BenchLeader

Claude Opus 4.8 vs GPT-5.2

詳しいプロフィール:Claude Opus 4.8(Anthropic)とGPT-5.2(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 4.8とGPT-5.2の品質は互角です(BenchLeader Indexで61.1 対 59.9、±5.6の誤差範囲内)。価格はGPT-5.2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。数学(68 対 57)、知識(61 対 56)、推論(64 対 60)を重視するならClaude Opus 4.8、指示追従(74 対 62)、長文コンテキスト(66 対 63)、コーディング(63 対 62)を重視するならGPT-5.2が向いています。回答開始までの時間はClaude Opus 4.8の方が短く、39.1秒 対 112.5秒です。

要点(2026年11月16日時点)

  • BenchLeader IndexはClaude Opus 4.8が61.1、GPT-5.2が59.9です(BenchLeader、2026年11月16日)。
  • Claude Opus 4.8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-5.2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)。
  • 両モデルに結果がある36件のベンチマークのうち、Claude Opus 4.8が31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-5.2カテゴリスコア63 対 62;LiveCodeBench 85.4% 対 87.8%中
エージェント・ツール利用Claude Opus 4.8カテゴリスコア57 対 54;MCP Atlas 82.2% 対 67.6%中
数学Claude Opus 4.8カテゴリスコア68 対 57;FrontierMath Tiers 1–3 80.0% 対 67.4%高
推論Claude Opus 4.8カテゴリスコア64 対 60;ARC-AGI-1 92.5% 対 86.2%中
知識Claude Opus 4.8カテゴリスコア61 対 56;SimpleQA Verified 53.0% 対 37.1%中
長い文書GPT-5.2カテゴリスコア66 対 63;AA-LCR v1.1 82.7% 対 77.7%中
指示への追従GPT-5.2カテゴリスコア74 対 62;IFBench 75.4% 対 62.2%高
最低コストGPT-5.2100万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 4.8最初の回答トークンまで39.1秒(Claude Opus 4.8 (max))対 112.5秒(GPT-5.2 (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 4.8 (max)とGPT-5.2 (xhigh)の品質は互角です(61.1 対 59.9、±5.6の誤差範囲内)。
  • Claude Opus 4.8 (max)はエージェント・ツール、知識、数学、推論で優れています。
  • GPT-5.2 (xhigh)はコーディング、指示追従、長文コンテキストで優れています。
  • GPT-5.2 (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)。

概要

仕様Claude Opus 4.8GPT-5.2
プロバイダーAnthropicOpenAI
リリース日2026年5月28日2025年12月11日
コンテキストウィンドウ(トークン)1,000,000400,000
比較した構成Claude Opus 4.8 (max)GPT-5.2 (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 4.8 (max)GPT-5.2 (xhigh)トップ
推論64.160.4Claude Opus 4.8
コーディング61.963.0GPT-5.2
エージェント・ツール56.953.8Claude Opus 4.8
数学67.756.5Claude Opus 4.8
知識61.056.1Claude Opus 4.8
指示追従62.173.7GPT-5.2
長文コンテキスト63.466.0GPT-5.2

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・ツール数学知識指示追従長文コンテキストClaude Opus 4.8, 推論: 64.1Claude Opus 4.8, コーディング: 61.9Claude Opus 4.8, エージェント・ツール: 56.9Claude Opus 4.8, 数学: 67.7Claude Opus 4.8, 知識: 61.0Claude Opus 4.8, 指示追従: 62.1Claude Opus 4.8, 長文コンテキスト: 63.4GPT-5.2, 推論: 60.4GPT-5.2, コーディング: 63.0GPT-5.2, エージェント・ツール: 53.8GPT-5.2, 数学: 56.5GPT-5.2, 知識: 56.1GPT-5.2, 指示追従: 73.7GPT-5.2, 長文コンテキスト: 66.0

描画していないもの(測定済みのモデルが2つ未満):マルチモーダル, 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36件のベンチマークのうち、Claude Opus 4.8のリードが31件、GPT-5.2のリードが5件です。両方を評価しているすべての総合指標で、Claude Opus 4.8が上回っています。

総合IndexClaude Opus 4.8 (max)GPT-5.2 (xhigh)トップ
BenchLeader Index61.159.9互角
Arena Text1482†1437Claude Opus 4.8

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 4.8 (max)GPT-5.2 (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85 tok/s76 tok/s
回答開始までの時間39.1秒112.5秒
回答が完了するまでの時間(最終測定2026年11月13日)81.0秒154.4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 4.8 (max)のスコアは61.1、最初の回答トークンまで39秒。Claude Opus 4.8 (high)は60.4(1秒)、Claude Opus 4.8は58.7(1秒)。GPT-5.2 (xhigh)のスコアは59.9、最初の回答トークンまで112秒。GPT-5.2は56.7(2秒)、GPT-5.2 (medium)は56.2(7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 4.8 (max)GPT-5.2 (xhigh)
BenchLeader IndexBenchLeader61.159.9
エージェント・ツールスコアBenchLeader56.953.8
コーディングスコアBenchLeader61.963.0
指示追従スコアBenchLeader62.173.7
知識スコアBenchLeader61.056.1
長文コンテキストスコアBenchLeader63.466.0
数学スコアBenchLeader67.756.5
推論スコアBenchLeader64.160.4
ブレンド価格($/100万トークン)BenchLeader$10.00$4.81
出力速度BenchLeader85 tok/s76 tok/s
回答開始までの時間BenchLeader39.1秒112.5秒
コンテキストウィンドウBenchLeader1,000,000トークン400,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub91.0%91.4%
Humanity's Last ExamScale AI / CAIS–27.8%†
SimpleBenchSimpleBench64.8%†45.8%†
Arena Hard PromptsArena (LMArena)1505†1497†
LiveBench 1.0 ReasoningLiveBench89.2%83.2%†
GPQA Diamond (AA)Artificial Analysis92.0%90.3%
Humanity's Last Exam (AA)Artificial Analysis48.7%37.7%
GPQA Diamond (Vals)Vals AI92.4%91.7%
EnigmaEvalScale AI SEAL23.5%†–
Kagi LLM BenchmarkKagi LLM Benchmark88.8%†73.3%†
ARC-AGI-1ARC Prize92.5%86.2%
ARC-AGI-2ARC Prize72.1%†52.9%
ARC-AGI-3ARC Prize1.5%†–
CritPtArtificial Analysis20.9%11.6%
SciPredictScale AI SEAL–20.6%†
Arena ExpertArena (LMArena)1514†1491†
Chess PuzzlesEpoch AI Benchmarking Hub52.0%48.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub36.0%22.0%†
CL-benchEpoch AI Benchmarking Hub–18.2%†
LMCAEpoch AI Benchmarking Hub57.5%43.9%
DTBenchEpoch AI Benchmarking Hub94.9%90.9%
ForecastBenchForecastBench66.1%63.8%†
BTF-3Epoch AI Benchmarking Hub14.0%†–
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub–73.8%†
SciCodeSciCode53.5%–
158件のベンチマークをすべて表示
指標公開元Claude Opus 4.8 (max)GPT-5.2 (xhigh)
コーディング
WeirdMLWeirdML70.5%†72.2%
FrontierCodeCognition46.5%†–
GSO-BenchGSO-Bench47.1%†27.4%†
Arena CodingArena (LMArena)1529†1515†
Arena WebDevArena (LMArena)1536†1421†
LiveBench 1.0 CodingLiveBench81.8%76.1%†
SciCode (AA)Artificial Analysis54.4%–
LiveCodeBenchVals AI87.8%85.4%
SWE-bench (Vals)Vals AI88.6%75.8%
SWE-Bench ProScale AI SEAL–29.9%†
SWE-bench Verified (bash only)SWE-bench–69.0%†
SWE-bench Multilingual (bash only)SWE-bench–66.7%†
SWE-bench Verified (any scaffold)SWE-bench–72.8%†
Code MigrationVals AI47.3%–
ProgramBenchVals AI1.0%–
Vibe Code Bench v1.1Vals AI82.7%53.5%
SWE-Bench Pro (private)Scale AI SEAL–23.8%†
SWE Atlas v1.0: Codebase QnAScale AI SEAL57.3%†–
SWE Atlas v1.0: RefactoringScale AI SEAL46.7%†–
SWE Atlas v1.0: Test WritingScale AI SEAL49.6%†–
MirrorCodeEpoch AI Benchmarking Hub65.6%32.2%
Surface Evolver BenchEpoch AI Benchmarking Hub87.5%†–
DeepSWE v1.1Epoch AI Benchmarking Hub59.0%–
ALE-BenchEpoch AI Benchmarking Hub1563.8†1249.8†
AlgoTuneAlgoTune–2.0†
WeirdML v3WeirdML–5.0%
Terminal-Bench 4.0 (AA)Artificial Analysis21.7%–
Terminal-Bench 2.1 (AA)Artificial Analysis84.6%–
GameBench 2 OverallDuelLab GameBench 249.4†–
GameBench 2 by reasoning settingDuelLab GameBench 245.1†–
Design Arena WebsiteDesign Arena1250†1186
LiveCodeBench (AA)Artificial Analysis–88.9%
エージェント・ツール
Terminal-BenchTerminal-Bench23.6%64.9%†
OSWorld-Verified 2.0OSWorld20.6%–
GDPvalOpenAI–49.7%†
Remote Labor IndexScale AI / CAIS8.3%†2.1%†
APEX-AgentsMercor48.9%–
LiveBench Agentic CodingLiveBench50.5%50.3%†
Terminal-Bench HardArtificial Analysis58.3%47.0%
τ²-Bench Telecom (AA)Artificial Analysis94.4%84.8%
Terminal-Bench 2.1 (Vals)Vals AI71.9%–
MCP AtlasScale AI SEAL82.2%67.6%
HiL-BenchScale AI SEAL35.3%†–
BFCL OverallBerkeley Function Calling Leaderboard–55.9%†
τ²-benchτ²-bench–84.8%†
τ³-bench Bankingτ²-bench39.7%32.2%†
GDPval-AA v2.1Artificial Analysis1461–
τ³-Banking (AA)Artificial Analysis34.2%11.1%†
Analyst Agent (AA)Artificial Analysis45.0%–
Finance Agent v2Vals AI53.9%–
Harvey's Legal Agent Benchmark v1Vals AI9.6%–
Legal Research BenchVals AI43.8%–
Poker AgentVals AI–1131.8%†
SkillsBenchVals AI59.2%–
Tax Agent BenchVals AI30.0%–
Terminal-Bench 2.0 (Vals)Vals AI70.0%51.7%†
Terminal-Bench 4.0 (Vals)Vals AI23.2%–
Terminal-Bench ScienceVals AI4.3%–
Time Horizon Index: KSPVals AI11.8%–
Arena SearchArena (LMArena)1194†1161†
DeepResearch BenchDeepResearch Bench50.2%†41.1%†
PostTrainBenchEpoch AI Benchmarking Hub31.0%–
METR Time HorizonsMETR–75.3%†
GBAEvalEpoch AI Benchmarking Hub70.9%†–
Vending-Bench 2Andon Labs2992.33591.3†
AutomationBenchArtificial Analysis45.6%–
GDP.pdf (AA)Artificial Analysis22.8%–
EnterpriseOps-GymArtificial Analysis44.0%–
AA-Briefcase v1.1Artificial Analysis1320–
Design Arena AgenticDesign Arena1226†1065†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub80.0%67.4%
FrontierMath Tier 4Epoch AI Benchmarking Hub56.1%31.7%
OTIS Mock AIMEEpoch AI Benchmarking Hub98.3%96.1%
ProofBenchVals AI69.0%15.0%
LiveBench MathematicsLiveBench94.3%93.2%†
AIME (Vals)Vals AI–96.9%
MGSMVals AI–94.0%
AIME 2026MathArena100.0%98.3%†
HMMT February 2026MathArena95.5%97.0%†
MathArena ApexMathArena81.3%13.5%†
Arena MathsArena (LMArena)1476†1453†
AIME 2025 (AA)Artificial Analysis–99.0%
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub53.0%37.1%
LiveBench 1.0 Data AnalysisLiveBench66.0%78.2%†
MMLU-ProVals AI89.6%86.2%
LegalBenchVals AI83.6%82.8%
CorpFinVals AI66.7%65.9%
TaxEvalVals AI75.6%75.8%
MedQAVals AI–94.1%
MultiNRCScale AI SEAL–42.2%†
CaseLaw v2Vals AI–66.0%
Excel Modeling BenchmarkVals AI69.4%–
MedCodeVals AI53.2%49.8%
MedScribeVals AI85.8%84.4%
Public Benefits Bench v1.1Vals AI68.1%–
DrugDiscoveryBenchScale AI SEAL46.8%29.3%
EBR-benchEpoch AI Benchmarking Hub28.6%23.0%
GDP.pdfEpoch AI Benchmarking Hub24.0%–
Global-MMLU-Lite (AA)Artificial Analysis–89.8%†
指示追従
LiveBench LanguageLiveBench79.7%79.8%†
LiveBench Instruction FollowingLiveBench72.0%61.8%†
IFBenchArtificial Analysis62.2%75.4%
TutorBenchScale AI SEAL–53.5%†
Arena Instruction FollowingArena (LMArena)1479†1457†
人間の評価
Arena TextArena (LMArena)1474†1476†
EQ-Bench 4EQ-Bench1268†–
EQ-Bench Creative Writing v3EQ-Bench1840†1703†
Arena Creative WritingArena (LMArena)1464†1432†
Arena Multi-turnArena (LMArena)1493†1495†
Arena Longer QueriesArena (LMArena)1499†1472†
マルチモーダル
Arena VisionArena (LMArena)1289†1268†
MMMU-ProArtificial Analysis–74.6%†
VISTAScale AI SEAL–46.6%†
MMMU-Pro (Vals)Vals AI86.6%86.7%
MortgageTaxVals AI69.9%67.1%
Humanity's Sixth SenseScale AI SEAL23.5%–
GeoBenchGeoBench81.0%†–
VPCTEpoch AI Benchmarking Hub–84.0%
Blueprint-Bench 2Epoch AI Benchmarking Hub14.5%†–
Furniture AssemblyEpoch AI Benchmarking Hub42.5%38.3%
長文コンテキスト
AA-LCR v1.1Artificial Analysis77.7%82.7%
Arena DocumentArena (LMArena)1476†1425†
MLCRArtificial Analysis19.4%–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub159.9†154.5†
LiveBench 1.0LiveBench76.2%74.6%†
AA Intelligence Index v4.3.2Artificial Analysis41.830.4
AA Progress Index v1Artificial Analysis318.4295.5
Vals RSI IndexVals AI24.0%15.8%
Vals Multimodal IndexVals AI70.9%–
安全性・誠実さ
FORTRESSScale AI SEAL18.2%17.5%†
MASKScale AI SEAL–86.7%†
PropensityBenchScale AI SEAL–34.4%†
DistressBenchScale AI SEAL71.4%†–

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。

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

  • Claude Opus 4.8 (max):BenchLeader Index 60.3 → 61.1。
  • Claude Opus 4.8 (max):新しい結果27件(LiveCodeBench, MMLU-Pro, LegalBench…)。
  • Claude Opus 4.8 (max):新しい結果1件(GDPval-AA v2.1)。
  • GPT-5.2 (xhigh):新しい結果1件(AIME 2025 (AA))。
  • Claude Opus 4.8 (max):スコアの改訂1件。
  • Claude Opus 4.8 (max):新しい結果1件(MirrorCode)。
  • GPT-5.2 (xhigh):新しい結果1件(MirrorCode)。
  • Claude Opus 4.8 (max):新しい結果1件(MirrorCode)。
  • Claude Opus 4.8 (max):BenchLeader Index 61.6 → 60.3。
  • Claude Opus 4.8 (max):新しい結果1件(AA Progress Index 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 4.8 vs GPT-5.2:よくある質問

Claude Opus 4.8はGPT-5.2より優れていますか?
Claude Opus 4.8 (max)とGPT-5.2 (xhigh)の品質は互角です(61.1 対 59.9、±5.6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 4.8とGPT-5.2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-5.2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 4.8とGPT-5.2のどちらが向いていますか?
コーディングではGPT-5.2の方がスコアが高くなっています(カテゴリ指標で63 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LiveCodeBenchでは、Claude Opus 4.8が87.8%、GPT-5.2が85.4%です。
Claude Opus 4.8とGPT-5.2はどちらが速いですか?
Claude Opus 4.8の方が出力が速くなっています(出力85 対 76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 4.8とGPT-5.2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 4.8の方がスコアが高くなっています(カテゴリ指標で57 対 54。50が平均)。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MCP Atlasでは、Claude Opus 4.8が82.2%、GPT-5.2が67.6%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?
長文コンテキストのベンチマークではGPT-5.2の方がスコアが高くなっています(66 対 63)。コンテキストはClaude Opus 4.8の方が長く、1,000,000トークンです(GPT-5.2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 4.8です。Artificial Analysisの測定では、最初の回答トークンまで39.1秒 対 112.5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 4.8とGPT-5.2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36件のベンチマークのうち、Claude Opus 4.8のリードが31件、GPT-5.2のリードが5件です。両方を評価しているすべての総合指標で、Claude Opus 4.8が上回っています。
Claude Opus 4.8はいつリリースされましたか?
Claude Opus 4.8は2026年5月28日にリリースされました。