BenchLeader

Claude Opus 4.8

推論エフォート
品質339中31位
61.1Index
上位10%
中央値比 +10.9
価格255中235位
$10.00100万トークンあたり
高い方から4分の1
中央値の12倍
速度216中101位
85トークン/秒
中央値より上
中央値の1.0倍
コスパ255中238位
6.1ポイント/$
下位4分の1
中央値の0.1倍

よりコスパが高いモデル: Kimi K2.5 $1.20/MでIndex 59.4(88%安い)。

より安価でスコアの高いランク付けモデルが19つあります:Gemini 4 Carbon (68.9, $4.00)、Claude Opus 5.5 (68.4, $8.00)、GPT-6.1 Sol (66.6, $4.00)ほか16つ。

2026年11月16日時点で、Claude Opus 4.8(Anthropic)のBenchLeader Indexは61.1です(ランク付けされた608構成中上位100位以内)。最も強いのは数学(68)、最も弱いのはエージェント・ツール(57)です。API料金は入力100万トークンあたり$5.00、出力100万トークンあたり$25.00(3:1のブレンドで$10.00)で、2026年11月16日時点の定価です。出力速度は約85トークン/秒です(Artificial Analysis)。2026年5月28日にリリースされました。

要点(2026年11月16日時点)

  • Claude Opus 4.8のAPI料金は入力100万トークンあたり$5.00、出力100万トークンあたり$25.00(3:1のブレンドで$10.00)です(定価、2026年11月16日)。
  • Claude Opus 4.8の出力速度は約85トークン/秒です(Artificial Analysis、2026年11月16日)。
  • Claude Opus 4.8は2026年5月28日にリリースされました(Anthropic)。

詳しく見ると:Claude Opus 4.8はAnthropicのプロプライエタリな推論モデルです(2026年5月28日リリース)。最もスコアの高い構成(推論エフォート max)は、BenchLeader Indexで61.1 ±3.9を記録し、608構成中67位で上位半分に入ります。重要なのはこの「±」です。ほかに193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(68)、エージェント・ツールが最も低くなっています(57)。ブレンド価格は100万トークンあたり$10.00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85トークン/秒、回答開始まで39.1秒で、多くのモデルより高速です。8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10月13日。

ブレンド価格
$10.00/M
入力$5.00・出力$25.00
出典:Artificial Analysis
出力速度
85 tok/s
Artificial Analysisによる測定
回答開始
39 s
最初のトークン 0.77 s
コンテキスト
1M
出典:models.dev
回答完了まで
81 s
最終測定2026年11月13日
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
2026年5月28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Index61
  2. 推論64
  3. コーディング62
  4. エージェント・ツール57
  5. 数学68
  6. 知識61
  7. 指示追従62
  8. 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 4.8 on BenchLeader: 総合 31位](https://www.benchleader.com/badge/claude-opus-4-8.svg?style=compact)](https://www.benchleader.com/models/claude-opus-4-8)

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 4.8maxこのページ2026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 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––67 tok/s0.77 s$0.0095コーディング 64 · 数学 60 · 推論 61
low––67 tok/s0.77 s$0.0095数学 66 · 推論 61
medium––67 tok/s0.77 s$0.0095コーディング 68 · 推論 64
high60.4#7867 tok/s0.77 s$0.0095コーディング 61 · 人間の評価 67 · 数学 68 · マルチモーダル 64 · 推論 60
xhigh––67 tok/s0.77 s$0.0095コーディング 72 · 推論 30
max最良61.1#6785 tok/s39 s$0.0095エージェント・ツール 57 · コーディング 62 · 指示追従 62 · 知識 61 · 長文コンテキスト 63 · 数学 68 · 推論 64
thinking––67 tok/s0.77 s$0.0095推論 80
未記載58.7#12367 tok/s0.77 s$0.0095エージェント・ツール 49 · コーディング 61 · 人間の評価 64 · 数学 66 · マルチモーダル 63 · 推論 62

Indexの推移

2026年9月8日〜2026年11月16日
556167
  • max
  • high
  • 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lowmediumhighxhighmaxthinking標準出典推移
GPQA Diamond85.3%#9988.4%#68–––91.0%#38––Epoch AI Benchmarking Hub
SimpleBenchエフォート未記載–––––––64.8%#32SimpleBench
Arena Hard Prompts–––1513#18–––1505#26Arena (LMArena)
LiveBench 1.0 ReasoningIndex対象外–––––89.2%#19––LiveBench
GPQA Diamond (AA)Index対象外–––––92.0%#41––Artificial Analysis
Humanity's Last Exam (AA)Index対象外–––––48.7%#39––Artificial Analysis
GPQA Diamond (Vals)Index対象外–––––92.4%#16––Vals AI
EnigmaEval––––23.5%#5–––Scale AI SEAL
Kagi LLM Benchmark––––––88.8%#2–Kagi LLM Benchmark
ARC-AGI-1–88.0%#9891.5%#7292.0%#67–92.5%#62––ARC Prize
ARC-AGI-2–62.2%#8571.7%#6472.1%#62––––ARC Prize
ARC-AGI-3–––1.5%#47––––ARC Prize
CritPtIndex対象外–––––20.9%#68––Artificial Analysis
Arena ExpertIndex対象外–––1526#17–––1514#27Arena (LMArena)
Chess PuzzlesIndex対象外19.0%#10529.0%#73–––52.0%#19––Epoch AI Benchmarking Hub
Mystery Game PuzzlesIndex対象外––––31.0%#3736.0%#26––Epoch AI Benchmarking Hub
LMCAIndex対象外–––––57.5%#45––Epoch AI Benchmarking Hub
DTBenchIndex対象外–––––94.9%#51––Epoch AI Benchmarking Hub
ForecastBenchIndex対象外–––––66.1%#5–62.4%#55ForecastBench
BTF-3Index対象外–––14.0%#613.2%#11–––Epoch AI Benchmarking Hub

コーディング

ベンチマーク推論なしlowmediumhighxhighmax標準出典推移
SciCode–––––53.5%#84–SciCode
WeirdML70.5%#32–76.0%#27–82.9%#17––WeirdML
FrontierCodeエフォート未記載––––––46.5%#14Cognition
GSO-Benchエフォート未記載––––––47.1%#5GSO-Bench
Arena Coding–––1534#15––1529#25Arena (LMArena)
Arena WebDev–––1555#49––1536#57Arena (LMArena)
LiveBench 1.0 CodingIndex対象外–––––81.8%#12–LiveBench
SciCode (AA)Index対象外–––––54.4%#72–Artificial Analysis
LiveCodeBench–––––87.8%#11–Vals AI
SWE-bench (Vals)Index対象外–––––88.6%#1285.8%#16Vals AI
Code MigrationIndex対象外–––––47.3%#16–Vals AI
ProgramBenchIndex対象外–––––1.0%#16–Vals AI
Vibe Code Bench v1.1Index対象外–––––82.7%#2777.5%#40Vals AI
SWE Atlas v1.0: Codebase QnAIndex対象外––––57.3%#4––Scale AI SEAL
SWE Atlas v1.0: RefactoringIndex対象外エフォート未記載––––––46.7%#5Scale AI SEAL
SWE Atlas v1.0: Test WritingIndex対象外––––49.6%#6––Scale AI SEAL
MirrorCodeIndex対象外–––––65.6%#10–Epoch AI Benchmarking Hub
Surface Evolver BenchIndex対象外68.1%#11––87.5%#6–––Epoch AI Benchmarking Hub
DeepSWE v1.1Index対象外–40.8%#5648.7%#4951.8%#4654.4%#3959.0%#34–Epoch AI Benchmarking Hub
ALE-BenchIndex対象外1411.8#33––1563.8#27–––Epoch AI Benchmarking Hub
Terminal-Bench 4.0 (AA)Index対象外–––––21.7%#84–Artificial Analysis
Terminal-Bench 2.1 (AA)Index対象外–––––84.6%#28–Artificial Analysis
GameBench 2 OverallIndex対象外設定全体––––––49.4#35DuelLab GameBench 2
GameBench 2 by reasoning settingIndex対象外––45.1#114–62.5#59––DuelLab GameBench 2
Design Arena WebsiteIndex対象外エフォート未記載––––––1250#59Design Arena

エージェント・ツール

ベンチマークlowmediumhighmax標準出典推移
Terminal-Bench–––23.6%#83–Terminal-Bench
OSWorld-Verified 2.0–––20.6%#7–OSWorld
Remote Labor Indexエフォート未記載––––8.3%#7Scale AI / CAIS
APEX-Agents–––48.9%#37–Mercor
LiveBench Agentic CodingIndex対象外–––50.5%#43–LiveBench
Terminal-Bench Hard–––58.3%#10–Artificial Analysis
τ²-Bench Telecom (AA)Index対象外–––94.4%#30–Artificial Analysis
Terminal-Bench 2.1 (Vals)–––71.9%#2569.7%#28Vals AI
MCP Atlas–––82.2%#12–Scale AI SEAL
HiL-Benchエフォート未記載––––35.3%#27Scale AI SEAL
τ³-bench BankingIndex対象外–––39.7%#8–τ²-bench
GDPval-AA v2.1Index対象外–––1461#72–Artificial Analysis
τ³-Banking (AA)–––34.2%#55–Artificial Analysis
Analyst Agent (AA)Index対象外–––45.0%#18–Artificial Analysis
Finance Agent v2Index対象外–––53.9%#30–Vals AI
Harvey's Legal Agent Benchmark v1Index対象外–––9.6%#21–Vals AI
Legal Research BenchIndex対象外–––43.8%#27–Vals AI
SkillsBenchIndex対象外–––59.2%#9–Vals AI
Tax Agent BenchIndex対象外–––30.0%#36–Vals AI
Terminal-Bench 2.0 (Vals)Index対象外–––70.0%#2–Vals AI
Terminal-Bench 4.0 (Vals)Index対象外–––23.2%#34–Vals AI
Terminal-Bench ScienceIndex対象外–––4.3%#27–Vals AI
Time Horizon Index: KSPIndex対象外–––11.8%#8–Vals AI
Arena SearchIndex対象外エフォート未記載––––1194#23Arena (LMArena)
DeepResearch BenchIndex対象外49.3%#1447.4%#2450.2%#10––DeepResearch Bench
PostTrainBenchIndex対象外––30.7%#1331.0%#12–Epoch AI Benchmarking Hub
GBAEvalIndex対象外エフォート未記載––––70.9%#3Epoch AI Benchmarking Hub
Vending-Bench 2Index対象外–––2992.3#525787.4#26Andon Labs
AutomationBenchIndex対象外–––45.6%#122–Artificial Analysis
GDP.pdf (AA)Index対象外–––22.8%#64–Artificial Analysis
EnterpriseOps-GymIndex対象外–––44.0%#19–Artificial Analysis
AA-Briefcase v1.1Index対象外–––1320#93–Artificial Analysis
Design Arena AgenticIndex対象外エフォート未記載––––1226#28Design Arena

数学

ベンチマーク推論なしlowhighmax標準出典推移
FrontierMath Tiers 1–3–––80.0%#20–Epoch AI Benchmarking Hub
FrontierMath Tier 4–––56.1%#28–Epoch AI Benchmarking Hub
OTIS Mock AIME84.4%#10997.8%#37–98.3%#30–Epoch AI Benchmarking Hub
ProofBench–––69.0%#20–Vals AI
LiveBench MathematicsIndex対象外–––94.3%#19–LiveBench
AIME 2026汚染の可能性–––100.0%#1–MathArena
HMMT February 2026汚染の可能性–––95.5%#6–MathArena
MathArena Apex汚染の可能性–––81.3%#1–MathArena
Arena Maths––1492#25–1476#45Arena (LMArena)

知識

ベンチマークmax出典推移
SimpleQA Verified53.0%#26Epoch AI Benchmarking Hub
LiveBench 1.0 Data AnalysisIndex対象外66.0%#57LiveBench
MMLU-Pro89.6%#9Vals AI
LegalBench83.6%#53Vals AI
CorpFin66.7%#18Vals AI
TaxEval75.6%#14Vals AI
Excel Modeling BenchmarkIndex対象外69.4%#15Vals AI
MedCodeIndex対象外53.2%#10Vals AI
MedScribeIndex対象外85.8%#25Vals AI
Public Benefits Bench v1.1Index対象外68.1%#13Vals AI
DrugDiscoveryBenchIndex対象外46.8%#12Scale AI SEAL
EBR-benchIndex対象外28.6%#17Epoch AI Benchmarking Hub
GDP.pdfIndex対象外24.0%#19Epoch AI Benchmarking Hub

指示追従

ベンチマークhighmax標準出典推移
LiveBench LanguageIndex対象外–79.7%#35–LiveBench
LiveBench Instruction FollowingIndex対象外–72.0%#20–LiveBench
IFBench–62.2%#119–Artificial Analysis
Arena Instruction FollowingIndex対象外1492#14–1479#26Arena (LMArena)

人間の評価

ベンチマークhigh標準出典推移
Arena Text1482#271474#41Arena (LMArena)
EQ-Bench 4エフォート未記載–1268#9EQ-Bench
EQ-Bench Creative Writing v3Index対象外エフォート未記載–1840#22EQ-Bench
Arena Creative WritingIndex対象外1470#211464#28Arena (LMArena)
Arena Multi-turnIndex対象外1497#131493#19Arena (LMArena)
Arena Longer QueriesIndex対象外1503#131499#18Arena (LMArena)

マルチモーダル

ベンチマークhighmax標準出典推移
Arena Vision1295#23–1289#28Arena (LMArena)
MMMU-Pro (Vals)Index対象外–86.6%#18–Vals AI
MortgageTaxIndex対象外–69.9%#5–Vals AI
Humanity's Sixth SenseIndex対象外–23.5%#31–Scale AI SEAL
GeoBenchIndex対象外81.0%#11––GeoBench
Blueprint-Bench 2Index対象外エフォート未記載––14.5%#30Epoch AI Benchmarking Hub
Furniture AssemblyIndex対象外–42.5%#19–Epoch AI Benchmarking Hub

長文コンテキスト

ベンチマークhighmax標準出典推移
AA-LCR v1.1–77.7%#144–Artificial Analysis
Arena DocumentIndex対象外1485#9–1476#14Arena (LMArena)
MLCRIndex対象外–19.4%#58–Artificial Analysis

総合

ベンチマークmax標準出典推移
Epoch Capabilities IndexIndex対象外エフォート未記載–159.9#21Epoch AI Benchmarking Hub
LiveBench 1.0Index対象外76.2%#30–LiveBench
AA Intelligence Index v4.3.2Index対象外41.8#61–Artificial Analysis
AA Progress Index v1Index対象外318.4#70–Artificial Analysis
Vals RSI IndexIndex対象外24.0%#13–Vals AI
Vals Multimodal IndexIndex対象外70.9%#5–Vals AI

安全性・誠実さ

ベンチマークmax標準出典推移
FORTRESSIndex対象外18.2%#35–Scale AI SEAL
DistressBenchIndex対象外エフォート未記載–71.4%#23Scale AI SEAL

GameBench 2 Overall: 49.4. GameBench 2, best reasoning setting (XHigh): 62.5. 参考値で、BenchLeader Indexには含まれません。

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.

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
Google Vertex74 tok/s0.88 s$5.00$25.001M–
Claude Platform on AWS72 tok/s1.30 s$5.00$25.001M–
Amazon Bedrock64 tok/s0.92 s$5.00$25.001M–
Anthropic43 tok/s1.06 s$5.00$25.001M–

利用状況

Claude Opus 4.8が実際にどれだけ使われているかを、利用状況を公開しているゲートウェイの報告に基づいて示します。利用状況はIndexには含まれません。よく使われているモデルとプロバイダー

コーディングエージェントのターンに占める割合、30日間
0.05%
Claude Codeで99%

出典: T3 Code via Slopalytics。

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$0.500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$0.0095$0.008142.6 s
30ページのレポートを要約12,000 / 600$0.075$0.03546.1 s
コード編集6,000 / 1,500$0.068$0.04756.7 s
エージェント型コーディングセッション60,000 / 4,000$0.400$0.1981.4 min
構造化データの抽出2,000 / 200$0.015$0.008341.4 s

Anthropicのほかのモデル

今月の新着

Claude Opus 4.8と比較する

関連ページ

埋め込み・引用

Claude Opus 4.8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 4.8 on BenchLeader: 総合 31位](https://www.benchleader.com/badge/claude-opus-4-8.svg)](https://www.benchleader.com/models/claude-opus-4-8)

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 4.8 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/claude-opus-4-8

BibTeX:

@misc{benchleader_claude_opus_4_8_20261116,
  author       = {{BenchLeader}},
  title        = {{Claude Opus 4.8 on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/claude-opus-4-8}},
  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 4.8のベンチマークスコアは?
2026年11月16日時点で、Claude Opus 4.8(推論エフォート max)のBenchLeader Indexは61.1 ±3.9です(上位100位以内)。最も強いのは数学(68)、最も弱いのはエージェント・ツール(57)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 4.8の順位は?
2026年11月16日時点で、Claude Opus 4.8(推論エフォート max)はランク付けされた608構成中67位です(上位100位以内)。ほかに193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 4.8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 4.8の料金は入力100万トークンあたり$5.00、出力100万トークンあたり$25.00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$10.00です。
Claude Opus 4.8はGemini 3.6 Flashより優れていますか?
2026年11月16日時点で、Claude Opus 4.8(推論エフォート max)とGemini 3.6 Flash(推論エフォート high)の品質はほぼ互角です(BenchLeader Indexで61.1対61.0、±4.9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 4.8はいつリリースされましたか?
Anthropicが2026年5月28日にClaude Opus 4.8をリリースしました。BenchLeaderには8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 4.8: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-4-8