BenchLeader

Claude Opus 4.7 vs Step 5 Preview

詳しいプロフィール:Claude Opus 4.7(Anthropic)とStep 5 Preview(StepFun)。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、品質ではClaude Opus 4.7がStep 5 Previewを上回ります(BenchLeader Indexで63.1 対 56.0)。ただし、価格はStep 5 Previewの方が7.0倍安く、100万トークンあたりのブレンド価格で$1.43 対 $10.00です。両方を測定できるすべてのカテゴリでClaude Opus 4.7がリードしています。Step 5 Preview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 4.7が63.1、Step 5 Previewが56.0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)。
  • Step 5 Previewの100万トークンあたりのブレンド価格は$1.43です(定価、2026年11月16日)。
  • Step 5 PreviewはClaude Opus 4.7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)。
  • 両モデルに結果がある9件のベンチマークのうち、Claude Opus 4.7が9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Claude Opus 4.7カテゴリスコア61 対 50;Arena Coding 1547 対 1505高
エージェント・ツール利用Claude Opus 4.7カテゴリスコア68 対 49高
数学Claude Opus 4.7カテゴリスコア67 対 60;Arena Maths 1490 対 1470中
推論Claude Opus 4.7カテゴリスコア64 対 52;Arena Hard Prompts 1519 対 1477高
画像などのメディアClaude Opus 4.7カテゴリスコア67 対 59;Arena Vision 1319 対 1263高
チャットの質(人間の評価)Claude Opus 4.7Arenaの投票で67 対 63中
最低コストStep 5 Preview100万トークンあたりブレンド価格$1.43 対 $10.00;エージェント型コーディングセッション$0.071 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 23.5秒(Step 5 Preview)–
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Claude Opus 4.7がリードしています:63.1 対 56.0。
  • Claude Opus 4.7はエージェント・ツール、コーディング、人間の評価、数学、マルチモーダル、推論で優れています。
  • Step 5 Previewの方が7.0倍安くなっています(100万トークンあたりブレンド価格$1.43 対 $10.00)。
  • Step 5 Previewの方が出力が2.6倍速くなっています(124 対 48トークン/秒)。

概要

仕様Claude Opus 4.7Step 5 Preview
プロバイダーAnthropicStepFun
リリース日2026年4月16日2026年9月18日
コンテキストウィンドウ(トークン)1,000,0001,000,000
比較した構成Claude Opus 4.7Step 5 Preview
オープンウェイトなしあり
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$1.00 / $2.70 / $0.105

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 4.7Step 5 Previewトップ
推論63.651.7Claude Opus 4.7
コーディング60.949.9Claude Opus 4.7
エージェント・ツール67.949.1Claude Opus 4.7
数学66.760.1Claude Opus 4.7
知識–53.7比較不可
人間の評価67.363.1Claude Opus 4.7
マルチモーダル67.159.3Claude Opus 4.7
長文コンテキスト–69.0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人間の評価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: 67.1Claude Opus 4.7, 人間の評価: 67.3Step 5 Preview, 推論: 51.7Step 5 Preview, コーディング: 49.9Step 5 Preview, エージェント・ツール: 49.1Step 5 Preview, 数学: 60.1Step 5 Preview, マルチモーダル: 59.3Step 5 Preview, 人間の評価: 63.1

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。

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9件、Step 5 Previewのリードが0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 4.7Step 5 Previewトップ
BenchLeader Index63.156.0Claude Opus 4.7
Arena Text14941449Claude 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 4.7Step 5 Preview
100万トークンあたりのブレンド価格$10.00$1.43
100万トークンあたりの入力/出力$5.00 / $25.00$1.00 / $2.70
100万トークンあたりのキャッシュ入力$0.500$0.105
タスクあたりの価格:チャットの返答$0.0095$0.0012
タスクあたりの価格:30ページのレポートを要約$0.075$0.014
タスクあたりの価格:コード編集$0.068$0.010
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$0.071
タスクあたりの価格:構造化データの抽出$0.015$0.0025
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$0.030
ベンチマークのタスクあたりのコスト(AA Index)–$2.35
タスクあたりの出力トークン(AA Index)–113k
うち推論–80k
タスクあたりの時間(AA Index)–15 min
出力速度48 tok/s124 tok/s
回答開始までの時間1.0秒23.5秒
回答が完了するまでの時間(最終測定2026年11月13日)–54.4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)。Step 5 Previewのスコアは56.0、最初の回答トークンまで24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

158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 4.7Step 5 Preview
BenchLeader IndexBenchLeader63.156.0
エージェント・ツールスコアBenchLeader67.949.1
コーディングスコアBenchLeader60.949.9
人間の評価スコアBenchLeader67.363.1
数学スコアBenchLeader66.760.1
マルチモーダルスコアBenchLeader67.159.3
推論スコアBenchLeader63.651.7
知識スコアBenchLeader–53.7
長文コンテキストスコアBenchLeader–69.0
ブレンド価格($/100万トークン)BenchLeader$10.00$1.43
出力速度BenchLeader48 tok/s124 tok/s
回答開始までの時間BenchLeader1.0秒23.5秒
コンテキストウィンドウBenchLeader1,000,000トークン1,000,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub86.4%†–
Humanity's Last ExamScale AI / CAIS36.2%–
SimpleBenchSimpleBench61.7%–
Arena Hard PromptsArena (LMArena)15191477
LiveBench 2.0 ReasoningLiveBench–83.8%†
LiveBench 1.0 ReasoningLiveBench87.2%†–
GPQA Diamond (AA)Artificial Analysis91.4%†–
Humanity's Last Exam (AA)Artificial Analysis42.3%†46.5%
HLE-Diamond (AA)Artificial Analysis–24.3%
GPQA Diamond (Vals)Vals AI90.2%†–
Kagi LLM BenchmarkKagi LLM Benchmark73.3%–
ARC-AGI-3ARC Prize0.2%†–
CritPtArtificial Analysis12.0%†20.9%
CritPt v2 hard subset (AA)Artificial Analysis–32.5%
MysteryMechanismVals AI–18.5%
Arena ExpertArena (LMArena)15341489
Chess PuzzlesEpoch AI Benchmarking Hub41.0%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub13.0%–
LMCAEpoch AI Benchmarking Hub52.2%†–
DTBenchEpoch AI Benchmarking Hub94.7%†–
ForecastBenchForecastBench62.8%–
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub83.5%†–
SciCodeSciCode54.5%†58.9%
WeirdMLWeirdML76.4%–
FrontierCodeCognition38.5%–
158件のベンチマークをすべて表示
指標公開元Claude Opus 4.7Step 5 Preview
コーディング
GSO-BenchGSO-Bench44.1%–
Arena CodingArena (LMArena)15471505
Arena WebDevArena (LMArena)15551573†
LiveBench 2.0 CodingLiveBench–67.6%†
LiveBench 1.0 CodingLiveBench82.1%†–
SciCode (AA)Artificial Analysis–58.9%
LiveCodeBenchVals AI85.1%†–
IOIVals AI–38.1%
SWE-bench (Vals)Vals AI82.0%†–
Code MigrationVals AI43.9%†39.0%
Code Migration v1.1Vals AI–47.0%
ProgramBenchVals AI0.0%†–
SWE-bench MultimodalVals AI–40.8%
Vibe Code Bench v1.1Vals AI71.0%†70.4%
SWE Atlas v1.0: Codebase QnAScale AI SEAL40.3%–
SWE Atlas v1.0: RefactoringScale AI SEAL48.6%–
SWE Atlas v1.0: Test WritingScale AI SEAL38.5%–
MirrorCodeEpoch AI Benchmarking Hub31.1%†–
ALE-BenchEpoch AI Benchmarking Hub1323.0–
Terminal-Bench 4.0 (AA)Artificial Analysis–33.3%
Terminal-Bench 2.1 (AA)Artificial Analysis83.2%†–
FrontierCode 1.1 (AA)Artificial Analysis–38.4%
FrontierCode 2.0 (AA)Artificial Analysis–12.0%
エージェント・ツール
Terminal-BenchTerminal-Bench80.2%–
OSWorld-Verified 2.0OSWorld18.2%†–
APEX-AgentsMercor49.2%†–
Arena AgentArena (LMArena)–-3.7
LiveBench Long AgenticLiveBench–19.4%†
LiveBench BrowserLiveBench–24.8%†
LiveBench Agentic CodingLiveBench50.7%†–
Terminal-Bench HardArtificial Analysis51.5%†–
τ²-Bench Telecom (AA)Artificial Analysis88.6%†–
Terminal-Bench 2.1 (Vals)Vals AI68.5%†–
MCP AtlasScale AI SEAL79.1%†–
HiL-BenchScale AI SEAL41.7%–
τ³-bench Bankingτ²-bench40.2%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis–54.3%
GDPval-AA v2.1Artificial Analysis1361†1591
τ³-Banking (AA)Artificial Analysis34.6%†–
ITBench SRE (AA)Artificial Analysis46.7%†55.6%
Analyst Agent (AA)Artificial Analysis43.8%†35.0%
APEX-Agents (AA)Artificial Analysis–38.0%
Finance Agent v2Vals AI51.5%†50.7%
Finance Agent v2.1Vals AI–58.9%
Harvey's Legal Agent Benchmark v1.1Vals AI–12.9%
Harvey's Legal Agent Benchmark v1Vals AI6.7%†9.2%
Legal Research BenchVals AI38.5%†40.4%
SREBenchVals AI–0.4%
Tax Agent BenchVals AI23.7%†27.3%
Terminal-Bench 2.0 (Vals)Vals AI68.5%†–
Terminal-Bench 4.0 (Vals)Vals AI–31.8%
Terminal-Bench ScienceVals AI–2.9%
Arena SearchArena (LMArena)1210–
Arena Agent Task CompletionArena (LMArena)–-1.5
PostTrainBenchEpoch AI Benchmarking Hub24.3%†–
ExploitBenchEpoch AI Benchmarking Hub26.5%–
GBAEvalEpoch AI Benchmarking Hub43.8%–
Vending-Bench 2Andon Labs10936.8–
AutomationBenchArtificial Analysis–51.0%
GDP.pdf (AA)Artificial Analysis–14.8%
EnterpriseOps-GymArtificial Analysis–47.2%
AA-Briefcase v1.1Artificial Analysis1252†1424
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–2.4%
CWE-Bench (AA)Artificial Analysis–52.5%
DeepSec-Bench (AA)Artificial Analysis–15.8%
CyberGym end-to-end (AA)Artificial Analysis–74.8%
MKA (AA)Artificial Analysis–27.6%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub70.2%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub31.7%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub86.7%†–
ProofBenchVals AI54.0%†42.0%
LiveBench MathematicsLiveBench92.8%†–
AIME (Vals)Vals AI96.3%–
AIME 2026MathArena95.8%†–
HMMT February 2026MathArena93.9%†–
MathArena ApexMathArena40.6%†–
Arena MathsArena (LMArena)14901470
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub51.7%†–
LiveBench 2.0 Data AnalysisLiveBench–63.5%†
LiveBench ResearchLiveBench–75.5%†
LiveBench 1.0 Data AnalysisLiveBench78.3%†–
AA-Omniscience v1.1Artificial Analysis–16.4
MMLU-ProVals AI89.9%†–
LegalBenchVals AI85.3%†–
CorpFinVals AI66.1%†–
TaxEvalVals AI75.3%†–
BioMysteryBenchVals AI–67.4%
CaseLaw v2Vals AI68.4%–
Excel Modeling BenchmarkVals AI63.7%†57.1%
Excel Modeling Benchmark v1.1Vals AI–69.5%
MedCodeVals AI54.9%†–
MedScribeVals AI83.0%†–
Public Benefits Bench v1.1Vals AI–58.1%
EBR-benchEpoch AI Benchmarking Hub19.1%†–
GDP.pdfEpoch AI Benchmarking Hub21.0%†–
AA-Omniscience v1.1: accuracyArtificial Analysis–36.4%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–68.7%
指示追従
LiveBench LanguageLiveBench77.9%†–
LiveBench Instruction FollowingLiveBench66.7%†–
IFBenchArtificial Analysis58.6%†–
Arena Instruction FollowingArena (LMArena)14931450
人間の評価
Arena TextArena (LMArena)14941449
EQ-Bench 4EQ-Bench1293–
EQ-Bench Creative Writing v3EQ-Bench1915–
Arena Creative WritingArena (LMArena)14821413
Arena Multi-turnArena (LMArena)15141445
Arena Longer QueriesArena (LMArena)15081461
マルチモーダル
Arena VisionArena (LMArena)13191263
LiveBench DesignLiveBench–70.8%†
MMMU-ProArtificial Analysis78.8%†76.4%
MMMU-Pro (Vals)Vals AI85.5%†–
MortgageTaxVals AI70.3%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub24.5%–
Furniture AssemblyEpoch AI Benchmarking Hub33.3%†–
Code2Video-AAArtificial Analysis–821
AA-3DArtificial Analysis–859
長文コンテキスト
AA-LCR v1.1Artificial Analysis78.7%†88.3%
Arena DocumentArena (LMArena)1494–
MLCRArtificial Analysis–18.3%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub157.4–
LiveBench 2.0LiveBench–54.9%†
LiveBench 1.0LiveBench76.5%†–
AA Intelligence Index v5.0.1Artificial Analysis–28.5
AA Intelligence Index v4.3.2Artificial Analysis40.7†43.7
AA Progress Index v1Artificial Analysis312.5†318.2
Vals IndexVals AI–54.8
Vals Finance IndexVals AI–55.4%
Vals RSI IndexVals AI19.1%†–
Vals Science IndexVals AI–29.6%
Vals Multimodal IndexVals AI67.4%†–
Vals Legal IndexVals AI–70.2%
AA Cyber IndexArtificial Analysis–47.7
メタデータ
AA Openness IndexArtificial Analysis–33.3

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。

最近の変化

  • Step 5 Preview:BenchLeader Index 54.2 → 56.0。
  • Step 5 Preview:BenchLeader Index 54.7 → 54.2。
  • Step 5 Preview:スコアの改訂1件。
  • Step 5 Preview:スコアの改訂7件。
  • Claude Opus 4.7:スコアの改訂1件。
  • Step 5 Preview:新しい結果2件(Vals Index, Harvey's Legal Agent Benchmark v1.1)。
  • Step 5 Preview:スコアの改訂1件。
  • Step 5 Preview:BenchLeader Index 58.0 → 54.7。
  • Step 5 Preview:新しい結果5件(AA Intelligence Index v5.0.1, AA Progress Index v1, HLE-Diamond (AA)…)、スコアの改訂2件、価格 $1.03/M → $2.35/M。
  • Step 5 Preview:スコアの改訂3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 Step 5 Preview:よくある質問

Claude Opus 4.7はStep 5 Previewより優れていますか?
品質ではClaude Opus 4.7がリードしています:63.1 対 56.0。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Claude Opus 4.7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 4.7とStep 5 Preview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Step 5 Previewの方が安く、100万トークンあたり$1.43 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Step 5 Previewのどちらが向いていますか?
コーディングでは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61 対 50。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 Codingでは、Claude Opus 4.7が1547、Step 5 Previewが1505です。
Claude Opus 4.7とStep 5 Previewはどちらが速いですか?
Step 5 Previewの方が出力が3倍以上速くなっています(出力124 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Step 5 Preview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 49。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1,000,000トークンのコンテキストに対応しています。
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 23.5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Step 5 Preview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9件、Step 5 Previewのリードが0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。
Step 5 Previewはいつリリースされましたか?
Step 5 Previewは2026年9月18日にリリースされました。