BenchLeader

Claude Opus 4.1

推論エフォート
品質339中65位
58.1Index
上位4分の1
中央値比 +7.9
価格255中248位
$30.00100万トークンあたり
高い方から4分の1
中央値の35倍
速度216中215位
14トークン/秒
下位4分の1
中央値の0.2倍
コスパ255中248位
1.9ポイント/$
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55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52つ。

2026年11月16日時点で、Claude Opus 4.1(Anthropic)のBenchLeader Indexは58.1です(ランク付け対象は608構成)。最も強いのは推論(64)、最も弱いのはコーディング(53)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。出力速度は約14トークン/秒です(OpenRouter)。2025年8月5日にリリースされました。

要点(2026年11月16日時点)

  • Claude Opus 4.1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 4.1の出力速度は約14トークン/秒です(OpenRouter、2026年11月16日)。
  • Claude Opus 4.1は2025年8月5日にリリースされました(Anthropic)。

詳しく見ると:Claude Opus 4.1はAnthropicのプロプライエタリな推論モデルです(2025年8月5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58.1 ±2.5を記録し、608構成中137位で上位半分に入ります。重要なのはこの「±」です。ほかに228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。カテゴリ別では推論が最も高く(64)、コーディングが最も低くなっています(53)。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。出力速度は14トークン/秒、最初のトークンまで3.4秒で、最も遅い4分の1に入ります。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
14 tok/s
OpenRouterのトラフィック(7日間の中央値)。Artificial Analysisによる測定はまだありません
回答開始
3.37 s
コンテキスト
200k
出典:OpenRouter
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8月5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Index58
  2. 推論64
  3. コーディング53
  4. エージェント・ツール64
  5. 数学61
  6. 知識58
  7. 指示追従53
  8. 人間の評価63
  9. マルチモーダル56
  10. 長文コンテキスト63

この順位を埋め込む

ほかのバッジスタイル
[![Claude Opus 4.1 on BenchLeader: 総合 65位](https://www.benchleader.com/badge/claude-opus-4-1.svg?style=compact)](https://www.benchleader.com/models/claude-opus-4-1)

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 4.1thinkingこのページ2025年8月5日58.1#137
Claude Opus 4thinking2025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––14 tok/s3.37 s$0.029
thinking最良58.1#13714 tok/s3.37 s$0.029エージェント・ツール 64 · コーディング 53 · 人間の評価 63 · 指示追従 53 · 知識 58 · 長文コンテキスト 63 · 数学 61 · マルチモーダル 56 · 推論 64
未記載51.1#32214 tok/s3.37 s$0.029エージェント・ツール 55 · コーディング 48 · 人間の評価 63 · 指示追従 40 · 知識 49 · 数学 46 · マルチモーダル 56 · 推論 53

Indexの推移

2026年9月8日〜2026年11月16日
495561
  • 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thinking標準出典推移
GPQA Diamondエフォート未記載–77.3%#148Epoch AI Benchmarking Hub
Humanity's Last Examエフォート未記載–11.5%#29Scale AI / CAIS
SimpleBenchエフォート未記載–60.0%#47SimpleBench
Arena Hard Prompts1480#691478#70Arena (LMArena)
GPQA Diamond (AA)Index対象外80.9%#191–Artificial Analysis
Humanity's Last Exam (AA)Index対象外12.5%#297–Artificial Analysis
GPQA Diamond (Vals)Index対象外76.3%#7670.0%#92Vals AI
CritPtIndex対象外0.0%#337–Artificial Analysis
SciPredictIndex対象外エフォート未記載–22.2%#4Scale AI SEAL
Arena ExpertIndex対象外1482#741465#101Arena (LMArena)
Mystery Game PuzzlesIndex対象外エフォート未記載–21.0%#62Epoch AI Benchmarking Hub
LMCAIndex対象外エフォート未記載–37.1%#127Epoch AI Benchmarking Hub
DTBenchIndex対象外エフォート未記載–80.0%#140Epoch AI Benchmarking Hub
ForecastBenchIndex対象外エフォート未記載–64.4%#24ForecastBench

コーディング

ベンチマークthinking標準出典推移
SWE-bench Verified (Epoch)エフォート未記載–73.3%#20Epoch AI Benchmarking Hub
WeirdMLエフォート未記載–45.9%#82WeirdML
Arena Coding1511#571505#70Arena (LMArena)
Arena WebDevエフォート未記載–1389#107Arena (LMArena)
LiveCodeBench66.5%#9664.6%#99Vals AI
SWE-Bench Pro (private)Index対象外エフォート未記載–17.8%#10Scale AI SEAL
ALE-BenchIndex対象外エフォート未記載–674.8#100Epoch AI Benchmarking Hub
AlgoTuneIndex対象外エフォート未記載–1.3#16AlgoTune
Design Arena WebsiteIndex対象外1169#1091156#120Design Arena
LiveCodeBench (AA)Index対象外65.3%#89–Artificial Analysis

エージェント・ツール

ベンチマークthinking標準出典推移
Terminal-Benchエフォート未記載–38.0%#60Terminal-Bench
GDPvalエフォート未記載–43.6%#3OpenAI
Cybenchエフォート未記載–42.0%#5Cybench
Terminal-Bench Hard34.3%#88–Artificial Analysis
τ²-Bench Telecom (AA)Index対象外71.4%#154–Artificial Analysis
Arena SearchIndex対象外エフォート未記載–1167#32Arena (LMArena)
DeepResearch BenchIndex対象外エフォート未記載–48.3%#19DeepResearch Bench
METR Time HorizonsIndex対象外エフォート未記載–66.8%#13METR
BrowseCompIndex対象外エフォート未記載–1.0%#18OpenAI

数学

ベンチマークthinking標準出典推移
FrontierMath Tiers 1–3エフォート未記載–12.6%#108Epoch AI Benchmarking Hub
FrontierMath Tier 4エフォート未記載–2.4%#73Epoch AI Benchmarking Hub
OTIS Mock AIMEエフォート未記載–68.9%#153Epoch AI Benchmarking Hub
AIME (Vals)78.2%#4844.2%#64Vals AI
MGSM94.4%#394.2%#5Vals AI
MATH 500Index対象外95.4%#493.0%#17Vals AI
Arena Maths1444#871433#105Arena (LMArena)
AIME 2025 (AA)Index対象外80.3%#62–Artificial Analysis

知識

ベンチマークthinking標準出典推移
MMLU-Pro87.9%#2387.2%#33Vals AI
LegalBenchエフォート未記載–83.5%#54Vals AI
TaxEval73.7%#4671.5%#76Vals AI
MedQA93.6%#2292.5%#29Vals AI
PRBench Financeエフォート未記載–35.1%#37Scale AI SEAL
PRBench Legalエフォート未記載–34.0%#46Scale AI SEAL
MultiNRC汚染の可能性38.4%#1929.7%#23Scale AI SEAL
MedCodeIndex対象外47.2%#3441.4%#52Vals AI
MedScribeIndex対象外73.9%#8071.8%#89Vals AI
EBR-benchIndex対象外エフォート未記載–7.9%#28Epoch AI Benchmarking Hub

指示追従

ベンチマークthinking標準出典推移
IFBench55.4%#147–Artificial Analysis
MultiChallenge57.2%#20–Scale AI SEAL
TutorBench50.8%#1747.4%#22Scale AI SEAL
Arena Instruction FollowingIndex対象外1458#561454#61Arena (LMArena)

人間の評価

ベンチマークthinking標準出典推移
Arena Text1450#801448#85Arena (LMArena)
Arena Creative WritingIndex対象外1446#521442#58Arena (LMArena)
Arena Multi-turnIndex対象外1471#621469#66Arena (LMArena)
Arena Longer QueriesIndex対象外1485#411472#63Arena (LMArena)
Lech Mazur Creative WritingIndex対象外エフォート未記載–84.7%#3Lech Mazur

マルチモーダル

ベンチマークthinking標準出典推移
MMMU-Pro67.9%#179–Artificial Analysis
VISTA48.4%#1545.3%#28Scale AI SEAL
MMMU-Pro (Vals)Index対象外77.5%#5173.7%#57Vals AI
MortgageTaxIndex対象外56.1%#7461.1%#61Vals AI
VTBIndex対象外5.2%#144.7%#15Scale AI SEAL
VPCTIndex対象外エフォート未記載–35.0%#26Epoch AI Benchmarking Hub

長文コンテキスト

ベンチマークthinking出典推移
AA-LCR v1.176.0%#165Artificial 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––144.8#93Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2Index対象外18.6#26022.9#203–Artificial Analysis
AA Progress Index v1Index対象外–242.2#284–Artificial Analysis

安全性・誠実さ

ベンチマークthinking標準出典推移
FORTRESSIndex対象外14.8%#1816.1%#23Scale AI SEAL
MASKIndex対象外汚染の可能性94.2%#487.4%#11Scale AI SEAL

強みのあるベンチマーク

測定されたすべての構成の中で、この構成が上位5位以内に入っているベンチマークです。

API料金:提供プロバイダー別

OpenRouter経由でこのモデルを提供しているすべてのプロバイダーです。スループットと最初のトークンまでのレイテンシは直近30分の実トラフィックで測定し、価格は各プロバイダー自身のものです。紫は各列の最良値を示します。

プロバイダー速度最初のトークン入力 $/M出力 $/Mコンテキスト量子化
Amazon Bedrock14 tok/s3.31 s$15.00$75.00200k–

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$0.02524.8 s
30ページのレポートを要約12,000 / 600$0.225$0.10346.2 s
コード編集6,000 / 1,500$0.203$0.1421.8 min
エージェント型コーディングセッション60,000 / 4,000$1.20$0.5934.8 min
構造化データの抽出2,000 / 200$0.045$0.02517.7 s

Anthropicのほかのモデル

今月の新着

Claude Opus 4.1と比較する

関連ページ

埋め込み・引用

Claude Opus 4.1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 4.1 on BenchLeader: 総合 65位](https://www.benchleader.com/badge/claude-opus-4-1.svg)](https://www.benchleader.com/models/claude-opus-4-1)

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 4.1 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/claude-opus-4-1

BibTeX:

@misc{benchleader_claude_opus_4_1_20261116,
  author       = {{BenchLeader}},
  title        = {{Claude Opus 4.1 on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/claude-opus-4-1}},
  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 4.1のベンチマークスコアは?
2026年11月16日時点で、Claude Opus 4.1(推論エフォート thinking)のBenchLeader Indexは58.1 ±2.5です。最も強いのは推論(64)、最も弱いのはコーディング(53)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 4.1の順位は?
2026年11月16日時点で、Claude Opus 4.1(推論エフォート thinking)はランク付けされた608構成中137位です。ほかに228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 4.1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 4.1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 4.1はMuse Spark 1.3より優れていますか?
2026年11月16日時点で、Claude Opus 4.1(推論エフォート thinking)とMuse Spark 1.3の品質はほぼ互角です(BenchLeader Indexで58.1対61.6、±8.6の誤差の範囲内)。価格と速度、重視するカテゴリで選んでください。ベンチマークごとの詳細は比較ページにあります。
Claude Opus 4.1はいつリリースされましたか?
Anthropicが2025年8月5日にClaude Opus 4.1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 4.1: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-4-1