Terminal-Bench 4.0
CLI 環境で複雑な多段階の専門タスクを完遂できるかを測る(v4.0)。
- 分類
- エージェント型コーディング
- 単位
- パーセント(%)
- 高いほど良い
- 比較グループ
- 2グループ
- 今選べるモデルの順位・順位を付けた結果 26 件
- すべてのモデル(記録): 10 グループ・57 件
- 証跡 10 件
ランキング
出典区分(公式・第三者・論文)と測定条件が違う値は比べられないため、比較グループ(同じ出典か、同じ条件と確認できた出典の集まり)ごとに分けて順位を付けています。
今 Claude Code / Codex で選べるモデル(旧モデルを除く)だけで順位を付けています。
公式の結果(Anthropic 発表の Accuracy vs Cost 図(Opus 5.5・Sonnet 5.5 ページ))
Claude Opus 5.5 と Claude Sonnet 5.5 の発表ページに載る同じ Accuracy vs Cost 図(Terminal-Bench 4.0・FrontierCode v1.1 main set)を束ねたもの。両ページで重なる点のスコアとコストがすべて一致する。同じ点が両ページにあるときは、比較グループには 1 行だけを入れ(もう一方のページの行はキーを付けずに証跡として残す)、もう一方の出典の注記はその 1 行の条件に書いている。
| 順位 | モデル | effort | スコア | 出典のコスト(指標) | 計測・報告 | 出典 |
|---|---|---|---|---|---|---|
| 1 | Claude Sonnet 5.5 | Max | 70.6% | $12.54Cost per attempt | Anthropic | Introducing Claude Sonnet 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "Sonnet 5.5 · Max: 70.6% $12.54" |
| 2 | Claude Opus 5.5 | Xhigh | 66.4% | $7.35Cost per attempt | Anthropic | Introducing Claude Opus 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs Cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs Cost: "Opus 5.5 · Xhigh: 66.4% $7.35" |
| 3 | Claude Opus 5.5 | Max | 64.8% | $11.24Cost per attempt | Anthropic | Introducing Claude Opus 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs Cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs Cost: "Opus 5.5 · Max: 64.8% $11.24" |
| 4 | Claude Opus 5.5 | High | 64.2% | $3.88Cost per attempt | Anthropic | Introducing Claude Opus 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs Cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs Cost: "Opus 5.5 · High: 64.2% $3.88" |
| 5 | Claude Sonnet 5.5 | Xhigh | 61.5% | $5.30Cost per attempt | Anthropic | Introducing Claude Sonnet 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "Sonnet 5.5 · Xhigh: 61.5% $5.30" |
| 6 | GPT-6 Astra | High | 57.9% | $7.21Cost per attempt | OpenAI | Introducing Claude Opus 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs Cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 他社モデルの値。計測主体: 図は区別なし/表脚注では GPT 系の数値は OpenAI 報告値; 図の effort ラベル「High」を OpenAI API の reasoning effort の high に対応づけた; 表脚注の原文: "GPT-6 Astra and GPT-5.6 Sol figures are as reported by OpenAI"出典の該当箇所Terminal-Bench 4.0 — Accuracy vs Cost: "GPT-6 Astra · High: 57.9% $7.21" |
| 7 | Claude Opus 5.5 | Med | 57.6% | $2.94Cost per attempt | Anthropic | Introducing Claude Opus 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs Cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs Cost: "Opus 5.5 · Med: 57.6% $2.94" |
| 7 | GPT-6 Astra | Xhigh | 57.6% | $7.48Cost per attempt | OpenAI | Introducing Claude Opus 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs Cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 他社モデルの値。計測主体: 図は区別なし/表脚注では GPT 系の数値は OpenAI 報告値; 図の effort ラベル「Xhigh」を OpenAI API の reasoning effort の xhigh に対応づけた; 表脚注の原文: "GPT-6 Astra and GPT-5.6 Sol figures are as reported by OpenAI"出典の該当箇所Terminal-Bench 4.0 — Accuracy vs Cost: "GPT-6 Astra · Xhigh: 57.6% $7.48" |
| 9 | GPT-6 Astra | Max | 56.7% | $10.35Cost per attempt | OpenAI | Introducing Claude Opus 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs Cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 他社モデルの値。計測主体: 図は区別なし/表脚注では GPT 系の数値は OpenAI 報告値; 図の effort ラベル「Max」を OpenAI API の reasoning effort の max に対応づけた; 表脚注の原文: "GPT-6 Astra and GPT-5.6 Sol figures are as reported by OpenAI"出典の該当箇所Terminal-Bench 4.0 — Accuracy vs Cost: "GPT-6 Astra · Max: 56.7% $10.35" |
| 10 | GPT-6 Astra | Med | 53.9% | $6.15Cost per attempt | OpenAI | Introducing Claude Opus 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs Cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 他社モデルの値。計測主体: 図は区別なし/表脚注では GPT 系の数値は OpenAI 報告値; 図の effort ラベル「Med」を OpenAI API の reasoning effort の medium に対応づけた; 表脚注の原文: "GPT-6 Astra and GPT-5.6 Sol figures are as reported by OpenAI"出典の該当箇所Terminal-Bench 4.0 — Accuracy vs Cost: "GPT-6 Astra · Med: 53.9% $6.15" |
| 11 | GPT-6 Astra | Low | 49.7% | $4.95Cost per attempt | OpenAI | Introducing Claude Opus 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs Cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 他社モデルの値。計測主体: 図は区別なし/表脚注では GPT 系の数値は OpenAI 報告値; 図の effort ラベル「Low」を OpenAI API の reasoning effort の low に対応づけた; 表脚注の原文: "GPT-6 Astra and GPT-5.6 Sol figures are as reported by OpenAI"出典の該当箇所Terminal-Bench 4.0 — Accuracy vs Cost: "GPT-6 Astra · Low: 49.7% $4.95" |
| 12 | Claude Sonnet 5.5 | High | 43.0% | $1.94Cost per attempt | Anthropic | Introducing Claude Sonnet 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "Sonnet 5.5 · High: 43.0% $1.94" |
| 13 | Claude Opus 5.5 | Low | 38.5% | $1.29Cost per attempt | Anthropic | Introducing Claude Opus 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs Cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs Cost: "Opus 5.5 · Low: 38.5% $1.29" |
| 14 | Claude Sonnet 5.5 | Med | 28.8% | $0.83Cost per attempt | Anthropic | Introducing Claude Sonnet 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "Sonnet 5.5 · Med: 28.8% $0.83" |
| 15 | Claude Sonnet 5.5 | Low | 20.0% | $0.76Cost per attempt | Anthropic | Introducing Claude Sonnet 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "Sonnet 5.5 · Low: 20.0% $0.76" |
公式の結果(Introducing Claude Haiku 5.5)
| 順位 | モデル | effort | スコア | 出典のコスト(指標) | 計測・報告 | 出典 |
|---|---|---|---|---|---|---|
| 1 | Claude Sonnet 5.5 | Max | 70.6% | $10.44Cost per attempt | Anthropic | Introducing Claude Haiku 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表); cache read $0.10/MTok で計算したコスト系列; 同じ図に cache read $0.20/MTok で計算した系列もあり、その点のコストは $14.15出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "Sonnet 5.5 ($0.10 cache reads) · Max: 70.6% $10.44" |
| 2 | Claude Sonnet 5.5 | Xhigh | 61.5% | $4.34Cost per attempt | Anthropic | Introducing Claude Haiku 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表); cache read $0.10/MTok で計算したコスト系列; 同じ図に cache read $0.20/MTok で計算した系列もあり、その点のコストは $5.83出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "Sonnet 5.5 ($0.10 cache reads) · Xhigh: 61.5% $4.34" |
| 3 | Claude Sonnet 5.5 | High | 43.0% | $1.46Cost per attempt | Anthropic | Introducing Claude Haiku 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表); cache read $0.10/MTok で計算したコスト系列; 同じ図に cache read $0.20/MTok で計算した系列もあり、その点のコストは $1.97出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "Sonnet 5.5 ($0.10 cache reads) · High: 43.0% $1.46" |
| 4 | Claude Haiku 5.5 | Max | 39.2% | $2.64Cost per attempt | Anthropic | Introducing Claude Haiku 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "Haiku 5.5 · Max: 39.2% $2.64" |
| 5 | Claude Haiku 5.5 | Xhigh | 31.5% | $1.75Cost per attempt | Anthropic | Introducing Claude Haiku 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "Haiku 5.5 · Xhigh: 31.5% $1.75" |
| 6 | Claude Sonnet 5.5 | Med | 28.8% | $0.68Cost per attempt | Anthropic | Introducing Claude Haiku 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表); cache read $0.10/MTok で計算したコスト系列; 同じ図に cache read $0.20/MTok で計算した系列もあり、その点のコストは $0.86出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "Sonnet 5.5 ($0.10 cache reads) · Med: 28.8% $0.68" |
| 7 | Claude Haiku 5.5 | High | 24.8% | $1.04Cost per attempt | Anthropic | Introducing Claude Haiku 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "Haiku 5.5 · High: 24.8% $1.04" |
| 8 | Claude Haiku 5.5 | Med | 20.3% | $0.68Cost per attempt | Anthropic | Introducing Claude Haiku 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "Haiku 5.5 · Med: 20.3% $0.68" |
| 9 | Claude Sonnet 5.5 | Low | 20.0% | $0.62Cost per attempt | Anthropic | Introducing Claude Haiku 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表); cache read $0.10/MTok で計算したコスト系列; 同じ図に cache read $0.20/MTok で計算した系列もあり、その点のコストは $0.79出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "Sonnet 5.5 ($0.10 cache reads) · Low: 20.0% $0.62" |
| 10 | GPT-6 Luna | 記載なし | 16.4% | — | 記載なし | Introducing Claude Haiku 5.52026-11-12 取得・ベンダー発表値。表注: see the Haiku 5.5 System Card(effort 未記載); 他社モデル値(Anthropic 掲載)出典の該当箇所16.4%所在 表 Terminal-Bench 4.0 行: 16.4 |
| 11 | Claude Haiku 5.5 | Low | 12.7% | $0.42Cost per attempt | Anthropic | Introducing Claude Haiku 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "Haiku 5.5 · Low: 12.7% $0.42" |
すべてのモデルの順位(記録)
旧モデルと Claude Code / Codex で選べないモデルを含めて、比較グループごとに順位を付け直したものです。順位を付ける顔ぶれが違うので、上の順位とは違います。
旧モデル・選べないモデルを含む順位を開く(57 件)
公式の結果(Anthropic 発表の Accuracy vs Cost 図(Opus 5.5・Sonnet 5.5 ページ))
Claude Opus 5.5 と Claude Sonnet 5.5 の発表ページに載る同じ Accuracy vs Cost 図(Terminal-Bench 4.0・FrontierCode v1.1 main set)を束ねたもの。両ページで重なる点のスコアとコストがすべて一致する。同じ点が両ページにあるときは、比較グループには 1 行だけを入れ(もう一方のページの行はキーを付けずに証跡として残す)、もう一方の出典の注記はその 1 行の条件に書いている。
| 順位 | モデル | effort | スコア | 出典のコスト(指標) | 計測・報告 | 出典 |
|---|---|---|---|---|---|---|
| 1 | Claude Sonnet 5.5 | Max | 70.6% | $12.54Cost per attempt | Anthropic | Introducing Claude Sonnet 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "Sonnet 5.5 · Max: 70.6% $12.54" |
| 2 | Claude Opus 5.5 | Xhigh | 66.4% | $7.35Cost per attempt | Anthropic | Introducing Claude Opus 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs Cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs Cost: "Opus 5.5 · Xhigh: 66.4% $7.35" |
| 3 | Claude Opus 5.5 | Max | 64.8% | $11.24Cost per attempt | Anthropic | Introducing Claude Opus 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs Cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs Cost: "Opus 5.5 · Max: 64.8% $11.24" |
| 4 | Claude Opus 5.5 | High | 64.2% | $3.88Cost per attempt | Anthropic | Introducing Claude Opus 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs Cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs Cost: "Opus 5.5 · High: 64.2% $3.88" |
| 5 | Claude Sonnet 5.5 | Xhigh | 61.5% | $5.30Cost per attempt | Anthropic | Introducing Claude Sonnet 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "Sonnet 5.5 · Xhigh: 61.5% $5.30" |
| 6 | GPT-6 Astra | High | 57.9% | $7.21Cost per attempt | OpenAI | Introducing Claude Opus 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs Cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 他社モデルの値。計測主体: 図は区別なし/表脚注では GPT 系の数値は OpenAI 報告値; 図の effort ラベル「High」を OpenAI API の reasoning effort の high に対応づけた; 表脚注の原文: "GPT-6 Astra and GPT-5.6 Sol figures are as reported by OpenAI"出典の該当箇所Terminal-Bench 4.0 — Accuracy vs Cost: "GPT-6 Astra · High: 57.9% $7.21" |
| 7 | Claude Opus 5.5 | Med | 57.6% | $2.94Cost per attempt | Anthropic | Introducing Claude Opus 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs Cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs Cost: "Opus 5.5 · Med: 57.6% $2.94" |
| 7 | GPT-6 Astra | Xhigh | 57.6% | $7.48Cost per attempt | OpenAI | Introducing Claude Opus 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs Cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 他社モデルの値。計測主体: 図は区別なし/表脚注では GPT 系の数値は OpenAI 報告値; 図の effort ラベル「Xhigh」を OpenAI API の reasoning effort の xhigh に対応づけた; 表脚注の原文: "GPT-6 Astra and GPT-5.6 Sol figures are as reported by OpenAI"出典の該当箇所Terminal-Bench 4.0 — Accuracy vs Cost: "GPT-6 Astra · Xhigh: 57.6% $7.48" |
| 9 | GPT-6 Astra | Max | 56.7% | $10.35Cost per attempt | OpenAI | Introducing Claude Opus 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs Cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 他社モデルの値。計測主体: 図は区別なし/表脚注では GPT 系の数値は OpenAI 報告値; 図の effort ラベル「Max」を OpenAI API の reasoning effort の max に対応づけた; 表脚注の原文: "GPT-6 Astra and GPT-5.6 Sol figures are as reported by OpenAI"出典の該当箇所Terminal-Bench 4.0 — Accuracy vs Cost: "GPT-6 Astra · Max: 56.7% $10.35" |
| 10 | Claude Fable 5.1 | Max | 55.8% | $19.50Cost per attempt | Anthropic | Introducing Claude Opus 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs Cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs Cost: "Fable 5.1 · Max: 55.8% $19.50" |
| 11 | GPT-6 Astra | Med | 53.9% | $6.15Cost per attempt | OpenAI | Introducing Claude Opus 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs Cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 他社モデルの値。計測主体: 図は区別なし/表脚注では GPT 系の数値は OpenAI 報告値; 図の effort ラベル「Med」を OpenAI API の reasoning effort の medium に対応づけた; 表脚注の原文: "GPT-6 Astra and GPT-5.6 Sol figures are as reported by OpenAI"出典の該当箇所Terminal-Bench 4.0 — Accuracy vs Cost: "GPT-6 Astra · Med: 53.9% $6.15" |
| 12 | Claude Opus 5 | Max | 52.3% | $15.83Cost per attempt | Anthropic | Introducing Claude Opus 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs Cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs Cost: "Opus 5 · Max: 52.3% $15.83" |
| 13 | Claude Fable 5.1 | Xhigh | 51.3% | $15.80Cost per attempt | Anthropic | Introducing Claude Opus 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs Cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs Cost: "Fable 5.1 · Xhigh: 51.3% $15.80" |
| 14 | Claude Opus 5 | Xhigh | 50.6% | $13.48Cost per attempt | Anthropic | Introducing Claude Opus 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs Cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs Cost: "Opus 5 · Xhigh: 50.6% $13.48" |
| 15 | GPT-6 Astra | Low | 49.7% | $4.95Cost per attempt | OpenAI | Introducing Claude Opus 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs Cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 他社モデルの値。計測主体: 図は区別なし/表脚注では GPT 系の数値は OpenAI 報告値; 図の effort ラベル「Low」を OpenAI API の reasoning effort の low に対応づけた; 表脚注の原文: "GPT-6 Astra and GPT-5.6 Sol figures are as reported by OpenAI"出典の該当箇所Terminal-Bench 4.0 — Accuracy vs Cost: "GPT-6 Astra · Low: 49.7% $4.95" |
| 16 | Claude Fable 5.1 | High | 49.4% | $10.50Cost per attempt | Anthropic | Introducing Claude Opus 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs Cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs Cost: "Fable 5.1 · High: 49.4% $10.50" |
| 17 | Claude Opus 5 | High | 47.0% | $10.64Cost per attempt | Anthropic | Introducing Claude Opus 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs Cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs Cost: "Opus 5 · High: 47.0% $10.64" |
| 18 | Claude Fable 5.1 | Med | 43.4% | $7.80Cost per attempt | Anthropic | Introducing Claude Opus 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs Cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs Cost: "Fable 5.1 · Med: 43.4% $7.80" |
| 19 | Claude Sonnet 5.5 | High | 43.0% | $1.94Cost per attempt | Anthropic | Introducing Claude Sonnet 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "Sonnet 5.5 · High: 43.0% $1.94" |
| 20 | Claude Opus 5 | Med | 41.2% | $7.00Cost per attempt | Anthropic | Introducing Claude Opus 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs Cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs Cost: "Opus 5 · Med: 41.2% $7" |
| 21 | Claude Fable 5.1 | Low | 40.2% | $5.70Cost per attempt | Anthropic | Introducing Claude Opus 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs Cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs Cost: "Fable 5.1 · Low: 40.2% $5.70" |
| 22 | Claude Opus 5.5 | Low | 38.5% | $1.29Cost per attempt | Anthropic | Introducing Claude Opus 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs Cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs Cost: "Opus 5.5 · Low: 38.5% $1.29" |
| 23 | GPT-5.6 Sol | Max | 37.3% | $7.89Cost per attempt | OpenAI | Introducing Claude Sonnet 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 他社モデルの値(Anthropic の発表); 図の effort ラベル「Max」を OpenAI API の reasoning effort の max に対応づけた; 計測主体: 同じ点の重複行(Opus 5.5 発表ページ)の Terminal-Bench 4.0 表脚注に "GPT-6 Astra and GPT-5.6 Sol figures are as reported by OpenAI" とある出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "GPT-5.6 Sol · Max: 37.3% $7.89" |
| 24 | Claude Sonnet 5.5 | Med | 28.8% | $0.83Cost per attempt | Anthropic | Introducing Claude Sonnet 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "Sonnet 5.5 · Med: 28.8% $0.83" |
| 25 | Claude Opus 5 | Low | 28.5% | $4.25Cost per attempt | Anthropic | Introducing Claude Opus 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs Cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs Cost: "Opus 5 · Low: 28.5% $4.25" |
| 25 | GPT-5.6 Sol | Xhigh | 28.5% | $5.39Cost per attempt | OpenAI | Introducing Claude Sonnet 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 他社モデルの値(Anthropic の発表); 図の effort ラベル「Xhigh」を OpenAI API の reasoning effort の xhigh に対応づけた; 計測主体: 同じ点の重複行(Opus 5.5 発表ページ)の Terminal-Bench 4.0 表脚注に "GPT-6 Astra and GPT-5.6 Sol figures are as reported by OpenAI" とある出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "GPT-5.6 Sol · Xhigh: 28.5% $5.39" |
| 27 | GPT-5.6 Sol | High | 26.1% | $4.12Cost per attempt | OpenAI | Introducing Claude Sonnet 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 他社モデルの値(Anthropic の発表); 図の effort ラベル「High」を OpenAI API の reasoning effort の high に対応づけた; 計測主体: 同じ点の重複行(Opus 5.5 発表ページ)の Terminal-Bench 4.0 表脚注に "GPT-6 Astra and GPT-5.6 Sol figures are as reported by OpenAI" とある出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "GPT-5.6 Sol · High: 26.1% $4.12" |
| 28 | GPT-5.6 Sol | Med | 20.9% | $2.69Cost per attempt | OpenAI | Introducing Claude Sonnet 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 他社モデルの値(Anthropic の発表); 図の effort ラベル「Med」を OpenAI API の reasoning effort の medium に対応づけた; 計測主体: 同じ点の重複行(Opus 5.5 発表ページ)の Terminal-Bench 4.0 表脚注に "GPT-6 Astra and GPT-5.6 Sol figures are as reported by OpenAI" とある出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "GPT-5.6 Sol · Med: 20.9% $2.69" |
| 29 | Claude Sonnet 5.5 | Low | 20.0% | $0.76Cost per attempt | Anthropic | Introducing Claude Sonnet 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "Sonnet 5.5 · Low: 20.0% $0.76" |
| 30 | Claude Sonnet 5 | Max | 10.3% | $11.62Cost per attempt | Anthropic | Introducing Claude Sonnet 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "Sonnet 5 · Max: 10.3% $11.62" |
| 31 | GPT-5.6 Sol | Low | 7.9% | $1.46Cost per attempt | OpenAI | Introducing Claude Sonnet 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 他社モデルの値(Anthropic の発表); 図の effort ラベル「Low」を OpenAI API の reasoning effort の low に対応づけた; 計測主体: 同じ点の重複行(Opus 5.5 発表ページ)の Terminal-Bench 4.0 表脚注に "GPT-6 Astra and GPT-5.6 Sol figures are as reported by OpenAI" とある出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "GPT-5.6 Sol · Low: 7.9% $1.46" |
| 32 | Claude Sonnet 5 | Xhigh | 7.0% | $9.95Cost per attempt | Anthropic | Introducing Claude Sonnet 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "Sonnet 5 · Xhigh: 7.0% $9.95" |
| 33 | Claude Sonnet 5 | High | 4.5% | $8.20Cost per attempt | Anthropic | Introducing Claude Sonnet 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "Sonnet 5 · High: 4.5% $8.20" |
| 34 | Claude Sonnet 5 | Med | 4.4% | $4.83Cost per attempt | Anthropic | Introducing Claude Sonnet 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "Sonnet 5 · Med: 4.4% $4.83" |
| 35 | Claude Sonnet 5 | Low | 3.2% | $3.78Cost per attempt | Anthropic | Introducing Claude Sonnet 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "Sonnet 5 · Low: 3.2% $3.78" |
公式の結果(Introducing Claude Haiku 5.5)
| 順位 | モデル | effort | スコア | 出典のコスト(指標) | 計測・報告 | 出典 |
|---|---|---|---|---|---|---|
| 1 | Claude Sonnet 5.5 | Max | 70.6% | $10.44Cost per attempt | Anthropic | Introducing Claude Haiku 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表); cache read $0.10/MTok で計算したコスト系列; 同じ図に cache read $0.20/MTok で計算した系列もあり、その点のコストは $14.15出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "Sonnet 5.5 ($0.10 cache reads) · Max: 70.6% $10.44" |
| 2 | Claude Sonnet 5.5 | Xhigh | 61.5% | $4.34Cost per attempt | Anthropic | Introducing Claude Haiku 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表); cache read $0.10/MTok で計算したコスト系列; 同じ図に cache read $0.20/MTok で計算した系列もあり、その点のコストは $5.83出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "Sonnet 5.5 ($0.10 cache reads) · Xhigh: 61.5% $4.34" |
| 3 | Claude Sonnet 5.5 | High | 43.0% | $1.46Cost per attempt | Anthropic | Introducing Claude Haiku 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表); cache read $0.10/MTok で計算したコスト系列; 同じ図に cache read $0.20/MTok で計算した系列もあり、その点のコストは $1.97出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "Sonnet 5.5 ($0.10 cache reads) · High: 43.0% $1.46" |
| 4 | Claude Haiku 5.5 | Max | 39.2% | $2.64Cost per attempt | Anthropic | Introducing Claude Haiku 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "Haiku 5.5 · Max: 39.2% $2.64" |
| 5 | Claude Haiku 5.5 | Xhigh | 31.5% | $1.75Cost per attempt | Anthropic | Introducing Claude Haiku 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "Haiku 5.5 · Xhigh: 31.5% $1.75" |
| 6 | Claude Sonnet 5.5 | Med | 28.8% | $0.68Cost per attempt | Anthropic | Introducing Claude Haiku 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表); cache read $0.10/MTok で計算したコスト系列; 同じ図に cache read $0.20/MTok で計算した系列もあり、その点のコストは $0.86出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "Sonnet 5.5 ($0.10 cache reads) · Med: 28.8% $0.68" |
| 7 | Claude Haiku 5.5 | High | 24.8% | $1.04Cost per attempt | Anthropic | Introducing Claude Haiku 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "Haiku 5.5 · High: 24.8% $1.04" |
| 8 | Claude Haiku 5.5 | Med | 20.3% | $0.68Cost per attempt | Anthropic | Introducing Claude Haiku 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "Haiku 5.5 · Med: 20.3% $0.68" |
| 9 | Claude Sonnet 5.5 | Low | 20.0% | $0.62Cost per attempt | Anthropic | Introducing Claude Haiku 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表); cache read $0.10/MTok で計算したコスト系列; 同じ図に cache read $0.20/MTok で計算した系列もあり、その点のコストは $0.79出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "Sonnet 5.5 ($0.10 cache reads) · Low: 20.0% $0.62" |
| 10 | GPT-6 Luna | 記載なし | 16.4% | — | 記載なし | Introducing Claude Haiku 5.52026-11-12 取得・ベンダー発表値。表注: see the Haiku 5.5 System Card(effort 未記載); 他社モデル値(Anthropic 掲載)出典の該当箇所16.4%所在 表 Terminal-Bench 4.0 行: 16.4 |
| 11 | Claude Haiku 5.5 | Low | 12.7% | $0.42Cost per attempt | Anthropic | Introducing Claude Haiku 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "Haiku 5.5 · Low: 12.7% $0.42" |
| 12 | Claude Haiku 4.5 | 記載なし | 0.0% | $0.79Cost per attempt | Anthropic | Introducing Claude Haiku 5.52026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表); 出典の effort 表記「max」は公式の effort 一覧に無いため effort なし出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "Haiku 4.5 · Max: 0.0% $0.79" |
公式の結果(Gemini 4 Carbon (Google DeepMind models page, benchmark table))
| 順位 | モデル | effort | スコア | 出典のコスト(指標) | 計測・報告 | 出典 |
|---|---|---|---|---|---|---|
| 1 | Gemini 4 Carbon | High | 65.2% | — | Artificial Analysis | Gemini 4 Carbon (Google DeepMind models page, benchmark table)2026-11-12 取得・ベンダー発表値。Google 公表表。methodology PDF: Gemini 4 Carbon/Argon は Gemini API の最高 thinking 設定・pass@1・単一試行。行ごとの出典は Artificial Analysis 計測値(表記 Terminal-Bench 4.0 (AA))出典の該当箇所Terminal-Bench 4.0: Gemini 4 Carbon 65.2 |
| 2 | Gemini 4 Argon | High | 57.1% | — | Artificial Analysis | Gemini 4 Carbon (Google DeepMind models page, benchmark table)2026-11-12 取得・ベンダー発表値。Google 公表表。methodology PDF: Gemini 4 Carbon/Argon は Gemini API の最高 thinking 設定・pass@1・単一試行。行ごとの出典は Artificial Analysis 計測値(表記 Terminal-Bench 4.0 (AA))出典の該当箇所Terminal-Bench 4.0: Gemini 4 Argon 57.1 |
公式の結果(Gemini 4 Argon model card)
| 順位 | モデル | effort | スコア | 出典のコスト(指標) | 計測・報告 | 出典 |
|---|---|---|---|---|---|---|
| 1 | Gemini 4 Argon | 記載なし | 57.4% | — | Gemini 4 Argon model card2026-11-12 取得・ベンダー発表値。Google 自己申告(model card, 2026-10 時点)。thinking 設定の記載なし。DeepMind Gemini ページの AA 計測値 57.1% とは別値出典の該当箇所Terminal-bench 4.0 | 57.4% |
公式の結果(Gemini 3.8 Flash model card)
| 順位 | モデル | effort | スコア | 出典のコスト(指標) | 計測・報告 | 出典 |
|---|---|---|---|---|---|---|
| 1 | Gemini 3.8 Flash | 記載なし | 19.1% | — | Gemini 3.8 Flash model card2026-11-12 取得・ベンダー発表値。Google 自己申告(model card, 2026-09 時点)。thinking 設定の記載なし出典の該当箇所Terminal-bench 4.0 | 19.1% |
公式の結果(Grok 4.7 (xAI news))
| 順位 | モデル | effort | スコア | 出典のコスト(指標) | 計測・報告 | 出典 |
|---|---|---|---|---|---|---|
| 1 | Grok 4.7 | Xhigh | 37.6% | — | xAI | Grok 4.7 (xAI news)2026-11-12 取得・ベンダー発表値。xAI 自己申告。表見出しは Grok 4.7 (xHigh)出典の該当箇所Terminal-Bench 4.0 | Grok 4.7 (xHigh) 37.6 |
| 2 | Grok 4.6 | High | 20.3% | — | xAI | Grok 4.7 (xAI news)2026-11-12 取得・ベンダー発表値。xAI 自己申告(Grok 4.7 発表ページ内の比較列)出典の該当箇所Terminal-Bench 4.0 | Grok 4.6 (High) 20.3 |
公式の結果(Introducing Kimi K3.1 Pro)
| 順位 | モデル | effort | スコア | 出典のコスト(指標) | 計測・報告 | 出典 |
|---|---|---|---|---|---|---|
| 1 | Kimi K3.1 Pro | Max | 65.7% | — | Moonshot AI | Introducing Kimi K3.1 Pro2026-11-12 取得・ベンダー発表値。Moonshot 自己申告。脚注: reasoning effort max, temperature 1.0, top-p 0.95。Claude-Code ハーネスで評価出典の該当箇所Terminal-Bench 4.0 65.7% |
公式の結果(Introducing Mistral Large 4)
| 順位 | モデル | effort | スコア | 出典のコスト(指標) | 計測・報告 | 出典 |
|---|---|---|---|---|---|---|
| 1 | Mistral Large 4 | 記載なし | 28.3% | — | Mistral AI | Introducing Mistral Large 42026-11-12 取得・ベンダー発表値。Mistral 自己申告(2026-10-06 プレビュー版時点。後の open weights 版は追加 RL で改善と別記事)出典の該当箇所Terminal-Bench 4: 28.3% |
公式の結果(DeepSeek-V4.1-Flash (Hugging Face model card, deepseek-ai))
| 順位 | モデル | effort | スコア | 出典のコスト(指標) | 計測・報告 | 出典 |
|---|---|---|---|---|---|---|
| 1 | DeepSeek-V4.1-Flash | 記載なし | 31.2% | — | DeepSeek | DeepSeek-V4.1-Flash (Hugging Face model card, deepseek-ai)2026-11-13 取得・ベンダー発表値(DeepSeek 自己申告)。カード「Instruct Model」: All instruct results below use the maximum effort setting (reasoning_effort=100)、temperature=1.0・top_p=0.95。reasoning_effort=100 は API の effort 名(low/high/max)との対応が公式に書かれていないため effort は null。DeepSeek Harness の Minimal モード・1M コンテキストで評価(DeepSeek-V4.1-Flash-1017 のカードでは同じ 31.2 を Claude Code ハーネスの表に載せており、ハーネスの記載が食い違う)出典の該当箇所Terminal-Bench 4.0 (Pass@1) | 31.2所在 HF モデルカード「Comparison with frontier models (Max reasoning effort)」の表、Terminal-Bench 4.0 (Pass@1) 行・DS-V4.1-Flash 列(右端) |
公式の結果(DeepSeek-V4.1-Flash-1017 (Hugging Face model card, deepseek-ai))
| 順位 | モデル | effort | スコア | 出典のコスト(指標) | 計測・報告 | 出典 |
|---|---|---|---|---|---|---|
| 1 | DeepSeek-V4.1-Flash-1017 | 記載なし | 42.3% | — | DeepSeek | DeepSeek-V4.1-Flash-1017 (Hugging Face model card, deepseek-ai)2026-11-13 取得・ベンダー発表値(DeepSeek 自己申告)。カードの注: We use the Claude Code harness for Terminal-Bench 4.0 and the Mini-SWE-V2 harness for DeepSWE v1.1。effort の記載なし。Claude Code ハーネス出典の該当箇所Terminal-Bench 4.0 | 42.3所在 HF モデルカード冒頭の比較表、Terminal-Bench 4.0 行・DS-V4.1-Flash-1017 列(左端の数値列) |
証跡として残した値
束ねた比較グループに入れた値と同じ値を、別の出典(ページ)も載せているものです。同じ値を二重に数えないよう、順位・グラフの比較グループ・総合・役割別の推奨には入れていません。
| モデル | effort | スコア | 出典のコスト(指標) | 計測・報告 | 出典 |
|---|---|---|---|---|---|
| GPT-5.6 Sol | Low | 7.9% | $1.46Cost per attempt | OpenAI | 証跡(Anthropic 発表の Accuracy vs Cost 図(Opus 5.5・Sonnet 5.5 ページ)の比較グループと同値)Introducing Claude Opus 5.5公式・2026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs Cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 他社モデルの値。計測主体: 図は区別なし/表脚注では GPT 系の数値は OpenAI 報告値; 図の effort ラベル「Low」を OpenAI API の reasoning effort の low に対応づけた出典の該当箇所Terminal-Bench 4.0 — Accuracy vs Cost: "GPT-5.6 Sol · Low: 7.9% $1.46" |
| GPT-5.6 Sol | Med | 20.9% | $2.69Cost per attempt | OpenAI | 証跡(Anthropic 発表の Accuracy vs Cost 図(Opus 5.5・Sonnet 5.5 ページ)の比較グループと同値)Introducing Claude Opus 5.5公式・2026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs Cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 他社モデルの値。計測主体: 図は区別なし/表脚注では GPT 系の数値は OpenAI 報告値; 図の effort ラベル「Med」を OpenAI API の reasoning effort の medium に対応づけた出典の該当箇所Terminal-Bench 4.0 — Accuracy vs Cost: "GPT-5.6 Sol · Med: 20.9% $2.69" |
| GPT-5.6 Sol | High | 26.1% | $4.12Cost per attempt | OpenAI | 証跡(Anthropic 発表の Accuracy vs Cost 図(Opus 5.5・Sonnet 5.5 ページ)の比較グループと同値)Introducing Claude Opus 5.5公式・2026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs Cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 他社モデルの値。計測主体: 図は区別なし/表脚注では GPT 系の数値は OpenAI 報告値; 図の effort ラベル「High」を OpenAI API の reasoning effort の high に対応づけた出典の該当箇所Terminal-Bench 4.0 — Accuracy vs Cost: "GPT-5.6 Sol · High: 26.1% $4.12" |
| GPT-5.6 Sol | Xhigh | 28.5% | $5.39Cost per attempt | OpenAI | 証跡(Anthropic 発表の Accuracy vs Cost 図(Opus 5.5・Sonnet 5.5 ページ)の比較グループと同値)Introducing Claude Opus 5.5公式・2026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs Cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 他社モデルの値。計測主体: 図は区別なし/表脚注では GPT 系の数値は OpenAI 報告値; 図の effort ラベル「Xhigh」を OpenAI API の reasoning effort の xhigh に対応づけた出典の該当箇所Terminal-Bench 4.0 — Accuracy vs Cost: "GPT-5.6 Sol · Xhigh: 28.5% $5.39" |
| GPT-5.6 Sol | Max | 37.3% | $7.89Cost per attempt | OpenAI | 証跡(Anthropic 発表の Accuracy vs Cost 図(Opus 5.5・Sonnet 5.5 ページ)の比較グループと同値)Introducing Claude Opus 5.5公式・2026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs Cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 他社モデルの値。計測主体: 図は区別なし/表脚注では GPT 系の数値は OpenAI 報告値; 図の effort ラベル「Max」を OpenAI API の reasoning effort の max に対応づけた出典の該当箇所Terminal-Bench 4.0 — Accuracy vs Cost: "GPT-5.6 Sol · Max: 37.3% $7.89" |
| Claude Opus 5.5 | Low | 38.5% | $1.29Cost per attempt | Anthropic | 証跡(Anthropic 発表の Accuracy vs Cost 図(Opus 5.5・Sonnet 5.5 ページ)の比較グループと同値)Introducing Claude Sonnet 5.5公式・2026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "Opus 5.5 · Low: 38.5% $1.29" |
| Claude Opus 5.5 | Med | 57.6% | $2.94Cost per attempt | Anthropic | 証跡(Anthropic 発表の Accuracy vs Cost 図(Opus 5.5・Sonnet 5.5 ページ)の比較グループと同値)Introducing Claude Sonnet 5.5公式・2026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "Opus 5.5 · Med: 57.6% $2.94" |
| Claude Opus 5.5 | High | 64.2% | $3.88Cost per attempt | Anthropic | 証跡(Anthropic 発表の Accuracy vs Cost 図(Opus 5.5・Sonnet 5.5 ページ)の比較グループと同値)Introducing Claude Sonnet 5.5公式・2026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "Opus 5.5 · High: 64.2% $3.88" |
| Claude Opus 5.5 | Xhigh | 66.4% | $7.35Cost per attempt | Anthropic | 証跡(Anthropic 発表の Accuracy vs Cost 図(Opus 5.5・Sonnet 5.5 ページ)の比較グループと同値)Introducing Claude Sonnet 5.5公式・2026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "Opus 5.5 · Xhigh: 66.4% $7.35" |
| Claude Opus 5.5 | Max | 64.8% | $11.24Cost per attempt | Anthropic | 証跡(Anthropic 発表の Accuracy vs Cost 図(Opus 5.5・Sonnet 5.5 ページ)の比較グループと同値)Introducing Claude Sonnet 5.5公式・2026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Terminal-Bench 4.0 / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Terminal-Bench 4.0 — Accuracy vs. cost: "Opus 5.5 · Max: 64.8% $11.24" |