BenchLeader

Claude Opus 5 vs GPT-5.4

詳しいプロフィール:Claude Opus 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 · 14件の情報源のデータ

2026年11月16日時点で、Claude Opus 5とGPT-5.4の品質は互角です(BenchLeader Indexで65.0 対 63.1、±3.2の誤差範囲内)。価格はGPT-5.4の方が1.8倍安く、100万トークンあたりのブレンド価格で$5.63 対 $10.00です。知識(65 対 59)、マルチモーダル(67 対 61)、数学(70 対 65)を重視するならClaude Opus 5、長文コンテキスト(66 対 64)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Claude Opus 5の方が短く、48.5秒 対 144.9秒です。

要点(2026年11月16日時点)

  • BenchLeader IndexはClaude Opus 5が65.0、GPT-5.4が63.1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)。
  • 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)。
  • 両モデルに結果がある47件のベンチマークのうち、Claude Opus 5が42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カテゴリスコア67 対 65;LiveCodeBench 89.0% 対 84.1%中
エージェント・ツール利用どちらでもカテゴリスコア64 対 63;τ³-Banking (AA) 42.1% 対 39.6%どちらでも
数学Claude Opus 5カテゴリスコア70 対 65;FrontierMath Tiers 1–3 85.6% 対 78.6%中
推論どちらでもカテゴリスコア66 対 66;GPQA Diamond 93.9% 対 93.3%どちらでも
知識Claude Opus 5カテゴリスコア65 対 59;SimpleQA Verified 59.9% 対 45.1%中
長い文書GPT-5.4カテゴリスコア66 対 64;AA-LCR v1.1 82.0% 対 79.3%中
画像などのメディアClaude Opus 5カテゴリスコア67 対 61;MMMU-Pro 84.7% 対 78.4%中
チャットの質(人間の評価)–Arenaの評価があるのはClaude Opus 5のみです(カテゴリスコア68)比較不可
最低コストGPT-5.4100万トークンあたりブレンド価格$5.63 対 $10.00;エージェント型コーディングセッション$0.210 対 $0.400–
回答開始の速さClaude Opus 5最初の回答トークンまで48.5秒(Claude Opus 5 (max))対 144.9秒(GPT-5.4 (xhigh))–
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GPT-5.4 (xhigh)の品質は互角です(65.0 対 63.1、±3.2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、知識、数学、マルチモーダル、推論で優れています。
  • GPT-5.4 (xhigh)は長文コンテキストで優れています。
  • GPT-5.4 (xhigh)の方が1.8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 $10.00)。

概要

仕様Claude Opus 5GPT-5.4
プロバイダーAnthropicOpenAI
リリース日2026年7月24日2026年3月5日
コンテキストウィンドウ(トークン)1,000,0001,050,000
比較した構成Claude Opus 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)$5.00 / $25.00 / $0.500$2.50 / $15.00 / $0.250

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)GPT-5.4 (xhigh)トップ
推論66.165.7互角
コーディング67.064.7Claude Opus 5
エージェント・ツール63.863.0互角
数学69.864.8Claude Opus 5
知識65.258.6Claude Opus 5
指示追従–72.4比較不可
人間の評価68.1–比較不可
マルチモーダル67.260.8Claude Opus 5
長文コンテキスト64.365.7GPT-5.4

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マルチモーダルClaude Opus 5, 推論: 66.1Claude Opus 5, コーディング: 67.0Claude Opus 5, エージェント・ツール: 63.8Claude Opus 5, 数学: 69.8Claude Opus 5, 知識: 65.2Claude Opus 5, 長文コンテキスト: 64.3Claude Opus 5, マルチモーダル: 67.2GPT-5.4, 推論: 65.7GPT-5.4, コーディング: 64.7GPT-5.4, エージェント・ツール: 63.0GPT-5.4, 数学: 64.8GPT-5.4, 知識: 58.6GPT-5.4, 長文コンテキスト: 65.7GPT-5.4, マルチモーダル: 60.8

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。

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47件のベンチマークのうち、Claude Opus 5のリードが42件、GPT-5.4のリードが5件です。両方を評価しているすべての総合指標で、Claude Opus 5が上回っています。

総合IndexClaude Opus 5 (max)GPT-5.4 (xhigh)トップ
BenchLeader Index65.063.1互角
Arena Text14891475†Claude Opus 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 (max)GPT-5.4 (xhigh)
100万トークンあたりのブレンド価格$10.00$5.63
100万トークンあたりの入力/出力$5.00 / $25.00$2.50 / $15.00
100万トークンあたりのキャッシュ入力$0.500$0.250
タスクあたりの価格:チャットの返答$0.0095$0.0055
タスクあたりの価格:30ページのレポートを要約$0.075$0.039
タスクあたりの価格:コード編集$0.068$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$0.400$0.210
タスクあたりの価格:構造化データの抽出$0.015$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)$0.198$0.109
ベンチマークのタスクあたりのコスト(AA Index)$11.82–
タスクあたりの出力トークン(AA Index)118k–
うち推論73k–
タスクあたりの時間(AA Index)25 min–
出力速度80 tok/s73 tok/s
回答開始までの時間48.5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)191.6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 (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)。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

174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)GPT-5.4 (xhigh)
BenchLeader IndexBenchLeader65.063.1
エージェント・ツールスコアBenchLeader63.863.0
コーディングスコアBenchLeader67.064.7
人間の評価スコアBenchLeader68.1–
知識スコアBenchLeader65.258.6
長文コンテキストスコアBenchLeader64.365.7
数学スコアBenchLeader69.864.8
マルチモーダルスコアBenchLeader67.260.8
推論スコアBenchLeader66.165.7
指示追従スコアBenchLeader–72.4
ブレンド価格($/100万トークン)BenchLeader$10.00$5.63
出力速度BenchLeader80 tok/s73 tok/s
回答開始までの時間BenchLeader48.5秒144.9秒
コンテキストウィンドウBenchLeader1,000,000トークン1,050,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub93.9%93.3%
Humanity's Last ExamScale AI / CAIS–36.2%
SimpleBenchSimpleBench80.6%†–
Arena Hard PromptsArena (LMArena)15131487†
LiveBench 1.0 ReasoningLiveBench91.2%88.1%
GPQA Diamond (AA)Artificial Analysis93.2%92.0%
Humanity's Last Exam (AA)Artificial Analysis54.9%43.7%
HLE-Diamond (AA)Artificial Analysis44.8%–
GPQA Diamond (Vals)Vals AI93.4%†91.7%
Kagi LLM BenchmarkKagi LLM Benchmark–63.8%†
ARC-AGI-1ARC Prize97.5%93.7%
ARC-AGI-2ARC Prize90.4%74.0%
ARC-AGI-3ARC Prize30.2%†0.2%†
CritPtArtificial Analysis29.1%23.4%
CritPt v2 hard subset (AA)Artificial Analysis50.0%–
MysteryMechanismVals AI37.4%–
HLE-Diamond (Scale)Scale AI SEAL38.6%†–
Arena ExpertArena (LMArena)15301491†
Chess PuzzlesEpoch AI Benchmarking Hub43.0%48.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub59.0%37.0%
CL-benchEpoch AI Benchmarking Hub–27.9%
CL-bench LifeEpoch AI Benchmarking Hub–21.7%
LMCAEpoch AI Benchmarking Hub63.3%52.0%
DTBenchEpoch AI Benchmarking Hub97.6%94.4%
ForecastBenchForecastBench66.6%63.0%†
174件のベンチマークをすべて表示
指標公開元Claude Opus 5 (max)GPT-5.4 (xhigh)
推論
BTF-3Epoch AI Benchmarking Hub12.0%†–
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub–76.9%†
SciCodeSciCode56.4%56.6%
WeirdMLWeirdML91.8%77.7%
FrontierCodeCognition53.4%–
GSO-BenchGSO-Bench–31.4%
Arena CodingArena (LMArena)15281511†
Arena WebDevArena (LMArena)16911400†
LiveBench 1.0 CodingLiveBench81.5%77.5%
SciCode (AA)Artificial Analysis56.4%–
LiveCodeBenchVals AI89.0%84.1%
IOIVals AI84.3%–
SWE-bench (Vals)Vals AI97.0%†78.2%
SWE-Bench ProScale AI SEAL–59.1%
Code MigrationVals AI57.5%35.0%
ProgramBenchVals AI3.0%0.0%
Vibe Code Bench 1-100Vals AI28.5%–
Vibe Code Bench v1.1Vals AI88.4%†67.4%
SWE-Bench Pro (private)Scale AI SEAL–43.4%
SWE Atlas v1.0: Codebase QnAScale AI SEAL63.2%†40.8%
SWE Atlas v1.0: RefactoringScale AI SEAL–44.3%
SWE Atlas v1.0: Test WritingScale AI SEAL62.2%†44.4%
SWE-Bench Pro V2Scale AI SEAL99.4%†–
SWE-Bench Pro V2 HARDScale AI SEAL98.0%†–
MirrorCodeEpoch AI Benchmarking Hub87.8%23.3%
DeepSWE v1.1Epoch AI Benchmarking Hub73.7%51.8%
CursorBenchCursor46.6%–
ALE-BenchEpoch AI Benchmarking Hub2164.6†1607†
AlgoTuneAlgoTune–1.9†
FrontierSWEEpoch AI Benchmarking Hub52.0%–
WeirdML v3WeirdML19.0%†–
Terminal-Bench 4.0 (AA)Artificial Analysis49.0%–
Terminal-Bench 2.1 (AA)Artificial Analysis89.1%78.3%
Startrise FrontendStartrise82.3%†–
GameBench 2 OverallDuelLab GameBench 276.5†53.4†
GameBench 2 by reasoning settingDuelLab GameBench 284.8†62.1
Design Arena WebsiteDesign Arena1304†1190†
FrontierCode 2.0 (AA)Artificial Analysis31.1%–
エージェント・ツール
Terminal-BenchTerminal-Bench52.1%81.8%†
OSWorld-Verified 2.0OSWorld31.4%–
APEX-AgentsMercor65.8%52.4%†
Arena AgentArena (LMArena)7.2–
LiveBench Agentic CodingLiveBench65.2%53.8%
Terminal-Bench HardArtificial Analysis–57.6%
τ²-Bench Telecom (AA)Artificial Analysis–87.1%
Terminal-Bench 2.1 (Vals)Vals AI84.6%†–
MCP AtlasScale AI SEAL85.8%†70.6%
HiL-BenchScale AI SEAL57.0%†9.7%†
τ³-bench Bankingτ²-bench48.7%39.4%
GDPval-AA v2.1Artificial Analysis17291256
τ³-Banking (AA)Artificial Analysis42.1%39.6%
Analyst Agent (AA)Artificial Analysis53.8%–
APEX-Agents (AA)Artificial Analysis–33.3%
CUA-benchVals AI9.0%–
CyberBenchVals AI65.4%–
Finance Agent v2Vals AI58.6%–
Harvey's Legal Agent Benchmark v1Vals AI6.7%0.0%
Legal Research BenchVals AI55.3%–
SkillsBenchVals AI60.4%51.7%
SREBenchVals AI12.2%–
Tax Agent BenchVals AI47.1%–
Terminal-Bench 2.0 (Vals)Vals AI–58.4%†
Terminal-Bench 4.0 (Vals)Vals AI53.5%–
Terminal-Bench ScienceVals AI27.1%–
Time Horizon Index: KSPVals AI18.8%–
Arena SearchArena (LMArena)1213†1196†
Arena Agent Task CompletionArena (LMArena)10.2–
BALROGBALROG63.4%–
DeepResearch BenchDeepResearch Bench–35.1%†
PostTrainBenchEpoch AI Benchmarking Hub35.7%†17.8%†
METR Time HorizonsMETR–74.3%
GBAEvalEpoch AI Benchmarking Hub79.6%†45.1%†
Vending-Bench 2Andon Labs11181.9†6144.2†
AutomationBenchArtificial Analysis56.6%–
GDP.pdf (AA)Artificial Analysis21.6%–
EnterpriseOps-GymArtificial Analysis47.5%–
AA-Briefcase v1.1Artificial Analysis1654–
Design Arena AgenticDesign Arena1270†1042†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis28.6%–
DeepSec-Bench (AA)Artificial Analysis25.9%–
DeepSearchQAGoogle–63.7%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub85.6%78.6%
FrontierMath Tier 4Epoch AI Benchmarking Hub73.2%49.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub98.9%95.3%
ProofBenchVals AI99.0%56.0%
LiveBench MathematicsLiveBench95.7%94.2%
AIME (Vals)Vals AI–96.7%
AIME 2026MathArena–99.2%
HMMT February 2026MathArena–97.7%
USAMO 2026MathArena–95.2%
MathArena ApexMathArena–54.2%
Arena MathsArena (LMArena)15151459†
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub59.9%45.1%
LiveBench 1.0 Data AnalysisLiveBench74.5%79.3%
AA-Omniscience v1.1Artificial Analysis37.6–
MMLU-ProVals AI91.6%87.5%
LegalBenchVals AI87.0%86.0%
CorpFinVals AI73.2%†65.3%
TaxEvalVals AI75.1%†74.0%
MedQAVals AI–96.1%
PRBench FinanceScale AI SEAL–45.6%†
PRBench LegalScale AI SEAL–44.4%†
MultiNRCScale AI SEAL–58.3%†
BioMysteryBenchVals AI79.3%–
CaseLaw v2Vals AI–63.8%
Excel Modeling BenchmarkVals AI73.6%–
MedCodeVals AI63.6%41.3%
MedScribeVals AI91.0%77.5%
Public Benefits Bench v1.1Vals AI76.9%–
DrugDiscoveryBenchScale AI SEAL53.7%–
EBR-benchEpoch AI Benchmarking Hub45.7%25.4%
GDP.pdfEpoch AI Benchmarking Hub24.0%–
AA-Omniscience v1.1: accuracyArtificial Analysis60.9%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis40.6%–
FACTS ParametricGoogle48.8%†–
指示追従
LiveBench LanguageLiveBench88.7%82.6%
LiveBench Instruction FollowingLiveBench63.8%70.2%
IFBenchArtificial Analysis–74.0%
Arena Instruction FollowingArena (LMArena)14941460†
人間の評価
Arena TextArena (LMArena)14891465†
EQ-Bench 4EQ-Bench1365†1258†
EQ-Bench Creative Writing v3EQ-Bench2135†1841†
Arena Creative WritingArena (LMArena)14731433†
Arena Multi-turnArena (LMArena)14861480†
Arena Longer QueriesArena (LMArena)15021477†
マルチモーダル
Arena VisionArena (LMArena)1318†1292†
MMMU-ProArtificial Analysis84.7%78.4%
VISTAScale AI SEAL–50.9%†
MMMU-Pro (Vals)Vals AI89.9%87.5%
MortgageTaxVals AI72.1%†68.3%
Humanity's Sixth SenseScale AI SEAL30.5%–
VTBScale AI SEAL–29.2%†
Blueprint-Bench 2Epoch AI Benchmarking Hub30.4%†27.1%†
Furniture AssemblyEpoch AI Benchmarking Hub60.8%37.5%
長文コンテキスト
AA-LCR v1.1Artificial Analysis79.3%82.0%
Arena DocumentArena (LMArena)1486†1471†
MLCRArtificial Analysis11.1%–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub164.7†157.8†
LiveBench 1.0LiveBench80.1%78.0%
AA Intelligence Index v5.0.1Artificial Analysis44.2–
AA Intelligence Index v4.3.2Artificial Analysis50.839.0
AA Progress Index v1Artificial Analysis333.7311.6
Vals RSI IndexVals AI33.0%15.5%
Vals Science IndexVals AI47.9%–
Vals Multimodal IndexVals AI73.9%†–
安全性・誠実さ
FORTRESSScale AI SEAL16.8%†–
MASKScale AI SEAL–89.7%†
DistressBenchScale AI SEAL70.2%†–

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 (max):新しい結果25件(LiveCodeBench, MMLU-Pro, IOI…)。
  • Claude Opus 5 (max):新しい結果1件(GDPval-AA v2.1)。
  • GPT-5.4 (xhigh):新しい結果1件(GDPval-AA v2.1)。
  • Claude Opus 5 (max):新しい結果1件(MirrorCode)。
  • GPT-5.4 (xhigh):新しい結果1件(MirrorCode)。
  • Claude Opus 5 (max):BenchLeader Index 65.5 → 65.0。
  • GPT-5.4 (xhigh):BenchLeader Index 63.7 → 63.2。
  • Claude Opus 5 (max):新しい結果7件(AA Intelligence Index v5.0.1, HLE-Diamond (AA), AA-Omniscience v1.1…)。
  • GPT-5.4 (xhigh):スコアの改訂1件。
  • Claude Opus 5 (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 5 vs GPT-5.4:よくある質問

Claude Opus 5はGPT-5.4より優れていますか?
Claude Opus 5 (max)とGPT-5.4 (xhigh)の品質は互角です(65.0 対 63.1、±3.2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 $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 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の方がスコアが高くなっています(カテゴリ指標で67 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LiveCodeBenchでは、Claude Opus 5が89.0%、GPT-5.4が84.1%です。
Claude Opus 5とGPT-5.4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 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互角です(カテゴリ指標で64 対 63)。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τ³-Banking (AA)では、Claude Opus 5が42.1%、GPT-5.4が39.6%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-5.4の方がスコアが高くなっています(66 対 64)。どちらも約1.1Mトークンです(Claude Opus 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Claude Opus 5です。Artificial Analysisの測定では、最初の回答トークンまで48.5秒 対 144.9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47件のベンチマークのうち、Claude Opus 5のリードが42件、GPT-5.4のリードが5件です。両方を評価しているすべての総合指標で、Claude Opus 5が上回っています。
Claude Opus 5はいつリリースされましたか?
Claude Opus 5は2026年7月24日にリリースされました。