BenchLeader

Claude Sonnet 5.5 vs o3

詳しいプロフィール:Claude Sonnet 5.5(Anthropic)とo3(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 · 21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o3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 $3.50)。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。Claude Sonnet 5.5の方が出力が速いです。

要点(2026年11月16日時点)

  • BenchLeader IndexはClaude Sonnet 5.5が64.2、o3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)。
  • o3の100万トークンあたりのブレンド価格は$3.50です(定価、2026年11月16日)。
  • Claude Sonnet 5.5はo3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4件のベンチマークのうち、Claude Sonnet 5.5が4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 60高
エージェント・ツール利用どちらでもカテゴリスコア71 対 70どちらでも
数学どちらでもカテゴリスコア71 対 71どちらでも
推論Claude Sonnet 5.5カテゴリスコア68 対 61;Humanity's Last Exam (AA) 55.0% 対 20.1%中
知識Claude Sonnet 5.5カテゴリスコア57 対 56中
長い文書Claude Sonnet 5.5カテゴリスコア66 対 62;AA-LCR v1.1 82.7% 対 74.7%中
チャットの質(人間の評価)–Arenaの評価があるのはo3のみです(カテゴリスコア61)比較不可
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 $3.50;エージェント型コーディングセッション$0.160 対 $0.152–
回答開始の速さo3最初の回答トークンまで5.2秒(o3)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、知識、長文コンテキスト、数学、推論で優れています。
  • 価格はほぼ同じです(100万トークンあたりブレンド価格$3.50)。

概要

仕様Claude Sonnet 5.5o3
プロバイダーAnthropicOpenAI
リリース日2026年9月28日2025年4月16日
コンテキストウィンドウ(トークン)1,000,000200,000
比較した構成Claude Sonnet 5.5 (max)o3
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 / $8.00 / $0.500

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)o3トップ
推論67.860.9Claude Sonnet 5.5
コーディング70.259.8Claude Sonnet 5.5
エージェント・ツール70.570.3互角
数学71.370.6互角
知識57.456.2Claude Sonnet 5.5
指示追従–65.2比較不可
人間の評価–61.0比較不可
マルチモーダル–52.8比較不可
長文コンテキスト66.061.9Claude Sonnet 5.5
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。

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: 66.0o3, 推論: 60.9o3, コーディング: 59.8o3, エージェント・ツール: 70.3o3, 数学: 70.6o3, 知識: 56.2o3, 長文コンテキスト: 61.9

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4件のベンチマークのうち、Claude Sonnet 5.5のリードが4件、o3のリードが0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)o3トップ
BenchLeader Index64.260.4Claude Sonnet 5.5
Arena Text1473†1432Claude 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)o3
100万トークンあたりのブレンド価格$4.00$3.50
100万トークンあたりの入力/出力$2.00 / $10.00$2.00 / $8.00
100万トークンあたりのキャッシュ入力$0.100$0.500
タスクあたりの価格:チャットの返答$0.0038$0.0032
タスクあたりの価格:30ページのレポートを要約$0.030$0.029
タスクあたりの価格:コード編集$0.027$0.024
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$0.152
タスクあたりの価格:構造化データの抽出$0.0060$0.0056
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$0.085
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/s131 tok/s
回答開始までの時間290.5秒5.2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17.3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)。o3のスコアは60.4、最初の回答トークンまで5秒。o3 (high)は55.1(5秒)、o3 (medium)は53.3(5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

200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)o3
BenchLeader IndexBenchLeader64.260.4
エージェント・ツールスコアBenchLeader70.570.3
コーディングスコアBenchLeader70.259.8
総合スコアBenchLeader63.0–
知識スコアBenchLeader57.456.2
長文コンテキストスコアBenchLeader66.061.9
数学スコアBenchLeader71.370.6
推論スコアBenchLeader67.860.9
人間の評価スコアBenchLeader–61.0
指示追従スコアBenchLeader–65.2
マルチモーダルスコアBenchLeader–52.8
ブレンド価格($/100万トークン)BenchLeader$4.00$3.50
出力速度BenchLeader152 tok/s131 tok/s
回答開始までの時間BenchLeader290.5秒5.2秒
コンテキストウィンドウBenchLeader1,000,000トークン200,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub95.6%81.8%†
Humanity's Last ExamScale AI / CAIS46.1%†20.3%†
SimpleBenchSimpleBench75.9%†53.1%†
Arena Hard PromptsArena (LMArena)1499†1441
LiveBench 2.0 ReasoningLiveBench91.6%–
LiveBench 1.0 ReasoningLiveBench91.6%–
GPQA Diamond (AA)Artificial Analysis–82.7%
Humanity's Last Exam (AA)Artificial Analysis55.0%20.1%
HLE-Diamond (AA)Artificial Analysis53.3%–
GPQA Diamond (Vals)Vals AI–84.1%†
Kagi LLM BenchmarkKagi LLM Benchmark–67.6%
GPQA Diamond (HELM)HELM Capabilities–75.3%
ARC-AGI-1ARC Prize96.5%60.8%†
ARC-AGI-2ARC Prize83.9%†6.5%†
ARC-AGI-3ARC Prize72.4%†–
CritPtArtificial Analysis31.4%1.1%
CritPt v2 hard subset (AA)Artificial Analysis59.0%–
MysteryMechanismVals AI49.1%–
SciPredictScale AI SEAL–17.9%
HLE-Diamond (Scale)Scale AI SEAL37.5%†–
Arena ExpertArena (LMArena)1512†1448
Chess PuzzlesEpoch AI Benchmarking Hub59.0%36.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub65.0%29.0%†
CL-benchEpoch AI Benchmarking Hub–17.8%†
LMCAEpoch AI Benchmarking Hub68.3%39.7%†
200件のベンチマークをすべて表示
指標公開元Claude Sonnet 5.5 (max)o3
推論
DTBenchEpoch AI Benchmarking Hub97.3%84.8%†
ForecastBenchForecastBench–64.3%
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub–62.3%†
SciCodeSciCode61.0%–
WeirdMLWeirdML–52.4%†
FrontierCodeCognition52.1%†–
GSO-BenchGSO-Bench–8.8%†
Arena CodingArena (LMArena)1517†1460
Arena WebDevArena (LMArena)1772†–
LiveBench 2.0 CodingLiveBench77.2%–
LiveBench 1.0 CodingLiveBench91.4%–
LiveCodeBenchVals AI–83.9%†
IOIVals AI83.1%–
Aider PolyglotAider polyglot leaderboard–76.9%
SWE-bench Verified (bash only)SWE-bench–58.4%
SWE-bench Verified (any scaffold)SWE-bench–58.4%
Code MigrationVals AI69.8%–
Code Migration v1.1Vals AI86.9%–
ProgramBenchVals AI6.5%–
SWE-bench MultimodalVals AI58.3%–
Vibe Code Bench v1.1Vals AI92.4%–
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%–
CadEvalEpoch AI Benchmarking Hub–74.0%†
CursorBenchCursor55.5%–
ALE-BenchEpoch AI Benchmarking Hub1819.1†933.5†
FrontierSWEEpoch AI Benchmarking Hub61.9%–
WeirdML v3WeirdML19.9%†–
Terminal-Bench 4.0 (AA)Artificial Analysis63.6%–
Startrise FrontendStartrise75.9%†–
GameBench 2 OverallDuelLab GameBench 260.4†34.1
GameBench 2 by reasoning settingDuelLab GameBench 291.4†30.4†
Design Arena WebsiteDesign Arena1309†1028
FrontierCode 1.1 (AA)Artificial Analysis45.8%–
FrontierCode 2.0 (AA)Artificial Analysis41.7%–
LiveCodeBench (AA)Artificial Analysis–80.8%
エージェント・ツール
Terminal-BenchTerminal-Bench63.9%–
GDPvalOpenAI–30.8%†
APEX-AgentsMercor75.5%–
Arena AgentArena (LMArena)16–
LiveBench Long AgenticLiveBench63.4%–
LiveBench BrowserLiveBench89.3%–
LiveBench Agentic CodingLiveBench56.3%–
Terminal-Bench HardArtificial Analysis–37.1%
τ²-Bench Telecom (AA)Artificial Analysis–80.7%
Terminal-Bench 2.1 (Vals)Vals AI83.2%†–
BFCL OverallBerkeley Function Calling Leaderboard–63.0%
GDPval-AA v2.1, normalised scoreArtificial Analysis66.9%–
GDPval-AA v2.1Artificial Analysis1838–
Analyst Agent (AA)Artificial Analysis57.5%–
CyberBenchVals AI59.6%–
Finance Agent v2Vals AI58.1%–
Finance Agent v2.1Vals AI67.3%–
Harvey's Legal Agent Benchmark v1.1Vals AI10.4%–
Harvey's Legal Agent Benchmark v1Vals AI2.9%–
Legal Research BenchVals AI48.1%–
SREBenchVals AI30.1%–
Tax Agent BenchVals AI42.0%–
Terminal-Bench 4.0 (Vals)Vals AI64.1%–
Terminal-Bench ScienceVals AI47.1%–
Arena SearchArena (LMArena)–1197
Arena Agent Task CompletionArena (LMArena)19.5–
DeepResearch BenchDeepResearch Bench–45.2%†
METR Time HorizonsMETR–63.6%
Vending-Bench 2Andon Labs11165.3†–
SpireClimbEpoch AI Benchmarking Hub1.3%–
AutomationBenchArtificial Analysis71.8%–
GDP.pdf (AA)Artificial Analysis25.8%–
Harvey LAB-AA v1.1Harvey2.8%–
AA-Briefcase v1.1Artificial Analysis1816–
GDPxGDPx by SemiAnalysis8.2%–
Design Arena AgenticDesign Arena1293†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis53.3%–
MKA (AA)Artificial Analysis52.0%–
BrowseComp-PlusBrowseComp-Plus–50.5%
FACTS SearchGoogle86.8%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub88.8%33.3%†
FrontierMath Tier 4Epoch AI Benchmarking Hub80.5%–
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%83.9%†
MATH Level 5Epoch AI Benchmarking Hub–97.8%†
ProofBenchVals AI100.0%–
LiveBench MathematicsLiveBench96.1%–
AIME (Vals)Vals AI–85.3%†
MGSMVals AI–91.8%†
IMO 2025MathArena–16.7%†
Omni-MATH (HELM)HELM Capabilities–71.4%
MATH 500Vals AI–94.6%†
Arena MathsArena (LMArena)1486†1448
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%–
AIME 2025 (AA)Artificial Analysis–88.3%
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub46.5%49.4%†
LiveBench 2.0 Data AnalysisLiveBench59.5%–
LiveBench ResearchLiveBench88.0%–
LiveBench 1.0 Data AnalysisLiveBench59.5%–
AA-Omniscience v1.1Artificial Analysis30.5–
MMLU-ProVals AI–85.6%†
LegalBenchVals AI–83.8%†
CorpFinVals AI–59.7%†
TaxEvalVals AI–74.6%†
MedQAVals AI–96.1%†
PRBench FinanceScale AI SEAL–47.7%
PRBench LegalScale AI SEAL–48.6%
MultiNRCScale AI SEAL–45.5%†
MMLU-Pro (HELM)HELM Capabilities–85.9%
BioMysteryBenchVals AI81.1%–
ClaimBenchVals AI100.0%–
Excel Modeling BenchmarkVals AI75.7%–
Excel Modeling Benchmark v1.1Vals AI75.9%–
MedCodeVals AI52.9%47.3%†
MedScribeVals AI91.1%76.7%†
Public Benefits Bench v1.1Vals AI67.2%–
Access to Justice BenchmarkVals AI74.9%–
Financial Coaching BenchVals AI74.9%–
Immigration BenchVals AI69.0%–
GDP.pdfEpoch AI Benchmarking Hub31.4%–
AA-Omniscience v1.1: accuracyArtificial Analysis51.5%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis56.7%–
HealthBench Professional (AA)OpenAI63.0%–
FACTS ParametricGoogle35.1%†–
指示追従
LiveBench LanguageLiveBench78.0%–
LiveBench Instruction FollowingLiveBench56.8%–
IFBenchArtificial Analysis–71.4%
MultiChallengeScale AI SEAL–56.6%†
TutorBenchScale AI SEAL–52.1%†
IFEval (HELM)HELM Capabilities–86.9%
WildBench (HELM)HELM Capabilities–86.1%
Arena Instruction FollowingArena (LMArena)1482†1403
人間の評価
Arena TextArena (LMArena)1473†1432
EQ-Bench Creative Writing v3EQ-Bench–1675
Arena Creative WritingArena (LMArena)1464†1383
Arena Multi-turnArena (LMArena)1469†1420
Arena Longer QueriesArena (LMArena)1491†1411
Lech Mazur Creative WritingLech Mazur–83.9%†
マルチモーダル
Arena VisionArena (LMArena)1284†1214
LiveBench DesignLiveBench81.3%–
MMMU-ProArtificial Analysis–70.1%
VISTAScale AI SEAL–50.1%†
MMMU-Pro (Vals)Vals AI–80.4%†
MortgageTaxVals AI–65.7%†
SAGEVals AI88.0%–
VTBScale AI SEAL–13.7%
GeoBenchGeoBench–60.0%†
VPCTEpoch AI Benchmarking Hub–52.0%†
Blueprint-Bench 2Epoch AI Benchmarking Hub39.3%†–
Furniture AssemblyEpoch AI Benchmarking Hub75.0%–
VIALS-AAHandshake AI59.6%–
Code2Video-AAArtificial Analysis1443–
AA-3DArtificial Analysis1204–
FACTS MultimodalGoogle50.4%†–
長文コンテキスト
Fiction.LiveBench 120kFiction.live–100.0%†
AA-LCR v1.1Artificial Analysis82.7%74.7%
MLCRArtificial Analysis41.7%–
FACTS GroundingGoogle62.5%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub166.6†147.1
LiveBench 2.0LiveBench77.0%–
LiveBench 1.0LiveBench75.7%–
AA Intelligence Index v5.0.1Artificial Analysis54.5–
AA Intelligence Index v4.3.2Artificial Analysis5620.2
AA Progress Index v1Artificial Analysis350.5258.3
Vals IndexVals AI70.8–
HELM Capabilities meanHELM Capabilities–81.1%
Vals Finance IndexVals AI64.5%–
Vals Science IndexVals AI59.1%–
Vals Router IndexVals AI69.0%†–
Vals Legal IndexVals AI68.0%–
安全性・誠実さ
FORTRESSScale AI SEAL–16.0%
MASKScale AI SEAL–84.5%†
PropensityBenchScale AI SEAL–10.5%
DistressBenchScale AI SEAL74.6%†–
メタデータ
AA Openness IndexArtificial Analysis–5.6

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

  • o3:BenchLeader Index 61.2 → 60.4。
  • Claude Sonnet 5.5 (max):新しい結果36件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • o3:スコアの改訂1件。
  • Claude Sonnet 5.5 (max):BenchLeader Index 65.1 → 64.6。
  • 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。
  • o3:新しい結果1件(Arena Search)。
  • 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。
  • o3: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 o3:よくある質問

Claude Sonnet 5.5はo3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o3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o3の方が安く、100万トークンあたり$3.50 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o3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 60。50が平均)。
Claude Sonnet 5.5とo3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 131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o3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71 対 70)。
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Claude Sonnet 5.5の方がスコアが高くなっています(66 対 62)。コンテキストはClaude Sonnet 5.5の方が長く、1,000,000トークンです(o3は200,000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o3です。Artificial Analysisの測定では、最初の回答トークンまで5.2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o3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4件のベンチマークのうち、Claude Sonnet 5.5のリードが4件、o3のリードが0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。
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。