Claude Sonnet 5.5 vs GPT-5.4
詳しいプロフィール:Claude Sonnet 5.5(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 · 15件の情報源のデータ
2026年11月16日時点で、Claude Sonnet 5.5とGPT-5.4の品質は互角です(BenchLeader Indexで64.2 対 63.1、±3.7の誤差範囲内)。価格はClaude Sonnet 5.5の方が1.4倍安く、100万トークンあたりのブレンド価格で$4.00 対 $5.63です。エージェント・ツール(71 対 63)、数学(71 対 65)、コーディング(70 対 65)を重視するならClaude Sonnet 5.5、知識(59 対 57)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GPT-5.4の方が短く、144.9秒 対 290.5秒です。Claude Sonnet 5.5は出力が約2倍速い点も強みです。
要点(2026年11月16日時点)
- BenchLeader IndexはClaude Sonnet 5.5が64.2、GPT-5.4が63.1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)。
- 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)。
- Claude Sonnet 5.5はGPT-5.4より出力が約2倍速いです(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33件のベンチマークのうち、Claude Sonnet 5.5が29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 65;SciCode 61.0% 対 56.6% | 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 63;LiveBench Agentic Coding 56.3% 対 53.8% | 高 |
| 数学 | Claude Sonnet 5.5 | カテゴリスコア71 対 65;FrontierMath Tiers 1–3 88.8% 対 78.6% | 中 |
| 推論 | Claude Sonnet 5.5 | カテゴリスコア68 対 66;GPQA Diamond 95.6% 対 93.3% | 中 |
| 知識 | GPT-5.4 | カテゴリスコア59 対 57;SimpleQA Verified 45.1% 対 46.5% | 中 |
| 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 82.0% | どちらでも |
| 最低コスト | Claude Sonnet 5.5 | 100万トークンあたりブレンド価格$4.00 対 $5.63;エージェント型コーディングセッション$0.160 対 $0.210 | – |
| 回答開始の速さ | GPT-5.4 | 最初の回答トークンまで144.9秒(GPT-5.4 (xhigh))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
- Claude Sonnet 5.5 (max)とGPT-5.4 (xhigh)の品質は互角です(64.2 対 63.1、±3.7の誤差範囲内)。
- Claude Sonnet 5.5 (max)はエージェント・ツール、コーディング、長文コンテキスト、数学、推論で優れています。
- GPT-5.4 (xhigh)は知識で優れています。
- Claude Sonnet 5.5 (max)の方が1.4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 $5.63)。
- Claude Sonnet 5.5 (max)の方が出力が2.1倍速くなっています(152 対 73トークン/秒)。
概要
| 仕様 | Claude Sonnet 5.5 | GPT-5.4 |
|---|---|---|
| プロバイダー | Anthropic | OpenAI |
| リリース日 | 2026年9月28日 | 2026年3月5日 |
| コンテキストウィンドウ(トークン) | 1,000,000 | 1,050,000 |
| 比較した構成 | Claude Sonnet 5.5 (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) | $2.00 / $10.00 / $0.100 | $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 Sonnet 5.5 (max) | GPT-5.4 (xhigh) | トップ |
|---|---|---|---|
| 推論 | 67.8 | 65.7 | Claude Sonnet 5.5 |
| コーディング | 70.2 | 64.7 | Claude Sonnet 5.5 |
| エージェント・ツール | 70.5 | 63.0 | Claude Sonnet 5.5 |
| 数学 | 71.3 | 64.8 | Claude Sonnet 5.5 |
| 知識 | 57.4 | 58.6 | GPT-5.4 |
| 指示追従 | – | 72.4 | 比較不可 |
| マルチモーダル | – | 60.8 | 比較不可 |
| 長文コンテキスト | 66.0 | 65.7 | 互角 |
| 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, 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33件のベンチマークのうち、Claude Sonnet 5.5のリードが29件、GPT-5.4のリードが4件です。両方を評価しているすべての総合指標で、GPT-5.4が上回っています。
| 総合Index | Claude Sonnet 5.5 (max) | GPT-5.4 (xhigh) | トップ |
|---|---|---|---|
| BenchLeader Index | 64.2 | 63.1 | 互角 |
| Arena Text | 1473† | 1475 | GPT-5.4 |
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) | GPT-5.4 (xhigh) |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $4.00 | $5.63 |
| 100万トークンあたりの入力/出力 | $2.00 / $10.00 | $2.50 / $15.00 |
| 100万トークンあたりのキャッシュ入力 | $0.100 | $0.250 |
| タスクあたりの価格:チャットの返答 | $0.0038 | $0.0055 |
| タスクあたりの価格:30ページのレポートを要約 | $0.030 | $0.039 |
| タスクあたりの価格:コード編集 | $0.027 | $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 | $0.160 | $0.210 |
| タスクあたりの価格:構造化データの抽出 | $0.0060 | $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) | $0.074 | $0.109 |
| ベンチマークのタスクあたりのコスト(AA Index) | $10.02 | – |
| タスクあたりの出力トークン(AA Index) | 285k | – |
| うち推論 | 206k | – |
| タスクあたりの時間(AA Index) | 31 min | – |
| 出力速度 | 152 tok/s | 73 tok/s |
| 回答開始までの時間 | 290.5秒 | 144.9秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 487.7秒 | 193.1秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Claude Sonnet 5.5 (max)のスコアは64.2、最初の回答トークンまで291秒。Claude Sonnet 5.5 (xhigh)は62.5(27秒)、Claude Sonnet 5.5 (high)は59.5(9秒)。GPT-5.4 (xhigh)のスコアは63.1、最初の回答トークンまで145秒。GPT-5.4 (low)は58.8(3秒)、GPT-5.4 (high)は58.6(2秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
201件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Claude Sonnet 5.5 (max) | GPT-5.4 (xhigh) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 64.2 | 63.1 |
| エージェント・ツールスコア | BenchLeader | 70.5 | 63.0 |
| コーディングスコア | BenchLeader | 70.2 | 64.7 |
| 総合スコア | BenchLeader | 63.0 | – |
| 知識スコア | BenchLeader | 57.4 | 58.6 |
| 長文コンテキストスコア | BenchLeader | 66.0 | 65.7 |
| 数学スコア | BenchLeader | 71.3 | 64.8 |
| 推論スコア | BenchLeader | 67.8 | 65.7 |
| 指示追従スコア | BenchLeader | – | 72.4 |
| マルチモーダルスコア | BenchLeader | – | 60.8 |
| ブレンド価格($/100万トークン) | BenchLeader | $4.00 | $5.63 |
| 出力速度 | BenchLeader | 152 tok/s | 73 tok/s |
| 回答開始までの時間 | BenchLeader | 290.5秒 | 144.9秒 |
| コンテキストウィンドウ | BenchLeader | 1,000,000トークン | 1,050,000トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 95.6% | 93.3% |
| Humanity's Last Exam | Scale AI / CAIS | 46.1%† | 36.2% |
| SimpleBench | SimpleBench | 75.9%† | – |
| Arena Hard Prompts | Arena (LMArena) | 1499† | 1487† |
| LiveBench 2.0 Reasoning | LiveBench | 91.6% | – |
| LiveBench 1.0 Reasoning | LiveBench | 91.6% | 88.1% |
| GPQA Diamond (AA) | Artificial Analysis | – | 92.0% |
| Humanity's Last Exam (AA) | Artificial Analysis | 55.0% | 43.7% |
| HLE-Diamond (AA) | Artificial Analysis | 53.3% | – |
| GPQA Diamond (Vals) | Vals AI | – | 91.7% |
| Kagi LLM Benchmark | Kagi LLM Benchmark | – | 63.8%† |
| ARC-AGI-1 | ARC Prize | 96.5% | 93.7% |
| ARC-AGI-2 | ARC Prize | 83.9%† | 74.0% |
| ARC-AGI-3 | ARC Prize | 72.4%† | 0.2%† |
| CritPt | Artificial Analysis | 31.4% | 23.4% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 59.0% | – |
| MysteryMechanism | Vals AI | 49.1% | – |
| HLE-Diamond (Scale) | Scale AI SEAL | 37.5%† | – |
| Arena Expert | Arena (LMArena) | 1512† | 1491† |
| Chess Puzzles | Epoch AI Benchmarking Hub | 59.0% | 48.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 65.0% | 37.0% |
| CL-bench | Epoch AI Benchmarking Hub | – | 27.9% |
| CL-bench Life | Epoch AI Benchmarking Hub | – | 21.7% |
| LMCA | Epoch AI Benchmarking Hub | 68.3% | 52.0% |
| DTBench | Epoch AI Benchmarking Hub | 97.3% | 94.4% |
201件のベンチマークをすべて表示
| 指標 | 公開元 | Claude Sonnet 5.5 (max) | GPT-5.4 (xhigh) |
|---|---|---|---|
| 推論 | |||
| ForecastBench | ForecastBench | – | 63.0%† |
| コーディング | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | – | 76.9%† |
| SciCode | SciCode | 61.0% | 56.6% |
| WeirdML | WeirdML | – | 77.7% |
| FrontierCode | Cognition | 52.1%† | – |
| GSO-Bench | GSO-Bench | – | 31.4% |
| Arena Coding | Arena (LMArena) | 1517† | 1511† |
| Arena WebDev | Arena (LMArena) | 1772† | 1400† |
| LiveBench 2.0 Coding | LiveBench | 77.2% | – |
| LiveBench 1.0 Coding | LiveBench | 91.4% | 77.5% |
| SciCode (AA) | Artificial Analysis | 61.0% | – |
| LiveCodeBench | Vals AI | – | 84.1% |
| IOI | Vals AI | 83.1% | – |
| SWE-bench (Vals) | Vals AI | – | 78.2% |
| SWE-Bench Pro | Scale AI SEAL | – | 59.1% |
| Code Migration | Vals AI | 69.8% | 35.0% |
| 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 v1.1 | Vals AI | 92.4% | 67.4% |
| SWE-Bench Pro (private) | Scale AI SEAL | – | 43.4% |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | – | 40.8% |
| SWE Atlas v1.0: Refactoring | Scale AI SEAL | – | 44.3% |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | – | 44.4% |
| 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% | 23.3% |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | – | 51.8% |
| CursorBench | Cursor | 55.5% | – |
| ALE-Bench | Epoch AI Benchmarking Hub | 1819.1† | 1607† |
| AlgoTune | AlgoTune | – | 1.9† |
| FrontierSWE | Epoch AI Benchmarking Hub | 61.9% | – |
| WeirdML v3 | WeirdML | 19.9%† | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 63.6% | – |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | – | 78.3% |
| Startrise Frontend | Startrise | 75.9%† | – |
| GameBench 2 Overall | DuelLab GameBench 2 | 60.4† | 53.4† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 91.4† | 62.1 |
| Design Arena Website | Design Arena | 1309† | 1190† |
| 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% | 81.8%† |
| APEX-Agents | Mercor | 75.5% | 52.4%† |
| Arena Agent | Arena (LMArena) | 16 | – |
| LiveBench Long Agentic | LiveBench | 63.4% | – |
| LiveBench Browser | LiveBench | 89.3% | – |
| LiveBench Agentic Coding | LiveBench | 56.3% | 53.8% |
| Terminal-Bench Hard | Artificial Analysis | – | 57.6% |
| τ²-Bench Telecom (AA) | Artificial Analysis | – | 87.1% |
| Terminal-Bench 2.1 (Vals) | Vals AI | 83.2%† | – |
| MCP Atlas | Scale AI SEAL | – | 70.6% |
| HiL-Bench | Scale AI SEAL | – | 9.7%† |
| τ³-bench Banking | τ²-bench | – | 39.4% |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 66.9% | – |
| GDPval-AA v2.1 | Artificial Analysis | 1838 | 1256 |
| τ³-Banking (AA) | Artificial Analysis | – | 39.6% |
| Analyst Agent (AA) | Artificial Analysis | 57.5% | – |
| APEX-Agents (AA) | Artificial Analysis | – | 33.3% |
| CyberBench | Vals AI | 59.6% | – |
| Finance Agent v2 | Vals AI | 58.1% | – |
| 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% | – |
| SkillsBench | Vals AI | – | 51.7% |
| SREBench | Vals AI | 30.1% | – |
| Tax Agent Bench | Vals AI | 42.0% | – |
| Terminal-Bench 2.0 (Vals) | Vals AI | – | 58.4%† |
| Terminal-Bench 4.0 (Vals) | Vals AI | 64.1% | – |
| Terminal-Bench Science | Vals AI | 47.1% | – |
| Arena Search | Arena (LMArena) | – | 1196† |
| Arena Agent Task Completion | Arena (LMArena) | 19.5 | – |
| DeepResearch Bench | DeepResearch Bench | – | 35.1%† |
| PostTrainBench | Epoch AI Benchmarking Hub | – | 17.8%† |
| METR Time Horizons | METR | – | 74.3% |
| GBAEval | Epoch AI Benchmarking Hub | – | 45.1%† |
| Vending-Bench 2 | Andon Labs | 11165.3† | 6144.2† |
| SpireClimb | Epoch AI Benchmarking Hub | 1.3% | – |
| AutomationBench | Artificial Analysis | 71.8% | – |
| GDP.pdf (AA) | Artificial Analysis | 25.8% | – |
| Harvey LAB-AA v1.1 | Harvey | 2.8% | – |
| AA-Briefcase v1.1 | Artificial Analysis | 1816 | – |
| GDPx | GDPx by SemiAnalysis | 8.2% | – |
| Design Arena Agentic | Design Arena | 1293† | 1042† |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 53.3% | – |
| MKA (AA) | Artificial Analysis | 52.0% | – |
| DeepSearchQA | – | 63.7%† | |
| FACTS Search | 86.8%† | – | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 88.8% | 78.6% |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 80.5% | 49.0% |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 100.0% | 95.3% |
| ProofBench | Vals AI | 100.0% | 56.0% |
| LiveBench Mathematics | LiveBench | 96.1% | 94.2% |
| AIME (Vals) | Vals AI | – | 96.7% |
| AIME 2026 | MathArena | – | 99.2% |
| HMMT February 2026 | MathArena | – | 97.7% |
| USAMO 2026 | MathArena | – | 95.2% |
| MathArena Apex | MathArena | – | 54.2% |
| Arena Maths | Arena (LMArena) | 1486† | 1459† |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | 2.9% | – |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 46.5% | 45.1% |
| LiveBench 2.0 Data Analysis | LiveBench | 59.5% | – |
| LiveBench Research | LiveBench | 88.0% | – |
| LiveBench 1.0 Data Analysis | LiveBench | 59.5% | 79.3% |
| AA-Omniscience v1.1 | Artificial Analysis | 30.5 | – |
| MMLU-Pro | Vals AI | – | 87.5% |
| LegalBench | Vals AI | – | 86.0% |
| CorpFin | Vals AI | – | 65.3% |
| TaxEval | Vals AI | – | 74.0% |
| MedQA | Vals AI | – | 96.1% |
| PRBench Finance | Scale AI SEAL | – | 45.6%† |
| PRBench Legal | Scale AI SEAL | – | 44.4%† |
| MultiNRC | Scale AI SEAL | – | 58.3%† |
| BioMysteryBench | Vals AI | 81.1% | – |
| CaseLaw v2 | Vals AI | – | 63.8% |
| ClaimBench | Vals AI | 100.0% | – |
| Excel Modeling Benchmark | Vals AI | 75.7% | – |
| Excel Modeling Benchmark v1.1 | Vals AI | 75.9% | – |
| MedCode | Vals AI | 52.9% | 41.3% |
| MedScribe | Vals AI | 91.1% | 77.5% |
| Public Benefits Bench v1.1 | Vals AI | 67.2% | – |
| Access to Justice Benchmark | Vals AI | 74.9% | – |
| Financial Coaching Bench | Vals AI | 74.9% | – |
| Immigration Bench | Vals AI | 69.0% | – |
| EBR-bench | Epoch AI Benchmarking Hub | – | 25.4% |
| GDP.pdf | Epoch AI Benchmarking Hub | 31.4% | – |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 51.5% | – |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 56.7% | – |
| HealthBench Professional (AA) | OpenAI | 63.0% | – |
| FACTS Parametric | 35.1%† | – | |
| 指示追従 | |||
| LiveBench Language | LiveBench | 78.0% | 82.6% |
| LiveBench Instruction Following | LiveBench | 56.8% | 70.2% |
| IFBench | Artificial Analysis | – | 74.0% |
| Arena Instruction Following | Arena (LMArena) | 1482† | 1460† |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1473† | 1465† |
| EQ-Bench 4 | EQ-Bench | – | 1258† |
| EQ-Bench Creative Writing v3 | EQ-Bench | – | 1841† |
| Arena Creative Writing | Arena (LMArena) | 1464† | 1433† |
| Arena Multi-turn | Arena (LMArena) | 1469† | 1480† |
| Arena Longer Queries | Arena (LMArena) | 1491† | 1477† |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1284† | 1292† |
| LiveBench Design | LiveBench | 81.3% | – |
| MMMU-Pro | Artificial Analysis | – | 78.4% |
| VISTA | Scale AI SEAL | – | 50.9%† |
| MMMU-Pro (Vals) | Vals AI | – | 87.5% |
| MortgageTax | Vals AI | – | 68.3% |
| SAGE | Vals AI | 88.0% | – |
| VTB | Scale AI SEAL | – | 29.2%† |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 39.3%† | 27.1%† |
| Furniture Assembly | Epoch AI Benchmarking Hub | 75.0% | 37.5% |
| VIALS-AA | Handshake AI | 59.6% | – |
| Code2Video-AA | Artificial Analysis | 1443 | – |
| AA-3D | Artificial Analysis | 1204 | – |
| FACTS Multimodal | 50.4%† | – | |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 82.7% | 82.0% |
| Arena Document | Arena (LMArena) | – | 1471† |
| MLCR | Artificial Analysis | 41.7% | – |
| FACTS Grounding | 62.5%† | – | |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 166.6† | 157.8† |
| LiveBench 2.0 | LiveBench | 77.0% | – |
| LiveBench 1.0 | LiveBench | 75.7% | 78.0% |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 54.5 | – |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 56 | 39.0 |
| AA Progress Index v1 | Artificial Analysis | 350.5 | 311.6 |
| Vals Index | Vals AI | 70.8 | – |
| Vals Finance Index | Vals AI | 64.5% | – |
| Vals RSI Index | Vals AI | – | 15.5% |
| Vals Science Index | Vals AI | 59.1% | – |
| Vals Router Index | Vals AI | 69.0%† | – |
| Vals Legal Index | Vals AI | 68.0% | – |
| 安全性・誠実さ | |||
| MASK | Scale AI SEAL | – | 89.7%† |
| DistressBench | Scale AI SEAL | 74.6%† | – |
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
- Claude Sonnet 5.5 (max):新しい結果36件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
- GPT-5.4 (xhigh):新しい結果1件(GDPval-AA v2.1)。
- Claude Sonnet 5.5 (max):BenchLeader Index 65.1 → 64.6。
- Claude Sonnet 5.5 (max):新しい結果1件(MirrorCode)。
- GPT-5.4 (xhigh):新しい結果1件(MirrorCode)。
- Claude Sonnet 5.5 (max):スコアの改訂2件。
- GPT-5.4 (xhigh):BenchLeader Index 63.7 → 63.2。
- 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。
- GPT-5.4 (xhigh):スコアの改訂1件。
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
- GPT-5.4 vs Claude Fable 5.2
- GPT-5.4 vs Gemini 4 Carbon
- GPT-5.4 vs Claude Opus 5.5
- GPT-5.4 vs GPT-6 Astra
- Claude Sonnet 5.5 vs GPT-5.4 Pro
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 GPT-5.4:よくある質問
- Claude Sonnet 5.5はGPT-5.4より優れていますか?
- Claude Sonnet 5.5 (max)とGPT-5.4 (xhigh)の品質は互角です(64.2 対 63.1、±3.7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 Sonnet 5.5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Claude Sonnet 5.5の方が安く、100万トークンあたり$4.00 対 $5.63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GPT-5.4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 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SciCodeでは、Claude Sonnet 5.5が61.0%、GPT-5.4が56.6%です。
- Claude Sonnet 5.5とGPT-5.4はどちらが速いですか?
- Claude Sonnet 5.5の方が出力が約2倍速くなっています(出力152 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 Sonnet 5.5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 63。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?
- 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1.1Mトークンです(Claude Sonnet 5.5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GPT-5.4です。Artificial Analysisの測定では、最初の回答トークンまで144.9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33件のベンチマークのうち、Claude Sonnet 5.5のリードが29件、GPT-5.4のリードが4件です。両方を評価しているすべての総合指標で、GPT-5.4が上回っています。
- 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。