Claude Opus 5.5 vs GPT-5
詳しいプロフィール:Claude Opus 5.5(Anthropic)とGPT-5(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 · 15件の情報源のデータ
2026年11月16日時点で、品質ではClaude Opus 5.5がGPT-5を上回ります(BenchLeader Indexで68.4 対 59.0)。ただし、価格はGPT-5の方が2.3倍安く、100万トークンあたりのブレンド価格で$3.44 対 $8.00です。推論(72 対 48)、コーディング(79 対 57)、マルチモーダル(70 対 57)を重視するならClaude Opus 5.5、長文コンテキスト(70 対 67)を重視するならGPT-5が向いています。回答開始までの時間はGPT-5の方が短く、22.9秒 対 380.2秒です。Claude Opus 5.5は出力が速い点も強みです。
要点(2026年11月16日時点)
- BenchLeader IndexはClaude Opus 5.5が68.4、GPT-5が59.0です(BenchLeader、2026年11月16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16日)。
- GPT-5の100万トークンあたりのブレンド価格は$3.44です(定価、2026年11月16日)。
- Claude Opus 5.5はGPT-5より出力が速いです(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13件のベンチマークのうち、Claude Opus 5.5が13件でリードしています(BenchLeader、2026年11月16日)。
- Arena WebDevでの評価はClaude Opus 5.5が1815、GPT-5が1417です(LMArena、2026年11月16日までの公開値)。
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79 対 57;Arena WebDev 1815 対 1417 | 高 |
| エージェント・ツール利用 | Claude Opus 5.5 | カテゴリスコア61 対 58;Terminal-Bench 65.8% 対 49.6% | 中 |
| 数学 | Claude Opus 5.5 | カテゴリスコア73 対 65;OTIS Mock AIME 100.0% 対 87.2% | 高 |
| 推論 | Claude Opus 5.5 | カテゴリスコア72 対 48;GPQA Diamond 90.6% 対 85.3% | 高 |
| 長い文書 | GPT-5 | カテゴリスコア70 対 67;AA-LCR v1.1 76.0% 対 84.7% | 中 |
| 画像などのメディア | Claude Opus 5.5 | カテゴリスコア70 対 57;MMMU-Pro 87.7% 対 74.3% | 高 |
| 最低コスト | GPT-5 | 100万トークンあたりブレンド価格$3.44 対 $8.00;エージェント型コーディングセッション$0.115 対 $0.320 | – |
| 回答開始の速さ | GPT-5 | 最初の回答トークンまで22.9秒(GPT-5 (medium))対 380.2秒(Claude Opus 5.5 (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Claude Opus 5.5 (max)がリードしています:68.4 対 59.0。
- Claude Opus 5.5 (max)はエージェント・ツール、コーディング、数学、マルチモーダル、推論で優れています。
- GPT-5 (medium)は長文コンテキストで優れています。
- GPT-5 (medium)の方が2.3倍安くなっています(100万トークンあたりブレンド価格$3.44 対 $8.00)。
- Claude Opus 5.5 (max)の方が出力が1.4倍速くなっています(116 対 82トークン/秒)。
概要
| 仕様 | Claude Opus 5.5 | GPT-5 |
|---|---|---|
| プロバイダー | Anthropic | OpenAI |
| リリース日 | 2026年9月22日 | 2025年8月7日 |
| コンテキストウィンドウ(トークン) | 1,000,000 | 400,000 |
| 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) | GPT-5 (medium) |
| 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 | $1.25 / $10.00 / $0.125 |
| APIモデルID | claude-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) | GPT-5 (medium) | トップ |
|---|---|---|---|
| 推論 | 72.1 | 47.9 | Claude Opus 5.5 |
| コーディング | 78.8 | 57.4 | Claude Opus 5.5 |
| エージェント・ツール | 61.3 | 58.1 | Claude Opus 5.5 |
| 数学 | 73.2 | 65.4 | Claude Opus 5.5 |
| 知識 | 72.5 | – | 比較不可 |
| 指示追従 | – | 69.4 | 比較不可 |
| マルチモーダル | 70.2 | 56.6 | Claude Opus 5.5 |
| 長文コンテキスト | 67.1 | 70.4 | GPT-5 |
| 総合 | 70.2 | – | 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。
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, 人間の評価。
情報源で評価が分かれる点
両方に結果がある13件のベンチマークのうち、Claude Opus 5.5のリードが13件、GPT-5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Index | Claude Opus 5.5 (max) | GPT-5 (medium) | トップ |
|---|---|---|---|
| BenchLeader Index | 68.4 | 59.0 | Claude Opus 5.5 |
| Arena Text | 1507† | 1435 | Claude 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) | GPT-5 (medium) |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $8.00 | $3.44 |
| 100万トークンあたりの入力/出力 | $4.00 / $20.00 | $1.25 / $10.00 |
| 100万トークンあたりのキャッシュ入力 | $0.200 | $0.125 |
| タスクあたりの価格:チャットの返答 | $0.0076 | $0.0035 |
| タスクあたりの価格:30ページのレポートを要約 | $0.060 | $0.021 |
| タスクあたりの価格:コード編集 | $0.054 | $0.022 |
| 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 | $0.115 |
| タスクあたりの価格:構造化データの抽出 | $0.012 | $0.0045 |
| 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 | $0.064 |
| ベンチマークのタスクあたりのコスト(AA Index) | $10.04 | – |
| タスクあたりの出力トークン(AA Index) | 173k | – |
| うち推論 | 120k | – |
| タスクあたりの時間(AA Index) | 25 min | – |
| 出力速度 | 116 tok/s | 82 tok/s |
| 回答開始までの時間 | 380.2秒 | 22.9秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 711.4秒 | 66.2秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Claude Opus 5.5 (max)のスコアは68.4、最初の回答トークンまで380秒。Claude Opus 5.5 (high)は66.0(26秒)、Claude Opus 5.5 (xhigh)は65.4(78秒)。GPT-5 (medium)のスコアは59.0、最初の回答トークンまで23秒。GPT-5 (high)は58.2(49秒)、GPT-5は56.6(5秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
228件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Claude Opus 5.5 (max) | GPT-5 (medium) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 68.4 | 59.0 |
| エージェント・ツールスコア | BenchLeader | 61.3 | 58.1 |
| コーディングスコア | BenchLeader | 78.8 | 57.4 |
| 総合スコア | BenchLeader | 70.2 | – |
| 知識スコア | BenchLeader | 72.5 | – |
| 長文コンテキストスコア | BenchLeader | 67.1 | 70.4 |
| 数学スコア | BenchLeader | 73.2 | 65.4 |
| マルチモーダルスコア | BenchLeader | 70.2 | 56.6 |
| 推論スコア | BenchLeader | 72.1 | 47.9 |
| 指示追従スコア | BenchLeader | – | 69.4 |
| ブレンド価格($/100万トークン) | BenchLeader | $8.00 | $3.44 |
| 出力速度 | BenchLeader | 116 tok/s | 82 tok/s |
| 回答開始までの時間 | BenchLeader | 380.2秒 | 22.9秒 |
| コンテキストウィンドウ | BenchLeader | 1,000,000トークン | 400,000トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 90.6% | 85.3% |
| Humanity's Last Exam | Scale AI / CAIS | – | 25.3%† |
| SimpleBench | SimpleBench | 88.4%† | 56.7%† |
| Arena Hard Prompts | Arena (LMArena) | 1530† | 1449† |
| LiveBench 2.0 Reasoning | LiveBench | 92.2% | – |
| LiveBench 1.0 Reasoning | LiveBench | 92.2% | – |
| GPQA Diamond (AA) | Artificial Analysis | – | 84.2% |
| Humanity's Last Exam (AA) | Artificial Analysis | 61.4% | 25.4% |
| HLE-Diamond (AA) | Artificial Analysis | 67.9% | – |
| GPQA Diamond (Vals) | Vals AI | – | 85.6%† |
| Kagi LLM Benchmark | Kagi LLM Benchmark | – | 72.7%† |
| GPQA Diamond (HELM) | HELM Capabilities | – | 79.1%† |
| ARC-AGI-1 | ARC Prize | 97.5% | 56.2% |
| ARC-AGI-2 | ARC Prize | 91.7% | 7.5% |
| CritPt | Artificial Analysis | 31.7% | 0.0% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 68.0% | 11.5%† |
| MysteryMechanism | Vals AI | 49.5% | – |
| HLE-Diamond (Scale) | Scale AI SEAL | 55.0%† | – |
| Arena Expert | Arena (LMArena) | 1545† | 1445† |
| Chess Puzzles | Epoch AI Benchmarking Hub | 67.0% | 32.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 71.0% | 15.0% |
| LMCA | Epoch AI Benchmarking Hub | 68.2% | 40.0%† |
| DTBench | Epoch AI Benchmarking Hub | 98.9% | 90.7%† |
| ForecastBench | ForecastBench | – | 65.0%† |
| コーディング | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | – | 71.5% |
228件のベンチマークをすべて表示
| 指標 | 公開元 | Claude Opus 5.5 (max) | GPT-5 (medium) |
|---|---|---|---|
| コーディング | |||
| SciCode | SciCode | 66.9% | 42.9%† |
| WeirdML | WeirdML | – | 39.8%† |
| FrontierCode | Cognition | 54.6%† | – |
| GSO-Bench | GSO-Bench | – | 6.9%† |
| Arena Coding | Arena (LMArena) | 1548† | 1462† |
| Arena WebDev | Arena (LMArena) | 1815 | 1417 |
| LiveBench 2.0 Coding | LiveBench | 87.1% | – |
| LiveBench 1.0 Coding | LiveBench | 89.3% | – |
| SciCode (AA) | Artificial Analysis | 66.9% | – |
| LiveCodeBench | Vals AI | – | 85.9%† |
| IOI | Vals AI | 95.1% | – |
| SWE-bench (Vals) | Vals AI | – | 69.0%† |
| SWE-Bench Pro | Scale AI SEAL | – | 41.8%† |
| Aider Polyglot | Aider polyglot leaderboard | – | 86.7% |
| SWE-bench Verified (bash only) | SWE-bench | – | 65.0% |
| SWE-bench Verified (any scaffold) | SWE-bench | – | 74.4%† |
| Code Migration | Vals AI | 66.7% | – |
| Code Migration v1.1 | Vals AI | 81.0% | – |
| ProgramBench | Vals AI | 18.5% | – |
| SWE-bench Multimodal | Vals AI | 70.2% | – |
| Vibe Code Bench 1-100 | Vals AI | 30.4%† | – |
| Vibe Code Bench v1.1 | Vals AI | 90.3% | 20.1%† |
| Vibe Code Bench 1-100 v1.1 | Vals AI | 30.9% | – |
| SWE-Bench Pro (private) | Scale AI SEAL | – | 14.9%† |
| SWE Atlas v1.1 | Scale AI SEAL | 77.4%† | – |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | 77.4%† | – |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | 77.8%† | – |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | 77.1%† | – |
| MirrorCode | Epoch AI Benchmarking Hub | 95.6% | 4.4%† |
| CursorBench | Cursor | 57.8% | – |
| ALE-Bench | Epoch AI Benchmarking Hub | 2147.4† | 1162.5† |
| AlgoTune | AlgoTune | – | 1.7† |
| FrontierSWE | Epoch AI Benchmarking Hub | 62.3% | – |
| WeirdML v3 | WeirdML | 31.2%† | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 59.6% | – |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | – | 35.2%† |
| Startrise Frontend | Startrise | 80.2%† | – |
| GameBench 2 Overall | DuelLab GameBench 2 | 87.6† | – |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 94.8† | 38.0 |
| Design Arena Website | Design Arena | 1326† | 1174† |
| FrontierCode 1.1 (AA) | Artificial Analysis | 52.2% | – |
| FrontierCode 2.0 (AA) | Artificial Analysis | 46.4% | – |
| LiveCodeBench (AA) | Artificial Analysis | – | 70.3% |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 65.8% | 49.6% |
| GDPval | OpenAI | – | 34.8% |
| Remote Labor Index | Scale AI / CAIS | 21.3%† | 1.7%† |
| APEX-Agents | Mercor | 73.5% | – |
| Arena Agent | Arena (LMArena) | 19.5 | – |
| LiveBench Long Agentic | LiveBench | 72.8% | – |
| LiveBench Browser | LiveBench | 88.4% | – |
| LiveBench Agentic Coding | LiveBench | 71.7% | – |
| Terminal-Bench Hard | Artificial Analysis | – | 37.9% |
| τ²-Bench Telecom (AA) | Artificial Analysis | – | 86.5% |
| Terminal-Bench 2.1 (Vals) | Vals AI | 87.6%† | – |
| MCP Atlas | Scale AI SEAL | 85.4%† | – |
| HiL-Bench | Scale AI SEAL | 59.0%† | – |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 68.3% | – |
| GDPval-AA v2.1 | Artificial Analysis | 1866 | 925† |
| τ³-Banking (AA) | Artificial Analysis | – | 22.1%† |
| ITBench SRE (AA) | Artificial Analysis | 38.2% | – |
| Analyst Agent (AA) | Artificial Analysis | 56.3% | – |
| CUA-bench | Vals AI | 14.0% | – |
| CyberBench | Vals AI | 55.4% | – |
| Finance Agent v2 | Vals AI | 58.6% | – |
| Finance Agent v2.1 | Vals AI | 67.8% | – |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | 9.2% | – |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 3.8% | – |
| Legal Research Bench | Vals AI | 50.5% | – |
| Poker Agent | Vals AI | – | 1103.2%† |
| Robo-bench | Vals AI | 14.6% | – |
| SREBench | Vals AI | 33.6% | – |
| Tax Agent Bench | Vals AI | 44.5% | – |
| Terminal-Bench 2.0 (Vals) | Vals AI | – | 37.1%† |
| Terminal-Bench 4.0 (Vals) | Vals AI | 65.2% | – |
| Terminal-Bench Science | Vals AI | 47.1% | – |
| Time Horizon Index: KSP | Vals AI | 91.3% | – |
| Web Search Index | Vals AI | 53.8% | – |
| Arena Search | Arena (LMArena) | 1213† | 1189† |
| Arena Agent Task Completion | Arena (LMArena) | 20.7 | – |
| BALROG | BALROG | – | 32.8%† |
| DeepResearch Bench | DeepResearch Bench | – | 48.6% |
| PostTrainBench | Epoch AI Benchmarking Hub | 43.8% | – |
| METR Time Horizons | METR | – | 69.6% |
| Vending-Bench 2 | Andon Labs | 9235.3† | – |
| SpireClimb | Epoch AI Benchmarking Hub | 5.8% | – |
| AutomationBench | Artificial Analysis | 69.5% | – |
| GDP.pdf (AA) | Artificial Analysis | 26.2% | – |
| Harvey LAB-AA v1.1 | Harvey | 4.2% | – |
| AA-Briefcase v1.1 | Artificial Analysis | 1801 | – |
| GDPx | GDPx by SemiAnalysis | 12.0% | – |
| Design Arena Agentic | Design Arena | 1339† | – |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 59.0% | – |
| CWE-Bench (AA) | Artificial Analysis | 58.3% | – |
| DeepSec-Bench (AA) | Artificial Analysis | 26.9% | – |
| CyberGym end-to-end (AA) | Artificial Analysis | 0.8% | – |
| MKA (AA) | Artificial Analysis | 53.0% | – |
| BrowseComp-Plus | BrowseComp-Plus | – | 57.6%† |
| BrowseComp | OpenAI | – | 20.1%† |
| DeepSearchQA | – | 59.4%† | |
| FACTS Search | 88.4%† | – | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 91.2% | 55.4%† |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 95.0% | 21.9%† |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 100.0% | 87.2% |
| MATH Level 5 | Epoch AI Benchmarking Hub | – | 97.9% |
| ProofBench | Vals AI | 100.0% | 18.0%† |
| LiveBench Mathematics | LiveBench | 97.1% | – |
| AIME (Vals) | Vals AI | – | 93.4%† |
| MGSM | Vals AI | – | 92.8%† |
| IMO 2025 | MathArena | – | 38.1%† |
| MathArena Apex | MathArena | – | 1.0%† |
| ArXivMath | MathArena | 82.6%† | – |
| BrokenArXiv | MathArena | 77.3%† | – |
| Omni-MATH (HELM) | HELM Capabilities | – | 64.7%† |
| MATH 500 | Vals AI | – | 96.0%† |
| Arena Maths | Arena (LMArena) | 1514† | 1411† |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | 2.9% | – |
| AIME 2025 (AA) | Artificial Analysis | – | 91.7% |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 72.2% | 50.1%† |
| LiveBench 2.0 Data Analysis | LiveBench | 80.3% | – |
| LiveBench Research | LiveBench | 88.9% | – |
| LiveBench 1.0 Data Analysis | LiveBench | 80.3% | – |
| AA-Omniscience v1.1 | Artificial Analysis | 48.1 | – |
| MMLU-Pro | Vals AI | – | 86.5%† |
| LegalBench | Vals AI | – | 86.0%† |
| CorpFin | Vals AI | – | 61.1%† |
| TaxEval | Vals AI | – | 73.4%† |
| MedQA | Vals AI | – | 96.3%† |
| PRBench Finance | Scale AI SEAL | – | 51.3%† |
| PRBench Legal | Scale AI SEAL | 47.6%† | 49.0%† |
| MultiNRC | Scale AI SEAL | – | 52.1%† |
| MMLU-Pro (HELM) | HELM Capabilities | – | 86.3%† |
| BioMysteryBench | Vals AI | 79.3% | – |
| CaseLaw v2 | Vals AI | – | 66.5%† |
| ClaimBench | Vals AI | 100.0% | – |
| Excel Modeling Benchmark | Vals AI | 75.9% | – |
| Excel Modeling Benchmark v1.1 | Vals AI | 75.8% | – |
| MedCode | Vals AI | 49.8% | 49.6%† |
| MedScribe | Vals AI | 91.4% | 83.7%† |
| Public Benefits Bench v1.1 | Vals AI | 70.6% | – |
| Access to Justice Benchmark | Vals AI | 73.8% | – |
| Financial Coaching Bench | Vals AI | 76.2% | – |
| Immigration Bench | Vals AI | 72.1% | – |
| EBR-bench | Epoch AI Benchmarking Hub | 71.4% | 12.7%† |
| GDP.pdf | Epoch AI Benchmarking Hub | 30.6% | – |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 65.5% | – |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 49.7% | – |
| Global-MMLU-Lite (AA) | Artificial Analysis | – | 90.4% |
| HealthBench Professional (AA) | OpenAI | 59.9% | – |
| FACTS Parametric | 58.7%† | – | |
| 指示追従 | |||
| LiveBench Language | LiveBench | 86.3% | – |
| LiveBench Instruction Following | LiveBench | 65.7% | – |
| IFBench | Artificial Analysis | – | 70.6% |
| MultiChallenge | Scale AI SEAL | – | 63.2%† |
| TutorBench | Scale AI SEAL | – | 55.3%† |
| IFEval (HELM) | HELM Capabilities | – | 87.5%† |
| WildBench (HELM) | HELM Capabilities | – | 85.7%† |
| Arena Instruction Following | Arena (LMArena) | 1518† | 1415† |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1507† | 1427† |
| EQ-Bench 4 | EQ-Bench | 1340† | – |
| EQ-Bench Creative Writing v3 | EQ-Bench | 2051† | 1626† |
| Arena Creative Writing | Arena (LMArena) | 1517† | 1389† |
| Arena Multi-turn | Arena (LMArena) | 1502† | 1449† |
| Arena Longer Queries | Arena (LMArena) | 1520† | 1435† |
| Lech Mazur Creative Writing | Lech Mazur | – | 86.0% |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1324† | 1232† |
| LiveBench Design | LiveBench | 83.3% | – |
| MMMU-Pro | Artificial Analysis | 87.7% | 74.3% |
| VISTA | Scale AI SEAL | – | 49.7%† |
| MMMU-Pro (Vals) | Vals AI | – | 81.5%† |
| MortgageTax | Vals AI | – | 65.5%† |
| SAGE | Vals AI | 91.3% | – |
| Humanity's Sixth Sense | Scale AI SEAL | 44.6%† | – |
| VTB | Scale AI SEAL | – | 17.0%† |
| GeoBench | GeoBench | – | 81.0% |
| VPCT | Epoch AI Benchmarking Hub | – | 63.2% |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 51.2%† | – |
| Furniture Assembly | Epoch AI Benchmarking Hub | 83.3% | – |
| VIALS-AA | Handshake AI | 61.5% | – |
| Code2Video-AA | Artificial Analysis | 1536 | – |
| AA-3D | Artificial Analysis | 1202 | – |
| FACTS Multimodal | 56.4%† | – | |
| 長文コンテキスト | |||
| Fiction.LiveBench 120k | Fiction.live | – | 96.9% |
| AA-LCR v1.1 | Artificial Analysis | 84.7% | 76.0% |
| MLCR | Artificial Analysis | 27.8% | – |
| FACTS Grounding | 62.5%† | – | |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 168.5† | 150† |
| LiveBench 2.0 | LiveBench | 83.4% | – |
| LiveBench 1.0 | LiveBench | 83.2% | – |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 59.1 | – |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 57.6 | 22.9 |
| AA Progress Index v1 | Artificial Analysis | 350 | 264.4 |
| Vals Index | Vals AI | 70.1 | – |
| HELM Capabilities mean | HELM Capabilities | – | 80.7%† |
| Vals Finance Index | Vals AI | 65.3% | – |
| Vals RSI Index | Vals AI | 37.3% | – |
| Vals Science Index | Vals AI | 58.6% | – |
| Vals Router Index | Vals AI | 64.2%† | – |
| Vals Legal Index | Vals AI | 72.4% | – |
| AA Cyber Index | Artificial Analysis | 28.7 | – |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | 5.8% | 17.0%† |
| MASK | Scale AI SEAL | – | 79.3%† |
| DistressBench | Scale AI SEAL | 75.6%† | – |
| メタデータ | |||
| AA Openness Index | Artificial Analysis | – | 5.6 |
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
- GPT-5 (medium):BenchLeader Index 58.2 → 59.0。
- Claude Opus 5.5 (max):新しい結果38件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
- GPT-5 (medium):新しい結果1件(Aider Polyglot)。
- GPT-5 (medium):新しい結果2件(Global-MMLU-Lite (AA), AIME 2025 (AA))、スコアの改訂1件。
- 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。
- GPT-5 (medium):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。
- Claude Opus 5.5 (max):スコアの改訂1件。
関連する比較
- Claude Opus 5.5 vs Claude Fable 5.2
- Claude Opus 5.5 vs Gemini 4 Carbon
- Claude Opus 5.5 vs GPT-6 Astra
- Claude Opus 5.5 vs Claude Fable 5.1
- Claude Opus 5.5 vs o3
- Claude Opus 5.5 vs GPT-6.1 Sol
- Claude Opus 5.5 vs Claude Fable 5
- Claude Opus 5.5 vs GPT-5.6 Sol
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 GPT-5:よくある質問
- Claude Opus 5.5はGPT-5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:68.4 対 59.0。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 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。
- Claude Opus 5.5とGPT-5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の方が安く、100万トークンあたり$3.44 対 $8.00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 5.5とGPT-5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79 対 57。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 WebDevでは、Claude Opus 5.5が1815、GPT-5が1417です。
- Claude Opus 5.5とGPT-5はどちらが速いですか?
- Claude Opus 5.5の方が出力が速くなっています(出力116 対 82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 5.5とGPT-5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 5.5の方がスコアが高くなっています(カテゴリ指標で61 対 58。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 5.5が65.8%、GPT-5が49.6%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の方がスコアが高くなっています(70 対 67)。コンテキストはClaude Opus 5.5の方が長く、1,000,000トークンです(GPT-5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GPT-5です。Artificial Analysisの測定では、最初の回答トークンまで22.9秒 対 380.2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 5.5とGPT-5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13件のベンチマークのうち、Claude Opus 5.5のリードが13件、GPT-5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。