modelbench

AI モデル × effort のベンチマーク比較

Cost and score, by effort.モデルと effort を、コストとスコアで見比べる

公開されているベンチマーク結果を、モデルと effort ごとに並べました。Claude Code や Codex でモデルと effort を選ぶときの目安にしてください。値はすべて出典つきです。

モデルは一覧表で探せます。モデル名をそれぞれのページで開けます。

比較できるモデル
57モデル
ベンチマーク
104種類
データの取得日(最新)
2026-11-13

コストとスコアの図

同じモデルの点を effort の弱い順に線でつないでいます。コストの横軸では左上ほど安くて高スコアです。読み方は図の下の「図の読み方」にあります。

横軸

Terminal-Bench 4.0

    図の読み方
    • 縦軸はスコア、横軸は出典が報告したコスト(対数)か effort の順です。コストの横軸では、左上ほど安くて高スコアです。
    • コストは出典が報告した金額で、指標(1 タスクあたり・1 試行あたり・見積もり値など)は出典ごとに違います。指標名は軸の見出し・ツールチップ・データ点の表に出します。API の単価表から計算した値ではありません。出典のコストの無い点は対数軸に描けないため、件数だけを示します。
    • 白抜きの点は、出典のグラフから読み取った近似値です。
    • 図の下に、表示中の点の計測・報告(出典に記載のある、値を計測または報告した主体)ごとの件数を出します。公式発表でも、他社のモデルの値を発表元が計測していることがあります。
    • 公式発表・第三者の計測・論文は条件が違うため、同じ図に混ぜず、出典区分を切り替えて見ます。同じ区分でも測定条件(ハーネスや pass@1 / best-of-N など)が違う結果は別の比較グループにし、グループを切り替えて見ます。
    この図のデータ点と出典
    モデルeffortスコア出典のコスト(指標)計測・報告取得方法出典取得日
    総合(性能優先)

    ランキング

    ランキングをもっと見る

    第三者の結果だけで、4 つのベンチマーク(GPQA Diamond、FrontierMath Tiers 1-3(v2)、FrontierMath Tier 4(v2)、SimpleQA Verified)のすべてに値のある 8 モデル・8 件を比べた集計です。サイト全体の総合点ではありません。

    順位モデル(effort)提供元スコア(百分位)カバレッジ単価(入力 / 出力)
    1Claude Fable 5.2MaxAnthropic・カバレッジ 6/10・単価 $8.00 / $40.00Anthropic846/10$8.00 / $40.00
    1GPT-6 AstraMaxOpenAI・カバレッジ 9/10・単価 $10.00 / $50.00OpenAI849/10$10.00 / $50.00
    3GPT-6.1 SolMaxOpenAI・カバレッジ 9/10・単価 $2.00 / $10.00OpenAI799/10$2.00 / $10.00
    4Claude Opus 5.5MaxAnthropic・カバレッジ 7/10・単価 $4.00 / $20.00Anthropic507/10$4.00 / $20.00
    5GPT-6.1 TerraMaxOpenAI・カバレッジ 6/10・単価 $1.00 / $5.00OpenAI466/10$1.00 / $5.00
    6Claude Sonnet 5.5MaxAnthropic・カバレッジ 7/10・単価 $2.00 / $10.00Anthropic437/10$2.00 / $10.00
    7GPT-6 LunaMaxOpenAI・カバレッジ 9/10・単価 $0.10 / $0.50OpenAI149/10$0.10 / $0.50
    8Claude Haiku 5.5MaxAnthropic・カバレッジ 6/10・単価 $0.10 / $0.50Anthropic06/10$0.10 / $0.50
    • スコアは、各比較グループの中で付けた順位を百分位(1 位 = 100、最下位 = 0)にし、ベンチマークごとに平均してからベンチマーク間で平均した値です。この集計の中でだけ比べられます。
    • カバレッジは、そのモデル × effort に値のあるベンチマークの数 / 第三者の結果があるベンチマークの数です。
    • この集計に入った値の計測・報告と件数: Epoch AI(32)
    • 単価は USD / 100 万トークン(各社の料金表。effort では変わりません)。出典はモデルのページにあります。
    • 今 Claude Code / Codex で選べるモデルだけで順位を付けています。旧モデルや選べないモデルを含めた順位はすべてのモデルのランキング(記録)にあります。
    用途別

    役割ごとの比較を見る

    役割ごとに重視するベンチマークのカテゴリを決め、Claude Code / Codex で選べるモデルを比べています。役割名から Claude Code の比較へ、下のリンクから Codex の比較へ移ります。