BenchLeader

Claude Sonnet 5 vs o3

詳しいプロフィール:Claude Sonnet 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 · 16件の情報源のデータ

2026年11月16日時点で、Claude Sonnet 5とo3の品質は互角です(BenchLeader Indexで59.0 対 60.4、±4.1の誤差範囲内)。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)。マルチモーダル(61 対 53)、推論(65 対 61)、人間の評価(65 対 61)を重視するならClaude Sonnet 5、エージェント・ツール(70 対 53)、数学(71 対 65)を重視するならo3が向いています。回答開始までの時間はo3の方が短く、5.2秒 対 15.8秒です。

要点(2026年11月16日時点)

  • BenchLeader IndexはClaude Sonnet 5が59.0、o3が60.4です(BenchLeader、2026年11月16日)。
  • Claude Sonnet 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)。
  • 両モデルに結果がある13件のベンチマークのうち、Claude Sonnet 5が13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
コーディングどちらでもカテゴリスコア60 対 60;Arena Coding 1520 対 1460どちらでも
エージェント・ツール利用o3カテゴリスコア70 対 53高
数学o3カテゴリスコア71 対 65;Arena Maths 1448 対 1472中
推論Claude Sonnet 5カテゴリスコア65 対 61;Arena Hard Prompts 1490 対 1441中
長い文書Claude Sonnet 5カテゴリスコア63 対 62;AA-LCR v1.1 76.7% 対 74.7%中
画像などのメディアClaude Sonnet 5カテゴリスコア61 対 53;Arena Vision 1272 対 1214高
チャットの質(人間の評価)Claude Sonnet 5Arenaの投票で65 対 61中
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 15.8秒(Claude Sonnet 5 (high))–
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 (high)とo3の品質は互角です(59.0 対 60.4、±4.1の誤差範囲内)。
  • Claude Sonnet 5 (high)はコーディング、人間の評価、長文コンテキスト、マルチモーダル、推論で優れています。
  • o3はエージェント・ツール、数学で優れています。
  • 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)。
  • o3の方が出力が1.3倍速くなっています(131 対 99トークン/秒)。

概要

仕様Claude Sonnet 5o3
プロバイダーAnthropicOpenAI
リリース日2026年6月30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 (high)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 / $0.200$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 (high)o3トップ
推論65.460.9Claude Sonnet 5
コーディング59.959.8互角
エージェント・ツール52.970.3o3
数学65.370.6o3
知識–56.2比較不可
指示追従–65.2比較不可
人間の評価64.661.0Claude Sonnet 5
マルチモーダル60.952.8Claude Sonnet 5
長文コンテキスト62.961.9Claude Sonnet 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・ツール数学長文コンテキストマルチモーダル人間の評価Claude Sonnet 5, 推論: 65.4Claude Sonnet 5, コーディング: 59.9Claude Sonnet 5, エージェント・ツール: 52.9Claude Sonnet 5, 数学: 65.3Claude Sonnet 5, 長文コンテキスト: 62.9Claude Sonnet 5, マルチモーダル: 60.9Claude Sonnet 5, 人間の評価: 64.6o3, 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, 長文コンテキスト: 61.9o3, マルチモーダル: 52.8o3, 人間の評価: 61.0

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。

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13件のベンチマークのうち、Claude Sonnet 5のリードが13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が上回っています。

総合IndexClaude Sonnet 5 (high)o3トップ
BenchLeader Index59.060.4互角
Arena Text14611432Claude Sonnet 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 (high)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$0.200$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)$0.079$0.085
出力速度99 tok/s131 tok/s
回答開始までの時間15.8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)40.7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 (high)のスコアは59.0、最初の回答トークンまで16秒。Claude Sonnet 5 (max)は56.1(158秒)、Claude Sonnet 5 (xhigh)は55.4(32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

159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 (high)o3
BenchLeader IndexBenchLeader59.060.4
エージェント・ツールスコアBenchLeader52.970.3
コーディングスコアBenchLeader59.959.8
人間の評価スコアBenchLeader64.661.0
長文コンテキストスコアBenchLeader62.961.9
数学スコアBenchLeader65.370.6
マルチモーダルスコアBenchLeader60.952.8
推論スコアBenchLeader65.460.9
指示追従スコアBenchLeader–65.2
知識スコアBenchLeader–56.2
ブレンド価格($/100万トークン)BenchLeader$4.00$3.50
出力速度BenchLeader99 tok/s131 tok/s
回答開始までの時間BenchLeader15.8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 Hub80.3%†81.8%†
Humanity's Last ExamScale AI / CAIS–20.3%†
SimpleBenchSimpleBench60.6%†53.1%†
Arena Hard PromptsArena (LMArena)14901441
LiveBench 1.0 ReasoningLiveBench88.7%†–
GPQA Diamond (AA)Artificial Analysis91.1%†82.7%
Humanity's Last Exam (AA)Artificial Analysis35.7%20.1%
GPQA Diamond (Vals)Vals AI88.9%†84.1%†
Kagi LLM BenchmarkKagi LLM Benchmark–67.6%
GPQA Diamond (HELM)HELM Capabilities–75.3%
ARC-AGI-1ARC Prize–60.8%†
ARC-AGI-2ARC Prize–6.5%†
CritPtArtificial Analysis15.1%1.1%
SciPredictScale AI SEAL–17.9%
Arena ExpertArena (LMArena)15091448
Chess PuzzlesEpoch AI Benchmarking Hub45.0%†36.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub16.0%†29.0%†
CL-benchEpoch AI Benchmarking Hub–17.8%†
LMCAEpoch AI Benchmarking Hub50.0%39.7%†
DTBenchEpoch AI Benchmarking Hub84.5%84.8%†
ForecastBenchForecastBench63.1%†64.3%
BTF-3Epoch AI Benchmarking Hub14.2%†–
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub–62.3%†
SciCodeSciCode54.3%–
WeirdMLWeirdML68.8%52.4%†
159件のベンチマークをすべて表示
指標公開元Claude Sonnet 5 (high)o3
コーディング
FrontierCodeCognition42.7%†–
GSO-BenchGSO-Bench37.3%†8.8%†
Arena CodingArena (LMArena)15201460
Arena WebDevArena (LMArena)1539–
LiveBench 1.0 CodingLiveBench80.7%†–
LiveCodeBenchVals AI82.4%†83.9%†
IOIVals AI45.0%†–
SWE-bench (Vals)Vals AI79.6%†–
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 AI44.4%†–
ProgramBenchVals AI0.0%†–
Vibe Code Bench 1-100Vals AI13.8%†–
Vibe Code Bench v1.1Vals AI81.3%†–
SWE-Bench Pro V2Scale AI SEAL93.2%†–
SWE-Bench Pro V2 HARDScale AI SEAL88.2%†–
MirrorCodeEpoch AI Benchmarking Hub63.3%†–
CadEvalEpoch AI Benchmarking Hub–74.0%†
Surface Evolver BenchEpoch AI Benchmarking Hub60.0%†–
DeepSWE v1.1Epoch AI Benchmarking Hub48.2%–
CursorBenchCursor30.8%–
ALE-BenchEpoch AI Benchmarking Hub1463.1933.5†
Terminal-Bench 4.0 (AA)Artificial Analysis5.0%–
Terminal-Bench 2.1 (AA)Artificial Analysis80.5%†–
Startrise FrontendStartrise66.6%†–
GameBench 2 OverallDuelLab GameBench 246.6†34.1
GameBench 2 by reasoning settingDuelLab GameBench 254.4†30.4†
Design Arena WebsiteDesign Arena1268†1028
FrontierCode 2.0 (AA)Artificial Analysis17.8%†–
LiveCodeBench (AA)Artificial Analysis–80.8%
エージェント・ツール
Terminal-BenchTerminal-Bench12.1%†–
GDPvalOpenAI–30.8%†
APEX-AgentsMercor54.5%†–
Arena AgentArena (LMArena)2–
LiveBench Agentic CodingLiveBench59.4%†–
Terminal-Bench HardArtificial Analysis–37.1%
τ²-Bench Telecom (AA)Artificial Analysis–80.7%
Terminal-Bench 2.1 (Vals)Vals AI74.5%†–
BFCL OverallBerkeley Function Calling Leaderboard–63.0%
GDPval-AA v2.1Artificial Analysis1262–
τ³-Banking (AA)Artificial Analysis37.3%†–
Analyst Agent (AA)Artificial Analysis46.3%†–
CyberBenchVals AI61.9%†–
Finance Agent v2Vals AI53.9%†–
Harvey's Legal Agent Benchmark v1Vals AI5.0%†–
Legal Research BenchVals AI41.8%†–
SkillsBenchVals AI46.5%†–
SREBenchVals AI0.4%†–
Tax Agent BenchVals AI29.4%†–
Terminal-Bench 4.0 (Vals)Vals AI10.6%†–
Terminal-Bench ScienceVals AI5.7%†–
Arena SearchArena (LMArena)1191†1197
Arena Agent Task CompletionArena (LMArena)-0.6–
DeepResearch BenchDeepResearch Bench–45.2%†
METR Time HorizonsMETR–63.6%
GBAEvalEpoch AI Benchmarking Hub65.3%†–
Vending-Bench 2Andon Labs6377.7†–
AutomationBenchArtificial Analysis32.1%–
GDP.pdf (AA)Artificial Analysis9.4%–
EnterpriseOps-GymArtificial Analysis44.7%†–
AA-Briefcase v1.1Artificial Analysis1177–
Design Arena AgenticDesign Arena1222†–
BrowseComp-PlusBrowseComp-Plus–50.5%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub65.6%†33.3%†
FrontierMath Tier 4Epoch AI Benchmarking Hub29.3%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub80.0%†83.9%†
MATH Level 5Epoch AI Benchmarking Hub–97.8%†
ProofBenchVals AI77.0%†–
LiveBench MathematicsLiveBench92.9%†–
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)14721448
AIME 2025 (AA)Artificial Analysis–88.3%
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub33.7%†49.4%†
LiveBench 1.0 Data AnalysisLiveBench71.7%†–
MMLU-ProVals AI87.5%†85.6%†
LegalBenchVals AI83.9%†83.8%†
CorpFinVals AI67.0%†59.7%†
TaxEvalVals AI75.6%†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%
Excel Modeling BenchmarkVals AI66.3%†–
MedCodeVals AI47.5%†47.3%†
MedScribeVals AI76.0%†76.7%†
Public Benefits Bench v1.1Vals AI66.0%†–
DrugDiscoveryBenchScale AI SEAL50.0%†–
FACTS ParametricGoogle20.5%†–
指示追従
LiveBench LanguageLiveBench75.0%†–
LiveBench Instruction FollowingLiveBench63.9%†–
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)14671403
人間の評価
Arena TextArena (LMArena)14611432
EQ-Bench 4EQ-Bench1221†–
EQ-Bench Creative Writing v3EQ-Bench1798†1675
Arena Creative WritingArena (LMArena)14341383
Arena Multi-turnArena (LMArena)14731420
Arena Longer QueriesArena (LMArena)14811411
Lech Mazur Creative WritingLech Mazur–83.9%†
マルチモーダル
Arena VisionArena (LMArena)12721214
MMMU-ProArtificial Analysis77.3%†70.1%
VISTAScale AI SEAL–50.1%†
MMMU-Pro (Vals)Vals AI83.0%†80.4%†
MortgageTaxVals AI70.0%†65.7%†
Humanity's Sixth SenseScale AI SEAL24.8%†–
VTBScale AI SEAL–13.7%
GeoBenchGeoBench74.0%60.0%†
VPCTEpoch AI Benchmarking Hub–52.0%†
Blueprint-Bench 2Epoch AI Benchmarking Hub24.9%†–
長文コンテキスト
Fiction.LiveBench 120kFiction.live–100.0%†
AA-LCR v1.1Artificial Analysis76.7%74.7%
Arena DocumentArena (LMArena)1469–
MLCRArtificial Analysis4.4%–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.9†147.1
LiveBench 1.0LiveBench76.0%†–
AA Intelligence Index v4.3.2Artificial Analysis31.720.2
AA Progress Index v1Artificial Analysis296.8258.3
HELM Capabilities meanHELM Capabilities–81.1%
Vals Multimodal IndexVals AI68.8%†–
安全性・誠実さ
FORTRESSScale AI SEAL–16.0%
MASKScale AI SEAL–84.5%†
PropensityBenchScale AI SEAL–10.5%
DistressBenchScale AI SEAL68.0%†–
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。
  • o3:スコアの改訂1件。
  • Claude Sonnet 5 (high):新しい結果2件(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Claude Sonnet 5 (high):BenchLeader Index 59.5 → 59.0。
  • Claude Sonnet 5 (high):新しい結果1件(GeoBench)。
  • Claude Sonnet 5 (high):スコアの改訂1件。
  • o3:新しい結果1件(Arena Search)。
  • o3:スコアの改訂1件。
  • Claude Sonnet 5 (high):スコアの改訂1件。
  • Claude Sonnet 5 (high):新しい結果1件(AA Progress Index v1)。

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 Sonnet 5 vs o3:よくある質問

Claude Sonnet 5はo3より優れていますか?
Claude Sonnet 5 (high)とo3の品質は互角です(59.0 対 60.4、±4.1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とo3のどちらが向いていますか?
コーディングでは互角です(カテゴリ指標で60 対 60)。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 Codingでは、Claude Sonnet 5が1520、o3が1460です。
Claude Sonnet 5とo3はどちらが速いですか?
o3の方が出力が速くなっています(出力131 対 99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o3の方がスコアが高くなっています(カテゴリ指標で70 対 53。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Claude Sonnet 5の方がスコアが高くなっています(63 対 62)。コンテキストはClaude Sonnet 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 15.8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13件のベンチマークのうち、Claude Sonnet 5のリードが13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が上回っています。
Claude Sonnet 5はいつリリースされましたか?
Claude Sonnet 5は2026年6月30日にリリースされました。