BenchLeader

Claude Sonnet 5.5 vs DeepSeek V4.1 Flash 1017

詳しいプロフィール:Claude Sonnet 5.5(Anthropic)とDeepSeek V4.1 Flash 1017(DeepSeek)。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、品質ではClaude Sonnet 5.5がDeepSeek V4.1 Flashを上回ります(BenchLeader Indexで64.2 対 57.7)。ただし、価格はDeepSeek V4.1 Flashの方が7.6倍安く、100万トークンあたりのブレンド価格で$0.525 対 $4.00です。両方を測定できるすべてのカテゴリでClaude Sonnet 5.5がリードしています。

要点(2026年11月16日時点)

  • BenchLeader IndexはClaude Sonnet 5.5が64.2、DeepSeek V4.1 Flashが57.7です(BenchLeader、2026年11月16日)。
  • Claude Sonnet 5.5の100万トークンあたりのブレンド価格は$4.00です(定価、2026年11月16日)。
  • DeepSeek V4.1 Flashの100万トークンあたりのブレンド価格は$0.525です(定価、2026年11月16日)。
  • 両モデルに結果がある59件のベンチマークのうち、Claude Sonnet 5.5が52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 Sonnet 5.5カテゴリスコア70 対 63;FrontierCode 2.0 (AA) 41.7% 対 28.5%中
エージェント・ツール利用Claude Sonnet 5.5カテゴリスコア71 対 58;Terminal-Bench 63.9% 対 38.5%高
数学Claude Sonnet 5.5カテゴリスコア71 対 61;FrontierMath Tiers 1–3 88.8% 対 71.2%高
推論Claude Sonnet 5.5カテゴリスコア68 対 56;GPQA Diamond 95.6% 対 93.2%高
知識Claude Sonnet 5.5カテゴリスコア57 対 48;SimpleQA Verified 46.5% 対 42.5%高
長い文書どちらでもカテゴリスコア66 対 66;AA-LCR v1.1 82.7% 対 82.7%どちらでも
最低コストDeepSeek V4.1 Flash 1017100万トークンあたりブレンド価格$0.525 対 $4.00;エージェント型コーディングセッション$0.023 対 $0.160–
回答開始の速さDeepSeek V4.1 Flash 1017最初の回答トークンまで39.7秒(DeepSeek V4.1 Flash 1017 (max))対 290.5秒(Claude Sonnet 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 Sonnet 5.5 (max)がリードしています:64.2 対 57.7。
  • Claude Sonnet 5.5 (max)はエージェント・ツール、コーディング、総合、知識、数学、推論で優れています。
  • DeepSeek V4.1 Flash 1017 (max)の方が7.6倍安くなっています(100万トークンあたりブレンド価格$0.525 対 $4.00)。

概要

仕様Claude Sonnet 5.5DeepSeek V4.1 Flash 1017
プロバイダーAnthropicDeepSeek
リリース日2026年9月28日2026年10月17日
コンテキストウィンドウ(トークン)1,000,0001,048,576
比較した構成Claude Sonnet 5.5 (max)DeepSeek V4.1 Flash 1017 (max)
オープンウェイトなしあり
100万トークンあたりの価格(入力/出力/キャッシュ入力)$2.00 / $10.00 / $0.100$0.300 / $1.20 / $0.0060

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 Sonnet 5.5 (max)DeepSeek V4.1 Flash 1017 (max)トップ
推論67.855.7Claude Sonnet 5.5
コーディング70.263.0Claude Sonnet 5.5
エージェント・ツール70.557.6Claude Sonnet 5.5
数学71.360.9Claude Sonnet 5.5
知識57.447.7Claude Sonnet 5.5
マルチモーダル–63.0比較不可
長文コンテキスト66.066.0互角
総合63.055.5Claude Sonnet 5.5

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Claude Sonnet 5.5, 推論: 67.8Claude Sonnet 5.5, コーディング: 70.2Claude Sonnet 5.5, エージェント・ツール: 70.5Claude Sonnet 5.5, 数学: 71.3Claude Sonnet 5.5, 知識: 57.4Claude Sonnet 5.5, 長文コンテキスト: 66.0DeepSeek V4.1 Flash 1017, 推論: 55.7DeepSeek V4.1 Flash 1017, コーディング: 63.0DeepSeek V4.1 Flash 1017, エージェント・ツール: 57.6DeepSeek V4.1 Flash 1017, 数学: 60.9DeepSeek V4.1 Flash 1017, 知識: 47.7DeepSeek V4.1 Flash 1017, 長文コンテキスト: 66.0

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, 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59件のベンチマークのうち、Claude Sonnet 5.5のリードが52件、DeepSeek V4.1 Flash 1017のリードが6件、同点が1件です。両方を評価しているすべての総合指標で、Claude Sonnet 5.5が上回っています。

総合IndexClaude Sonnet 5.5 (max)DeepSeek V4.1 Flash 1017 (max)トップ
BenchLeader Index64.257.7Claude Sonnet 5.5
AA Intelligence Index v5.0.154.532.6Claude Sonnet 5.5
Vals Index70.861.3Claude Sonnet 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 Sonnet 5.5 (max)DeepSeek V4.1 Flash 1017 (max)
100万トークンあたりのブレンド価格$4.00$0.525
100万トークンあたりの入力/出力$2.00 / $10.00$0.300 / $1.20
100万トークンあたりのキャッシュ入力$0.100$0.0060
タスクあたりの価格:チャットの返答$0.0038$0.0005
タスクあたりの価格:30ページのレポートを要約$0.030$0.0043
タスクあたりの価格:コード編集$0.027$0.0036
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$0.160$0.023
タスクあたりの価格:構造化データの抽出$0.0060$0.0008
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)$0.074$0.0096
ベンチマークのタスクあたりのコスト(AA Index)$10.02$0.602
タスクあたりの出力トークン(AA Index)285k139k
うち推論206k91k
タスクあたりの時間(AA Index)31 min13 min
出力速度152 tok/s174 tok/s
回答開始までの時間290.5秒39.7秒
回答が完了するまでの時間(最終測定2026年11月13日)487.7秒91.2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 Sonnet 5.5 (max)で$10.02、DeepSeek V4.1 Flash 1017 (max)で$0.602でした。同じ作業でClaude Sonnet 5.5 (max)は2.1倍の出力トークンを書いています。これはトークン単価だけでは見えない差です。

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 Sonnet 5.5 (max)のスコアは64.2、最初の回答トークンまで291秒。Claude Sonnet 5.5 (xhigh)は62.5(27秒)、Claude Sonnet 5.5 (high)は59.5(9秒)。DeepSeek V4.1 Flash 1017 (max)のスコアは57.7、最初の回答トークンまで40秒。DeepSeek V4.1 Flash 1017 (high)は51.2(20秒)、DeepSeek V4.1 Flash 1017 (推論なし)は44.9(1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

155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 Sonnet 5.5 (max)DeepSeek V4.1 Flash 1017 (max)
BenchLeader IndexBenchLeader64.257.7
エージェント・ツールスコアBenchLeader70.557.6
コーディングスコアBenchLeader70.263.0
総合スコアBenchLeader63.055.5
知識スコアBenchLeader57.447.7
長文コンテキストスコアBenchLeader66.066.0
数学スコアBenchLeader71.360.9
推論スコアBenchLeader67.855.7
マルチモーダルスコアBenchLeader–63.0
ブレンド価格($/100万トークン)BenchLeader$4.00$0.525
出力速度BenchLeader152 tok/s174 tok/s
回答開始までの時間BenchLeader290.5秒39.7秒
コンテキストウィンドウBenchLeader1,000,000トークン1,048,576トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub95.6%93.2%
Humanity's Last ExamScale AI / CAIS46.1%†–
SimpleBenchSimpleBench75.9%†–
Arena Hard PromptsArena (LMArena)1499†–
LiveBench 2.0 ReasoningLiveBench91.6%89.1%
LiveBench 1.0 ReasoningLiveBench91.6%–
Humanity's Last Exam (AA)Artificial Analysis55.0%43.3%
HLE-Diamond (AA)Artificial Analysis53.3%25.3%
ARC-AGI-1ARC Prize96.5%93.5%
ARC-AGI-2ARC Prize83.9%†78.1%
ARC-AGI-3ARC Prize72.4%†5.8%
CritPtArtificial Analysis31.4%24.0%
CritPt v2 hard subset (AA)Artificial Analysis59.0%25.0%
MysteryMechanismVals AI49.1%–
HLE-Diamond (Scale)Scale AI SEAL37.5%†20.5%†
Arena ExpertArena (LMArena)1512†–
Chess PuzzlesEpoch AI Benchmarking Hub59.0%46.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub65.0%49.0%
LMCAEpoch AI Benchmarking Hub68.3%–
DTBenchEpoch AI Benchmarking Hub97.3%–
コーディング
SciCodeSciCode61.0%55.9%
FrontierCodeCognition52.1%†–
Arena CodingArena (LMArena)1517†–
Arena WebDevArena (LMArena)1772†1664
LiveBench 2.0 CodingLiveBench77.2%80.4%
155件のベンチマークをすべて表示
指標公開元Claude Sonnet 5.5 (max)DeepSeek V4.1 Flash 1017 (max)
コーディング
LiveBench 1.0 CodingLiveBench91.4%–
IOIVals AI83.1%–
Code MigrationVals AI69.8%44.2%
Code Migration v1.1Vals AI86.9%67.5%
ProgramBenchVals AI6.5%–
SWE-bench MultimodalVals AI58.3%–
Vibe Code Bench v1.1Vals AI92.4%87.7%
Vibe Code Bench 1-100 v1.1Vals AI–26.1%
SWE Atlas v1.1Scale AI SEAL68.3%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL74.2%†–
SWE Atlas v1.1: Test WritingScale AI SEAL67.8%†–
SWE Atlas v1.1: RefactoringScale AI SEAL62.9%†–
SWE-Bench Pro V2Scale AI SEAL95.8%†–
SWE-Bench Pro V2 HARDScale AI SEAL70.6%†–
MirrorCodeEpoch AI Benchmarking Hub97.8%–
CursorBenchCursor55.5%47.7%
ALE-BenchEpoch AI Benchmarking Hub1819.1†1622
FrontierSWEEpoch AI Benchmarking Hub61.9%–
WeirdML v3WeirdML19.9%†9.2%†
Terminal-Bench 4.0 (AA)Artificial Analysis63.6%33.8%
Startrise FrontendStartrise75.9%†–
GameBench 2 OverallDuelLab GameBench 260.4†61.4†
GameBench 2 by reasoning settingDuelLab GameBench 291.4†69.9
Design Arena WebsiteDesign Arena1309†1295†
FrontierCode 1.1 (AA)Artificial Analysis45.8%43.7%
FrontierCode 2.0 (AA)Artificial Analysis41.7%28.5%
エージェント・ツール
Terminal-BenchTerminal-Bench63.9%38.5%
APEX-AgentsMercor75.5%69.8%
Arena AgentArena (LMArena)162
LiveBench Long AgenticLiveBench63.4%38.8%
LiveBench BrowserLiveBench89.3%67.2%
LiveBench Agentic CodingLiveBench56.3%–
Terminal-Bench 2.1 (Vals)Vals AI83.2%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis66.9%62.3%
GDPval-AA v2.1Artificial Analysis18381746
Analyst Agent (AA)Artificial Analysis57.5%–
CyberBenchVals AI59.6%–
Finance Agent v2Vals AI58.1%57.0%
Finance Agent v2.1Vals AI67.3%62.9%
Harvey's Legal Agent Benchmark v1.1Vals AI10.4%14.2%
Harvey's Legal Agent Benchmark v1Vals AI2.9%9.2%
Legal Research BenchVals AI48.1%45.2%
SREBenchVals AI30.1%–
Tax Agent BenchVals AI42.0%44.4%
Terminal-Bench 4.0 (Vals)Vals AI64.1%31.8%
Terminal-Bench ScienceVals AI47.1%–
Arena Agent Task CompletionArena (LMArena)19.52.3
Vending-Bench 2Andon Labs11165.3†–
SpireClimbEpoch AI Benchmarking Hub1.3%–
AutomationBenchArtificial Analysis71.8%66.6%
GDP.pdf (AA)Artificial Analysis25.8%17.2%
Harvey LAB-AA v1.1Harvey2.8%–
AA-Briefcase v1.1Artificial Analysis18161570
GDPxGDPx by SemiAnalysis8.2%5.4%
Design Arena AgenticDesign Arena1293†1282†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis53.3%12.9%
CWE-Bench (AA)Artificial Analysis–69.2%
DeepSec-Bench (AA)Artificial Analysis–24.9%
CyberGym end-to-end (AA)Artificial Analysis–76.3%
MKA (AA)Artificial Analysis52.0%38.5%
FACTS SearchGoogle86.8%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub88.8%71.2%
FrontierMath Tier 4Epoch AI Benchmarking Hub80.5%46.3%
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%99.4%
ProofBenchVals AI100.0%–
LiveBench MathematicsLiveBench96.1%–
ArXivMathMathArena–42.5%
BrokenArXivMathArena–48.7%
Arena MathsArena (LMArena)1486†–
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub46.5%42.5%
LiveBench 2.0 Data AnalysisLiveBench59.5%79.5%
LiveBench ResearchLiveBench88.0%78.6%
LiveBench 1.0 Data AnalysisLiveBench59.5%–
AA-Omniscience v1.1Artificial Analysis30.50.9
PRBench FinanceScale AI SEAL–47.1%†
PRBench LegalScale AI SEAL–47.3%†
BioMysteryBenchVals AI81.1%–
ClaimBenchVals AI100.0%–
Excel Modeling BenchmarkVals AI75.7%61.8%
Excel Modeling Benchmark v1.1Vals AI75.9%69.2%
MedCodeVals AI52.9%–
MedScribeVals AI91.1%–
Public Benefits Bench v1.1Vals AI67.2%–
Access to Justice BenchmarkVals AI74.9%73.1%
Financial Coaching BenchVals AI74.9%–
Immigration BenchVals AI69.0%–
DrugDiscoveryBenchScale AI SEAL–60.6%†
GDP.pdfEpoch AI Benchmarking Hub31.4%–
AA-Omniscience v1.1: accuracyArtificial Analysis51.5%39.6%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis56.7%35.9%
HealthBench Professional (AA)OpenAI63.0%–
FACTS ParametricGoogle35.1%†–
指示追従
LiveBench LanguageLiveBench78.0%–
LiveBench Instruction FollowingLiveBench56.8%–
MultiChallengeScale AI SEAL–74.9%†
Arena Instruction FollowingArena (LMArena)1482†–
人間の評価
Arena TextArena (LMArena)1473†–
Arena Creative WritingArena (LMArena)1464†–
Arena Multi-turnArena (LMArena)1469†–
Arena Longer QueriesArena (LMArena)1491†–
マルチモーダル
Arena VisionArena (LMArena)1284†–
LiveBench DesignLiveBench81.3%79.8%
MMMU-ProArtificial Analysis–80.6%
SAGEVals AI88.0%–
Humanity's Sixth SenseScale AI SEAL–30.1%
Blueprint-Bench 2Epoch AI Benchmarking Hub39.3%†–
Furniture AssemblyEpoch AI Benchmarking Hub75.0%–
VIALS-AAHandshake AI59.6%40.4%
Code2Video-AAArtificial Analysis1443–
AA-3DArtificial Analysis1204–
FACTS MultimodalGoogle50.4%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis82.7%82.7%
MLCRArtificial Analysis41.7%26.7%
FACTS GroundingGoogle62.5%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub166.6†159.4†
LiveBench 2.0LiveBench77.0%70.3%
LiveBench 1.0LiveBench75.7%–
AA Intelligence Index v5.0.1Artificial Analysis54.532.6
AA Intelligence Index v4.3.2Artificial Analysis5645.1
AA Progress Index v1Artificial Analysis350.5323.7
Vals IndexVals AI70.861.3
Vals Finance IndexVals AI64.5%60.9%
Vals Science IndexVals AI59.1%–
Vals Router IndexVals AI69.0%†61.3%†
Vals Legal IndexVals AI68.0%71.9%
AA Cyber IndexArtificial Analysis–56.8
安全性・誠実さ
FORTRESSScale AI SEAL–27.2%†
DistressBenchScale AI SEAL74.6%†–
メタデータ
AA Openness IndexArtificial Analysis–44.4

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 Sonnet 5.5 (max):新しい結果36件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • DeepSeek V4.1 Flash 1017 (max):新しい結果8件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • DeepSeek V4.1 Flash 1017 (max):BenchLeader Index 58.5 → 58.0。
  • DeepSeek V4.1 Flash 1017 (max):新しい結果1件(Terminal-Bench)、スコアの改訂1件。
  • Claude Sonnet 5.5 (max):BenchLeader Index 65.1 → 64.6。
  • DeepSeek V4.1 Flash 1017 (max):BenchLeader Index 59.0 → 58.5。
  • Claude Sonnet 5.5 (max):新しい結果1件(MirrorCode)。
  • DeepSeek V4.1 Flash 1017 (max):スコアの改訂1件。
  • Claude Sonnet 5.5 (max):スコアの改訂2件。
  • Claude Sonnet 5.5 (max):スコアの改訂1件。

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 Sonnet 5.5 vs DeepSeek V4.1 Flash 1017:よくある質問

Claude Sonnet 5.5はDeepSeek V4.1 Flash 1017より優れていますか?
品質ではClaude Sonnet 5.5 (max)がリードしています:64.2 対 57.7。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 Sonnet 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 Sonnet 5.5とDeepSeek V4.1 Flash 1017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DeepSeek V4.1 Flash 1017の方が安く、100万トークンあたり$0.525 対 $4.00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 Sonnet 5.5とDeepSeek V4.1 Flash 1017のどちらが向いていますか?
コーディングではClaude Sonnet 5.5の方がスコアが高くなっています(カテゴリ指標で70 対 63。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FrontierCode 2.0 (AA)では、Claude Sonnet 5.5が41.7%、DeepSeek V4.1 Flash 1017が28.5%です。
Claude Sonnet 5.5とDeepSeek V4.1 Flash 1017はどちらが速いですか?
DeepSeek V4.1 Flash 1017の方が出力が速くなっています(出力174 対 152トークン/秒、Artificial Analysisの7日間の中央値)。
DeepSeek V4.1 FlashとDeepSeek V4.1 Flash 1017は同じものですか?
ここで比較しているチェックポイントはDeepSeek V4.1 Flash 1017です(BenchLeader Index 57.7)。以前のビルドを置き換えたため、DeepSeek V4.1 Flashで検索した方もこのページに案内しています。
ほかの質問(5件)
エージェントやツール利用にはClaude Sonnet 5.5とDeepSeek V4.1 Flash 1017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 Sonnet 5.5の方がスコアが高くなっています(カテゴリ指標で71 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 Sonnet 5.5が63.9%、DeepSeek V4.1 Flash 1017が38.5%です。
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(66 対 66)。どちらも約1Mトークンです(Claude Sonnet 5.5は1,000,000、DeepSeek V4.1 Flash 1017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DeepSeek V4.1 Flash 1017です。Artificial Analysisの測定では、最初の回答トークンまで39.7秒 対 290.5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 Sonnet 5.5とDeepSeek V4.1 Flash 1017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59件のベンチマークのうち、Claude Sonnet 5.5のリードが52件、DeepSeek V4.1 Flash 1017のリードが6件、同点が1件です。両方を評価しているすべての総合指標で、Claude Sonnet 5.5が上回っています。
DeepSeek V4.1 Flash 1017はいつリリースされましたか?
DeepSeek V4.1 Flash 1017は2026年10月17日にリリースされました。