BenchLeader

Claude Opus 5.5 vs Gemini 2.5 Pro Preview 0325

詳しいプロフィール:Claude Opus 5.5(Anthropic)とGemini 2.5 Pro Preview 0325(Google)。すべてのベンチマーク、価格、順位を掲載しています。

更新 · 15件の情報源のデータ

2026年11月22日時点で、品質ではClaude Opus 5.5がGemini 2.5 Pro Preview 0325を上回ります(BenchLeader Indexで67.7 対 59.7)。推論(71 対 52)、コーディング(78 対 61)、知識(71 対 56)を重視するならClaude Opus 5.5、長文コンテキスト(73 対 67)、マルチモーダル(71 対 70)を重視するならGemini 2.5 Pro Preview 0325が向いています。

要点(2026年11月22日時点)

  • BenchLeader IndexはClaude Opus 5.5が67.7、Gemini 2.5 Pro Preview 0325が59.7です(BenchLeader、2026年11月22日)。
  • Claude Opus 5.5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22日)。
  • 両モデルに結果がある4件のベンチマークのうち、Claude Opus 5.5が4件でリードしています(BenchLeader、2026年11月22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 5.5カテゴリスコア78 対 61高
数学Claude Opus 5.5カテゴリスコア73 対 59高
推論Claude Opus 5.5カテゴリスコア71 対 52;GPQA Diamond 90.6% 対 83.8%高
知識Claude Opus 5.5カテゴリスコア71 対 56高
長い文書Gemini 2.5 Pro Preview 0325カテゴリスコア73 対 67中
画像などのメディアGemini 2.5 Pro Preview 0325カテゴリスコア71 対 70中
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 5.5 (max)がリードしています:67.7 対 59.7。
  • Claude Opus 5.5 (max)はコーディング、知識、数学、推論で優れています。
  • Gemini 2.5 Pro Preview 0325は長文コンテキスト、マルチモーダルで優れています。

概要

仕様Claude Opus 5.5Gemini 2.5 Pro Preview 0325
プロバイダーAnthropicGoogle
リリース日2026年9月22日2025年3月25日
コンテキストウィンドウ(トークン)1,000,0001,000,000
最大出力(トークン)128,000 (up to 300K on the Message Batches API (beta))–
入力の種類テキスト、画像–
推論エフォートの設定low, medium, high, xhigh, max–
比較した構成Claude Opus 5.5 (max)Gemini 2.5 Pro Preview 0325
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)$4.00 / $20.00 / $0.200–
APIモデルIDclaude-opus-5-5–
利用できる場所Claude API, Amazon Bedrock, Google Cloud, Microsoft Foundry–

上限、提供状況、発表済みの価格は各ベンダーの公式ページによるものです: platform.claude.com (2026年10月20日確認)。それ以外はすべて当日のデータです。

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 5.5 (max)Gemini 2.5 Pro Preview 0325トップ
推論70.652.1Claude Opus 5.5
コーディング77.561.1Claude Opus 5.5
エージェント・ツール63.7–比較不可
数学72.658.9Claude Opus 5.5
知識71.156.2Claude Opus 5.5
指示追従–57.9比較不可
マルチモーダル69.870.8Gemini 2.5 Pro Preview 0325
長文コンテキスト67.172.8Gemini 2.5 Pro Preview 0325
総合68.0–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推論コーディング数学知識長文コンテキストマルチモーダルClaude Opus 5.5, 推論: 70.6Claude Opus 5.5, コーディング: 77.5Claude Opus 5.5, 数学: 72.6Claude Opus 5.5, 知識: 71.1Claude Opus 5.5, 長文コンテキスト: 67.1Claude Opus 5.5, マルチモーダル: 69.8Gemini 2.5 Pro Preview 0325, 推論: 52.1Gemini 2.5 Pro Preview 0325, コーディング: 61.1Gemini 2.5 Pro Preview 0325, 数学: 58.9Gemini 2.5 Pro Preview 0325, 知識: 56.2Gemini 2.5 Pro Preview 0325, 長文コンテキスト: 72.8Gemini 2.5 Pro Preview 0325, マルチモーダル: 70.8

描画していないもの(測定済みのモデルが2つ未満):エージェント・ツール, 指示追従, 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4件のベンチマークのうち、Claude Opus 5.5のリードが4件、Gemini 2.5 Pro Preview 0325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 5.5が上回っています。

総合IndexClaude Opus 5.5 (max)Gemini 2.5 Pro Preview 0325トップ
BenchLeader Index67.759.7Claude Opus 5.5

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 5.5 (max)Gemini 2.5 Pro Preview 0325
100万トークンあたりのブレンド価格$8.00–
100万トークンあたりの入力/出力$4.00 / $20.00– / –
100万トークンあたりのキャッシュ入力$0.200–
タスクあたりの価格:チャットの返答$0.0076–
タスクあたりの価格:30ページのレポートを要約$0.060–
タスクあたりの価格:コード編集$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$0.320–
タスクあたりの価格:構造化データの抽出$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)$0.149–
ベンチマークのタスクあたりのコスト(AA Index)$10.04–
タスクあたりの出力トークン(AA Index)173k–
うち推論120k–
タスクあたりの時間(AA Index)25 min–
出力速度114 tok/s–
回答開始までの時間345.4秒–
回答が完了するまでの時間(最終測定2026年11月13日)711.4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 5.5 (max)のスコアは67.7、最初の回答トークンまで345秒。Claude Opus 5.5 (high)は65.5(24秒)、Claude Opus 5.5 (xhigh)は64.4(69秒)。Gemini 2.5 Pro Preview 0325のスコアは59.7。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

199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 5.5 (max)Gemini 2.5 Pro Preview 0325
BenchLeader IndexBenchLeader67.759.7
エージェント・ツールスコアBenchLeader63.7–
コーディングスコアBenchLeader77.561.1
総合スコアBenchLeader68.0–
知識スコアBenchLeader71.156.2
長文コンテキストスコアBenchLeader67.172.8
数学スコアBenchLeader72.658.9
マルチモーダルスコアBenchLeader69.870.8
推論スコアBenchLeader70.652.1
指示追従スコアBenchLeader–57.9
ブレンド価格($/100万トークン)BenchLeader$8.00–
出力速度BenchLeader114 tok/s–
回答開始までの時間BenchLeader345.4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 Hub90.6%83.8%
Humanity's Last ExamScale AI / CAIS–18.2%
SimpleBenchSimpleBench88.4%†51.6%
Arena Hard PromptsArena (LMArena)1530†–
LiveBench 2.0 ReasoningLiveBench92.2%–
LiveBench 1.0 ReasoningLiveBench92.2%–
GPQA Diamond (AA)Artificial Analysis–83.6%
Humanity's Last Exam (AA)Artificial Analysis61.4%18.0%
HLE-Diamond (AA)Artificial Analysis67.9%–
GPQA Diamond (Vals)Vals AI–80.8%
GPQA Diamond (HELM)HELM Capabilities–74.9%
ARC-AGI-1ARC Prize97.5%–
ARC-AGI-2ARC Prize91.7%–
CritPtArtificial Analysis31.7%–
CritPt v2 hard subset (AA)Artificial Analysis68.0%–
MysteryMechanismVals AI49.5%–
HLE-Diamond (Scale)Scale AI SEAL55.0%†–
HLE Text-Only (Scale)Scale AI SEAL–18.4%
Arena ExpertArena (LMArena)1549†–
Chess PuzzlesEpoch AI Benchmarking Hub67.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub71.0%–
LMCAEpoch AI Benchmarking Hub68.2%–
DTBenchEpoch AI Benchmarking Hub98.9%–
ForecastBenchForecastBench66.6%†64.0%
コーディング
SciCodeSciCode66.9%–
199件のベンチマークをすべて表示
指標公開元Claude Opus 5.5 (max)Gemini 2.5 Pro Preview 0325
コーディング
FrontierCodeCognition54.6%†–
Arena CodingArena (LMArena)1548†–
Arena WebDevArena (LMArena)1819–
LiveBench 2.0 CodingLiveBench87.1%–
LiveBench 1.0 CodingLiveBench89.3%–
LiveCodeBenchVals AI–79.2%
IOIVals AI95.1%–
Aider PolyglotAider polyglot leaderboard–72.9%
Code MigrationVals AI66.7%–
Code Migration v1.1Vals AI81.0%–
ProgramBenchVals AI18.5%–
SWE-bench MultimodalVals AI70.2%–
Vibe Code Bench 1-100Vals AI30.4%†–
Vibe Code Bench v1.1Vals AI90.3%–
Vibe Code Bench 1-100 v1.1Vals AI30.9%–
SWE Atlas v1.1Scale AI SEAL77.5%–
SWE Atlas v1.1: Codebase QnAScale AI SEAL77.4%–
SWE Atlas v1.1: Test WritingScale AI SEAL77.8%–
SWE Atlas v1.1: RefactoringScale AI SEAL77.1%–
MirrorCodeEpoch AI Benchmarking Hub95.6%–
CadEvalEpoch AI Benchmarking Hub–64.0%
CursorBenchCursor58.1%–
ALE-BenchEpoch AI Benchmarking Hub2147.4†–
FrontierSWEEpoch AI Benchmarking Hub62.3%–
WeirdML v3WeirdML31.2%†–
Terminal-Bench 4.0 (AA)Artificial Analysis59.6%–
Startrise FrontendStartrise80.2%†–
GameBench 2 OverallDuelLab GameBench 287.6†–
GameBench 2 by reasoning settingDuelLab GameBench 294.8†–
Design Arena WebsiteDesign Arena1322†–
Design Arena CodeDesign Arena1382†–
FrontierCode 1.1 (AA)Artificial Analysis52.2%–
FrontierCode 2.0 (AA)Artificial Analysis46.4%–
LiveCodeBench (AA)Artificial Analysis–77.8%
エージェント・ツール
Terminal-BenchTerminal-Bench65.8%–
Remote Labor IndexScale AI / CAIS21.3%†–
APEX-AgentsMercor73.5%–
Arena AgentArena (LMArena)18.6–
LiveBench Long AgenticLiveBench72.8%–
LiveBench BrowserLiveBench88.4%–
LiveBench Agentic CodingLiveBench71.7%–
Terminal-Bench 2.1 (Vals)Vals AI87.6%†–
MCP AtlasScale AI SEAL85.4%†–
HiL-BenchScale AI SEAL59.0%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis68.3%–
GDPval-AA v2.1Artificial Analysis1866–
ITBench SRE (AA)Artificial Analysis38.2%–
Analyst Agent (AA)Artificial Analysis56.3%–
CUA-benchVals AI14.0%–
CyberBenchVals AI55.4%–
Finance Agent v2Vals AI58.6%–
Finance Agent v2.1Vals AI67.8%–
Harvey's Legal Agent Benchmark v1.1Vals AI9.2%–
Harvey's Legal Agent Benchmark v1Vals AI3.8%–
Legal Research BenchVals AI50.5%–
Robo-benchVals AI14.6%–
SREBenchVals AI33.6%–
Tax Agent BenchVals AI44.5%–
Terminal-Bench 4.0 (Vals)Vals AI65.2%–
Terminal-Bench ScienceVals AI47.1%–
Time Horizon Index: KSPVals AI91.3%–
Web Search IndexVals AI53.8%–
Arena SearchArena (LMArena)1213†–
Arena Agent Task CompletionArena (LMArena)19.2–
Arena Search FactualityArena (LMArena)1207†–
BALROGBALROG–43.3%
PostTrainBenchEpoch AI Benchmarking Hub43.8%–
GBAEvalEpoch AI Benchmarking Hub90.6%†–
Vending-Bench 2Andon Labs9235.3†–
SpireClimbEpoch AI Benchmarking Hub5.8%–
AutomationBenchArtificial Analysis69.5%–
GDP.pdf (AA)Artificial Analysis26.2%–
Harvey LAB-AA v1.1Harvey4.2%–
AA-Briefcase v1.1Artificial Analysis1797–
GDPxGDPx by SemiAnalysis11.9%–
Design Arena AgenticDesign Arena1322†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis59.0%–
CWE-Bench (AA)Artificial Analysis58.3%–
DeepSec-Bench (AA)Artificial Analysis26.9%–
CyberGym end-to-end (AA)Artificial Analysis0.8%–
MKA (AA)Artificial Analysis53.0%–
FACTS SearchGoogle88.4%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub91.2%–
FrontierMath Tier 4Epoch AI Benchmarking Hub95.0%–
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%–
MATH Level 5Epoch AI Benchmarking Hub–95.6%
ProofBenchVals AI100.0%–
LiveBench MathematicsLiveBench97.1%–
AIME (Vals)Vals AI–85.8%
ArXivMathMathArena82.6%†–
BrokenArXivMathArena77.3%†–
Omni-MATH (HELM)HELM Capabilities–41.6%
MATH 500Vals AI–95.2%
Arena MathsArena (LMArena)1517†–
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub72.2%–
LiveBench 2.0 Data AnalysisLiveBench80.3%–
LiveBench ResearchLiveBench88.9%–
LiveBench 1.0 Data AnalysisLiveBench80.3%–
AA-Omniscience v1.1Artificial Analysis48.1–
MMLU-ProVals AI–84.1%
LegalBenchVals AI–84.3%
CorpFinVals AI–59.8%
TaxEvalVals AI–72.9%
MedQAVals AI–93.1%
PRBench LegalScale AI SEAL47.6%†–
MMLU-Pro (HELM)HELM Capabilities–86.3%
BioMysteryBenchVals AI79.3%–
ClaimBenchVals AI100.0%–
Excel Modeling BenchmarkVals AI75.9%–
Excel Modeling Benchmark v1.1Vals AI75.8%–
MedCodeVals AI49.8%–
MedScribeVals AI91.4%–
Public Benefits Bench v1.1Vals AI70.6%–
Access to Justice BenchmarkVals AI73.8%–
Financial Coaching BenchVals AI76.2%–
Immigration BenchVals AI72.1%–
Arena Text FactualityArena (LMArena)1505†–
EBR-benchEpoch AI Benchmarking Hub71.4%–
GDP.pdfEpoch AI Benchmarking Hub48.8%–
AA-Omniscience v1.1: accuracyArtificial Analysis65.5%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis49.7%–
HealthBench Professional (AA)OpenAI59.9%–
FACTS ParametricGoogle58.7%†–
指示追従
LiveBench LanguageLiveBench86.3%–
LiveBench Instruction FollowingLiveBench65.7%–
IFEval (HELM)HELM Capabilities–84.0%
WildBench (HELM)HELM Capabilities–85.7%
Arena Instruction FollowingArena (LMArena)1516†–
人間の評価
Arena TextArena (LMArena)1506†–
EQ-Bench 4EQ-Bench1340†–
EQ-Bench Creative Writing v3EQ-Bench2051†1396
EQ-Bench Longform WritingEQ-Bench84.6†58.8
Arena Creative WritingArena (LMArena)1516†–
Arena Multi-turnArena (LMArena)1501†–
Arena Longer QueriesArena (LMArena)1520†–
Lech Mazur Creative WritingLech Mazur–80.5%
マルチモーダル
Arena VisionArena (LMArena)1322†–
LiveBench DesignLiveBench83.3%–
MMMU-ProArtificial Analysis87.7%–
VISTAScale AI SEAL–54.6%
MMMU-Pro (Vals)Vals AI–81.3%
MortgageTaxVals AI–67.2%
SAGEVals AI91.3%–
Humanity's Sixth SenseScale AI SEAL44.6%†–
GeoBenchGeoBench–84.0%
VPCTEpoch AI Benchmarking Hub–48.0%
Blueprint-Bench 2Epoch AI Benchmarking Hub51.2%†–
Furniture AssemblyEpoch AI Benchmarking Hub83.3%–
VIALS-AAHandshake AI61.5%–
Code2Video-AAArtificial Analysis1536–
AA-3DArtificial Analysis1202–
FACTS MultimodalGoogle56.4%†–
長文コンテキスト
Fiction.LiveBench 120kFiction.live–90.6%
AA-LCR v1.1Artificial Analysis84.7%–
MLCRArtificial Analysis27.8%–
FACTS GroundingGoogle62.5%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub168.7†144.0
LiveBench 2.0LiveBench83.4%–
LiveBench 1.0LiveBench83.2%–
AA Intelligence Index v5.0.1Artificial Analysis59.1–
AA Intelligence Index v4.3.2Artificial Analysis57.615.0
AA Progress Index v1Artificial Analysis350245.9
Vals IndexVals AI70.1–
HELM Capabilities meanHELM Capabilities–74.5%
Vals Finance IndexVals AI65.3%–
Vals RSI IndexVals AI37.3%–
Vals Science IndexVals AI58.6%–
Vals Router IndexVals AI64.2%†–
Vals Legal IndexVals AI72.4%–
AA Cyber IndexArtificial Analysis28.7–
安全性・誠実さ
FORTRESSScale AI SEAL5.8%54.9%
MASKScale AI SEAL–55.9%
DistressBenchScale AI SEAL75.6%†–

データは2026年11月22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 gb2-20261119-1d7fd529faf6 (https://benchmarks.duellab.org/releases/gb2-20261119-1d7fd529faf6/), 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 5.5 (max):新しい結果4件(SWE Atlas v1.1, SWE Atlas v1.1: Codebase QnA, SWE Atlas v1.1: Test Writing…)、スコアの改訂1件。
  • Claude Opus 5.5 (max):BenchLeader Index 68.3 → 67.6。
  • Claude Opus 5.5 (max):スコアの改訂1件。
  • Claude Opus 5.5 (max):BenchLeader Index 68.8 → 68.3。
  • Claude Opus 5.5 (max):スコアの改訂2件。
  • Claude Opus 5.5 (max):新しい結果38件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Claude Opus 5.5 (max):新しい結果1件(PostTrainBench)、スコアの改訂1件。
  • Claude Opus 5.5 (max):新しい結果1件(MirrorCode)、スコアの改訂1件。
  • Claude Opus 5.5 (max):BenchLeader Index 69.3 → 68.8。
  • Claude Opus 5.5 (max):スコアの改訂2件。

ランキング: 総合ベストLLM · コーディングに最適なLLM · エージェントに最適なLLM · 安くて優秀なLLM

Claude Opus 5.5 vs Gemini 2.5 Pro Preview 0325:よくある質問

Claude Opus 5.5はGemini 2.5 Pro Preview 0325より優れていますか?
品質ではClaude Opus 5.5 (max)がリードしています:67.7 対 59.7。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22日時点では総合でClaude Opus 5.5 (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。
コーディングにはClaude Opus 5.5とGemini 2.5 Pro Preview 0325のどちらが向いていますか?
コーディングではClaude Opus 5.5の方がスコアが高くなっています(カテゴリ指標で78 対 61。50が平均)。
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Gemini 2.5 Pro Preview 0325の方がスコアが高くなっています(73 対 67)。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。
Claude Opus 5.5とGemini 2.5 Pro Preview 0325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4件のベンチマークのうち、Claude Opus 5.5のリードが4件、Gemini 2.5 Pro Preview 0325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 5.5が上回っています。
Claude Opus 5.5はいつリリースされましたか?
Claude Opus 5.5は2026年9月22日にリリースされました。