Claude Opus 5 vs Gemini 4 Argon
詳しいプロフィール:Claude Opus 5(Anthropic)とGemini 4 Argon(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16日時点で、Claude Opus 5とGemini 4 Argonの品質は互角です(BenchLeader Indexで65.0 対 65.3、±3.1の誤差範囲内)。価格はGemini 4 Argonの方が2.5倍安く、100万トークンあたりのブレンド価格で$4.00 対 $10.00です。エージェント・ツール(64 対 59)を重視するならClaude Opus 5、知識(72 対 65)、人間の評価(72 対 68)、推論(70 対 66)を重視するならGemini 4 Argonが向いています。Gemini 4 Argonの現在の価格は2026年11月30日までで、その後は$8.00になります。
要点(2026年11月16日時点)
- BenchLeader IndexはClaude Opus 5が65.0、Gemini 4 Argonが65.3です(BenchLeader、2026年11月16日)。
- Claude Opus 5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)。
- Gemini 4 Argonの100万トークンあたりのブレンド価格は$4.00です(2026年11月30日まで。その後は$8.00)(https://ai.google.dev/gemini-api/docs/pricing、2026年10月20日確認)。
- 両モデルに結果がある74件のベンチマークのうち、Gemini 4 Argonが56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が1691、Gemini 4 Argonが1681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 | どちらでも | カテゴリスコア67 対 67;Arena WebDev 1691 対 1681 | どちらでも |
| エージェント・ツール利用 | Claude Opus 5 | カテゴリスコア64 対 59;Terminal-Bench 52.1% 対 55.5% | 中 |
| 数学 | どちらでも | カテゴリスコア70 対 70;FrontierMath Tiers 1–3 85.6% 対 86.0% | どちらでも |
| 推論 | Gemini 4 Argon | カテゴリスコア70 対 66;GPQA Diamond 96.4% 対 93.9% | 中 |
| 知識 | Gemini 4 Argon | カテゴリスコア72 対 65;SimpleQA Verified 76.0% 対 59.9% | 中 |
| 長い文書 | どちらでも | カテゴリスコア64 対 65;AA-LCR v1.1 79.3% 対 79.7% | どちらでも |
| チャットの質(人間の評価) | Gemini 4 Argon | Arenaの投票で72 対 68 | 中 |
| 最低コスト | Gemini 4 Argon | 100万トークンあたりブレンド価格$4.00 対 $10.00;エージェント型コーディングセッション$0.160 対 $0.400;2026年12月1日以降:$8.00 対 $10.00 | – |
| 回答開始の速さ | どちらでも | 最初の回答トークンまで48.5秒(Claude Opus 5 (max))対 45.7秒(Gemini 4 Argon (high)) | – |
| 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 5 (max)とGemini 4 Argon (high)の品質は互角です(65.0 対 65.3、±3.1の誤差範囲内)。
- Claude Opus 5 (max)はエージェント・ツール、コーディングで優れています。
- Gemini 4 Argon (high)は人間の評価、知識、長文コンテキスト、数学、推論で優れています。
- 2026年11月30日まではGemini 4 Argon (high)の方が2.5倍安くなっています(100万トークンあたりブレンド価格$4.00 対 $10.00)。2026年12月1日からは$8.00 対 $10.00になります。
概要
| 仕様 | Claude Opus 5 | Gemini 4 Argon |
|---|---|---|
| プロバイダー | Anthropic | |
| リリース日 | 2026年7月24日 | 2026年9月30日 |
| 一般提供開始 | 2026年7月24日 | 2026年10月13日 |
| コンテキストウィンドウ(トークン) | 1,000,000 | 1,048,576 |
| 最大出力(トークン) | – | 65,536 (up to 1,048,576 with long decode) |
| 入力の種類 | – | テキスト、画像、動画、音声、PDF |
| 推論エフォートの設定 | – | low, medium, high |
| 比較した構成 | Claude Opus 5 (max) | Gemini 4 Argon (high) |
| 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 | $2.00 / $10.00 / $0.100 |
| 発表済みの価格変更 | 発表なし | 2026年12月1日から$4.00 / $20.00 / $0.200 |
| APIモデルID | – | gemini-4-argon |
| 利用できる場所 | – | Gemini API (AI Studio), Gemini Enterprise Agent Platform, Gemini app |
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: ai.google.dev、ai.google.dev(料金) (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 (max) | Gemini 4 Argon (high) | トップ |
|---|---|---|---|
| 推論 | 66.1 | 69.5 | Gemini 4 Argon |
| コーディング | 67.0 | 66.7 | 互角 |
| エージェント・ツール | 63.8 | 58.6 | Claude Opus 5 |
| 数学 | 69.8 | 69.9 | 互角 |
| 知識 | 65.2 | 71.9 | Gemini 4 Argon |
| 人間の評価 | 68.1 | 72.1 | Gemini 4 Argon |
| マルチモーダル | 67.2 | – | 比較不可 |
| 長文コンテキスト | 64.3 | 64.5 | 互角 |
| 総合 | – | 63.8 | 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, マルチモーダル。
情報源で評価が分かれる点
両方に結果がある74件のベンチマークのうち、Claude Opus 5のリードが18件、Gemini 4 Argonのリードが56件です。両方を評価しているすべての総合指標で、Gemini 4 Argonが上回っています。
| 総合Index | Claude Opus 5 (max) | Gemini 4 Argon (high) | トップ |
|---|---|---|---|
| BenchLeader Index | 65.0 | 65.3 | 互角 |
| AA Intelligence Index v5.0.1 | 44.2 | 50.4 | Gemini 4 Argon |
| Arena Text | 1489 | 1522 | Gemini 4 Argon |
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 (max) | Gemini 4 Argon (high) |
|---|---|---|
| 100万トークンあたりのブレンド価格(2026年11月30日まで) | $10.00 | $4.00 |
| 100万トークンあたりの入力/出力 | $5.00 / $25.00 | $2.00 / $10.00 |
| 2026年12月1日以降の100万トークンあたりのブレンド価格 | $10.00 | $8.00 |
| 2026年12月1日以降の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 | $0.100 |
| タスクあたりの価格:チャットの返答 | $0.0095 | $0.0038 |
| タスクあたりの価格:30ページのレポートを要約 | $0.075 | $0.030 |
| タスクあたりの価格:コード編集 | $0.068 | $0.027 |
| 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 | $0.160 |
| タスクあたりの価格:構造化データの抽出 | $0.015 | $0.0060 |
| 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 | $0.074 |
| ベンチマークのタスクあたりのコスト(AA Index) | $11.82 | $4.97 |
| タスクあたりの出力トークン(AA Index) | 118k | 116k |
| うち推論 | 73k | 68k |
| タスクあたりの時間(AA Index) | 25 min | 29 min |
| 出力速度 | 80 tok/s | 66 tok/s |
| 回答開始までの時間 | 48.5秒 | 45.7秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 191.6秒 | 122.1秒 |
トークン単価とタスクあたりのコストは別物です。Artificial AnalysisのIntelligence Indexの平均的なタスクにかかったコストは、Claude Opus 5 (max)で$11.82、Gemini 4 Argon (high)で$4.97でした。同じ作業でClaude Opus 5 (max)は1.0倍の出力トークンを書いています。
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Claude Opus 5 (max)のスコアは65.0、最初の回答トークンまで49秒。Claude Opus 5 (high)は64.4(17秒)、Claude Opus 5は63.2(2秒)。Gemini 4 Argon (high)のスコアは65.3、最初の回答トークンまで46秒。Gemini 4 Argonは64.4(5秒)、Gemini 4 Argon (medium)は61.6(13秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
188件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Claude Opus 5 (max) | Gemini 4 Argon (high) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 65.0 | 65.3 |
| エージェント・ツールスコア | BenchLeader | 63.8 | 58.6 |
| コーディングスコア | BenchLeader | 67.0 | 66.7 |
| 人間の評価スコア | BenchLeader | 68.1 | 72.1 |
| 知識スコア | BenchLeader | 65.2 | 71.9 |
| 長文コンテキストスコア | BenchLeader | 64.3 | 64.5 |
| 数学スコア | BenchLeader | 69.8 | 69.9 |
| マルチモーダルスコア | BenchLeader | 67.2 | – |
| 推論スコア | BenchLeader | 66.1 | 69.5 |
| 総合スコア | BenchLeader | – | 63.8 |
| ブレンド価格($/100万トークン) | BenchLeader | $10.00 | $4.00 |
| 出力速度 | BenchLeader | 80 tok/s | 66 tok/s |
| 回答開始までの時間 | BenchLeader | 48.5秒 | 45.7秒 |
| コンテキストウィンドウ | BenchLeader | 1,000,000トークン | 1,048,576トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 93.9% | 96.4% |
| SimpleBench | SimpleBench | 80.6%† | 91.7%† |
| Arena Hard Prompts | Arena (LMArena) | 1513 | 1545 |
| LiveBench 2.0 Reasoning | LiveBench | – | 95.1% |
| LiveBench 1.0 Reasoning | LiveBench | 91.2% | – |
| GPQA Diamond (AA) | Artificial Analysis | 93.2% | – |
| Humanity's Last Exam (AA) | Artificial Analysis | 54.9% | 57.1% |
| HLE-Diamond (AA) | Artificial Analysis | 44.8% | 56.7% |
| GPQA Diamond (Vals) | Vals AI | 93.4%† | – |
| ARC-AGI-1 | ARC Prize | 97.5% | 98.5% |
| ARC-AGI-2 | ARC Prize | 90.4% | 91.3% |
| ARC-AGI-3 | ARC Prize | 30.2%† | 97.3% |
| CritPt | Artificial Analysis | 29.1% | 27.1% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 50.0% | 52.5% |
| MysteryMechanism | Vals AI | 37.4% | 45.5% |
| HLE-Diamond (Scale) | Scale AI SEAL | 38.6%† | 53.2%† |
| Arena Expert | Arena (LMArena) | 1530 | 1549 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 43.0% | 59.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 59.0% | 64.0% |
| LMCA | Epoch AI Benchmarking Hub | 63.3% | 63.7% |
| DTBench | Epoch AI Benchmarking Hub | 97.6% | 97.3% |
| ForecastBench | ForecastBench | 66.6% | – |
| BTF-3 | Epoch AI Benchmarking Hub | 12.0%† | – |
| コーディング | |||
| SciCode | SciCode | 56.4% | 61.8% |
| WeirdML | WeirdML | 91.8% | – |
188件のベンチマークをすべて表示
| 指標 | 公開元 | Claude Opus 5 (max) | Gemini 4 Argon (high) |
|---|---|---|---|
| コーディング | |||
| FrontierCode | Cognition | 53.4% | 47.5%† |
| Arena Coding | Arena (LMArena) | 1528 | 1553 |
| Arena WebDev | Arena (LMArena) | 1691 | 1681 |
| LiveBench 2.0 Coding | LiveBench | – | 85.7% |
| LiveBench 1.0 Coding | LiveBench | 81.5% | – |
| LiveCodeBench | Vals AI | 89.0% | – |
| IOI | Vals AI | 84.3% | 100.0% |
| SWE-bench (Vals) | Vals AI | 97.0%† | – |
| Code Migration | Vals AI | 57.5% | 68.2% |
| Code Migration v1.1 | Vals AI | – | 70.8% |
| ProgramBench | Vals AI | 3.0% | 2.5% |
| SWE-bench Multimodal | Vals AI | – | 56.0% |
| Vibe Code Bench 1-100 | Vals AI | 28.5% | 21.2% |
| Vibe Code Bench v1.1 | Vals AI | 88.4%† | 91.9% |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | 63.2%† | – |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | 62.2%† | – |
| SWE Atlas v1.1 | Scale AI SEAL | – | 70.1%† |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | – | 65.3%† |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | – | 77.8%† |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | – | 67.1%† |
| SWE-Bench Pro V2 | Scale AI SEAL | 99.4%† | 99.2% |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | 98.0%† | 92.2% |
| MirrorCode | Epoch AI Benchmarking Hub | 87.8% | 58.9% |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | 73.7% | – |
| CursorBench | Cursor | 46.6% | 52.9% |
| ALE-Bench | Epoch AI Benchmarking Hub | 2164.6† | 2100.1 |
| FrontierSWE | Epoch AI Benchmarking Hub | 52.0% | 55.0% |
| WeirdML v3 | WeirdML | 19.0%† | 20.3% |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 49.0% | 57.1% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 89.1% | – |
| Startrise Frontend | Startrise | 82.3%† | – |
| GameBench 2 Overall | DuelLab GameBench 2 | 76.5† | 81.7† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 84.8† | 89.2 |
| Design Arena Website | Design Arena | 1304† | 1316† |
| FrontierCode 1.1 (AA) | Artificial Analysis | – | 43.5% |
| FrontierCode 2.0 (AA) | Artificial Analysis | 31.1% | 25.7% |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 52.1% | 55.5% |
| OSWorld-Verified 2.0 | OSWorld | 31.4% | – |
| Remote Labor Index | Scale AI / CAIS | – | 17.1%† |
| APEX-Agents | Mercor | 65.8% | 82.4%† |
| Arena Agent | Arena (LMArena) | 7.2 | 10.7 |
| LiveBench Long Agentic | LiveBench | – | 58.5% |
| LiveBench Browser | LiveBench | – | 82.8% |
| LiveBench Agentic Coding | LiveBench | 65.2% | – |
| Terminal-Bench 2.1 (Vals) | Vals AI | 84.6%† | 57.7% |
| MCP Atlas | Scale AI SEAL | 85.8%† | 90.7%† |
| HiL-Bench | Scale AI SEAL | 57.0%† | 62.0%† |
| τ³-bench Banking | τ²-bench | 48.7% | – |
| GDPval-AA v2.1, normalised score | Artificial Analysis | – | 56.2% |
| GDPval-AA v2.1 | Artificial Analysis | 1729 | 1634 |
| τ³-Banking (AA) | Artificial Analysis | 42.1% | – |
| Analyst Agent (AA) | Artificial Analysis | 53.8% | 48.8% |
| CUA-bench | Vals AI | 9.0% | 4.8% |
| CyberBench | Vals AI | 65.4% | 77.9% |
| Finance Agent v2 | Vals AI | 58.6% | 65.4% |
| Finance Agent v2.1 | Vals AI | – | 67.7% |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | – | 27.1% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 6.7% | 19.6% |
| Legal Research Bench | Vals AI | 55.3% | 54.8% |
| Robo-bench | Vals AI | – | 0.8% |
| SkillsBench | Vals AI | 60.4% | – |
| SREBench | Vals AI | 12.2% | 44.3% |
| Tax Agent Bench | Vals AI | 47.1% | 49.2% |
| Terminal-Bench 4.0 (Vals) | Vals AI | 53.5% | 57.6% |
| Terminal-Bench Science | Vals AI | 27.1% | 44.3% |
| Time Horizon Index: KSP | Vals AI | 18.8% | 52.5% |
| Arena Search | Arena (LMArena) | 1213† | – |
| Arena Agent Task Completion | Arena (LMArena) | 10.2 | 13.2 |
| BALROG | BALROG | 63.4% | – |
| PostTrainBench | Epoch AI Benchmarking Hub | 35.7%† | 40.4% |
| GBAEval | Epoch AI Benchmarking Hub | 79.6%† | – |
| Vending-Bench 2 | Andon Labs | 11181.9† | 13718.2† |
| AutomationBench | Artificial Analysis | 56.6% | 77.5% |
| GDP.pdf (AA) | Artificial Analysis | 21.6% | 21.8% |
| Harvey LAB-AA v1.1 | Harvey | – | 3.9% |
| EnterpriseOps-Gym | Artificial Analysis | 47.5% | – |
| AA-Briefcase v1.1 | Artificial Analysis | 1654 | 1485 |
| GDPx | GDPx by SemiAnalysis | – | 7.3% |
| Design Arena Agentic | Design Arena | 1270† | 1274† |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 28.6% | 52.9% |
| DeepSec-Bench (AA) | Artificial Analysis | 25.9% | – |
| MKA (AA) | Artificial Analysis | – | 51.3% |
| FACTS Search | – | 89.9%† | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 85.6% | 86.0% |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 73.2% | 78.0% |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 98.9% | 100.0% |
| ProofBench | Vals AI | 99.0% | 99.0%† |
| LiveBench Mathematics | LiveBench | 95.7% | – |
| ArXivMath | MathArena | – | 84.4% |
| BrokenArXiv | MathArena | – | 47.9% |
| Arena Maths | Arena (LMArena) | 1515 | 1536 |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | 0.0% | 1.5% |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 59.9% | 76.0% |
| LiveBench 2.0 Data Analysis | LiveBench | – | 85.2% |
| LiveBench Research | LiveBench | – | 86.8% |
| LiveBench 1.0 Data Analysis | LiveBench | 74.5% | – |
| AA-Omniscience v1.1 | Artificial Analysis | 37.6 | 46.1 |
| MMLU-Pro | Vals AI | 91.6% | – |
| LegalBench | Vals AI | 87.0% | 88.3% |
| CorpFin | Vals AI | 73.2%† | – |
| TaxEval | Vals AI | 75.1%† | – |
| PRBench Finance | Scale AI SEAL | – | 49.9%† |
| PRBench Legal | Scale AI SEAL | – | 49.4%† |
| BioMysteryBench | Vals AI | 79.3% | 76.3% |
| Excel Modeling Benchmark | Vals AI | 73.6% | 75.2% |
| Excel Modeling Benchmark v1.1 | Vals AI | – | 74.8% |
| MedCode | Vals AI | 63.6% | 58.8% |
| MedScribe | Vals AI | 91.0% | 87.4% |
| Public Benefits Bench v1.1 | Vals AI | 76.9% | 69.8% |
| Access to Justice Benchmark | Vals AI | – | 68.5% |
| Financial Coaching Bench | Vals AI | – | 73.1% |
| Immigration Bench | Vals AI | – | 68.1% |
| DrugDiscoveryBench | Scale AI SEAL | 53.7% | 65.4% |
| EBR-bench | Epoch AI Benchmarking Hub | 45.7% | 64.8% |
| GDP.pdf | Epoch AI Benchmarking Hub | 24.0% | 28.4% |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 60.9% | 48.3% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 40.6% | 95.7% |
| HealthBench Professional (AA) | OpenAI | – | 55.0% |
| FACTS Parametric | 48.8%† | 72.2%† | |
| 指示追従 | |||
| LiveBench Language | LiveBench | 88.7% | – |
| LiveBench Instruction Following | LiveBench | 63.8% | – |
| MultiChallenge | Scale AI SEAL | – | 78.7%† |
| Arena Instruction Following | Arena (LMArena) | 1494 | 1528 |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1489 | 1522 |
| EQ-Bench 4 | EQ-Bench | 1365† | 1236† |
| EQ-Bench Creative Writing v3 | EQ-Bench | 2135† | 1758† |
| Arena Creative Writing | Arena (LMArena) | 1473 | 1523 |
| Arena Multi-turn | Arena (LMArena) | 1486 | 1545 |
| Arena Longer Queries | Arena (LMArena) | 1502 | 1544 |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1318† | – |
| LiveBench Design | LiveBench | – | 69.2% |
| MMMU-Pro | Artificial Analysis | 84.7% | 88.3%† |
| MMMU-Pro (Vals) | Vals AI | 89.9% | – |
| MortgageTax | Vals AI | 72.1%† | – |
| SAGE | Vals AI | – | 89.5% |
| AudioMC | Scale AI SEAL | – | 58.4% |
| AudioMC (text output) | Scale AI SEAL | – | 58.4% |
| Humanity's Sixth Sense | Scale AI SEAL | 30.5% | 55.4% |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 30.4%† | 54.5%† |
| Furniture Assembly | Epoch AI Benchmarking Hub | 60.8% | 72.5% |
| VIALS-AA | Handshake AI | – | 59.6% |
| Code2Video-AA | Artificial Analysis | – | 1259 |
| AA-3D | Artificial Analysis | – | 1147 |
| FACTS Multimodal | – | 54.2%† | |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 79.3% | 79.7% |
| Arena Document | Arena (LMArena) | 1486† | – |
| MLCR | Artificial Analysis | 11.1% | 13.9% |
| FACTS Grounding | – | 73.3%† | |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 164.7† | 166.5† |
| LiveBench 2.0 | LiveBench | – | 77.7% |
| LiveBench 1.0 | LiveBench | 80.1% | – |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 44.2 | 50.4 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 50.8 | 52.6 |
| AA Progress Index v1 | Artificial Analysis | 333.7 | 341.8 |
| Vals Index | Vals AI | – | 69.4 |
| Vals Finance Index | Vals AI | – | 66.0% |
| Vals RSI Index | Vals AI | 33.0% | 30.6% |
| Vals Science Index | Vals AI | 47.9% | 55.4% |
| Vals Multimodal Index | Vals AI | 73.9%† | – |
| Vals Router Index | Vals AI | – | 69.2%† |
| Vals Legal Index | Vals AI | – | 76.8% |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | 16.8%† | – |
| DistressBench | Scale AI SEAL | 70.2%† | 68.6%† |
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
- Gemini 4 Argon:定価が100万トークンあたり入力$4.00/出力$20.00に変わります(発表済み)。
- Claude Opus 5 (max):新しい結果25件(LiveCodeBench, MMLU-Pro, IOI…)。
- Gemini 4 Argon (high):新しい結果8件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
- Claude Opus 5 (max):新しい結果1件(GDPval-AA v2.1)。
- Gemini 4 Argon (high):新しい結果1件(Terminal-Bench)。
- Gemini 4 Argon (high):スコアの改訂1件。
- Gemini 4 Argon (high):BenchLeader Index 65.9 → 65.3。
- Gemini 4 Argon (high):新しい結果1件(PostTrainBench)、入力価格 $4.00/M → $2.00/M、出力価格 $20.00/M → $10.00/M、価格 $9.95/M → $4.97/M。
- Claude Opus 5 (max):新しい結果1件(MirrorCode)。
- Claude Opus 5 (max):BenchLeader Index 65.5 → 65.0。
関連する比較
- Claude Opus 5 vs Claude Fable 5.2
- Claude Opus 5 vs Gemini 4 Carbon
- Claude Opus 5 vs Claude Opus 5.5
- Gemini 4 Argon vs Claude Fable 5.2
- Gemini 4 Argon vs Gemini 4 Carbon
- Gemini 4 Argon vs Claude Opus 5.5
- Gemini 4 Argon vs GPT-6 Astra
- Claude Sonnet 5 vs Gemini 4 Argon
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 5 vs Gemini 4 Argon:よくある質問
- Claude Opus 5はGemini 4 Argonより優れていますか?
- Claude Opus 5 (max)とGemini 4 Argon (high)の品質は互角です(65.0 対 65.3、±3.1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 5とGemini 4 Argon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Gemini 4 Argonの方が安く、100万トークンあたり$4.00 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)。Gemini 4 Argonの現在の価格は2026年11月30日までで、その後は$8.00になります。
- コーディングにはClaude Opus 5とGemini 4 Argonのどちらが向いていますか?
- コーディングでは互角です(カテゴリ指標で67 対 67)。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が1691、Gemini 4 Argonが1681です。
- Claude Opus 5とGemini 4 Argonはどちらが速いですか?
- Claude Opus 5の方が出力が速くなっています(出力80 対 66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とGemini 4 Argon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の方がスコアが高くなっています(カテゴリ指標で64 対 59。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が52.1%、Gemini 4 Argonが55.5%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互角です(64 対 65)。どちらも約1Mトークンです(Claude Opus 5は1,000,000、Gemini 4 Argonは1,048,576)。
- 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Gemini 4 Argonです。Artificial Analysisの測定では、最初の回答トークンまで45.7秒 対 48.5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とGemini 4 Argon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74件のベンチマークのうち、Claude Opus 5のリードが18件、Gemini 4 Argonのリードが56件です。両方を評価しているすべての総合指標で、Gemini 4 Argonが上回っています。
- Gemini 4 Argonはいつリリースされましたか?
- Gemini 4 Argonは2026年9月30日に初めて登場し、2026年10月13日に一般提供が始まりました。