 90.5%† | 95.8% |
| Humanity's Last Exam | Scale AI / CAIS | 19.0%† | 54.8%† |
| SimpleBench | SimpleBench | 67.6%† | 83.6%† |
| Arena Hard Prompts | Arena (LMArena) | 1530 | 1500 |
| LiveBench 2.0 Reasoning | LiveBench | – | 92.7% |
| LiveBench 1.0 Reasoning | LiveBench | 88.7% | 92.7% |
| GPQA Diamond (AA) | Artificial Analysis | 84.0%† | 96.1% |
| Humanity's Last Exam (AA) | Artificial Analysis | 19.1%† | 54.7% |
| HLE-Diamond (AA) | Artificial Analysis | – | 63.8% |
| GPQA Diamond (Vals) | Vals AI | 89.7%† | – |
| Kagi LLM Benchmark | Kagi LLM Benchmark | 72.4%† | – |
| ARC-AGI-1 | ARC Prize | 94.0% | 97.5% |
| ARC-AGI-2 | ARC Prize | 69.2% | 95.0% |
| ARC-AGI-3 | ARC Prize | 0.5%† | 98.6% |
| CritPt | Artificial Analysis | 2.8%† | 31.7% |
| CritPt v2 hard subset (AA) | Artificial Analysis | – | 70.5% |
| MysteryMechanism | Vals AI | – | 53.1% |
| HLE-Diamond (Scale) | Scale AI SEAL | – | 60.6%† |
| Arena Expert | Arena (LMArena) | 1544 | 1517 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 21.0%† | 74.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 15.0%† | 84.0% |
| CL-bench | Epoch AI Benchmarking Hub | 20.7%† | – |
| CL-bench Life | Epoch AI Benchmarking Hub | 17.0% | – |
| LMCA | Epoch AI Benchmarking Hub | 55.8%† | 64.1%† |
| DTBench | Epoch AI Benchmarking Hub | 91.2%† | 97.1%† |
216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-6 Astra (max) |
|---|---|---|---|
| 推論 | |||
| ForecastBench | ForecastBench | 63.1%† | 66.6%† |
| BTF-3 | Epoch AI Benchmarking Hub | – | 13.5%† |
| コーディング | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | 78.7%† | – |
| SciCode | SciCode | – | 56.5% |
| WeirdML | WeirdML | 78.0% | 93.3% |
| FrontierCode | Cognition | 26.6%† | 53.3% |
| GSO-Bench | GSO-Bench | 41.2% | 79.4%† |
| Arena Coding | Arena (LMArena) | 1547 | 1548 |
| Arena WebDev | Arena (LMArena) | 1547 | 1764 |
| LiveBench 2.0 Coding | LiveBench | – | 87.5% |
| LiveBench 1.0 Coding | LiveBench | 78.2% | 80.4% |
| LiveCodeBench | Vals AI | 84.7%† | – |
| IOI | Vals AI | – | 100.0% |
| SWE-bench (Vals) | Vals AI | 78.2%† | – |
| 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%† | – |
| Code Migration | Vals AI | – | 67.7% |
| Code Migration v1.1 | Vals AI | – | 80.6% |
| ProgramBench | Vals AI | – | 5.5% |
| SWE-bench Multimodal | Vals AI | – | 43.3% |
| Vibe Code Bench 1-100 | Vals AI | – | 27.6% |
| Vibe Code Bench v1.1 | Vals AI | 57.6%† | 89.6% |
| SWE-Bench Pro (private) | Scale AI SEAL | 47.1%† | – |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | 33.3%† | 59.1%† |
| SWE Atlas v1.0: Refactoring | Scale AI SEAL | 35.6%† | 59.0%† |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | 36.7%† | 50.7%† |
| SWE Atlas v1.1 | Scale AI SEAL | – | 69.4%† |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | – | 70.2%† |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | – | 66.7%† |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | – | 71.4%† |
| SWE-Bench Pro V2 | Scale AI SEAL | – | 96.9%† |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | – | 90.2%† |
| MirrorCode | Epoch AI Benchmarking Hub | 33.3%† | 60.0% |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | – | 73.2% |
| ALE-Bench | Epoch AI Benchmarking Hub | 996.5† | 2951.3 |
| AlgoTune | AlgoTune | 1.5 | – |
| FrontierSWE | Epoch AI Benchmarking Hub | – | 65.5% |
| WeirdML v3 | WeirdML | – | 42.2%† |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | – | 59.1% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | – | 88.4% |
| Startrise Frontend | Startrise | – | 79.9%† |
| GameBench 2 Overall | DuelLab GameBench 2 | – | 88.8† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | – | 94.3† |
| Design Arena Website | Design Arena | 1283† | 1338 |
| FrontierCode 1.1 (AA) | Artificial Analysis | – | 47.0% |
| FrontierCode 2.0 (AA) | Artificial Analysis | – | 42.4% |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 79.8%† | 60.3% |
| Cybench | Cybench | 93.0%† | – |
| Remote Labor Index | Scale AI / CAIS | 4.2%† | 20.8%† |
| APEX-Agents | Mercor | 46.3%† | 64.7%† |
| Arena Agent | Arena (LMArena) | – | 14.5 |
| LiveBench Long Agentic | LiveBench | – | 75.6% |
| LiveBench Browser | LiveBench | – | 91.3% |
| LiveBench Agentic Coding | LiveBench | 49.0% | 57.3% |
| Terminal-Bench Hard | Artificial Analysis | 48.5%† | – |
| τ²-Bench Telecom (AA) | Artificial Analysis | 84.8%† | – |
| Terminal-Bench 2.1 (Vals) | Vals AI | – | 87.3% |
| MCP Atlas | Scale AI SEAL | 76.8%† | – |
| HiL-Bench | Scale AI SEAL | 38.3%† | 65.3%† |
| τ³-bench Banking | τ²-bench | 27.3%† | – |
| GDPval-AA v2.1, normalised score | Artificial Analysis | – | 53.7% |
| GDPval-AA v2.1 | Artificial Analysis | – | 1587 |
| τ³-Banking (AA) | Artificial Analysis | – | 41.4% |
| ITBench SRE (AA) | Artificial Analysis | – | 48.6% |
| Analyst Agent (AA) | Artificial Analysis | – | 51.3% |
| APEX-Agents (AA) | Artificial Analysis | 33.0%† | – |
| CUA-bench | Vals AI | – | 19.2% |
| CyberBench | Vals AI | – | 41.1% |
| Finance Agent v2 | Vals AI | – | 53.5% |
| Finance Agent v2.1 | Vals AI | – | 60.4% |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | – | 7.1% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | – | 5.4% |
| Legal Research Bench | Vals AI | – | 39.4% |
| Robo-bench | Vals AI | – | 23.3% |
| SREBench | Vals AI | – | 56.9% |
| Tax Agent Bench | Vals AI | – | 20.7% |
| Terminal-Bench 2.0 (Vals) | Vals AI | 58.4%† | – |
| Terminal-Bench 4.0 (Vals) | Vals AI | – | 59.6% |
| Terminal-Bench Science | Vals AI | – | 62.9% |
| Time Horizon Index: KSP | Vals AI | – | 90.5% |
| Arena Search | Arena (LMArena) | 1222† | 1245 |
| Arena Agent Task Completion | Arena (LMArena) | – | 14 |
| BALROG | BALROG | – | 68.3% |
| DeepResearch Bench | DeepResearch Bench | 55.3% | – |
| PostTrainBench | Epoch AI Benchmarking Hub | – | 41.9% |
| METR Time Horizons | METR | 78.9%† | – |
| GBAEval | Epoch AI Benchmarking Hub | 44.1%† | – |
| Vending-Bench 2 | Andon Labs | 8017.6† | 15514.7† |
| SpireClimb | Epoch AI Benchmarking Hub | – | 34.0% |
| AutomationBench | Artificial Analysis | – | 68.5% |
| GDP.pdf (AA) | Artificial Analysis | – | 31.0% |
| Harvey LAB-AA v1.1 | Harvey | – | 8.6% |
| AA-Briefcase v1.1 | Artificial Analysis | – | 1569 |
| GDPx | GDPx by SemiAnalysis | – | 9.6% |
| Design Arena Agentic | Design Arena | 1196† | 1405 |
| RoboDojo (LLM as robot policy) | RoboDojo | – | 29.0† |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | – | 63.3% |
| CWE-Bench (AA) | Artificial Analysis | – | 63.3% |
| DeepSec-Bench (AA) | Artificial Analysis | – | 36.9% |
| CyberGym end-to-end (AA) | Artificial Analysis | – | 0.0% |
| MKA (AA) | Artificial Analysis | – | 50.2% |
| FACTS Search | – | 93.3%† | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 66.0%† | 93.7% |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 26.8%† | 97.6% |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 94.4%† | 100.0% |
| ProofBench | Vals AI | 50.0%† | 99.0%† |
| LiveBench Mathematics | LiveBench | 89.3% | 96.8% |
| 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 | 1481 |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | – | 2.9% |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 47.0%† | 75.6% |
| LiveBench 2.0 Data Analysis | LiveBench | – | 83.0% |
| LiveBench Research | LiveBench | – | 90.6% |
| LiveBench 1.0 Data Analysis | LiveBench | 69.9% | 83.0% |
| AA-Omniscience v1.1 | Artificial Analysis | – | 42.4 |
| 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%† | 47.5%† |
| PRBench Legal | Scale AI SEAL | 52.3%† | 48.4%† |
| MultiNRC | Scale AI SEAL | 48.3%† | – |
| BioMysteryBench | Vals AI | – | 79.3% |
| CaseLaw v2 | Vals AI | 62.1%† | – |
| Excel Modeling Benchmark | Vals AI | – | 71.7% |
| Excel Modeling Benchmark v1.1 | Vals AI | – | 72.7% |
| MedCode | Vals AI | 49.1%† | 48.5% |
| MedScribe | Vals AI | 86.7%† | 87.9% |
| Financial Coaching Bench | Vals AI | – | 67.5% |
| Immigration Bench | Vals AI | – | 67.7% |
| DrugDiscoveryBench | Scale AI SEAL | 27.7%† | 68.7% |
| EBR-bench | Epoch AI Benchmarking Hub | 12.7%† | 76.2% |
| GDP.pdf | Epoch AI Benchmarking Hub | – | 34.2% |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | – | 61.6% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | – | 50.2% |
| Global-MMLU-Lite (AA) | Artificial Analysis | 90.6%† | – |
| HealthBench Professional (AA) | OpenAI | – | 66.0% |
| FACTS Parametric | – | 83.8%† | |
| 指示追従 | |||
| LiveBench Language | LiveBench | 83.3% | 89.4% |
| LiveBench Instruction Following | LiveBench | 63.3% | 75.6% |
| IFBench | Artificial Analysis | 44.6%† | – |
| MultiChallenge | Scale AI SEAL | 56.0%† | – |
| TutorBench | Scale AI SEAL | 53.5%† | – |
| Arena Instruction Following | Arena (LMArena) | 1511 | 1474 |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1503 | 1474 |
| EQ-Bench 4 | EQ-Bench | 1210† | – |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1810† | 2177† |
| Arena Creative Writing | Arena (LMArena) | 1499 | 1451 |
| Arena Multi-turn | Arena (LMArena) | 1517 | 1483 |
| Arena Longer Queries | Arena (LMArena) | 1522 | 1485 |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1316 | 1279 |
| LiveBench Design | LiveBench | – | 80.0% |
| MMMU-Pro | Artificial Analysis | 72.5%† | 86.9% |
| VISTA | Scale AI SEAL | 45.5%† | – |
| MMMU-Pro (Vals) | Vals AI | 83.9%† | – |
| MortgageTax | Vals AI | 68.5%† | – |
| Humanity's Sixth Sense | Scale AI SEAL | – | 53.6% |
| VTB | Scale AI SEAL | 27.5%† | – |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | – | 49.7%† |
| Furniture Assembly | Epoch AI Benchmarking Hub | 28.3%† | 80.0% |
| VIALS-AA | Handshake AI | – | 62.7% |
| Code2Video-AA | Artificial Analysis | – | 1427 |
| AA-3D | Artificial Analysis | – | 1168 |
| FACTS Multimodal | – | 55.2%† | |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 67.0%† | 80.7% |
| Arena Document | Arena (LMArena) | 1497 | 1474 |
| MLCR | Artificial Analysis | – | 41.7% |
| FACTS Grounding | – | 80.1%† | |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 156.3† | 169† |
| LiveBench 2.0 | LiveBench | – | 84.5% |
| LiveBench 1.0 | LiveBench | 74.5% | 82.2% |
| AA Intelligence Index v5.0.1 | Artificial Analysis | – | 56.9 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 26.4† | 52.7 |
| AA Progress Index v1 | Artificial Analysis | 274.5† | 349.6 |
| Vals Index | Vals AI | – | 65.0 |
| Vals Finance Index | Vals AI | – | 55.6% |
| Vals RSI Index | Vals AI | – | 27.1% |
| Vals Science Index | Vals AI | – | 65.1% |
| Vals Router Index | Vals AI | – | 65.0%† |
| Vals Legal Index | Vals AI | – | 68.4% |
| AA Cyber Index | Artificial Analysis | – | 33.4 |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | 20.5%† | 12.1%† |
| MASK | Scale AI SEAL | 96.3%† | – |
| DistressBench | Scale AI SEAL | – | 74.3%† |
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
- GPT-6 Astra (max):新しい結果8件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
- GPT-6 Astra (max):スコアの改訂1件。
- Claude Opus 4.6 (high):BenchLeader Index 63.0 → 62.5。
- GPT-6 Astra (max):新しい結果1件(PostTrainBench)、スコアの改訂2件。
- GPT-6 Astra (max):新しい結果1件(MirrorCode)、スコアの改訂1件。
- GPT-6 Astra (max):BenchLeader Index 68.1 → 67.4。
- GPT-6 Astra (max):スコアの改訂2件。
- GPT-6 Astra (max):スコアの改訂1件。
- GPT-6 Astra (max):スコアの改訂1件。
- GPT-6 Astra (max):スコアの改訂1件。
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-6 Astra vs Claude Fable 5.2
- GPT-6 Astra vs Gemini 4 Carbon
- GPT-6 Astra vs Claude Opus 5.5
- GPT-6 Astra vs Claude Fable 5.1
- Claude Opus 4.6 vs GPT-5.6 Sol
ランキング: 総合ベストLLM · コーディングに最適な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-6 Astra:よくある質問
- GPT-6 AstraはClaude Opus 4.6より優れていますか?
- 品質ではGPT-6 Astra (max)がリードしています:67.3 対 62.5。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GPT-6 Astra (max)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GPT-6 Astra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 $20.00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-6 Astraのどちらが向いていますか?
- コーディングではGPT-6 Astraの方がスコアが高くなっています(カテゴリ指標で73 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Arena WebDevでは、Claude Opus 4.6が1547、GPT-6 Astraが1764です。
- Claude Opus 4.6とGPT-6 Astraはどちらが速いですか?
- GPT-6 Astraの方が出力が速くなっています(出力41 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-6 Astra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 198.4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-6 Astra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22件のベンチマークのうち、Claude Opus 4.6のリードが9件、GPT-6 Astraのリードが13件です。第三者の総合指標でも評価が分かれ、Claude Opus 4.6はArena Textで、GPT-6 AstraはBenchLeader Indexでリードしています。
- GPT-6 Astraはいつリリースされましたか?
- GPT-6 Astraは2026年9月2日にリリースされました。