Claude Opus 4.7 vs GPT-5.3-Codex
詳しいプロフィール:Claude Opus 4.7(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 4.7とGPT-5.3-Codexの品質は互角です(BenchLeader Indexで63.1 対 62.9、±7.9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。マルチモーダル(67 対 61)を重視するならClaude Opus 4.7、エージェント・ツール(80 対 68)を重視するならGPT-5.3-Codexが向いています。回答開始までの時間はClaude Opus 4.7の方が短く、1.0秒 対 38.2秒です。GPT-5.3-Codexは出力が約1.5倍速い点も強みです。
要点(2026年11月16日時点)
- BenchLeader IndexはClaude Opus 4.7が63.1、GPT-5.3-Codexが62.9です(BenchLeader、2026年11月16日)。
- Claude Opus 4.7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 4.7より出力が約1.5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2件のベンチマークのうち、GPT-5.3-Codexが2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 | どちらでも | カテゴリスコア61 対 61;WeirdML 76.4% 対 77.9% | どちらでも |
| エージェント・ツール利用 | GPT-5.3-Codex | カテゴリスコア80 対 68 | 高 |
| 画像などのメディア | Claude Opus 4.7 | 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 4.7のみです(カテゴリスコア67) | 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 4.7 | 最初の回答トークンまで1.0秒(Claude Opus 4.7)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 4.7とGPT-5.3-Codex (xhigh)の品質は互角です(63.1 対 62.9、±7.9の誤差範囲内)。
- Claude Opus 4.7はマルチモーダルで優れています。
- GPT-5.3-Codex (xhigh)はエージェント・ツール、コーディングで優れています。
- 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2.0倍速くなっています(94 対 48トークン/秒)。
概要
| 仕様 | Claude Opus 4.7 | GPT-5.3-Codex |
|---|---|---|
| プロバイダー | Anthropic | OpenAI |
| リリース日 | 2026年4月16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 4.7 | 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 4.7 | GPT-5.3-Codex (xhigh) | トップ |
|---|---|---|---|
| 推論 | 63.6 | – | 比較不可 |
| コーディング | 60.9 | 61.0 | 互角 |
| エージェント・ツール | 67.9 | 80.1 | GPT-5.3-Codex |
| 数学 | 66.7 | – | 比較不可 |
| 指示追従 | – | 73.6 | 比較不可 |
| 人間の評価 | 67.3 | – | 比較不可 |
| マルチモーダル | 67.1 | 60.8 | Claude Opus 4.7 |
| 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。
描画していないもの(測定済みのモデルが2つ未満):推論, 数学, 知識, 指示追従, 長文コンテキスト, 人間の評価。
情報源で評価が分かれる点
両方に結果がある2件のベンチマークのうち、Claude Opus 4.7のリードが0件、GPT-5.3-Codexのリードが2件です。
| 総合Index | Claude Opus 4.7 | GPT-5.3-Codex (xhigh) | トップ |
|---|---|---|---|
| BenchLeader Index | 63.1 | 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 4.7 | 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 | $0.090 |
| 出力速度 | 48 tok/s | 94 tok/s |
| 回答開始までの時間 | 1.0秒 | 38.2秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | – | 97.1秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Claude Opus 4.7のスコアは63.1、最初の回答トークンまで1秒。Claude Opus 4.7 (high)は60.0(1秒)、Claude Opus 4.7 (max)は59.7(15秒)。GPT-5.3-Codex (xhigh)のスコアは62.9、最初の回答トークンまで38秒。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
111件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Claude Opus 4.7 | GPT-5.3-Codex (xhigh) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 63.1 | 62.9 |
| エージェント・ツールスコア | BenchLeader | 67.9 | 80.1 |
| コーディングスコア | BenchLeader | 60.9 | 61.0 |
| 人間の評価スコア | BenchLeader | 67.3 | – |
| 数学スコア | BenchLeader | 66.7 | – |
| マルチモーダルスコア | BenchLeader | 67.1 | 60.8 |
| 推論スコア | BenchLeader | 63.6 | – |
| 指示追従スコア | BenchLeader | – | 73.6 |
| 長文コンテキストスコア | BenchLeader | – | 66.4 |
| ブレンド価格($/100万トークン) | BenchLeader | $10.00 | $4.81 |
| 出力速度 | BenchLeader | 48 tok/s | 94 tok/s |
| 回答開始までの時間 | BenchLeader | 1.0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 | 86.4%† | – |
| Humanity's Last Exam | Scale AI / CAIS | 36.2% | – |
| SimpleBench | SimpleBench | 61.7% | – |
| Arena Hard Prompts | Arena (LMArena) | 1519 | – |
| LiveBench 1.0 Reasoning | LiveBench | 87.2%† | – |
| GPQA Diamond (AA) | Artificial Analysis | 91.4%† | 91.5% |
| Humanity's Last Exam (AA) | Artificial Analysis | 42.3%† | 42.5% |
| GPQA Diamond (Vals) | Vals AI | 90.2%† | – |
| Kagi LLM Benchmark | Kagi LLM Benchmark | 73.3% | – |
| ARC-AGI-3 | ARC Prize | 0.2%† | – |
| CritPt | Artificial Analysis | 12.0%† | 16.9% |
| Arena Expert | Arena (LMArena) | 1534 | – |
| Chess Puzzles | Epoch AI Benchmarking Hub | 41.0%† | – |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 13.0% | – |
| LMCA | Epoch AI Benchmarking Hub | 52.2%† | – |
| DTBench | Epoch AI Benchmarking Hub | 94.7%† | – |
| ForecastBench | ForecastBench | 62.8% | – |
| コーディング | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | 83.5%† | 74.8%† |
| SciCode | SciCode | 54.5%† | – |
| WeirdML | WeirdML | 76.4% | 77.9% |
| FrontierCode | Cognition | 38.5% | – |
| GSO-Bench | GSO-Bench | 44.1% | – |
| Arena Coding | Arena (LMArena) | 1547 | – |
| Arena WebDev | Arena (LMArena) | 1555 | 1406† |
| LiveBench 1.0 Coding | LiveBench | 82.1%† | – |
111件のベンチマークをすべて表示
| 指標 | 公開元 | Claude Opus 4.7 | GPT-5.3-Codex (xhigh) |
|---|---|---|---|
| コーディング | |||
| LiveCodeBench | Vals AI | 85.1%† | 87.3% |
| IOI | Vals AI | – | 53.8% |
| SWE-bench (Vals) | Vals AI | 82.0%† | 78.0% |
| Code Migration | Vals AI | 43.9%† | – |
| ProgramBench | Vals AI | 0.0%† | – |
| Vibe Code Bench v1.1 | Vals AI | 71.0%† | 61.8% |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | 40.3% | – |
| SWE Atlas v1.0: Refactoring | Scale AI SEAL | 48.6% | – |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | 38.5% | – |
| MirrorCode | Epoch AI Benchmarking Hub | 31.1%† | – |
| ALE-Bench | Epoch AI Benchmarking Hub | 1323.0 | 1655.2 |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 83.2%† | – |
| Design Arena Website | Design Arena | – | 1155† |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 80.2% | 78.4%† |
| OSWorld-Verified 2.0 | OSWorld | 18.2%† | – |
| APEX-Agents | Mercor | 49.2%† | – |
| LiveBench Agentic Coding | LiveBench | 50.7%† | – |
| Terminal-Bench Hard | Artificial Analysis | 51.5%† | 53.0% |
| τ²-Bench Telecom (AA) | Artificial Analysis | 88.6%† | 86.0% |
| Terminal-Bench 2.1 (Vals) | Vals AI | 68.5%† | – |
| MCP Atlas | Scale AI SEAL | 79.1%† | – |
| HiL-Bench | Scale AI SEAL | 41.7% | 4.3%† |
| τ³-bench Banking | τ²-bench | 40.2%† | – |
| GDPval-AA v2.1 | Artificial Analysis | 1361† | – |
| τ³-Banking (AA) | Artificial Analysis | 34.6%† | – |
| ITBench SRE (AA) | Artificial Analysis | 46.7%† | – |
| Analyst Agent (AA) | Artificial Analysis | 43.8%† | – |
| Finance Agent v2 | Vals AI | 51.5%† | – |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 6.7%† | – |
| Legal Research Bench | Vals AI | 38.5%† | – |
| Tax Agent Bench | Vals AI | 23.7%† | – |
| Terminal-Bench 2.0 (Vals) | Vals AI | 68.5%† | 64.0%† |
| Arena Search | Arena (LMArena) | 1210 | – |
| PostTrainBench | Epoch AI Benchmarking Hub | 24.3%† | – |
| ExploitBench | Epoch AI Benchmarking Hub | 26.5% | – |
| METR Time Horizons | METR | – | 74.5%† |
| GBAEval | Epoch AI Benchmarking Hub | 43.8% | – |
| Vending-Bench 2 | Andon Labs | 10936.8 | 5940.1† |
| AA-Briefcase v1.1 | Artificial Analysis | 1252† | 868 |
| Design Arena Agentic | Design Arena | – | 1018† |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 70.2%† | – |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 31.7%† | – |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 86.7%† | – |
| ProofBench | Vals AI | 54.0%† | – |
| LiveBench Mathematics | LiveBench | 92.8%† | – |
| AIME (Vals) | Vals AI | 96.3% | – |
| AIME 2026 | MathArena | 95.8%† | – |
| HMMT February 2026 | MathArena | 93.9%† | – |
| MathArena Apex | MathArena | 40.6%† | – |
| Arena Maths | Arena (LMArena) | 1490 | – |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 51.7%† | – |
| LiveBench 1.0 Data Analysis | LiveBench | 78.3%† | – |
| MMLU-Pro | Vals AI | 89.9%† | – |
| LegalBench | Vals AI | 85.3%† | – |
| CorpFin | Vals AI | 66.1%† | – |
| TaxEval | Vals AI | 75.3%† | – |
| CaseLaw v2 | Vals AI | 68.4% | – |
| Excel Modeling Benchmark | Vals AI | 63.7%† | – |
| MedCode | Vals AI | 54.9%† | – |
| MedScribe | Vals AI | 83.0%† | – |
| EBR-bench | Epoch AI Benchmarking Hub | 19.1%† | – |
| GDP.pdf | Epoch AI Benchmarking Hub | 21.0%† | – |
| 指示追従 | |||
| LiveBench Language | LiveBench | 77.9%† | – |
| LiveBench Instruction Following | LiveBench | 66.7%† | – |
| IFBench | Artificial Analysis | 58.6%† | 75.4% |
| Arena Instruction Following | Arena (LMArena) | 1493 | – |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1494 | – |
| EQ-Bench 4 | EQ-Bench | 1293 | – |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1915 | – |
| Arena Creative Writing | Arena (LMArena) | 1482 | – |
| Arena Multi-turn | Arena (LMArena) | 1514 | – |
| Arena Longer Queries | Arena (LMArena) | 1508 | – |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1319 | – |
| MMMU-Pro | Artificial Analysis | 78.8%† | 78.5% |
| MMMU-Pro (Vals) | Vals AI | 85.5%† | – |
| MortgageTax | Vals AI | 70.3%† | – |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 24.5% | – |
| Furniture Assembly | Epoch AI Benchmarking Hub | 33.3%† | – |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 78.7%† | 83.3% |
| Arena Document | Arena (LMArena) | 1494 | – |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 157.4 | – |
| LiveBench 1.0 | LiveBench | 76.5%† | – |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 40.7† | 32.5 |
| AA Progress Index v1 | Artificial Analysis | 312.5† | 301.3 |
| Vals RSI Index | Vals AI | 19.1%† | – |
| Vals Multimodal Index | Vals AI | 67.4%† | – |
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。
最近の変化
- Claude Opus 4.7:スコアの改訂1件。
- 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 4.7:スコアの改訂1件。
- Claude Opus 4.7:新しい結果1件(Harvey's Legal Agent Benchmark v1)。
- Claude Opus 4.7:スコアの改訂1件。
- Claude Opus 4.7:スコアの改訂1件。
関連する比較
- Claude Opus 4.7 vs Claude Fable 5.2
- Claude Opus 4.7 vs Gemini 4 Carbon
- Claude Opus 4.7 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-5.3-Codex
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 4.7 vs GPT-5.3-Codex:よくある質問
- Claude Opus 4.7はGPT-5.3-Codexより優れていますか?
- Claude Opus 4.7とGPT-5.3-Codex (xhigh)の品質は互角です(63.1 対 62.9、±7.9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 4.7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 4.7とGPT-5.3-Codexのどちらが向いていますか?
- コーディングでは互角です(カテゴリ指標で61 対 61)。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 4.7が76.4%、GPT-5.3-Codexが77.9%です。
- Claude Opus 4.7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1.5倍速くなっています(出力94 対 48トークン/秒、Artificial Analysisの7日間の中央値)。
- エージェントやツール利用にはClaude Opus 4.7とGPT-5.3-Codexのどちらが向いていますか?
- エージェント型のタスクではGPT-5.3-Codexの方がスコアが高くなっています(カテゴリ指標で80 対 68。50が平均)。
ほかの質問(4件)
- 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 4.7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)。
- 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 4.7です。Artificial Analysisの測定では、最初の回答トークンまで1.0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 4.7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2件のベンチマークのうち、Claude Opus 4.7のリードが0件、GPT-5.3-Codexのリードが2件です。
- Claude Opus 4.7はいつリリースされましたか?
- Claude Opus 4.7は2026年4月16日にリリースされました。