BenchLeader

Claude Opus 4.7 vs GPT-5.6 Sol

詳しいプロフィール:Claude Opus 4.7(Anthropic)とGPT-5.6 Sol(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 · 13件の情報源のデータ

2026年11月16日時点で、Claude Opus 4.7とGPT-5.6 Solの品質は互角です(BenchLeader Indexで63.1 対 65.3、±4.9の誤差範囲内)。価格はGPT-5.6 Solの方が1.3倍安く、100万トークンあたりのブレンド価格で$8.00 対 $10.00です。マルチモーダル(67 対 66)を重視するならClaude Opus 4.7、コーディング(66 対 61)、数学(70 対 67)、推論(65 対 64)を重視するならGPT-5.6 Sol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 33.5秒です。GPT-5.6 Sol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 4.7が63.1、GPT-5.6 Solが65.3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-5.6 Solの100万トークンあたりのブレンド価格は$8.00です(定価、2026年11月16日)。
  • GPT-5.6 SolはClaude Opus 4.7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5件のベンチマークのうち、GPT-5.6 Solが4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-5.6 Solカテゴリスコア66 対 61;WeirdML 87.0% 対 76.4%中
エージェント・ツール利用どちらでもカテゴリスコア68 対 68;Terminal-Bench 80.2% 対 38.5%どちらでも
数学GPT-5.6 Solカテゴリスコア70 対 67中
推論GPT-5.6 Solカテゴリスコア65 対 64;Mystery Game Puzzles 58.0% 対 13.0%中
画像などのメディアClaude Opus 4.7カテゴリスコア67 対 66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-5.6 Sol100万トークンあたりブレンド価格$8.00 対 $10.00;エージェント型コーディングセッション$0.320 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 33.5秒(GPT-5.6 Sol (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

  • Claude Opus 4.7とGPT-5.6 Sol (max)の品質は互角です(63.1 対 65.3、±4.9の誤差範囲内)。
  • Claude Opus 4.7はエージェント・ツール、マルチモーダルで優れています。
  • GPT-5.6 Sol (max)はコーディング、数学、推論で優れています。
  • GPT-5.6 Sol (max)の方が1.3倍安くなっています(100万トークンあたりブレンド価格$8.00 対 $10.00)。
  • GPT-5.6 Sol (max)の方が出力が2.1倍速くなっています(100 対 48トークン/秒)。

概要

仕様Claude Opus 4.7GPT-5.6 Sol
プロバイダーAnthropicOpenAI
リリース日2026年4月16日2026年7月9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-5.6 Sol (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$4.00 / $20.00 / $0.400

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-5.6 Sol (max)トップ
推論63.664.7GPT-5.6 Sol
コーディング60.965.8GPT-5.6 Sol
エージェント・ツール67.967.5互角
数学66.770.0GPT-5.6 Sol
知識–63.8比較不可
指示追従–71.2比較不可
人間の評価67.3–比較不可
マルチモーダル67.165.9Claude Opus 4.7
長文コンテキスト–66.7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-5.6 Sol, 推論: 64.7GPT-5.6 Sol, コーディング: 65.8GPT-5.6 Sol, エージェント・ツール: 67.5GPT-5.6 Sol, 数学: 70.0GPT-5.6 Sol, マルチモーダル: 65.9

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5件のベンチマークのうち、Claude Opus 4.7のリードが1件、GPT-5.6 Solのリードが4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-5.6 Sol (max)トップ
BenchLeader Index63.165.3互角
Arena Text14941485†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-5.6 Sol (max)
100万トークンあたりのブレンド価格$10.00$8.00
100万トークンあたりの入力/出力$5.00 / $25.00$4.00 / $20.00
100万トークンあたりのキャッシュ入力$0.500$0.400
タスクあたりの価格:チャットの返答$0.0095$0.0076
タスクあたりの価格:30ページのレポートを要約$0.075$0.060
タスクあたりの価格:コード編集$0.068$0.054
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$0.320
タスクあたりの価格:構造化データの抽出$0.015$0.012
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$0.158
出力速度48 tok/s100 tok/s
回答開始までの時間1.0秒33.5秒
回答が完了するまでの時間(最終測定2026年11月13日)–157.3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-5.6 Sol (max)のスコアは65.3、最初の回答トークンまで34秒。GPT-5.6 Sol (xhigh)は63.9(17秒)、GPT-5.6 Sol (high)は63.4(10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

162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-5.6 Sol (max)
BenchLeader IndexBenchLeader63.165.3
エージェント・ツールスコアBenchLeader67.967.5
コーディングスコアBenchLeader60.965.8
人間の評価スコアBenchLeader67.3–
数学スコアBenchLeader66.770.0
マルチモーダルスコアBenchLeader67.165.9
推論スコアBenchLeader63.664.7
指示追従スコアBenchLeader–71.2
知識スコアBenchLeader–63.8
長文コンテキストスコアBenchLeader–66.7
ブレンド価格($/100万トークン)BenchLeader$10.00$8.00
出力速度BenchLeader48 tok/s100 tok/s
回答開始までの時間BenchLeader1.0秒33.5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%†93.5%
Humanity's Last ExamScale AI / CAIS36.2%–
SimpleBenchSimpleBench61.7%64.8%†
Arena Hard PromptsArena (LMArena)15191511†
LiveBench 1.0 ReasoningLiveBench87.2%†91.7%
GPQA Diamond (AA)Artificial Analysis91.4%†94.1%
Humanity's Last Exam (AA)Artificial Analysis42.3%†49.5%
GPQA Diamond (Vals)Vals AI90.2%†95.2%
EnigmaEvalScale AI SEAL–37.1%†
Kagi LLM BenchmarkKagi LLM Benchmark73.3%67.0%†
ARC-AGI-1ARC Prize–96.5%
ARC-AGI-2ARC Prize–92.5%
ARC-AGI-3ARC Prize0.2%†7.8%
CritPtArtificial Analysis12.0%†32.3%
CritPt v2 hard subset (AA)Artificial Analysis–60.0%
MysteryMechanismVals AI–33.3%
HLE-Diamond (Scale)Scale AI SEAL–31.2%†
Arena ExpertArena (LMArena)15341532†
Chess PuzzlesEpoch AI Benchmarking Hub41.0%†59.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub13.0%58.0%
LMCAEpoch AI Benchmarking Hub52.2%†58.4%
DTBenchEpoch AI Benchmarking Hub94.7%†95.5%
ForecastBenchForecastBench62.8%65.7%
BTF-3Epoch AI Benchmarking Hub–13.7%
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub83.5%†–
162件のベンチマークをすべて表示
指標公開元Claude Opus 4.7GPT-5.6 Sol (max)
コーディング
SciCodeSciCode54.5%†57.1%
WeirdMLWeirdML76.4%87.0%
FrontierCodeCognition38.5%47.5%†
GSO-BenchGSO-Bench44.1%76.5%†
Arena CodingArena (LMArena)15471533†
Arena WebDevArena (LMArena)15551615†
LiveBench 1.0 CodingLiveBench82.1%†83.9%
SciCode (AA)Artificial Analysis–57.1%
LiveCodeBenchVals AI85.1%†82.6%
IOIVals AI–91.2%
SWE-bench (Vals)Vals AI82.0%†96.2%
Code MigrationVals AI43.9%†52.9%
ProgramBenchVals AI0.0%†1.5%
Vibe Code Bench 1-100Vals AI–20.0%
Vibe Code Bench v1.1Vals AI71.0%†80.5%
SWE Atlas v1.0: Codebase QnAScale AI SEAL40.3%46.0%†
SWE Atlas v1.0: RefactoringScale AI SEAL48.6%–
SWE Atlas v1.0: Test WritingScale AI SEAL38.5%45.9%†
SWE-Bench Pro V2Scale AI SEAL–95.5%†
SWE-Bench Pro V2 HARDScale AI SEAL–82.4%†
MirrorCodeEpoch AI Benchmarking Hub31.1%†20.0%†
Surface Evolver BenchEpoch AI Benchmarking Hub–93.1%†
DeepSWE v1.1Epoch AI Benchmarking Hub–72.7%
CursorBenchCursor–41.7%
ALE-BenchEpoch AI Benchmarking Hub1323.02176.9
FrontierSWEEpoch AI Benchmarking Hub–32.2%
WeirdML v3WeirdML–15.0%†
Terminal-Bench 4.0 (AA)Artificial Analysis–39.9%
Terminal-Bench 2.1 (AA)Artificial Analysis83.2%†88.0%
Startrise FrontendStartrise–66.2%†
GameBench 2 OverallDuelLab GameBench 2–67.0†
GameBench 2 by reasoning settingDuelLab GameBench 2–80.0†
Design Arena WebsiteDesign Arena–1319†
エージェント・ツール
Terminal-BenchTerminal-Bench80.2%38.5%
OSWorld-Verified 2.0OSWorld18.2%†27.3%
APEX-AgentsMercor49.2%†51.4%†
Arena AgentArena (LMArena)–4.6†
LiveBench Agentic CodingLiveBench50.7%†56.2%
Terminal-Bench HardArtificial Analysis51.5%†65.9%
τ²-Bench Telecom (AA)Artificial Analysis88.6%†85.1%
Terminal-Bench 2.1 (Vals)Vals AI68.5%†85.8%
MCP AtlasScale AI SEAL79.1%†–
HiL-BenchScale AI SEAL41.7%32.3%†
τ³-bench Bankingτ²-bench40.2%†46.9%†
GDPval-AA v2.1Artificial Analysis1361†1619
τ³-Banking (AA)Artificial Analysis34.6%†44.3%
ITBench SRE (AA)Artificial Analysis46.7%†56.2%
Analyst Agent (AA)Artificial Analysis43.8%†47.5%
CUA-benchVals AI–8.3%
CyberBenchVals AI–76.3%
Finance Agent v2Vals AI51.5%†53.8%
Harvey's Legal Agent Benchmark v1Vals AI6.7%†2.5%
Legal Research BenchVals AI38.5%†48.1%
SkillsBenchVals AI–54.1%
SREBenchVals AI–30.5%
Tax Agent BenchVals AI23.7%†31.1%
Terminal-Bench 2.0 (Vals)Vals AI68.5%†–
Terminal-Bench 4.0 (Vals)Vals AI–37.9%
Terminal-Bench ScienceVals AI–20.0%
Time Horizon Index: KSPVals AI–23.8%
Web Search IndexVals AI–43.6%
Arena SearchArena (LMArena)12101255†
Arena Agent Task CompletionArena (LMArena)–2.3†
BALROGBALROG–60.0%
PostTrainBenchEpoch AI Benchmarking Hub24.3%†31.0%
ExploitBenchEpoch AI Benchmarking Hub26.5%–
GBAEvalEpoch AI Benchmarking Hub43.8%52.6%†
Vending-Bench 2Andon Labs10936.89619.4†
AutomationBenchArtificial Analysis–60.1%
GDP.pdf (AA)Artificial Analysis–27.2%
EnterpriseOps-GymArtificial Analysis–42.9%
AA-Briefcase v1.1Artificial Analysis1252†1479
Design Arena AgenticDesign Arena–1238†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–22.4%
FACTS SearchGoogle–92.9%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub70.2%†89.1%
FrontierMath Tier 4Epoch AI Benchmarking Hub31.7%†82.9%
OTIS Mock AIMEEpoch AI Benchmarking Hub86.7%†100.0%
ProofBenchVals AI54.0%†83.0%
LiveBench MathematicsLiveBench92.8%†96.2%
AIME (Vals)Vals AI96.3%–
AIME 2026MathArena95.8%†–
HMMT February 2026MathArena93.9%†–
MathArena ApexMathArena40.6%†–
Arena MathsArena (LMArena)14901494†
FrontierMath ErdősEpoch AI Benchmarking Hub–0.0%
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub51.7%†69.7%
LiveBench 1.0 Data AnalysisLiveBench78.3%†79.8%
MMLU-ProVals AI89.9%†89.1%
LegalBenchVals AI85.3%†87.0%
CorpFinVals AI66.1%†64.4%
TaxEvalVals AI75.3%†74.8%
PRBench FinanceScale AI SEAL–50.5%
PRBench LegalScale AI SEAL–50.5%
BioMysteryBenchVals AI–71.1%
CaseLaw v2Vals AI68.4%–
Excel Modeling BenchmarkVals AI63.7%†72.3%
MedCodeVals AI54.9%†44.0%
MedScribeVals AI83.0%†85.2%
Public Benefits Bench v1.1Vals AI–66.5%
Financial Coaching BenchVals AI–74.9%
DrugDiscoveryBenchScale AI SEAL–56.5%
EBR-benchEpoch AI Benchmarking Hub19.1%†44.8%
GDP.pdfEpoch AI Benchmarking Hub21.0%†30.7%
FACTS ParametricGoogle–81.1%†
指示追従
LiveBench LanguageLiveBench77.9%†87.7%
LiveBench Instruction FollowingLiveBench66.7%†71.8%
IFBenchArtificial Analysis58.6%†72.7%
Arena Instruction FollowingArena (LMArena)14931490†
人間の評価
Arena TextArena (LMArena)14941485†
EQ-Bench 4EQ-Bench12931236†
EQ-Bench Creative Writing v3EQ-Bench19151974†
Arena Creative WritingArena (LMArena)14821471†
Arena Multi-turnArena (LMArena)15141491†
Arena Longer QueriesArena (LMArena)15081498†
マルチモーダル
Arena VisionArena (LMArena)13191282†
MMMU-ProArtificial Analysis78.8%†83.4%
MMMU-Pro (Vals)Vals AI85.5%†88.8%
MortgageTaxVals AI70.3%†67.3%
Humanity's Sixth SenseScale AI SEAL–30.0%
GeoBenchGeoBench–73.0%†
Blueprint-Bench 2Epoch AI Benchmarking Hub24.5%33.6%†
Furniture AssemblyEpoch AI Benchmarking Hub33.3%†56.7%
FACTS MultimodalGoogle–46.4%†
長文コンテキスト
AA-LCR v1.1Artificial Analysis78.7%†84.0%
Arena DocumentArena (LMArena)14941487†
MLCRArtificial Analysis–30.0%
FACTS GroundingGoogle–61.9%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub157.4163.0†
LiveBench 1.0LiveBench76.5%†81.0%
AA Intelligence Index v4.3.2Artificial Analysis40.7†47.0
AA Progress Index v1Artificial Analysis312.5†331.5
Vals RSI IndexVals AI19.1%†23.9%
Vals Science IndexVals AI–41.5%
Vals Multimodal IndexVals AI67.4%†72.6%
安全性・誠実さ
FORTRESSScale AI SEAL–20.1%†
DistressBenchScale AI SEAL–73.6%†

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-5.6 Sol (max):新しい結果1件(GDPval-AA v2.1)。
  • GPT-5.6 Sol (max):スコアの改訂1件。
  • GPT-5.6 Sol (max):BenchLeader Index 65.8 → 65.3。
  • GPT-5.6 Sol (max):スコアの改訂1件。
  • Claude Opus 4.7:スコアの改訂1件。
  • GPT-5.6 Sol (max):スコアの改訂1件。
  • GPT-5.6 Sol (max):新しい結果2件(AA Progress Index v1, CritPt v2 hard subset (AA))。
  • Claude Opus 4.7:スコアの改訂1件。
  • GPT-5.6 Sol (max):新しい結果1件(AA-Briefcase v1.1)。
  • Claude Opus 4.7:新しい結果1件(Harvey's Legal Agent Benchmark v1)。

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-5.6 Sol:よくある質問

Claude Opus 4.7はGPT-5.6 Solより優れていますか?
Claude Opus 4.7とGPT-5.6 Sol (max)の品質は互角です(63.1 対 65.3、±4.9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-5.6 Sol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-5.6 Solの方が安く、100万トークンあたり$8.00 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-5.6 Solのどちらが向いていますか?
コーディングではGPT-5.6 Solの方がスコアが高くなっています(カテゴリ指標で66 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-5.6 Solが87.0%です。
Claude Opus 4.7とGPT-5.6 Solはどちらが速いですか?
GPT-5.6 Solの方が出力が約2倍速くなっています(出力100 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-5.6 Sol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互角です(カテゴリ指標で68 対 68)。共通するエージェント・ツールベンチマークのうち最も重要なTerminal-Benchでは、Claude Opus 4.7が80.2%、GPT-5.6 Solが38.5%です。
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-5.6 Sol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 33.5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-5.6 Sol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5件のベンチマークのうち、Claude Opus 4.7のリードが1件、GPT-5.6 Solのリードが4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。
GPT-5.6 Solはいつリリースされましたか?
GPT-5.6 Solは2026年7月9日にリリースされました。