Claude Sonnet 5.5 vs Gemini 3.1 Pro
詳しいプロフィール:Claude Sonnet 5.5(Anthropic)とGemini 3.1 Pro(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 · 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Gemini 3.1 Proを上回ります(BenchLeader Indexで64.2 対 60.4)。価格はほぼ同じです(100万トークンあたりのブレンド価格で$4.00 対 $4.50)。エージェント・ツール(71 対 57)、コーディング(70 対 59)、数学(71 対 66)を重視するならClaude Sonnet 5.5、知識(66 対 57)を重視するならGemini 3.1 Proが向いています。回答開始までの時間はGemini 3.1 Proの方が短く、15.2秒 対 290.5秒です。Claude Sonnet 5.5は出力が速い点も強みです。
要点(2026年11月16日時点)
- BenchLeader IndexはClaude Sonnet 5.5が64.2、Gemini 3.1 Proが60.4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)。
- Gemini 3.1 Proの100万トークンあたりのブレンド価格は$4.50です(定価、2026年11月16日)。
- Claude Sonnet 5.5はGemini 3.1 Proより出力が速いです(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38件のベンチマークのうち、Claude Sonnet 5.5が32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 59;IOI 83.1% 対 51.8% | 高 |
| エージェント・ツール利用 | Claude Sonnet 5.5 | カテゴリスコア71 対 57;LiveBench Agentic Coding 56.3% 対 44.1% | 高 |
| 数学 | Claude Sonnet 5.5 | カテゴリスコア71 対 66;OTIS Mock AIME 100.0% 対 95.6% | 中 |
| 推論 | Claude Sonnet 5.5 | カテゴリスコア68 対 65;GPQA Diamond 95.6% 対 94.4% | 中 |
| 知識 | Gemini 3.1 Pro | カテゴリスコア66 対 57;SimpleQA Verified 73.5% 対 46.5% | 高 |
| 最低コスト | どちらでも | 100万トークンあたりブレンド価格$4.00 対 $4.50;エージェント型コーディングセッション$0.160 対 $0.168 | – |
| 回答開始の速さ | Gemini 3.1 Pro | 最初の回答トークンまで15.2秒(Gemini 3.1 Pro (high))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 60.4。
- Claude Sonnet 5.5 (max)はエージェント・ツール、コーディング、数学、推論で優れています。
- Gemini 3.1 Pro (high)は知識で優れています。
- 価格はほぼ同じです(100万トークンあたりブレンド価格$4.00)。
- Claude Sonnet 5.5 (max)の方が出力が1.4倍速くなっています(152 対 111トークン/秒)。
概要
| 仕様 | Claude Sonnet 5.5 | Gemini 3.1 Pro |
|---|---|---|
| プロバイダー | Anthropic | |
| リリース日 | 2026年9月28日 | 2026年2月19日 |
| コンテキストウィンドウ(トークン) | 1,000,000 | 1,048,576 |
| 比較した構成 | Claude Sonnet 5.5 (max) | Gemini 3.1 Pro (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) | $2.00 / $10.00 / $0.100 | $2.00 / $12.00 / $0.200 |
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) | Gemini 3.1 Pro (high) | トップ |
|---|---|---|---|
| 推論 | 67.8 | 64.7 | Claude Sonnet 5.5 |
| コーディング | 70.2 | 58.6 | Claude Sonnet 5.5 |
| エージェント・ツール | 70.5 | 56.7 | Claude Sonnet 5.5 |
| 数学 | 71.3 | 65.7 | Claude Sonnet 5.5 |
| 知識 | 57.4 | 65.6 | Gemini 3.1 Pro |
| 長文コンテキスト | 66.0 | – | 比較不可 |
| 総合 | 63.0 | – | 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, 長文コンテキスト, マルチモーダル, 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38件のベンチマークのうち、Claude Sonnet 5.5のリードが32件、Gemini 3.1 Proのリードが6件です。第三者の総合指標でも評価が分かれ、Claude Sonnet 5.5はBenchLeader Indexで、Gemini 3.1 ProはArena Textでリードしています。
| 総合Index | Claude Sonnet 5.5 (max) | Gemini 3.1 Pro (high) | トップ |
|---|---|---|---|
| BenchLeader Index | 64.2 | 60.4 | Claude Sonnet 5.5 |
| Arena Text | 1473† | 1487 | Gemini 3.1 Pro |
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) | Gemini 3.1 Pro (high) |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $4.00 | $4.50 |
| 100万トークンあたりの入力/出力 | $2.00 / $10.00 | $2.00 / $12.00 |
| 100万トークンあたりのキャッシュ入力 | $0.100 | $0.200 |
| タスクあたりの価格:チャットの返答 | $0.0038 | $0.0044 |
| タスクあたりの価格:30ページのレポートを要約 | $0.030 | $0.031 |
| タスクあたりの価格:コード編集 | $0.027 | $0.030 |
| 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 | $0.168 |
| タスクあたりの価格:構造化データの抽出 | $0.0060 | $0.0064 |
| 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 | $0.087 |
| ベンチマークのタスクあたりのコスト(AA Index) | $10.02 | – |
| タスクあたりの出力トークン(AA Index) | 285k | – |
| うち推論 | 206k | – |
| タスクあたりの時間(AA Index) | 31 min | – |
| 出力速度 | 152 tok/s | 111 tok/s |
| 回答開始までの時間 | 290.5秒 | 15.2秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 487.7秒 | 37.5秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Claude Sonnet 5.5 (max)のスコアは64.2、最初の回答トークンまで291秒。Claude Sonnet 5.5 (xhigh)は62.5(27秒)、Claude Sonnet 5.5 (high)は59.5(9秒)。Gemini 3.1 Pro (high)のスコアは60.4、最初の回答トークンまで15秒。Gemini 3.1 Proは59.9(15秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
209件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Claude Sonnet 5.5 (max) | Gemini 3.1 Pro (high) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 64.2 | 60.4 |
| エージェント・ツールスコア | BenchLeader | 70.5 | 56.7 |
| コーディングスコア | BenchLeader | 70.2 | 58.6 |
| 総合スコア | BenchLeader | 63.0 | – |
| 知識スコア | BenchLeader | 57.4 | 65.6 |
| 長文コンテキストスコア | BenchLeader | 66.0 | – |
| 数学スコア | BenchLeader | 71.3 | 65.7 |
| 推論スコア | BenchLeader | 67.8 | 64.7 |
| ブレンド価格($/100万トークン) | BenchLeader | $4.00 | $4.50 |
| 出力速度 | BenchLeader | 152 tok/s | 111 tok/s |
| 回答開始までの時間 | BenchLeader | 290.5秒 | 15.2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 | 95.6% | 94.4% |
| Humanity's Last Exam | Scale AI / CAIS | 46.1%† | 46.4%† |
| SimpleBench | SimpleBench | 75.9%† | 79.6%† |
| Arena Hard Prompts | Arena (LMArena) | 1499† | 1508† |
| LiveBench 2.0 Reasoning | LiveBench | 91.6% | – |
| LiveBench 1.0 Reasoning | LiveBench | 91.6% | 84.0% |
| GPQA Diamond (AA) | Artificial Analysis | – | 94.1%† |
| Humanity's Last Exam (AA) | Artificial Analysis | 55.0% | 47.0%† |
| HLE-Diamond (AA) | Artificial Analysis | 53.3% | 31.4%† |
| GPQA Diamond (Vals) | Vals AI | – | 95.5% |
| EnigmaEval | Scale AI SEAL | – | 36.8% |
| ARC-AGI-1 | ARC Prize | 96.5% | 98.0%† |
| ARC-AGI-2 | ARC Prize | 83.9%† | 77.1%† |
| ARC-AGI-3 | ARC Prize | 72.4%† | 0.4%† |
| CritPt | Artificial Analysis | 31.4% | 17.7%† |
| CritPt v2 hard subset (AA) | Artificial Analysis | 59.0% | – |
| MysteryMechanism | Vals AI | 49.1% | 20.7% |
| HLE-Diamond (Scale) | Scale AI SEAL | 37.5%† | – |
| Arena Expert | Arena (LMArena) | 1512† | 1509† |
| Chess Puzzles | Epoch AI Benchmarking Hub | 59.0% | 51.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 65.0% | 34.0% |
| CL-bench | Epoch AI Benchmarking Hub | – | 20.8%† |
| CL-bench Life | Epoch AI Benchmarking Hub | – | 16.9%† |
| LMCA | Epoch AI Benchmarking Hub | 68.3% | 53.8% |
| DTBench | Epoch AI Benchmarking Hub | 97.3% | 95.5% |
209件のベンチマークをすべて表示
| 指標 | 公開元 | Claude Sonnet 5.5 (max) | Gemini 3.1 Pro (high) |
|---|---|---|---|
| 推論 | |||
| ForecastBench | ForecastBench | – | 65.2% |
| コーディング | |||
| SciCode | SciCode | 61.0% | 58.7%† |
| WeirdML | WeirdML | – | 72.1%† |
| FrontierCode | Cognition | 52.1%† | – |
| GSO-Bench | GSO-Bench | – | 22.6%† |
| Arena Coding | Arena (LMArena) | 1517† | 1520† |
| Arena WebDev | Arena (LMArena) | 1772† | 1446† |
| LiveBench 2.0 Coding | LiveBench | 77.2% | – |
| LiveBench 1.0 Coding | LiveBench | 91.4% | 76.5% |
| LiveCodeBench | Vals AI | – | 88.5% |
| IOI | Vals AI | 83.1% | 51.8% |
| SWE-bench (Vals) | Vals AI | – | 78.8% |
| SWE-Bench Pro | Scale AI SEAL | – | 46.1%† |
| Code Migration | Vals AI | 69.8% | 17.3% |
| Code Migration v1.1 | Vals AI | 86.9% | – |
| ProgramBench | Vals AI | 6.5% | 0.0% |
| SWE-bench Multimodal | Vals AI | 58.3% | – |
| Vibe Code Bench 1-100 | Vals AI | – | 6.7% |
| Vibe Code Bench v1.1 | Vals AI | 92.4% | 32.0% |
| SWE-Bench Pro (private) | Scale AI SEAL | – | 32.2%† |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | – | 13.5%† |
| SWE Atlas v1.0: Refactoring | Scale AI SEAL | – | 33.8%† |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | – | 29.8%† |
| SWE Atlas v1.1 | Scale AI SEAL | 68.3%† | – |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | 74.2%† | – |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | 67.8%† | – |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | 62.9%† | – |
| SWE-Bench Pro V2 | Scale AI SEAL | 95.8%† | – |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | 70.6%† | – |
| MirrorCode | Epoch AI Benchmarking Hub | 97.8% | 8.9% |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | – | 11.7%† |
| CursorBench | Cursor | 55.5% | – |
| ALE-Bench | Epoch AI Benchmarking Hub | 1819.1† | 1160.6† |
| AlgoTune | AlgoTune | – | 2.0† |
| FrontierSWE | Epoch AI Benchmarking Hub | 61.9% | – |
| WeirdML v3 | WeirdML | 19.9%† | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 63.6% | 4.0%† |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | – | 73.8%† |
| Startrise Frontend | Startrise | 75.9%† | – |
| GameBench 2 Overall | DuelLab GameBench 2 | 60.4† | – |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 91.4† | – |
| Design Arena Website | Design Arena | 1309† | 1226† |
| FrontierCode 1.1 (AA) | Artificial Analysis | 45.8% | – |
| FrontierCode 2.0 (AA) | Artificial Analysis | 41.7% | – |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 63.9% | 80.2%† |
| APEX-Agents | Mercor | 75.5% | 35.1%† |
| Arena Agent | Arena (LMArena) | 16 | -4.5† |
| LiveBench Long Agentic | LiveBench | 63.4% | – |
| LiveBench Browser | LiveBench | 89.3% | – |
| LiveBench Agentic Coding | LiveBench | 56.3% | 44.1% |
| Terminal-Bench Hard | Artificial Analysis | – | 53.8%† |
| τ²-Bench Telecom (AA) | Artificial Analysis | – | 95.6%† |
| Terminal-Bench 2.1 (Vals) | Vals AI | 83.2%† | 70.8% |
| MCP Atlas | Scale AI SEAL | – | 78.2% |
| HiL-Bench | Scale AI SEAL | – | 35.3%† |
| τ³-bench Banking | τ²-bench | – | 26.0% |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 66.9% | 14.6%† |
| GDPval-AA v2.1 | Artificial Analysis | 1838 | 799† |
| τ³-Banking (AA) | Artificial Analysis | – | 21.4%† |
| ITBench SRE (AA) | Artificial Analysis | – | 30.3%† |
| Analyst Agent (AA) | Artificial Analysis | 57.5% | 41.3%† |
| APEX-Agents (AA) | Artificial Analysis | – | 32.0%† |
| CyberBench | Vals AI | 59.6% | – |
| Finance Agent v2 | Vals AI | 58.1% | 43.0% |
| Finance Agent v2.1 | Vals AI | 67.3% | – |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | 10.4% | – |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 2.9% | 0.0% |
| Legal Research Bench | Vals AI | 48.1% | 20.7% |
| SREBench | Vals AI | 30.1% | 0.0% |
| Tax Agent Bench | Vals AI | 42.0% | 9.3% |
| Terminal-Bench 2.0 (Vals) | Vals AI | – | 67.4% |
| Terminal-Bench 4.0 (Vals) | Vals AI | 64.1% | 2.5% |
| Terminal-Bench Science | Vals AI | 47.1% | 1.4% |
| Arena Search | Arena (LMArena) | – | 1209† |
| Arena Agent Task Completion | Arena (LMArena) | 19.5 | -11.3† |
| BALROG | BALROG | – | 57.0%† |
| DeepResearch Bench | DeepResearch Bench | – | 47.8% |
| PostTrainBench | Epoch AI Benchmarking Hub | – | 18.1%† |
| ExploitBench | Epoch AI Benchmarking Hub | – | 26.1%† |
| METR Time Horizons | METR | – | 77.0%† |
| GBAEval | Epoch AI Benchmarking Hub | – | 0.8%† |
| Vending-Bench 2 | Andon Labs | 11165.3† | 911.2† |
| SpireClimb | Epoch AI Benchmarking Hub | 1.3% | – |
| AutomationBench | Artificial Analysis | 71.8% | 35.4%† |
| GDP.pdf (AA) | Artificial Analysis | 25.8% | 17.8%† |
| Harvey LAB-AA v1.1 | Harvey | 2.8% | 0.0%† |
| EnterpriseOps-Gym | Artificial Analysis | – | 42.2%† |
| AA-Briefcase v1.1 | Artificial Analysis | 1816 | 457† |
| GDPx | GDPx by SemiAnalysis | 8.2% | – |
| Design Arena Agentic | Design Arena | 1293† | 1088† |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 53.3% | – |
| MKA (AA) | Artificial Analysis | 52.0% | – |
| BrowseComp | OpenAI | – | 31.2%† |
| DeepSearchQA | – | 60.2%† | |
| FACTS Search | 86.8%† | 90.2%† | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 88.8% | 59.6%† |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 80.5% | 26.8%† |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 100.0% | 95.6% |
| ProofBench | Vals AI | 100.0% | 26.0%† |
| LiveBench Mathematics | LiveBench | 96.1% | 91.0% |
| AIME (Vals) | Vals AI | – | 98.1% |
| AIME 2026 | MathArena | – | 98.3% |
| HMMT February 2026 | MathArena | – | 94.7% |
| USAMO 2026 | MathArena | – | 74.4% |
| MathArena Apex | MathArena | – | 60.9% |
| Arena Maths | Arena (LMArena) | 1486† | 1488† |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | 2.9% | – |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 46.5% | 73.5% |
| LiveBench 2.0 Data Analysis | LiveBench | 59.5% | – |
| LiveBench Research | LiveBench | 88.0% | – |
| LiveBench 1.0 Data Analysis | LiveBench | 59.5% | 78.5% |
| AA-Omniscience v1.1 | Artificial Analysis | 30.5 | – |
| MMLU-Pro | Vals AI | – | 91.0% |
| LegalBench | Vals AI | – | 87.4% |
| CorpFin | Vals AI | – | 64.5% |
| TaxEval | Vals AI | – | 72.9% |
| MedQA | Vals AI | – | 96.4% |
| PRBench Finance | Scale AI SEAL | – | 41.9%† |
| PRBench Legal | Scale AI SEAL | – | 44.0%† |
| MultiNRC | Scale AI SEAL | – | 64.7%† |
| BioMysteryBench | Vals AI | 81.1% | 60.0% |
| CaseLaw v2 | Vals AI | – | 64.8% |
| ClaimBench | Vals AI | 100.0% | – |
| Excel Modeling Benchmark | Vals AI | 75.7% | 52.6% |
| Excel Modeling Benchmark v1.1 | Vals AI | 75.9% | – |
| MedCode | Vals AI | 52.9% | 59.1% |
| MedScribe | Vals AI | 91.1% | 76.1% |
| Public Benefits Bench v1.1 | Vals AI | 67.2% | 53.8% |
| Access to Justice Benchmark | Vals AI | 74.9% | – |
| Financial Coaching Bench | Vals AI | 74.9% | 66.7% |
| Immigration Bench | Vals AI | 69.0% | – |
| DrugDiscoveryBench | Scale AI SEAL | – | 41.9% |
| EBR-bench | Epoch AI Benchmarking Hub | – | 14.3%† |
| GDP.pdf | Epoch AI Benchmarking Hub | 31.4% | 17.0% |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 51.5% | – |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 56.7% | – |
| Global-MMLU-Lite (AA) | Artificial Analysis | – | 93.2%† |
| HealthBench Professional (AA) | OpenAI | 63.0% | – |
| FACTS Parametric | 35.1%† | 79.4%† | |
| 指示追従 | |||
| LiveBench Language | LiveBench | 78.0% | 85.4% |
| LiveBench Instruction Following | LiveBench | 56.8% | 79.1% |
| IFBench | Artificial Analysis | – | 77.1%† |
| MultiChallenge | Scale AI SEAL | – | 71.4%† |
| TutorBench | Scale AI SEAL | – | 53.0%† |
| Arena Instruction Following | Arena (LMArena) | 1482† | 1480† |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1473† | 1487† |
| EQ-Bench 4 | EQ-Bench | – | 1132† |
| EQ-Bench Creative Writing v3 | EQ-Bench | – | 1491† |
| Arena Creative Writing | Arena (LMArena) | 1464† | 1482† |
| Arena Multi-turn | Arena (LMArena) | 1469† | 1495† |
| Arena Longer Queries | Arena (LMArena) | 1491† | 1499† |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1284† | 1296† |
| LiveBench Design | LiveBench | 81.3% | – |
| MMMU-Pro | Artificial Analysis | – | 82.4%† |
| MMMU-Pro (Vals) | Vals AI | – | 88.2% |
| MortgageTax | Vals AI | – | 69.4% |
| SAGE | Vals AI | 88.0% | 83.2% |
| VTB | Scale AI SEAL | – | 29.0%† |
| GeoBench | GeoBench | – | 84.0%† |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 39.3%† | 26.5%† |
| Furniture Assembly | Epoch AI Benchmarking Hub | 75.0% | 26.7% |
| VIALS-AA | Handshake AI | 59.6% | – |
| Code2Video-AA | Artificial Analysis | 1443 | – |
| AA-3D | Artificial Analysis | 1204 | – |
| FACTS Multimodal | 50.4%† | 50.4%† | |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 82.7% | 82.0%† |
| Arena Document | Arena (LMArena) | – | 1459† |
| MLCR | Artificial Analysis | 41.7% | 11.1%† |
| FACTS Grounding | 62.5%† | 56.6%† | |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 166.6† | 156.2† |
| LiveBench 2.0 | LiveBench | 77.0% | – |
| LiveBench 1.0 | LiveBench | 75.7% | 77.0% |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 54.5 | – |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 56 | 29.7† |
| AA Progress Index v1 | Artificial Analysis | 350.5 | 296.1† |
| Vals Index | Vals AI | 70.8 | – |
| Vals Finance Index | Vals AI | 64.5% | – |
| Vals Science Index | Vals AI | 59.1% | 27.4% |
| Vals Multimodal Index | Vals AI | – | 56.1% |
| Vals Router Index | Vals AI | 69.0%† | – |
| Vals Legal Index | Vals AI | 68.0% | – |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | – | 29.8%† |
| MASK | Scale AI SEAL | – | 42.4%† |
| DistressBench | Scale AI SEAL | 74.6%† | 68.8%† |
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…)。
- Claude Sonnet 5.5 (max):BenchLeader Index 65.1 → 64.6。
- Gemini 3.1 Pro (high):新しい結果4件(AIME 2026, HMMT February 2026, USAMO 2026…)。
- Claude Sonnet 5.5 (max):新しい結果1件(MirrorCode)。
- 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。
- Claude Sonnet 5.5 (max):スコアの改訂1件。
- Claude Sonnet 5.5 (max):スコアの改訂1件。
- Claude Sonnet 5.5 (max):新しい結果1件(MirrorCode)。
- Claude Sonnet 5.5 (max):新しい結果5件(AA Intelligence Index v5.0.1, AA Progress Index v1, HLE-Diamond (AA)…)、スコアの改訂3件、価格 $5.46/M → $10.02/M。
関連する比較
- Claude Sonnet 5.5 vs Claude Fable 5.2
- Claude Sonnet 5.5 vs Gemini 4 Carbon
- Claude Sonnet 5.5 vs Claude Opus 5.5
- Claude Sonnet 5.5 vs GPT-6 Astra
- Gemini 3.1 Pro vs Gemini 4 Carbon
- Gemini 3.1 Pro vs Claude Opus 5.5
- Claude Sonnet 5.5 vs Gemini 3 Flash
- Claude Sonnet 5.5 vs Claude Fable 5.1
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 Gemini 3.1 Pro:よくある質問
- Claude Sonnet 5.5はGemini 3.1 Pro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 60.4。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Gemini 3.1 Pro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Claude Sonnet 5.5の方が安く、100万トークンあたり$4.00 対 $4.50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Gemini 3.1 Pro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 59。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IOIでは、Claude Sonnet 5.5が83.1%、Gemini 3.1 Proが51.8%です。
- Claude Sonnet 5.5とGemini 3.1 Proはどちらが速いですか?
- Claude Sonnet 5.5の方が出力が速くなっています(出力152 対 111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 Sonnet 5.5とGemini 3.1 Pro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 57。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?
- どちらも約1Mトークンです(Claude Sonnet 5.5は1,000,000、Gemini 3.1 Pro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 3.1 Proです。Artificial Analysisの測定では、最初の回答トークンまで15.2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Gemini 3.1 Pro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38件のベンチマークのうち、Claude Sonnet 5.5のリードが32件、Gemini 3.1 Proのリードが6件です。第三者の総合指標でも評価が分かれ、Claude Sonnet 5.5はBenchLeader Indexで、Gemini 3.1 ProはArena Textでリードしています。
- Claude Sonnet 5.5はいつリリースされましたか?
- Claude Sonnet 5.5は2026年9月28日にリリースされました。