BenchLeader

Claude Opus 5 vs Grok 4.5

詳しいプロフィール:Claude Opus 5(Anthropic)とGrok 4.5(SpaceXAI)。すべてのベンチマーク、価格、順位を掲載しています。

更新 · 18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がGrok 4.5を上回ります(BenchLeader Indexで65.0 対 59.3)。ただし、価格はGrok 4.5の方が3.3倍安く、100万トークンあたりのブレンド価格で$3.00 対 $10.00です。両方を測定できるすべてのカテゴリでClaude Opus 5がリードしています。

要点(2026年11月16日時点)

  • BenchLeader IndexはClaude Opus 5が65.0、Grok 4.5が59.3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)。
  • Grok 4.5の100万トークンあたりのブレンド価格は$3.00です(定価、2026年11月16日)。
  • 両モデルに結果がある20件のベンチマークのうち、Claude Opus 5が19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、Grok 4.5が1553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カテゴリスコア67 対 57;Arena WebDev 1691 対 1553高
エージェント・ツール利用Claude Opus 5カテゴリスコア64 対 55;APEX-Agents 65.8% 対 56.2%高
数学Claude Opus 5カテゴリスコア70 対 65;Arena Maths 1515 対 1470中
推論どちらでもカテゴリスコア66 対 67;Arena Hard Prompts 1513 対 1488どちらでも
画像などのメディアClaude Opus 5カテゴリスコア67 対 63中
チャットの質(人間の評価)Claude Opus 5Arenaの投票で68 対 65中
最低コストGrok 4.5100万トークンあたりブレンド価格$3.00 対 $10.00;エージェント型コーディングセッション$0.144 対 $0.400–
回答開始の速さGrok 4.5最初の回答トークンまで1.4秒(Grok 4.5)対 48.5秒(Claude Opus 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 (max)がリードしています:65.0 対 59.3。
  • Claude Opus 5 (max)はエージェント・ツール、コーディング、人間の評価、数学、マルチモーダルで優れています。
  • Grok 4.5は推論で優れています。
  • Grok 4.5の方が3.3倍安くなっています(100万トークンあたりブレンド価格$3.00 対 $10.00)。
  • Claude Opus 5 (max)の方が出力が1.6倍速くなっています(80 対 49トークン/秒)。

概要

仕様Claude Opus 5Grok 4.5
プロバイダーAnthropicSpaceXAI
リリース日2026年7月24日2026年7月8日
コンテキストウィンドウ(トークン)1,000,000500,000
比較した構成Claude Opus 5 (max)Grok 4.5
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 / $6.00 / $0.300

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)Grok 4.5トップ
推論66.166.5互角
コーディング67.056.7Claude Opus 5
エージェント・ツール63.854.5Claude Opus 5
数学69.865.1Claude Opus 5
知識65.2–比較不可
人間の評価68.165.2Claude Opus 5
マルチモーダル67.263.1Claude Opus 5
長文コンテキスト64.3–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推論コーディングエージェント・ツール数学マルチモーダル人間の評価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, マルチモーダル: 67.2Claude Opus 5, 人間の評価: 68.1Grok 4.5, 推論: 66.5Grok 4.5, コーディング: 56.7Grok 4.5, エージェント・ツール: 54.5Grok 4.5, 数学: 65.1Grok 4.5, マルチモーダル: 63.1Grok 4.5, 人間の評価: 65.2

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, 長文コンテキスト。

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20件のベンチマークのうち、Claude Opus 5のリードが19件、Grok 4.5のリードが1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)Grok 4.5トップ
BenchLeader Index65.059.3Claude Opus 5
Arena Text14891466Claude 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)Grok 4.5
100万トークンあたりのブレンド価格$10.00$3.00
100万トークンあたりの入力/出力$5.00 / $25.00$2.00 / $6.00
100万トークンあたりのキャッシュ入力$0.500$0.300
タスクあたりの価格:チャットの返答$0.0095$0.0026
タスクあたりの価格:30ページのレポートを要約$0.075$0.028
タスクあたりの価格:コード編集$0.068$0.021
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$0.144
タスクあたりの価格:構造化データの抽出$0.015$0.0052
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$0.068
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/s49 tok/s
回答開始までの時間48.5秒1.4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–

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)。Grok 4.5のスコアは59.3、最初の回答トークンまで1秒。Grok 4.5 (high)は56.8(10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

145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)Grok 4.5
BenchLeader IndexBenchLeader65.059.3
エージェント・ツールスコアBenchLeader63.854.5
コーディングスコアBenchLeader67.056.7
人間の評価スコアBenchLeader68.165.2
知識スコアBenchLeader65.2–
長文コンテキストスコアBenchLeader64.3–
数学スコアBenchLeader69.865.1
マルチモーダルスコアBenchLeader67.263.1
推論スコアBenchLeader66.166.5
ブレンド価格($/100万トークン)BenchLeader$10.00$3.00
出力速度BenchLeader80 tok/s49 tok/s
回答開始までの時間BenchLeader48.5秒1.4秒
コンテキストウィンドウBenchLeader1,000,000トークン500,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub93.9%93.4%†
SimpleBenchSimpleBench80.6%†70.0%
Arena Hard PromptsArena (LMArena)15131488
LiveBench 1.0 ReasoningLiveBench91.2%87.2%
GPQA Diamond (AA)Artificial Analysis93.2%93.1%†
Humanity's Last Exam (AA)Artificial Analysis54.9%42.7%†
HLE-Diamond (AA)Artificial Analysis44.8%–
GPQA Diamond (Vals)Vals AI93.4%†92.9%†
Kagi LLM BenchmarkKagi LLM Benchmark–83.5%
ARC-AGI-1ARC Prize97.5%85.7%†
ARC-AGI-2ARC Prize90.4%52.6%†
ARC-AGI-3ARC Prize30.2%†0.3%†
CritPtArtificial Analysis29.1%15.4%†
CritPt v2 hard subset (AA)Artificial Analysis50.0%–
MysteryMechanismVals AI37.4%–
HLE-Diamond (Scale)Scale AI SEAL38.6%†–
Arena ExpertArena (LMArena)15301489
Chess PuzzlesEpoch AI Benchmarking Hub43.0%35.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub59.0%–
LMCAEpoch AI Benchmarking Hub63.3%45.2%†
DTBenchEpoch AI Benchmarking Hub97.6%96.5%†
ForecastBenchForecastBench66.6%65.8%†
BTF-3Epoch AI Benchmarking Hub12.0%†–
コーディング
SciCodeSciCode56.4%55.0%†
WeirdMLWeirdML91.8%46.4%
145件のベンチマークをすべて表示
指標公開元Claude Opus 5 (max)Grok 4.5
コーディング
FrontierCodeCognition53.4%42.4%
Arena CodingArena (LMArena)15281514
Arena WebDevArena (LMArena)16911553
LiveBench 1.0 CodingLiveBench81.5%68.6%
LiveCodeBenchVals AI89.0%87.3%†
IOIVals AI84.3%40.6%†
SWE-bench (Vals)Vals AI97.0%†86.6%†
Code MigrationVals AI57.5%36.6%†
ProgramBenchVals AI3.0%0.0%†
Vibe Code Bench 1-100Vals AI28.5%–
Vibe Code Bench v1.1Vals AI88.4%†69.0%†
SWE Atlas v1.0: Codebase QnAScale AI SEAL63.2%†–
SWE Atlas v1.0: Test WritingScale AI SEAL62.2%†–
SWE-Bench Pro V2Scale AI SEAL99.4%†–
SWE-Bench Pro V2 HARDScale AI SEAL98.0%†–
MirrorCodeEpoch AI Benchmarking Hub87.8%32.2%†
Surface Evolver BenchEpoch AI Benchmarking Hub–74.4%†
DeepSWE v1.1Epoch AI Benchmarking Hub73.7%53.8%†
CursorBenchCursor46.6%–
ALE-BenchEpoch AI Benchmarking Hub2164.6†1309.3†
FrontierSWEEpoch AI Benchmarking Hub52.0%–
WeirdML v3WeirdML19.0%†–
Terminal-Bench 4.0 (AA)Artificial Analysis49.0%10.6%†
Terminal-Bench 2.1 (AA)Artificial Analysis89.1%81.7%†
Startrise FrontendStartrise82.3%†68.0%
GameBench 2 OverallDuelLab GameBench 276.5†56.7
GameBench 2 by reasoning settingDuelLab GameBench 284.8†61.5†
Design Arena WebsiteDesign Arena1304†1273
FrontierCode 2.0 (AA)Artificial Analysis31.1%–
エージェント・ツール
Terminal-BenchTerminal-Bench52.1%12.4%†
OSWorld-Verified 2.0OSWorld31.4%–
APEX-AgentsMercor65.8%56.2%
Arena AgentArena (LMArena)7.2–
LiveBench Agentic CodingLiveBench65.2%56.5%
Terminal-Bench 2.1 (Vals)Vals AI84.6%†67.8%†
MCP AtlasScale AI SEAL85.8%†–
HiL-BenchScale AI SEAL57.0%†–
τ³-bench Bankingτ²-bench48.7%47.9%†
GDPval-AA v2.1Artificial Analysis17291388†
τ³-Banking (AA)Artificial Analysis42.1%42.1%†
Analyst Agent (AA)Artificial Analysis53.8%35.0%†
CUA-benchVals AI9.0%–
CyberBenchVals AI65.4%71.0%†
Finance Agent v2Vals AI58.6%48.4%†
Harvey's Legal Agent Benchmark v1Vals AI6.7%12.9%†
Legal Research BenchVals AI55.3%38.0%†
SkillsBenchVals AI60.4%66.0%†
SREBenchVals AI12.2%0.8%†
Tax Agent BenchVals AI47.1%24.9%†
Terminal-Bench 4.0 (Vals)Vals AI53.5%8.6%†
Terminal-Bench ScienceVals AI27.1%–
Time Horizon Index: KSPVals AI18.8%6.3%†
Web Search IndexVals AI–35.5%†
Arena SearchArena (LMArena)1213†1205
Arena Agent Task CompletionArena (LMArena)10.2–
BALROGBALROG63.4%–
PostTrainBenchEpoch AI Benchmarking Hub35.7%†22.6%†
GBAEvalEpoch AI Benchmarking Hub79.6%†65.4%
Vending-Bench 2Andon Labs11181.9†3887.4
AutomationBenchArtificial Analysis56.6%57.9%†
GDP.pdf (AA)Artificial Analysis21.6%18.8%†
EnterpriseOps-GymArtificial Analysis47.5%40.8%†
AA-Briefcase v1.1Artificial Analysis16541277†
Design Arena AgenticDesign Arena1270†1221
Terminal-Bench-Science 0.1 (AA)Artificial Analysis28.6%–
DeepSec-Bench (AA)Artificial Analysis25.9%–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub85.6%57.2%†
FrontierMath Tier 4Epoch AI Benchmarking Hub73.2%24.4%†
OTIS Mock AIMEEpoch AI Benchmarking Hub98.9%97.8%†
ProofBenchVals AI99.0%31.0%†
LiveBench MathematicsLiveBench95.7%90.8%
Arena MathsArena (LMArena)15151470
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub59.9%48.3%†
LiveBench 1.0 Data AnalysisLiveBench74.5%73.0%
AA-Omniscience v1.1Artificial Analysis37.6–
MMLU-ProVals AI91.6%89.2%†
LegalBenchVals AI87.0%86.0%†
CorpFinVals AI73.2%†67.4%†
TaxEvalVals AI75.1%†71.7%†
BioMysteryBenchVals AI79.3%–
Excel Modeling BenchmarkVals AI73.6%52.9%†
MedCodeVals AI63.6%43.3%†
MedScribeVals AI91.0%86.9%†
Public Benefits Bench v1.1Vals AI76.9%–
DrugDiscoveryBenchScale AI SEAL53.7%–
EBR-benchEpoch AI Benchmarking Hub45.7%–
GDP.pdfEpoch AI Benchmarking Hub24.0%14.0%†
AA-Omniscience v1.1: accuracyArtificial Analysis60.9%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis40.6%–
FACTS ParametricGoogle48.8%†42.5%
指示追従
LiveBench LanguageLiveBench88.7%82.8%
LiveBench Instruction FollowingLiveBench63.8%71.5%
Arena Instruction FollowingArena (LMArena)14941462
人間の評価
Arena TextArena (LMArena)14891466
EQ-Bench 4EQ-Bench1365†–
EQ-Bench Creative Writing v3EQ-Bench2135†1576
Arena Creative WritingArena (LMArena)14731452
Arena Multi-turnArena (LMArena)14861472
Arena Longer QueriesArena (LMArena)15021480
マルチモーダル
Arena VisionArena (LMArena)1318†1288
MMMU-ProArtificial Analysis84.7%80.4%†
MMMU-Pro (Vals)Vals AI89.9%61.8%†
MortgageTaxVals AI72.1%†61.8%†
Humanity's Sixth SenseScale AI SEAL30.5%–
Blueprint-Bench 2Epoch AI Benchmarking Hub30.4%†27.3%
Furniture AssemblyEpoch AI Benchmarking Hub60.8%22.5%†
長文コンテキスト
AA-LCR v1.1Artificial Analysis79.3%79.3%†
Arena DocumentArena (LMArena)1486†1466
MLCRArtificial Analysis11.1%16.1%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub164.7†155.0
LiveBench 1.0LiveBench80.1%75.8%
AA Intelligence Index v5.0.1Artificial Analysis44.2–
AA Intelligence Index v4.3.2Artificial Analysis50.838.8†
AA Progress Index v1Artificial Analysis333.7312.3†
Vals RSI IndexVals AI33.0%–
Vals Science IndexVals AI47.9%–
Vals Multimodal IndexVals AI73.9%†63.4%†
安全性・誠実さ
FORTRESSScale AI SEAL16.8%†–
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)。
  • Grok 4.5:BenchLeader Index 59.9 → 59.3。
  • Claude Opus 5 (max):新しい結果1件(MirrorCode)。
  • Claude Opus 5 (max):BenchLeader Index 65.5 → 65.0。
  • Claude Opus 5 (max):新しい結果7件(AA Intelligence Index v5.0.1, HLE-Diamond (AA), AA-Omniscience v1.1…)。
  • Grok 4.5:スコアの改訂1件。
  • Grok 4.5:スコアの改訂1件。
  • Claude Opus 5 (max):新しい結果1件(MirrorCode)。
  • Claude Opus 5 (max):スコアの改訂1件。

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 Grok 4.5:よくある質問

Claude Opus 5はGrok 4.5より優れていますか?
品質ではClaude Opus 5 (max)がリードしています:65.0 対 59.3。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 (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とGrok 4.5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Grok 4.5の方が安く、100万トークンあたり$3.00 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)。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Grok 4.5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 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が1691、Grok 4.5が1553です。
Claude Opus 5とGrok 4.5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 49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Grok 4.5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の方がスコアが高くなっています(カテゴリ指標で64 対 55。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APEX-Agentsでは、Claude Opus 5が65.8%、Grok 4.5が56.2%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?
コンテキストはClaude Opus 5の方が長く、1,000,000トークンです(Grok 4.5は500,000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Grok 4.5です。Artificial Analysisの測定では、最初の回答トークンまで1.4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Grok 4.5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20件のベンチマークのうち、Claude Opus 5のリードが19件、Grok 4.5のリードが1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。