BenchLeader

Claude Opus 4

推論エフォート
品質339中99位
55.7Index
中央値より上
中央値比 +5.5
価格255中248位
$30.00100万トークンあたり
高い方から4分の1
中央値の35倍
コスパ255中249位
1.9ポイント/$
下位4分の1
中央値の0.0倍

よりコスパが高いモデル: MiMo-V2.5 $0.138/MでIndex 56.3(217分の1の価格)。

より安価でスコアの高いランク付けモデルが85つあります:Claude Fable 5.2 (72.7, $16.00)、Gemini 4 Carbon (68.9, $4.00)、Claude Opus 5.5 (68.4, $8.00)ほか82つ。

2026年11月16日時点で、Claude Opus 4(Anthropic)のBenchLeader Indexは55.7です(ランク付け対象は608構成)。最も強いのは数学(65)、最も弱いのは推論(48)です。API料金は入力100万トークンあたり$15.00、出力100万トークンあたり$75.00(3:1のブレンドで$30.00)で、2026年11月16日時点の定価です。2025年5月22日にリリースされました。

要点(2026年11月16日時点)

  • Claude Opus 4のAPI料金は入力100万トークンあたり$15.00、出力100万トークンあたり$75.00(3:1のブレンドで$30.00)です(定価、2026年11月16日)。
  • Claude Opus 4は2025年5月22日にリリースされました(Anthropic)。

詳しく見ると:Claude Opus 4はAnthropicのプロプライエタリな推論モデルです(2025年5月22日リリース)。最もスコアの高い構成(推論エフォート thinking)は、BenchLeader Indexで55.7 ±4.0を記録し、608構成中202位で上位半分に入ります。重要なのはこの「±」です。ほかに268構成のスコアがこの範囲に入っており、品質だけでは区別できません。差がつくのは価格と速度です。カテゴリ別では数学が最も高く(65)、推論が最も低くなっています(48)。ブレンド価格は100万トークンあたり$30.00で、ランク付けされたモデルの中で最も高価な部類です。3通りの推論エフォート設定で測定されています。この要約は最もスコアの高い設定について述べたもので、上のタブで切り替えられます。最終測定日:2026年11月11日。

ブレンド価格
$30.00/M
入力$15.00・出力$75.00
出典:Artificial Analysis
出力速度
–
回答開始
–
コンテキスト
200k
出典:models.dev
タスクあたりコスト
–
タスクあたりトークン数
–
リリース日
2025年5月22日
カテゴリ別のスコア破線=平均的なモデル(50)。15ポイントが標準偏差1つ分です。
  1. 総合Index56
  2. 推論48
  3. コーディング58
  4. エージェント・ツール61
  5. 数学65
  6. 知識49
  7. 指示追従55
  8. 人間の評価60
  9. マルチモーダル55
  10. 長文コンテキスト59

この順位を埋め込む

ほかのバッジスタイル
[![Claude Opus 4 on BenchLeader: 総合 98位](https://www.benchleader.com/badge/claude-opus-4.svg?style=compact)](https://www.benchleader.com/models/claude-opus-4)

README.mdの冒頭、ほかのバッジの横に貼り付けてください。バッジはデータの更新ごとに描き直され、このページへリンクします。

Anthropicの新モデル公開をメールで通知

ランク入りしたときにもう1通、さらに毎週月曜に週刊レビューをお届けします。

プロバイダーとメールの種類を選ぶ

バージョン

Anthropicはこの名前で9つのモデルを公開しています。それぞれ自身の結果だけでランク付けされます。新しいバージョンはまだ結果が少ないことが多く、結果が増えるまではIndexが平均寄りになります。

モデルリリース日Index順位
Claude Opus 5.5max2026年9月22日68.4#4
Claude Opus 5max2026年7月24日65.0#23
Claude Opus 4.8max2026年5月28日61.1#67
Claude Opus 4.72026年4月16日63.1#43
Claude Opus 4.6high2026年2月5日62.5#50
Claude Opus 4.5high2025年11月24日59.7#98
Claude Opus 4.1thinking2025年8月5日58.1#137
Claude Opus 4thinkingこのページ2025年5月22日55.7#202
Claude 3 Opus2024年3月4日38.8#554

推論エフォート別の構成

同じモデルでも、どれだけ考えさせるかによって振る舞いが変わります。各行が1つの推論エフォート設定で、その設定で実行されたベンチマークだけで評価しています。「未記載」は、どの設定を使ったかを公開元が明記していない結果をまとめたものです。推論モデルの場合は思考モードであることが多いものの、そうとは仮定していません。ここかページ上部で設定を選ぶと、その価格、速度、カテゴリ別スコアを表示します。

エフォートIndex順位速度回答開始チャット返答のコストカテゴリ
推論なし––––$0.029コーディング 64 · 指示追従 46
thinking最良55.7#202––$0.029エージェント・ツール 61 · コーディング 58 · 人間の評価 60 · 指示追従 55 · 知識 49 · 長文コンテキスト 59 · 数学 65 · マルチモーダル 55 · 推論 48
未記載51.9#294––$0.029エージェント・ツール 56 · コーディング 50 · 人間の評価 59 · 指示追従 58 · 知識 55 · 長文コンテキスト 37 · 数学 57 · マルチモーダル 51 · 推論 46

Indexの推移

2026年9月8日〜2026年11月16日
475460
  • thinking
  • 標準

Indexは毎日ゼロから計算し直すため、新しいベンチマーク結果が加わったとき、公開元がスコアを修正したとき、または正規化の基準となるモデルが変わったときに線が動きます。初期の変動は、スコアがまだ落ち着いていないことを示している場合がほとんどです。

ベンチマーク結果

LLMベンチマーク一覧を見る。列は推論エフォートごとです。順位は、そのベンチマークでのすべてのモデルのすべての構成の中での位置です。スコアにカーソルを合わせると、元になった実行が表示されます。

推論

ベンチマーク推論なしthinking標準出典推移
GPQA Diamondエフォート未記載––76.3%#154Epoch AI Benchmarking Hub
Humanity's Last Examエフォート未記載––10.7%#30Scale AI / CAIS
SimpleBenchエフォート未記載––58.8%#48SimpleBench
Arena Hard Prompts–1457#1071436#135Arena (LMArena)
GPQA Diamond (AA)Index対象外70.1%#30179.6%#200–Artificial Analysis
Humanity's Last Exam (AA)Index対象外6.2%#42712.3%#298–Artificial Analysis
GPQA Diamond (Vals)Index対象外エフォート未記載––71.7%#88Vals AI
Kagi LLM Benchmark–74.3%#1559.6%#52Kagi LLM Benchmark
GPQA Diamond (HELM)Index対象外–70.9%#966.6%#15HELM Capabilities
ARC-AGI-1–35.7%#20722.5%#224ARC Prize
ARC-AGI-2–8.6%#1721.3%#226ARC Prize
Arena ExpertIndex対象外–1450#1181435#138Arena (LMArena)
LMCAIndex対象外エフォート未記載––37.4%#125Epoch AI Benchmarking Hub
DTBenchIndex対象外エフォート未記載––81.6%#132Epoch AI Benchmarking Hub

コーディング

ベンチマーク推論なしthinking標準出典推移
SWE-bench Verified (Epoch)エフォート未記載––70.7%#25Epoch AI Benchmarking Hub
WeirdMLエフォート未記載––43.7%#86WeirdML
GSO-Benchエフォート未記載––6.9%#23GSO-Bench
Arena Coding–1499#851465#128Arena (LMArena)
LiveCodeBench–70.2%#8962.6%#101Vals AI
Aider Polyglot70.7%#1572.0%#12–Aider polyglot leaderboard
SWE-bench Verified (bash only)エフォート未記載––67.6%#16SWE-bench
SWE-bench Verified (any scaffold)Index対象外エフォート未記載––73.2%#9SWE-bench
AlgoTuneIndex対象外エフォート未記載––1.3#17AlgoTune
Design Arena WebsiteIndex対象外エフォート未記載––1157#119Design Arena
LiveCodeBench (AA)Index対象外54.2%#12863.6%#99–Artificial Analysis

エージェント・ツール

ベンチマークthinking標準出典推移
Cybenchエフォート未記載–38.0%#7Cybench
Terminal-Bench Hard31.1%#109–Artificial Analysis
τ²-Bench Telecom (AA)Index対象外73.4%#147–Artificial Analysis
Arena SearchIndex対象外エフォート未記載–1152#35Arena (LMArena)
DeepResearch BenchIndex対象外エフォート未記載–46.8%#26DeepResearch Bench
METR Time HorizonsIndex対象外エフォート未記載–63.9%#16METR
BrowseComp-PlusIndex対象外エフォート未記載–15.5%#12BrowseComp-Plus
BrowseCompIndex対象外エフォート未記載–1.0%#18OpenAI

数学

ベンチマーク推論なしthinking標準出典推移
OTIS Mock AIMEエフォート未記載––64.4%#167Epoch AI Benchmarking Hub
MATH Level 5エフォート未記載––85.0%#27Epoch AI Benchmarking Hub
AIME (Vals)エフォート未記載––41.3%#68Vals AI
MGSMエフォート未記載––93.8%#8Vals AI
Omni-MATH (HELM)–61.6%#851.1%#18HELM Capabilities
MATH 500Index対象外エフォート未記載––90.4%#24Vals AI
Arena Maths–1421#1241403#150Arena (LMArena)
AIME 2025 (AA)Index対象外36.3%#16373.3%#82–Artificial Analysis

知識

ベンチマークthinking標準出典推移
MMLU-Proエフォート未記載–86.2%#47Vals AI
LegalBenchエフォート未記載–83.1%#60Vals AI
TaxEvalエフォート未記載–71.9%#68Vals AI
MedQAエフォート未記載–92.9%#26Vals AI
MultiNRC33.9%#2229.0%#24Scale AI SEAL
MMLU-Pro (HELM)Index対象外87.5%#285.9%#6HELM Capabilities

指示追従

ベンチマーク推論なしthinking標準出典推移
IFBench43.3%#22853.7%#156–Artificial Analysis
MultiChallenge–58.6%#19–Scale AI SEAL
TutorBench–49.7%#1945.5%#25Scale AI SEAL
IFEval (HELM)–84.9%#2191.8%#7HELM Capabilities
WildBench (HELM)–85.2%#1283.3%#18HELM Capabilities
Arena Instruction FollowingIndex対象外–1444#761415#123Arena (LMArena)

人間の評価

ベンチマークthinking標準出典推移
Arena Text1426#1191414#141Arena (LMArena)
EQ-Bench Creative Writing v3Index対象外エフォート未記載–1578#49EQ-Bench
Arena Creative WritingIndex対象外1433#691417#89Arena (LMArena)
Arena Multi-turnIndex対象外1439#1081431#117Arena (LMArena)
Arena Longer QueriesIndex対象外1466#681448#96Arena (LMArena)
Lech Mazur Creative WritingIndex対象外エフォート未記載–83.6%#7Lech Mazur

マルチモーダル

ベンチマークthinking標準出典推移
Arena Vision1192#971175#105Arena (LMArena)
VISTA47.0%#1843.5%#32Scale AI SEAL
MMMU-Pro (Vals)Index対象外エフォート未記載–73.3%#59Vals AI
MortgageTaxIndex対象外エフォート未記載–58.6%#67Vals AI
GeoBenchIndex対象外エフォート未記載–49.0%#39GeoBench
VPCTIndex対象外エフォート未記載–38.0%#21Epoch AI Benchmarking Hub

長文コンテキスト

ベンチマークthinking標準出典推移
Fiction.LiveBench 120kエフォート未記載–37.5%#27Fiction.live
AA-LCR v1.169.3%#243–Artificial Analysis

総合

ベンチマーク推論なしthinking標準出典推移
Epoch Capabilities IndexIndex対象外エフォート未記載––142.9#102Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2Index対象外16.6#28320.6#235–Artificial Analysis
AA Progress Index v1Index対象外200.6#413233.9#307–Artificial Analysis
HELM Capabilities meanIndex対象外–78.0%#875.7%#13HELM Capabilities

安全性・誠実さ

ベンチマークthinking標準出典推移
FORTRESSIndex対象外24.8%#4627.6%#54Scale AI SEAL
MASKIndex対象外汚染の可能性87.9%#1080.3%#24Scale AI SEAL

タスクあたりのコスト

最もスコアの高い構成の定価、出力速度、回答開始までの時間から算出した推定値です。「キャッシュあり」は、入力の4分の3が100万トークンあたり$1.50のプロンプトキャッシュから提供されると仮定しています。推論トークンは考慮していません。

ワークロード入力/出力トークンコストキャッシュあり時間
チャットの返答400 / 300$0.029$0.025–
30ページのレポートを要約12,000 / 600$0.225$0.103–
コード編集6,000 / 1,500$0.203$0.142–
エージェント型コーディングセッション60,000 / 4,000$1.20$0.593–
構造化データの抽出2,000 / 200$0.045$0.025–

Anthropicのほかのモデル

今月の新着

関連ページ

埋め込み・引用

Claude Opus 4の順位をモデルカードやREADMEに表示できます。バッジは毎日の更新に合わせて描き直され、データの日付が入り、このページへリンクします。

[![Claude Opus 4 on BenchLeader: 総合 98位](https://www.benchleader.com/badge/claude-opus-4.svg)](https://www.benchleader.com/models/claude-opus-4)

このページを引用する

ランキングは毎日変わるため、参考文献にはデータの日付を入れます。APAスタイル:

BenchLeader. (2026, November 16). Claude Opus 4 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/claude-opus-4

BibTeX:

@misc{benchleader_claude_opus_4_20261116,
  author       = {{BenchLeader}},
  title        = {{Claude Opus 4 on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/claude-opus-4}},
  note         = {Data as of 2026-11-16}
}

すべてのバッジスタイル、埋め込み用のトップ10ウィジェット、Indexの引用方法

よくある質問

Claude Opus 4のベンチマークスコアは?
2026年11月16日時点で、Claude Opus 4(推論エフォート thinking)のBenchLeader Indexは55.7 ±4.0です。最も強いのは数学(65)、最も弱いのは推論(48)です。この評価は第三者のベンチマーク結果だけに基づいており、このページのすべてのスコアに公開元へのリンクがあります。
Claude Opus 4の順位は?
2026年11月16日時点で、Claude Opus 4(推論エフォート thinking)はランク付けされた608構成中202位です。ほかに268構成のスコアが誤差の範囲内にあるため、正確な順位よりも順位帯のほうが意味を持ちます。首位はClaude Fable 5.2(推論エフォート max)で、72.7です。
Claude Opus 4の料金は100万トークンあたりいくらですか?
2026年11月16日時点で、Claude Opus 4の料金は入力100万トークンあたり$15.00、出力100万トークンあたり$75.00で、ブレンド価格(出力1トークンにつき入力3トークン)は$30.00です。
Claude Opus 4はいつリリースされましたか?
Anthropicが2025年5月22日にClaude Opus 4をリリースしました。BenchLeaderには3通りの推論エフォート設定での結果があります。

2026年11月16日時点のデータです。 これらの構成を比較

引用表記:BenchLeader「Claude Opus 4:ベンチマーク、料金、速度、順位」2026年11月16日時点のデータ、https://www.benchleader.com/ja/models/claude-opus-4