BenchLeader

Claude Opus 4.8 vs Step 5 Preview

詳しいプロフィール:Claude Opus 4.8(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 · 13件の情報源のデータ

2026年11月16日時点で、Claude Opus 4.8とStep 5 Previewの品質は互角です(BenchLeader Indexで61.1 対 56.0、±5.9の誤差範囲内)。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。推論(64 対 52)、コーディング(62 対 50)、エージェント・ツール(57 対 49)を重視するならClaude Opus 4.8、長文コンテキスト(69 対 63)を重視するならStep 5 Previewが向いています。回答開始までの時間はStep 5 Previewの方が短く、23.5秒 対 39.1秒です。Step 5 Preview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 4.8が61.1、Step 5 Previewが56.0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)。
  • 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 4.8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25件のベンチマークのうち、Claude Opus 4.8が15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 4.8カテゴリスコア62 対 50;SciCode 53.5% 対 58.9%高
エージェント・ツール利用Claude Opus 4.8カテゴリスコア57 対 49;Analyst Agent (AA) 45.0% 対 35.0%高
数学Claude Opus 4.8カテゴリスコア68 対 60;ProofBench 69.0% 対 42.0%高
推論Claude Opus 4.8カテゴリスコア64 対 52;Humanity's Last Exam (AA) 48.7% 対 46.5%高
知識Claude Opus 4.8カテゴリスコア61 対 54;Excel Modeling Benchmark 69.4% 対 57.1%中
長い文書Step 5 Previewカテゴリスコア69 対 63;AA-LCR v1.1 88.3% 対 77.7%中
チャットの質(人間の評価)–Arenaの評価があるのはStep 5 Previewのみです(カテゴリスコア63)比較不可
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Step 5 Preview最初の回答トークンまで23.5秒(Step 5 Preview)対 39.1秒(Claude Opus 4.8 (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 4.8 (max)とStep 5 Previewの品質は互角です(61.1 対 56.0、±5.9の誤差範囲内)。
  • Claude Opus 4.8 (max)はエージェント・ツール、コーディング、知識、数学、推論で優れています。
  • Step 5 Previewは長文コンテキストで優れています。
  • 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1.5倍速くなっています(124 対 85トークン/秒)。

概要

仕様Claude Opus 4.8Step 5 Preview
プロバイダーAnthropicStepFun
リリース日2026年5月28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 4.8 (max)Step 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 4.8 (max)Step 5 Previewトップ
推論64.151.7Claude Opus 4.8
コーディング61.949.9Claude Opus 4.8
エージェント・ツール56.949.1Claude Opus 4.8
数学67.760.1Claude Opus 4.8
知識61.053.7Claude Opus 4.8
指示追従62.1–比較不可
人間の評価–63.1比較不可
マルチモーダル–59.3比較不可
長文コンテキスト63.469.0Step 5 Preview

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, 長文コンテキスト: 63.4Step 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, 知識: 53.7Step 5 Preview, 長文コンテキスト: 69.0

描画していないもの(測定済みのモデルが2つ未満):指示追従, 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25件のベンチマークのうち、Claude Opus 4.8のリードが15件、Step 5 Previewのリードが9件、同点が1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)Step 5 Previewトップ
BenchLeader Index61.156.0互角
Arena Text1482†1449Claude 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)Step 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85 tok/s124 tok/s
回答開始までの時間39.1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)81.0秒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 4.8 (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)。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

172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)Step 5 Preview
BenchLeader IndexBenchLeader61.156.0
エージェント・ツールスコアBenchLeader56.949.1
コーディングスコアBenchLeader61.949.9
指示追従スコアBenchLeader62.1–
知識スコアBenchLeader61.053.7
長文コンテキストスコアBenchLeader63.469.0
数学スコアBenchLeader67.760.1
推論スコアBenchLeader64.151.7
人間の評価スコアBenchLeader–63.1
マルチモーダルスコアBenchLeader–59.3
ブレンド価格($/100万トークン)BenchLeader$10.00$1.43
出力速度BenchLeader85 tok/s124 tok/s
回答開始までの時間BenchLeader39.1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 Hub91.0%–
SimpleBenchSimpleBench64.8%†–
Arena Hard PromptsArena (LMArena)1505†1477
LiveBench 2.0 ReasoningLiveBench–83.8%†
LiveBench 1.0 ReasoningLiveBench89.2%–
GPQA Diamond (AA)Artificial Analysis92.0%–
Humanity's Last Exam (AA)Artificial Analysis48.7%46.5%
HLE-Diamond (AA)Artificial Analysis–24.3%
GPQA Diamond (Vals)Vals AI92.4%–
EnigmaEvalScale AI SEAL23.5%†–
Kagi LLM BenchmarkKagi LLM Benchmark88.8%†–
ARC-AGI-1ARC Prize92.5%–
ARC-AGI-2ARC Prize72.1%†–
ARC-AGI-3ARC Prize1.5%†–
CritPtArtificial Analysis20.9%20.9%
CritPt v2 hard subset (AA)Artificial Analysis–32.5%
MysteryMechanismVals AI–18.5%
Arena ExpertArena (LMArena)1514†1489
Chess PuzzlesEpoch AI Benchmarking Hub52.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub36.0%–
LMCAEpoch AI Benchmarking Hub57.5%–
DTBenchEpoch AI Benchmarking Hub94.9%–
ForecastBenchForecastBench66.1%–
BTF-3Epoch AI Benchmarking Hub14.0%†–
コーディング
SciCodeSciCode53.5%58.9%
172件のベンチマークをすべて表示
指標公開元Claude Opus 4.8 (max)Step 5 Preview
コーディング
WeirdMLWeirdML70.5%†–
FrontierCodeCognition46.5%†–
GSO-BenchGSO-Bench47.1%†–
Arena CodingArena (LMArena)1529†1505
Arena WebDevArena (LMArena)1536†1573†
LiveBench 2.0 CodingLiveBench–67.6%†
LiveBench 1.0 CodingLiveBench81.8%–
SciCode (AA)Artificial Analysis54.4%58.9%
LiveCodeBenchVals AI87.8%–
IOIVals AI–38.1%
SWE-bench (Vals)Vals AI88.6%–
Code MigrationVals AI47.3%39.0%
Code Migration v1.1Vals AI–47.0%
ProgramBenchVals AI1.0%–
SWE-bench MultimodalVals AI–40.8%
Vibe Code Bench v1.1Vals AI82.7%70.4%
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%–
Surface Evolver BenchEpoch AI Benchmarking Hub87.5%†–
DeepSWE v1.1Epoch AI Benchmarking Hub59.0%–
ALE-BenchEpoch AI Benchmarking Hub1563.8†–
Terminal-Bench 4.0 (AA)Artificial Analysis21.7%33.3%
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†–
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-Bench23.6%–
OSWorld-Verified 2.0OSWorld20.6%–
Remote Labor IndexScale AI / CAIS8.3%†–
APEX-AgentsMercor48.9%–
Arena AgentArena (LMArena)–-3.7
LiveBench Long AgenticLiveBench–19.4%†
LiveBench BrowserLiveBench–24.8%†
LiveBench Agentic CodingLiveBench50.5%–
Terminal-Bench HardArtificial Analysis58.3%–
τ²-Bench Telecom (AA)Artificial Analysis94.4%–
Terminal-Bench 2.1 (Vals)Vals AI71.9%–
MCP AtlasScale AI SEAL82.2%–
HiL-BenchScale AI SEAL35.3%†–
τ³-bench Bankingτ²-bench39.7%–
GDPval-AA v2.1, normalised scoreArtificial Analysis–54.3%
GDPval-AA v2.1Artificial Analysis14611591
τ³-Banking (AA)Artificial Analysis34.2%–
ITBench SRE (AA)Artificial Analysis–55.6%
Analyst Agent (AA)Artificial Analysis45.0%35.0%
APEX-Agents (AA)Artificial Analysis–38.0%
Finance Agent v2Vals AI53.9%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 AI9.6%9.2%
Legal Research BenchVals AI43.8%40.4%
SkillsBenchVals AI59.2%–
SREBenchVals AI–0.4%
Tax Agent BenchVals AI30.0%27.3%
Terminal-Bench 2.0 (Vals)Vals AI70.0%–
Terminal-Bench 4.0 (Vals)Vals AI23.2%31.8%
Terminal-Bench ScienceVals AI4.3%2.9%
Time Horizon Index: KSPVals AI11.8%–
Arena SearchArena (LMArena)1194†–
Arena Agent Task CompletionArena (LMArena)–-1.5
DeepResearch BenchDeepResearch Bench50.2%†–
PostTrainBenchEpoch AI Benchmarking Hub31.0%–
GBAEvalEpoch AI Benchmarking Hub70.9%†–
Vending-Bench 2Andon Labs2992.3–
AutomationBenchArtificial Analysis45.6%51.0%
GDP.pdf (AA)Artificial Analysis22.8%14.8%
EnterpriseOps-GymArtificial Analysis44.0%47.2%
AA-Briefcase v1.1Artificial Analysis13201424
Design Arena AgenticDesign Arena1226†–
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 Hub80.0%–
FrontierMath Tier 4Epoch AI Benchmarking Hub56.1%–
OTIS Mock AIMEEpoch AI Benchmarking Hub98.3%–
ProofBenchVals AI69.0%42.0%
LiveBench MathematicsLiveBench94.3%–
AIME 2026MathArena100.0%–
HMMT February 2026MathArena95.5%–
MathArena ApexMathArena81.3%–
Arena MathsArena (LMArena)1476†1470
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub53.0%–
LiveBench 2.0 Data AnalysisLiveBench–63.5%†
LiveBench ResearchLiveBench–75.5%†
LiveBench 1.0 Data AnalysisLiveBench66.0%–
AA-Omniscience v1.1Artificial Analysis–16.4
MMLU-ProVals AI89.6%–
LegalBenchVals AI83.6%–
CorpFinVals AI66.7%–
TaxEvalVals AI75.6%–
BioMysteryBenchVals AI–67.4%
Excel Modeling BenchmarkVals AI69.4%57.1%
Excel Modeling Benchmark v1.1Vals AI–69.5%
MedCodeVals AI53.2%–
MedScribeVals AI85.8%–
Public Benefits Bench v1.1Vals AI68.1%58.1%
DrugDiscoveryBenchScale AI SEAL46.8%–
EBR-benchEpoch AI Benchmarking Hub28.6%–
GDP.pdfEpoch AI Benchmarking Hub24.0%–
AA-Omniscience v1.1: accuracyArtificial Analysis–36.4%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–68.7%
指示追従
LiveBench LanguageLiveBench79.7%–
LiveBench Instruction FollowingLiveBench72.0%–
IFBenchArtificial Analysis62.2%–
Arena Instruction FollowingArena (LMArena)1479†1450
人間の評価
Arena TextArena (LMArena)1474†1449
EQ-Bench 4EQ-Bench1268†–
EQ-Bench Creative Writing v3EQ-Bench1840†–
Arena Creative WritingArena (LMArena)1464†1413
Arena Multi-turnArena (LMArena)1493†1445
Arena Longer QueriesArena (LMArena)1499†1461
マルチモーダル
Arena VisionArena (LMArena)1289†1263
LiveBench DesignLiveBench–70.8%†
MMMU-ProArtificial Analysis–76.4%
MMMU-Pro (Vals)Vals AI86.6%–
MortgageTaxVals AI69.9%–
Humanity's Sixth SenseScale AI SEAL23.5%–
GeoBenchGeoBench81.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub14.5%†–
Furniture AssemblyEpoch AI Benchmarking Hub42.5%–
Code2Video-AAArtificial Analysis–821
AA-3DArtificial Analysis–859
長文コンテキスト
AA-LCR v1.1Artificial Analysis77.7%88.3%
Arena DocumentArena (LMArena)1476†–
MLCRArtificial Analysis19.4%18.3%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub159.9†–
LiveBench 2.0LiveBench–54.9%†
LiveBench 1.0LiveBench76.2%–
AA Intelligence Index v5.0.1Artificial Analysis–28.5
AA Intelligence Index v4.3.2Artificial Analysis41.843.7
AA Progress Index v1Artificial Analysis318.4318.2
Vals IndexVals AI–54.8
Vals Finance IndexVals AI–55.4%
Vals RSI IndexVals AI24.0%–
Vals Science IndexVals AI–29.6%
Vals Multimodal IndexVals AI70.9%–
Vals Legal IndexVals AI–70.2%
AA Cyber IndexArtificial Analysis–47.7
安全性・誠実さ
FORTRESSScale AI SEAL18.2%–
DistressBenchScale AI SEAL71.4%†–
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。

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。
  • Step 5 Preview:BenchLeader Index 54.2 → 56.0。
  • Claude Opus 4.8 (max):新しい結果27件(LiveCodeBench, MMLU-Pro, LegalBench…)。
  • Step 5 Preview:BenchLeader Index 54.7 → 54.2。
  • Claude Opus 4.8 (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。
  • Step 5 Preview:スコアの改訂1件。
  • Claude Opus 4.8 (max):新しい結果1件(MirrorCode)。
  • Step 5 Preview:スコアの改訂7件。
  • Claude Opus 4.8 (max):新しい結果1件(MirrorCode)。

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 Step 5 Preview:よくある質問

Claude Opus 4.8はStep 5 Previewより優れていますか?
Claude Opus 4.8 (max)とStep 5 Previewの品質は互角です(61.1 対 56.0、±5.9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 4.8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 4.8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 4.8の方がスコアが高くなっています(カテゴリ指標で62 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SciCodeでは、Claude Opus 4.8が53.5%、Step 5 Previewが58.9%です。
Claude Opus 4.8とStep 5 Previewはどちらが速いですか?
Step 5 Previewの方が出力が約1.5倍速くなっています(出力124 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 4.8の方がスコアが高くなっています(カテゴリ指標で57 対 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?
長文コンテキストのベンチマークではStep 5 Previewの方がスコアが高くなっています(69 対 63)。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Step 5 Previewです。Artificial Analysisの測定では、最初の回答トークンまで23.5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25件のベンチマークのうち、Claude Opus 4.8のリードが15件、Step 5 Previewのリードが9件、同点が1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。
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。