BenchLeader

Claude Opus 4.8 vs GPT-5.6 Sol

詳しいプロフィール:Claude Opus 4.8(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 · 12件の情報源のデータ

2026年11月16日時点で、品質ではGPT-5.6 SolがClaude Opus 4.8を上回ります(BenchLeader Indexで65.3 対 61.1)。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。両方を測定できるすべてのカテゴリでGPT-5.6 Solがリードしています。

要点(2026年11月16日時点)

  • BenchLeader IndexはClaude Opus 4.8が61.1、GPT-5.6 Solが65.3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-5.6 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)。
  • 両モデルに結果がある76件のベンチマークのうち、GPT-5.6 Solが59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 62;SciCode 57.1% 対 53.5%中
エージェント・ツール利用GPT-5.6 Solカテゴリスコア68 対 57;Terminal-Bench 38.5% 対 23.6%高
数学GPT-5.6 Solカテゴリスコア70 対 68;FrontierMath Tiers 1–3 89.1% 対 80.0%中
推論どちらでもカテゴリスコア64 対 65;GPQA Diamond 91.0% 対 93.5%どちらでも
知識GPT-5.6 Solカテゴリスコア64 対 61;SimpleQA Verified 69.7% 対 53.0%中
長い文書GPT-5.6 Solカテゴリスコア67 対 63;AA-LCR v1.1 84.0% 対 77.7%中
指示への追従GPT-5.6 Solカテゴリスコア71 対 62;IFBench 72.7% 対 62.2%高
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–
回答開始の速さどちらでも最初の回答トークンまで39.1秒(Claude Opus 4.8 (max))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

  • 品質ではGPT-5.6 Sol (max)がリードしています:65.3 対 61.1。
  • GPT-5.6 Sol (max)はエージェント・ツール、コーディング、指示追従、知識、長文コンテキスト、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)。

概要

仕様Claude Opus 4.8GPT-5.6 Sol
プロバイダーAnthropicOpenAI
リリース日2026年5月28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 4.8 (max)GPT-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 4.8 (max)GPT-5.6 Sol (max)トップ
推論64.164.7互角
コーディング61.965.8GPT-5.6 Sol
エージェント・ツール56.967.5GPT-5.6 Sol
数学67.770.0GPT-5.6 Sol
知識61.063.8GPT-5.6 Sol
指示追従62.171.2GPT-5.6 Sol
マルチモーダル–65.9比較不可
長文コンテキスト63.466.7GPT-5.6 Sol

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-5.6 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, 知識: 63.8GPT-5.6 Sol, 指示追従: 71.2GPT-5.6 Sol, 長文コンテキスト: 66.7

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76件のベンチマークのうち、Claude Opus 4.8のリードが17件、GPT-5.6 Solのリードが59件です。両方を評価しているすべての総合指標で、GPT-5.6 Solが上回っています。

総合IndexClaude Opus 4.8 (max)GPT-5.6 Sol (max)トップ
BenchLeader Index61.165.3GPT-5.6 Sol
Arena Text1482†1485GPT-5.6 Sol

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-5.6 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85 tok/s100 tok/s
回答開始までの時間39.1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)81.0秒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 4.8 (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-5.6 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

159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-5.6 Sol (max)
BenchLeader IndexBenchLeader61.165.3
エージェント・ツールスコアBenchLeader56.967.5
コーディングスコアBenchLeader61.965.8
指示追従スコアBenchLeader62.171.2
知識スコアBenchLeader61.063.8
長文コンテキストスコアBenchLeader63.466.7
数学スコアBenchLeader67.770.0
推論スコアBenchLeader64.164.7
マルチモーダルスコアBenchLeader–65.9
ブレンド価格($/100万トークン)BenchLeader$10.00$8.00
出力速度BenchLeader85 tok/s100 tok/s
回答開始までの時間BenchLeader39.1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 Hub91.0%93.5%
SimpleBenchSimpleBench64.8%†64.8%†
Arena Hard PromptsArena (LMArena)1505†1511†
LiveBench 1.0 ReasoningLiveBench89.2%91.7%
GPQA Diamond (AA)Artificial Analysis92.0%94.1%
Humanity's Last Exam (AA)Artificial Analysis48.7%49.5%
GPQA Diamond (Vals)Vals AI92.4%95.2%
EnigmaEvalScale AI SEAL23.5%†37.1%†
Kagi LLM BenchmarkKagi LLM Benchmark88.8%†67.0%†
ARC-AGI-1ARC Prize92.5%96.5%
ARC-AGI-2ARC Prize72.1%†92.5%
ARC-AGI-3ARC Prize1.5%†7.8%
CritPtArtificial Analysis20.9%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)1514†1532†
Chess PuzzlesEpoch AI Benchmarking Hub52.0%59.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub36.0%58.0%
LMCAEpoch AI Benchmarking Hub57.5%58.4%
DTBenchEpoch AI Benchmarking Hub94.9%95.5%
ForecastBenchForecastBench66.1%65.7%
BTF-3Epoch AI Benchmarking Hub14.0%†13.7%
コーディング
SciCodeSciCode53.5%57.1%
WeirdMLWeirdML70.5%†87.0%
159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-5.6 Sol (max)
コーディング
FrontierCodeCognition46.5%†47.5%†
GSO-BenchGSO-Bench47.1%†76.5%†
Arena CodingArena (LMArena)1529†1533†
Arena WebDevArena (LMArena)1536†1615†
LiveBench 1.0 CodingLiveBench81.8%83.9%
SciCode (AA)Artificial Analysis54.4%57.1%
LiveCodeBenchVals AI87.8%82.6%
IOIVals AI–91.2%
SWE-bench (Vals)Vals AI88.6%96.2%
Code MigrationVals AI47.3%52.9%
ProgramBenchVals AI1.0%1.5%
Vibe Code Bench 1-100Vals AI–20.0%
Vibe Code Bench v1.1Vals AI82.7%80.5%
SWE Atlas v1.0: Codebase QnAScale AI SEAL57.3%†46.0%†
SWE Atlas v1.0: RefactoringScale AI SEAL46.7%†–
SWE Atlas v1.0: Test WritingScale AI SEAL49.6%†45.9%†
SWE-Bench Pro V2Scale AI SEAL–95.5%†
SWE-Bench Pro V2 HARDScale AI SEAL–82.4%†
MirrorCodeEpoch AI Benchmarking Hub65.6%20.0%†
Surface Evolver BenchEpoch AI Benchmarking Hub87.5%†93.1%†
DeepSWE v1.1Epoch AI Benchmarking Hub59.0%72.7%
CursorBenchCursor–41.7%
ALE-BenchEpoch AI Benchmarking Hub1563.8†2176.9
FrontierSWEEpoch AI Benchmarking Hub–32.2%
WeirdML v3WeirdML–15.0%†
Terminal-Bench 4.0 (AA)Artificial Analysis21.7%39.9%
Terminal-Bench 2.1 (AA)Artificial Analysis84.6%88.0%
Startrise FrontendStartrise–66.2%†
GameBench 2 OverallDuelLab GameBench 249.4†67.0†
GameBench 2 by reasoning settingDuelLab GameBench 245.1†80.0†
Design Arena WebsiteDesign Arena1250†1319†
エージェント・ツール
Terminal-BenchTerminal-Bench23.6%38.5%
OSWorld-Verified 2.0OSWorld20.6%27.3%
Remote Labor IndexScale AI / CAIS8.3%†–
APEX-AgentsMercor48.9%51.4%†
Arena AgentArena (LMArena)–4.6†
LiveBench Agentic CodingLiveBench50.5%56.2%
Terminal-Bench HardArtificial Analysis58.3%65.9%
τ²-Bench Telecom (AA)Artificial Analysis94.4%85.1%
Terminal-Bench 2.1 (Vals)Vals AI71.9%85.8%
MCP AtlasScale AI SEAL82.2%–
HiL-BenchScale AI SEAL35.3%†32.3%†
τ³-bench Bankingτ²-bench39.7%46.9%†
GDPval-AA v2.1Artificial Analysis14611619
τ³-Banking (AA)Artificial Analysis34.2%44.3%
ITBench SRE (AA)Artificial Analysis–56.2%
Analyst Agent (AA)Artificial Analysis45.0%47.5%
CUA-benchVals AI–8.3%
CyberBenchVals AI–76.3%
Finance Agent v2Vals AI53.9%53.8%
Harvey's Legal Agent Benchmark v1Vals AI9.6%2.5%
Legal Research BenchVals AI43.8%48.1%
SkillsBenchVals AI59.2%54.1%
SREBenchVals AI–30.5%
Tax Agent BenchVals AI30.0%31.1%
Terminal-Bench 2.0 (Vals)Vals AI70.0%–
Terminal-Bench 4.0 (Vals)Vals AI23.2%37.9%
Terminal-Bench ScienceVals AI4.3%20.0%
Time Horizon Index: KSPVals AI11.8%23.8%
Web Search IndexVals AI–43.6%
Arena SearchArena (LMArena)1194†1255†
Arena Agent Task CompletionArena (LMArena)–2.3†
BALROGBALROG–60.0%
DeepResearch BenchDeepResearch Bench50.2%†–
PostTrainBenchEpoch AI Benchmarking Hub31.0%31.0%
GBAEvalEpoch AI Benchmarking Hub70.9%†52.6%†
Vending-Bench 2Andon Labs2992.39619.4†
AutomationBenchArtificial Analysis45.6%60.1%
GDP.pdf (AA)Artificial Analysis22.8%27.2%
EnterpriseOps-GymArtificial Analysis44.0%42.9%
AA-Briefcase v1.1Artificial Analysis13201479
Design Arena AgenticDesign Arena1226†1238†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–22.4%
FACTS SearchGoogle–92.9%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub80.0%89.1%
FrontierMath Tier 4Epoch AI Benchmarking Hub56.1%82.9%
OTIS Mock AIMEEpoch AI Benchmarking Hub98.3%100.0%
ProofBenchVals AI69.0%83.0%
LiveBench MathematicsLiveBench94.3%96.2%
AIME 2026MathArena100.0%–
HMMT February 2026MathArena95.5%–
MathArena ApexMathArena81.3%–
Arena MathsArena (LMArena)1476†1494†
FrontierMath ErdősEpoch AI Benchmarking Hub–0.0%
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub53.0%69.7%
LiveBench 1.0 Data AnalysisLiveBench66.0%79.8%
MMLU-ProVals AI89.6%89.1%
LegalBenchVals AI83.6%87.0%
CorpFinVals AI66.7%64.4%
TaxEvalVals AI75.6%74.8%
PRBench FinanceScale AI SEAL–50.5%
PRBench LegalScale AI SEAL–50.5%
BioMysteryBenchVals AI–71.1%
Excel Modeling BenchmarkVals AI69.4%72.3%
MedCodeVals AI53.2%44.0%
MedScribeVals AI85.8%85.2%
Public Benefits Bench v1.1Vals AI68.1%66.5%
Financial Coaching BenchVals AI–74.9%
DrugDiscoveryBenchScale AI SEAL46.8%56.5%
EBR-benchEpoch AI Benchmarking Hub28.6%44.8%
GDP.pdfEpoch AI Benchmarking Hub24.0%30.7%
FACTS ParametricGoogle–81.1%†
指示追従
LiveBench LanguageLiveBench79.7%87.7%
LiveBench Instruction FollowingLiveBench72.0%71.8%
IFBenchArtificial Analysis62.2%72.7%
Arena Instruction FollowingArena (LMArena)1479†1490†
人間の評価
Arena TextArena (LMArena)1474†1485†
EQ-Bench 4EQ-Bench1268†1236†
EQ-Bench Creative Writing v3EQ-Bench1840†1974†
Arena Creative WritingArena (LMArena)1464†1471†
Arena Multi-turnArena (LMArena)1493†1491†
Arena Longer QueriesArena (LMArena)1499†1498†
マルチモーダル
Arena VisionArena (LMArena)1289†1282†
MMMU-ProArtificial Analysis–83.4%
MMMU-Pro (Vals)Vals AI86.6%88.8%
MortgageTaxVals AI69.9%67.3%
Humanity's Sixth SenseScale AI SEAL23.5%30.0%
GeoBenchGeoBench81.0%†73.0%†
Blueprint-Bench 2Epoch AI Benchmarking Hub14.5%†33.6%†
Furniture AssemblyEpoch AI Benchmarking Hub42.5%56.7%
FACTS MultimodalGoogle–46.4%†
長文コンテキスト
AA-LCR v1.1Artificial Analysis77.7%84.0%
Arena DocumentArena (LMArena)1476†1487†
MLCRArtificial Analysis19.4%30.0%
FACTS GroundingGoogle–61.9%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub159.9†163.0†
LiveBench 1.0LiveBench76.2%81.0%
AA Intelligence Index v4.3.2Artificial Analysis41.847.0
AA Progress Index v1Artificial Analysis318.4331.5
Vals RSI IndexVals AI24.0%23.9%
Vals Science IndexVals AI–41.5%
Vals Multimodal IndexVals AI70.9%72.6%
安全性・誠実さ
FORTRESSScale AI SEAL18.2%20.1%†
DistressBenchScale AI SEAL71.4%†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

  • 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-5.6 Sol (max):新しい結果1件(GDPval-AA v2.1)。
  • Claude Opus 4.8 (max):スコアの改訂1件。
  • GPT-5.6 Sol (max):スコアの改訂1件。
  • Claude Opus 4.8 (max):新しい結果1件(MirrorCode)。
  • GPT-5.6 Sol (max):BenchLeader Index 65.8 → 65.3。
  • GPT-5.6 Sol (max):スコアの改訂1件。
  • GPT-5.6 Sol (max):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 4.8 vs GPT-5.6 Sol:よくある質問

GPT-5.6 SolはClaude Opus 4.8より優れていますか?
品質ではGPT-5.6 Sol (max)がリードしています:65.3 対 61.1。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GPT-5.6 Sol (max)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 4.8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 4.8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 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-5.6 Solが82.6%です。
Claude Opus 4.8とGPT-5.6 Solはどちらが速いですか?
GPT-5.6 Solの方が出力が速くなっています(出力100 対 85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-5.6 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68 対 57。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Terminal-Benchでは、Claude Opus 4.8が23.6%、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?
長文コンテキストのベンチマークではGPT-5.6 Solの方がスコアが高くなっています(67 対 63)。どちらも約1.1Mトークンです(Claude Opus 4.8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GPT-5.6 Solです。Artificial Analysisの測定では、最初の回答トークンまで33.5秒 対 39.1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-5.6 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76件のベンチマークのうち、Claude Opus 4.8のリードが17件、GPT-5.6 Solのリードが59件です。両方を評価しているすべての総合指標で、GPT-5.6 Sol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。