BenchLeader

Claude Opus 4.7 vs GPT-5.4

詳しいプロフィール:Claude Opus 4.7(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 · 14件の情報源のデータ

2026年11月16日時点で、Claude Opus 4.7とGPT-5.4の品質は互角です(BenchLeader Indexで63.1 対 63.1、±4.6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)、エージェント・ツール(68 対 63)、数学(67 対 65)を重視するならClaude Opus 4.7、コーディング(65 対 61)、推論(66 対 64)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 4.7の方が短く、1.0秒 対 144.9秒です。GPT-5.4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-5.4が63.1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-5.4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 4.7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9件のベンチマークのうち、GPT-5.4が6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 61;WeirdML 77.7% 対 76.4%中
エージェント・ツール利用Claude Opus 4.7カテゴリスコア68 対 63中
数学Claude Opus 4.7カテゴリスコア67 対 65;AIME (Vals) 96.3% 対 96.7%中
推論GPT-5.4カテゴリスコア66 対 64;Humanity's Last Exam 36.2% 対 36.2%中
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-5.4100万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 4.7最初の回答トークンまで1.0秒(Claude Opus 4.7)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 4.7とGPT-5.4 (xhigh)の品質は互角です(63.1 対 63.1、±4.6の誤差範囲内)。
  • Claude Opus 4.7はエージェント・ツール、数学、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、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1.5倍速くなっています(73 対 48トークン/秒)。

概要

仕様Claude Opus 4.7GPT-5.4
プロバイダーAnthropicOpenAI
リリース日2026年4月16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 4.7GPT-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 4.7GPT-5.4 (xhigh)トップ
推論63.665.7GPT-5.4
コーディング60.964.7GPT-5.4
エージェント・ツール67.963.0Claude Opus 4.7
数学66.764.8Claude Opus 4.7
知識–58.6比較不可
指示追従–72.4比較不可
人間の評価67.3–比較不可
マルチモーダル67.160.8Claude Opus 4.7
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推論コーディングエージェント・ツール数学マルチモーダルClaude Opus 4.7, 推論: 63.6Claude Opus 4.7, コーディング: 60.9Claude Opus 4.7, エージェント・ツール: 67.9Claude Opus 4.7, 数学: 66.7Claude Opus 4.7, マルチモーダル: 67.1GPT-5.4, 推論: 65.7GPT-5.4, コーディング: 64.7GPT-5.4, エージェント・ツール: 63.0GPT-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):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9件のベンチマークのうち、Claude Opus 4.7のリードが3件、GPT-5.4のリードが6件です。両方を評価しているすべての総合指標で、Claude Opus 4.7が上回っています。

総合IndexClaude Opus 4.7GPT-5.4 (xhigh)トップ
BenchLeader Index63.163.1互角
Arena Text14941475†Claude Opus 4.7

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 4.7GPT-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48 tok/s73 tok/s
回答開始までの時間1.0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 4.7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-5.4 (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

132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 4.7GPT-5.4 (xhigh)
BenchLeader IndexBenchLeader63.163.1
エージェント・ツールスコアBenchLeader67.963.0
コーディングスコアBenchLeader60.964.7
人間の評価スコアBenchLeader67.3–
数学スコアBenchLeader66.764.8
マルチモーダルスコアBenchLeader67.160.8
推論スコアBenchLeader63.665.7
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BenchLeader48 tok/s73 tok/s
回答開始までの時間BenchLeader1.0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 Hub86.4%†93.3%
Humanity's Last ExamScale AI / CAIS36.2%36.2%
SimpleBenchSimpleBench61.7%–
Arena Hard PromptsArena (LMArena)15191487†
LiveBench 1.0 ReasoningLiveBench87.2%†88.1%
GPQA Diamond (AA)Artificial Analysis91.4%†92.0%
Humanity's Last Exam (AA)Artificial Analysis42.3%†43.7%
GPQA Diamond (Vals)Vals AI90.2%†91.7%
Kagi LLM BenchmarkKagi LLM Benchmark73.3%63.8%†
ARC-AGI-1ARC Prize–93.7%
ARC-AGI-2ARC Prize–74.0%
ARC-AGI-3ARC Prize0.2%†0.2%†
CritPtArtificial Analysis12.0%†23.4%
Arena ExpertArena (LMArena)15341491†
Chess PuzzlesEpoch AI Benchmarking Hub41.0%†48.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub13.0%37.0%
CL-benchEpoch AI Benchmarking Hub–27.9%
CL-bench LifeEpoch AI Benchmarking Hub–21.7%
LMCAEpoch AI Benchmarking Hub52.2%†52.0%
DTBenchEpoch AI Benchmarking Hub94.7%†94.4%
ForecastBenchForecastBench62.8%63.0%†
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub83.5%†76.9%†
SciCodeSciCode54.5%†56.6%
WeirdMLWeirdML76.4%77.7%
FrontierCodeCognition38.5%–
132件のベンチマークをすべて表示
指標公開元Claude Opus 4.7GPT-5.4 (xhigh)
コーディング
GSO-BenchGSO-Bench44.1%31.4%
Arena CodingArena (LMArena)15471511†
Arena WebDevArena (LMArena)15551400†
LiveBench 1.0 CodingLiveBench82.1%†77.5%
LiveCodeBenchVals AI85.1%†84.1%
SWE-bench (Vals)Vals AI82.0%†78.2%
SWE-Bench ProScale AI SEAL–59.1%
Code MigrationVals AI43.9%†35.0%
ProgramBenchVals AI0.0%†0.0%
Vibe Code Bench v1.1Vals AI71.0%†67.4%
SWE-Bench Pro (private)Scale AI SEAL–43.4%
SWE Atlas v1.0: Codebase QnAScale AI SEAL40.3%40.8%
SWE Atlas v1.0: RefactoringScale AI SEAL48.6%44.3%
SWE Atlas v1.0: Test WritingScale AI SEAL38.5%44.4%
MirrorCodeEpoch AI Benchmarking Hub31.1%†23.3%
DeepSWE v1.1Epoch AI Benchmarking Hub–51.8%
ALE-BenchEpoch AI Benchmarking Hub1323.01607†
AlgoTuneAlgoTune–1.9†
Terminal-Bench 2.1 (AA)Artificial Analysis83.2%†78.3%
GameBench 2 OverallDuelLab GameBench 2–53.4†
GameBench 2 by reasoning settingDuelLab GameBench 2–62.1
Design Arena WebsiteDesign Arena–1190†
エージェント・ツール
Terminal-BenchTerminal-Bench80.2%81.8%†
OSWorld-Verified 2.0OSWorld18.2%†–
APEX-AgentsMercor49.2%†52.4%†
LiveBench Agentic CodingLiveBench50.7%†53.8%
Terminal-Bench HardArtificial Analysis51.5%†57.6%
τ²-Bench Telecom (AA)Artificial Analysis88.6%†87.1%
Terminal-Bench 2.1 (Vals)Vals AI68.5%†–
MCP AtlasScale AI SEAL79.1%†70.6%
HiL-BenchScale AI SEAL41.7%9.7%†
τ³-bench Bankingτ²-bench40.2%†39.4%
GDPval-AA v2.1Artificial Analysis1361†1256
τ³-Banking (AA)Artificial Analysis34.6%†39.6%
ITBench SRE (AA)Artificial Analysis46.7%†–
Analyst Agent (AA)Artificial Analysis43.8%†–
APEX-Agents (AA)Artificial Analysis–33.3%
Finance Agent v2Vals AI51.5%†–
Harvey's Legal Agent Benchmark v1Vals AI6.7%†0.0%
Legal Research BenchVals AI38.5%†–
SkillsBenchVals AI–51.7%
Tax Agent BenchVals AI23.7%†–
Terminal-Bench 2.0 (Vals)Vals AI68.5%†58.4%†
Arena SearchArena (LMArena)12101196†
DeepResearch BenchDeepResearch Bench–35.1%†
PostTrainBenchEpoch AI Benchmarking Hub24.3%†17.8%†
ExploitBenchEpoch AI Benchmarking Hub26.5%–
METR Time HorizonsMETR–74.3%
GBAEvalEpoch AI Benchmarking Hub43.8%45.1%†
Vending-Bench 2Andon Labs10936.86144.2†
AA-Briefcase v1.1Artificial Analysis1252†–
Design Arena AgenticDesign Arena–1042†
DeepSearchQAGoogle–63.7%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub70.2%†78.6%
FrontierMath Tier 4Epoch AI Benchmarking Hub31.7%†49.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub86.7%†95.3%
ProofBenchVals AI54.0%†56.0%
LiveBench MathematicsLiveBench92.8%†94.2%
AIME (Vals)Vals AI96.3%96.7%
AIME 2026MathArena95.8%†99.2%
HMMT February 2026MathArena93.9%†97.7%
USAMO 2026MathArena–95.2%
MathArena ApexMathArena40.6%†54.2%
Arena MathsArena (LMArena)14901459†
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub51.7%†45.1%
LiveBench 1.0 Data AnalysisLiveBench78.3%†79.3%
MMLU-ProVals AI89.9%†87.5%
LegalBenchVals AI85.3%†86.0%
CorpFinVals AI66.1%†65.3%
TaxEvalVals AI75.3%†74.0%
MedQAVals AI–96.1%
PRBench FinanceScale AI SEAL–45.6%†
PRBench LegalScale AI SEAL–44.4%†
MultiNRCScale AI SEAL–58.3%†
CaseLaw v2Vals AI68.4%63.8%
Excel Modeling BenchmarkVals AI63.7%†–
MedCodeVals AI54.9%†41.3%
MedScribeVals AI83.0%†77.5%
EBR-benchEpoch AI Benchmarking Hub19.1%†25.4%
GDP.pdfEpoch AI Benchmarking Hub21.0%†–
指示追従
LiveBench LanguageLiveBench77.9%†82.6%
LiveBench Instruction FollowingLiveBench66.7%†70.2%
IFBenchArtificial Analysis58.6%†74.0%
Arena Instruction FollowingArena (LMArena)14931460†
人間の評価
Arena TextArena (LMArena)14941465†
EQ-Bench 4EQ-Bench12931258†
EQ-Bench Creative Writing v3EQ-Bench19151841†
Arena Creative WritingArena (LMArena)14821433†
Arena Multi-turnArena (LMArena)15141480†
Arena Longer QueriesArena (LMArena)15081477†
マルチモーダル
Arena VisionArena (LMArena)13191292†
MMMU-ProArtificial Analysis78.8%†78.4%
VISTAScale AI SEAL–50.9%†
MMMU-Pro (Vals)Vals AI85.5%†87.5%
MortgageTaxVals AI70.3%†68.3%
VTBScale AI SEAL–29.2%†
Blueprint-Bench 2Epoch AI Benchmarking Hub24.5%27.1%†
Furniture AssemblyEpoch AI Benchmarking Hub33.3%†37.5%
長文コンテキスト
AA-LCR v1.1Artificial Analysis78.7%†82.0%
Arena DocumentArena (LMArena)14941471†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub157.4157.8†
LiveBench 1.0LiveBench76.5%†78.0%
AA Intelligence Index v4.3.2Artificial Analysis40.7†39.0
AA Progress Index v1Artificial Analysis312.5†311.6
Vals RSI IndexVals AI19.1%†15.5%
Vals Multimodal IndexVals AI67.4%†–
安全性・誠実さ
MASKScale AI SEAL–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)。
  • GPT-5.4 (xhigh):新しい結果1件(MirrorCode)。
  • GPT-5.4 (xhigh):BenchLeader Index 63.7 → 63.2。
  • Claude Opus 4.7:スコアの改訂1件。
  • 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)。
  • 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)。
  • GPT-5.4 (xhigh):新しい結果2件(Harvey's Legal Agent Benchmark v1, Vals RSI Index)。
  • Claude Opus 4.7:スコアの改訂1件。

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-5.4:よくある質問

Claude Opus 4.7はGPT-5.4より優れていますか?
Claude Opus 4.7とGPT-5.4 (xhigh)の品質は互角です(63.1 対 63.1、±4.6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-5.4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 4.7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 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 4.7が76.4%、GPT-5.4が77.7%です。
Claude Opus 4.7とGPT-5.4はどちらが速いですか?
GPT-5.4の方が出力が約1.5倍速くなっています(出力73 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-5.4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Claude Opus 4.7の方がスコアが高くなっています(カテゴリ指標で68 対 63。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?
どちらも約1.1Mトークンです(Claude Opus 4.7は1,000,000、GPT-5.4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 4.7です。Artificial Analysisの測定では、最初の回答トークンまで1.0秒 対 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 4.7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9件のベンチマークのうち、Claude Opus 4.7のリードが3件、GPT-5.4のリードが6件です。両方を評価しているすべての総合指標で、Claude Opus 4.7が上回っています。
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。