Claude Opus 5.5 vs GPT-5.4
詳しいプロフィール:Claude Opus 5.5(Anthropic)とGPT-5.4(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-5.4を上回ります(BenchLeader Indexで68.4 対 63.1)。ただし、価格はGPT-5.4の方が1.4倍安く、100万トークンあたりのブレンド価格で$5.63 対 $8.00です。コーディング(79 対 65)、知識(73 対 59)、マルチモーダル(70 対 61)を重視するならClaude Opus 5.5、エージェント・ツール(63 対 61)を重視するならGPT-5.4が向いています。回答開始までの時間はGPT-5.4の方が短く、144.9秒 対 380.2秒です。Claude Opus 5.5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 5.5が68.4、GPT-5.4が63.1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-5.4の100万トークンあたりのブレンド価格は$5.63です(定価、2026年11月16日)。
- Claude Opus 5.5はGPT-5.4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37件のベンチマークのうち、Claude Opus 5.5が35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 5.5 | カテゴリスコア79 対 65;SciCode 66.9% 対 56.6% | 高 |
| エージェント・ツール利用 | GPT-5.4 | カテゴリスコア63 対 61;LiveBench Agentic Coding 53.8% 対 71.7% | 中 |
| 数学 | Claude Opus 5.5 | カテゴリスコア73 対 65;FrontierMath Tiers 1–3 91.2% 対 78.6% | 高 |
| 推論 | Claude Opus 5.5 | カテゴリスコア72 対 66;ARC-AGI-2 91.7% 対 74.0% | 中 |
| 知識 | Claude Opus 5.5 | カテゴリスコア73 対 59;SimpleQA Verified 72.2% 対 45.1% | 高 |
| 長い文書 | Claude Opus 5.5 | カテゴリスコア67 対 66;AA-LCR v1.1 84.7% 対 82.0% | 中 |
| 画像などのメディア | Claude Opus 5.5 | カテゴリスコア70 対 61;MMMU-Pro 87.7% 対 78.4% | 高 |
| 最低コスト | GPT-5.4 | 100万トークンあたりブレンド価格$5.63 対 $8.00;エージェント型コーディングセッション$0.210 対 $0.320 | – |
| 回答開始の速さ | GPT-5.4 | 最初の回答トークンまで144.9秒(GPT-5.4 (xhigh))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 63.1。
- Claude Opus 5.5 (max)はコーディング、知識、長文コンテキスト、数学、マルチモーダル、推論で優れています。
- GPT-5.4 (xhigh)はエージェント・ツールで優れています。
- GPT-5.4 (xhigh)の方が1.4倍安くなっています(100万トークンあたりブレンド価格$5.63 対 $8.00)。
- Claude Opus 5.5 (max)の方が出力が1.6倍速くなっています(116 対 73トークン/秒)。
概要
| 仕様 | Claude Opus 5.5 | GPT-5.4 |
|---|---|---|
| プロバイダー | Anthropic | OpenAI |
| リリース日 | 2026年9月22日 | 2026年3月5日 |
| コンテキストウィンドウ(トークン) | 1,000,000 | 1,050,000 |
| 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-5.4 (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) | $4.00 / $20.00 / $0.200 | $2.50 / $15.00 / $0.250 |
| 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-5.4 (xhigh) | トップ |
|---|---|---|---|
| 推論 | 72.1 | 65.7 | Claude Opus 5.5 |
| コーディング | 78.8 | 64.7 | Claude Opus 5.5 |
| エージェント・ツール | 61.3 | 63.0 | GPT-5.4 |
| 数学 | 73.2 | 64.8 | Claude Opus 5.5 |
| 知識 | 72.5 | 58.6 | Claude Opus 5.5 |
| 指示追従 | – | 72.4 | 比較不可 |
| マルチモーダル | 70.2 | 60.8 | Claude Opus 5.5 |
| 長文コンテキスト | 67.1 | 65.7 | Claude Opus 5.5 |
| 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):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37件のベンチマークのうち、Claude Opus 5.5のリードが35件、GPT-5.4のリードが2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-5.4 (xhigh) | トップ |
|---|---|---|---|
| BenchLeader Index | 68.4 | 63.1 | Claude Opus 5.5 |
| Arena Text | 1507† | 1475 | 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-5.4 (xhigh) |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $8.00 | $5.63 |
| 100万トークンあたりの入力/出力 | $4.00 / $20.00 | $2.50 / $15.00 |
| 100万トークンあたりのキャッシュ入力 | $0.200 | $0.250 |
| タスクあたりの価格:チャットの返答 | $0.0076 | $0.0055 |
| タスクあたりの価格:30ページのレポートを要約 | $0.060 | $0.039 |
| タスクあたりの価格:コード編集 | $0.054 | $0.037 |
| 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 | $0.210 |
| タスクあたりの価格:構造化データの抽出 | $0.012 | $0.0080 |
| 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 | $0.109 |
| ベンチマークのタスクあたりのコスト(AA Index) | $10.04 | – |
| タスクあたりの出力トークン(AA Index) | 173k | – |
| うち推論 | 120k | – |
| タスクあたりの時間(AA Index) | 25 min | – |
| 出力速度 | 116 tok/s | 73 tok/s |
| 回答開始までの時間 | 380.2秒 | 144.9秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 711.4秒 | 193.1秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Claude Opus 5.5 (max)のスコアは68.4、最初の回答トークンまで380秒。Claude Opus 5.5 (high)は66.0(26秒)、Claude Opus 5.5 (xhigh)は65.4(78秒)。GPT-5.4 (xhigh)のスコアは63.1、最初の回答トークンまで145秒。GPT-5.4 (low)は58.8(3秒)、GPT-5.4 (high)は58.6(2秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
215件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Claude Opus 5.5 (max) | GPT-5.4 (xhigh) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 68.4 | 63.1 |
| エージェント・ツールスコア | BenchLeader | 61.3 | 63.0 |
| コーディングスコア | BenchLeader | 78.8 | 64.7 |
| 総合スコア | BenchLeader | 70.2 | – |
| 知識スコア | BenchLeader | 72.5 | 58.6 |
| 長文コンテキストスコア | BenchLeader | 67.1 | 65.7 |
| 数学スコア | BenchLeader | 73.2 | 64.8 |
| マルチモーダルスコア | BenchLeader | 70.2 | 60.8 |
| 推論スコア | BenchLeader | 72.1 | 65.7 |
| 指示追従スコア | BenchLeader | – | 72.4 |
| ブレンド価格($/100万トークン) | BenchLeader | $8.00 | $5.63 |
| 出力速度 | BenchLeader | 116 tok/s | 73 tok/s |
| 回答開始までの時間 | BenchLeader | 380.2秒 | 144.9秒 |
| コンテキストウィンドウ | BenchLeader | 1,000,000トークン | 1,050,000トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 90.6% | 93.3% |
| Humanity's Last Exam | Scale AI / CAIS | – | 36.2% |
| SimpleBench | SimpleBench | 88.4%† | – |
| Arena Hard Prompts | Arena (LMArena) | 1530† | 1487† |
| LiveBench 2.0 Reasoning | LiveBench | 92.2% | – |
| LiveBench 1.0 Reasoning | LiveBench | 92.2% | 88.1% |
| GPQA Diamond (AA) | Artificial Analysis | – | 92.0% |
| Humanity's Last Exam (AA) | Artificial Analysis | 61.4% | 43.7% |
| HLE-Diamond (AA) | Artificial Analysis | 67.9% | – |
| GPQA Diamond (Vals) | Vals AI | – | 91.7% |
| Kagi LLM Benchmark | Kagi LLM Benchmark | – | 63.8%† |
| ARC-AGI-1 | ARC Prize | 97.5% | 93.7% |
| ARC-AGI-2 | ARC Prize | 91.7% | 74.0% |
| ARC-AGI-3 | ARC Prize | – | 0.2%† |
| CritPt | Artificial Analysis | 31.7% | 23.4% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 68.0% | – |
| MysteryMechanism | Vals AI | 49.5% | – |
| HLE-Diamond (Scale) | Scale AI SEAL | 55.0%† | – |
| Arena Expert | Arena (LMArena) | 1545† | 1491† |
| Chess Puzzles | Epoch AI Benchmarking Hub | 67.0% | 48.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 71.0% | 37.0% |
| CL-bench | Epoch AI Benchmarking Hub | – | 27.9% |
| CL-bench Life | Epoch AI Benchmarking Hub | – | 21.7% |
| LMCA | Epoch AI Benchmarking Hub | 68.2% | 52.0% |
| DTBench | Epoch AI Benchmarking Hub | 98.9% | 94.4% |
215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-5.4 (xhigh) |
|---|---|---|---|
| 推論 | |||
| ForecastBench | ForecastBench | – | 63.0%† |
| コーディング | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | – | 76.9%† |
| SciCode | SciCode | 66.9% | 56.6% |
| WeirdML | WeirdML | – | 77.7% |
| FrontierCode | Cognition | 54.6%† | – |
| GSO-Bench | GSO-Bench | – | 31.4% |
| Arena Coding | Arena (LMArena) | 1548† | 1511† |
| Arena WebDev | Arena (LMArena) | 1815 | 1400† |
| LiveBench 2.0 Coding | LiveBench | 87.1% | – |
| LiveBench 1.0 Coding | LiveBench | 89.3% | 77.5% |
| SciCode (AA) | Artificial Analysis | 66.9% | – |
| LiveCodeBench | Vals AI | – | 84.1% |
| IOI | Vals AI | 95.1% | – |
| SWE-bench (Vals) | Vals AI | – | 78.2% |
| SWE-Bench Pro | Scale AI SEAL | – | 59.1% |
| Code Migration | Vals AI | 66.7% | 35.0% |
| Code Migration v1.1 | Vals AI | 81.0% | – |
| ProgramBench | Vals AI | 18.5% | 0.0% |
| 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% | 67.4% |
| Vibe Code Bench 1-100 v1.1 | Vals AI | 30.9% | – |
| SWE-Bench Pro (private) | Scale AI SEAL | – | 43.4% |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | – | 40.8% |
| SWE Atlas v1.0: Refactoring | Scale AI SEAL | – | 44.3% |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | – | 44.4% |
| 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% | 23.3% |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | – | 51.8% |
| CursorBench | Cursor | 57.8% | – |
| ALE-Bench | Epoch AI Benchmarking Hub | 2147.4† | 1607† |
| AlgoTune | AlgoTune | – | 1.9† |
| 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 | – | 78.3% |
| Startrise Frontend | Startrise | 80.2%† | – |
| GameBench 2 Overall | DuelLab GameBench 2 | 87.6† | 53.4† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 94.8† | 62.1 |
| Design Arena Website | Design Arena | 1326† | 1190† |
| FrontierCode 1.1 (AA) | Artificial Analysis | 52.2% | – |
| FrontierCode 2.0 (AA) | Artificial Analysis | 46.4% | – |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 65.8% | 81.8%† |
| Remote Labor Index | Scale AI / CAIS | 21.3%† | – |
| APEX-Agents | Mercor | 73.5% | 52.4%† |
| Arena Agent | Arena (LMArena) | 19.5 | – |
| LiveBench Long Agentic | LiveBench | 72.8% | – |
| LiveBench Browser | LiveBench | 88.4% | – |
| LiveBench Agentic Coding | LiveBench | 71.7% | 53.8% |
| Terminal-Bench Hard | Artificial Analysis | – | 57.6% |
| τ²-Bench Telecom (AA) | Artificial Analysis | – | 87.1% |
| Terminal-Bench 2.1 (Vals) | Vals AI | 87.6%† | – |
| MCP Atlas | Scale AI SEAL | 85.4%† | 70.6% |
| HiL-Bench | Scale AI SEAL | 59.0%† | 9.7%† |
| τ³-bench Banking | τ²-bench | – | 39.4% |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 68.3% | – |
| GDPval-AA v2.1 | Artificial Analysis | 1866 | 1256 |
| τ³-Banking (AA) | Artificial Analysis | – | 39.6% |
| ITBench SRE (AA) | Artificial Analysis | 38.2% | – |
| Analyst Agent (AA) | Artificial Analysis | 56.3% | – |
| APEX-Agents (AA) | Artificial Analysis | – | 33.3% |
| 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% | 0.0% |
| Legal Research Bench | Vals AI | 50.5% | – |
| Robo-bench | Vals AI | 14.6% | – |
| SkillsBench | Vals AI | – | 51.7% |
| SREBench | Vals AI | 33.6% | – |
| Tax Agent Bench | Vals AI | 44.5% | – |
| Terminal-Bench 2.0 (Vals) | Vals AI | – | 58.4%† |
| 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† | 1196† |
| Arena Agent Task Completion | Arena (LMArena) | 20.7 | – |
| DeepResearch Bench | DeepResearch Bench | – | 35.1%† |
| PostTrainBench | Epoch AI Benchmarking Hub | 43.8% | 17.8%† |
| METR Time Horizons | METR | – | 74.3% |
| GBAEval | Epoch AI Benchmarking Hub | – | 45.1%† |
| Vending-Bench 2 | Andon Labs | 9235.3† | 6144.2† |
| 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† | 1042† |
| 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% | – |
| DeepSearchQA | – | 63.7%† | |
| FACTS Search | 88.4%† | – | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 91.2% | 78.6% |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 95.0% | 49.0% |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 100.0% | 95.3% |
| ProofBench | Vals AI | 100.0% | 56.0% |
| LiveBench Mathematics | LiveBench | 97.1% | 94.2% |
| AIME (Vals) | Vals AI | – | 96.7% |
| AIME 2026 | MathArena | – | 99.2% |
| HMMT February 2026 | MathArena | – | 97.7% |
| USAMO 2026 | MathArena | – | 95.2% |
| MathArena Apex | MathArena | – | 54.2% |
| ArXivMath | MathArena | 82.6%† | – |
| BrokenArXiv | MathArena | 77.3%† | – |
| Arena Maths | Arena (LMArena) | 1514† | 1459† |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | 2.9% | – |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 72.2% | 45.1% |
| LiveBench 2.0 Data Analysis | LiveBench | 80.3% | – |
| LiveBench Research | LiveBench | 88.9% | – |
| LiveBench 1.0 Data Analysis | LiveBench | 80.3% | 79.3% |
| AA-Omniscience v1.1 | Artificial Analysis | 48.1 | – |
| MMLU-Pro | Vals AI | – | 87.5% |
| LegalBench | Vals AI | – | 86.0% |
| CorpFin | Vals AI | – | 65.3% |
| TaxEval | Vals AI | – | 74.0% |
| MedQA | Vals AI | – | 96.1% |
| PRBench Finance | Scale AI SEAL | – | 45.6%† |
| PRBench Legal | Scale AI SEAL | 47.6%† | 44.4%† |
| MultiNRC | Scale AI SEAL | – | 58.3%† |
| BioMysteryBench | Vals AI | 79.3% | – |
| CaseLaw v2 | Vals AI | – | 63.8% |
| 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% | 41.3% |
| MedScribe | Vals AI | 91.4% | 77.5% |
| 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% | 25.4% |
| 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% | – |
| HealthBench Professional (AA) | OpenAI | 59.9% | – |
| FACTS Parametric | 58.7%† | – | |
| 指示追従 | |||
| LiveBench Language | LiveBench | 86.3% | 82.6% |
| LiveBench Instruction Following | LiveBench | 65.7% | 70.2% |
| IFBench | Artificial Analysis | – | 74.0% |
| Arena Instruction Following | Arena (LMArena) | 1518† | 1460† |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1507† | 1465† |
| EQ-Bench 4 | EQ-Bench | 1340† | 1258† |
| EQ-Bench Creative Writing v3 | EQ-Bench | 2051† | 1841† |
| Arena Creative Writing | Arena (LMArena) | 1517† | 1433† |
| Arena Multi-turn | Arena (LMArena) | 1502† | 1480† |
| Arena Longer Queries | Arena (LMArena) | 1520† | 1477† |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1324† | 1292† |
| LiveBench Design | LiveBench | 83.3% | – |
| MMMU-Pro | Artificial Analysis | 87.7% | 78.4% |
| VISTA | Scale AI SEAL | – | 50.9%† |
| MMMU-Pro (Vals) | Vals AI | – | 87.5% |
| MortgageTax | Vals AI | – | 68.3% |
| SAGE | Vals AI | 91.3% | – |
| Humanity's Sixth Sense | Scale AI SEAL | 44.6%† | – |
| VTB | Scale AI SEAL | – | 29.2%† |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 51.2%† | 27.1%† |
| Furniture Assembly | Epoch AI Benchmarking Hub | 83.3% | 37.5% |
| 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 | |||
| AA-LCR v1.1 | Artificial Analysis | 84.7% | 82.0% |
| Arena Document | Arena (LMArena) | – | 1471† |
| MLCR | Artificial Analysis | 27.8% | – |
| FACTS Grounding | 62.5%† | – | |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 168.5† | 157.8† |
| LiveBench 2.0 | LiveBench | 83.4% | – |
| LiveBench 1.0 | LiveBench | 83.2% | 78.0% |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 59.1 | – |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 57.6 | 39.0 |
| AA Progress Index v1 | Artificial Analysis | 350 | 311.6 |
| Vals Index | Vals AI | 70.1 | – |
| Vals Finance Index | Vals AI | 65.3% | – |
| Vals RSI Index | Vals AI | 37.3% | 15.5% |
| 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% | – |
| MASK | Scale AI SEAL | – | 89.7%† |
| DistressBench | Scale AI SEAL | 75.6%† | – |
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 5.5 (max):新しい結果38件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
- GPT-5.4 (xhigh):新しい結果1件(GDPval-AA v2.1)。
- 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-5.4 (xhigh):新しい結果1件(MirrorCode)。
- 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。
- GPT-5.4 (xhigh):BenchLeader Index 63.7 → 63.2。
- 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
- GPT-5.4 vs Claude Fable 5.2
- GPT-5.4 vs Gemini 4 Carbon
- GPT-5.4 vs GPT-6 Astra
- Claude Fable 5.1 vs GPT-5.4
- Claude Opus 5.5 vs GPT-5.4 Pro
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-5.4:よくある質問
- Claude Opus 5.5はGPT-5.4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 63.1。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-5.4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-5.4の方が安く、100万トークンあたり$5.63 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-5.4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 65。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 5.5が66.9%、GPT-5.4が56.6%です。
- Claude Opus 5.5とGPT-5.4はどちらが速いですか?
- Claude Opus 5.5の方が出力が約1.5倍速くなっています(出力116 対 73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-5.4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-5.4の方がスコアが高くなっています(カテゴリ指標で63 対 61。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Claude Opus 5.5の方がスコアが高くなっています(67 対 66)。どちらも約1.1Mトークンです(Claude Opus 5.5は1,000,000、GPT-5.4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-5.4です。Artificial Analysisの測定では、最初の回答トークンまで144.9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-5.4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37件のベンチマークのうち、Claude Opus 5.5のリードが35件、GPT-5.4のリードが2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。