役割別の推奨
役割ごとに重視するベンチマークのカテゴリを決め、そのカテゴリの比較グループごとに、Claude Code / Codex で選べるモデルの中の性能優先の 1 位と、コスト効率の前線上の候補を示します。先頭の要約は、その件数をモデルごとに数えたものです。
要約
N は異なるモデルが 2 つ以上あり、そのモデルの値がある比較グループの数(分母)です。伸びが止まる effort は、1 つ下の effort より出典のコストが高いのにスコアが上がらなかったものです。単一の「おすすめ」は出しません(方法はこのサイトについて)。
Claude Code で選べるモデル
アドバイザー・設計判断推論・知識・数学
| モデル | 比較グループ N 件中、最高スコア a 件 | 伸びが止まる effort があったグループ(N 件中) | 止まった effort の内訳 |
|---|---|---|---|
| Claude Fable 5.2 | 10 件中 7 件 | 10 件中 0 件判定できたのは 1 件 | — |
| Claude Opus 5.5 | 15 件中 7 件 | 15 件中 0 件判定できたのは 3 件 | — |
| Claude Sonnet 5.5 | 13 件中 6 件 | 13 件中 0 件判定できたのは 3 件 | — |
| Claude Haiku 5.5 | 10 件中 0 件 | 10 件中 0 件判定できたのは 2 件 | — |
マネージャー・監修コーディング・推論
| モデル | 比較グループ N 件中、最高スコア a 件 | 伸びが止まる effort があったグループ(N 件中) | 止まった effort の内訳 |
|---|---|---|---|
| Claude Fable 5.2 | 3 件中 2 件 | 3 件中 0 件判定できたのは 1 件 | — |
| Claude Opus 5.5 | 7 件中 3 件 | 7 件中 0 件判定できたのは 1 件 | — |
| Claude Sonnet 5.5 | 7 件中 4 件 | 7 件中 0 件判定できたのは 1 件 | — |
| Claude Haiku 5.5 | 6 件中 0 件 | 6 件中 0 件判定できたのは 1 件 | — |
実装・作業者エージェント型コーディング・コーディング・ツール利用
| モデル | 比較グループ N 件中、最高スコア a 件 | 伸びが止まる effort があったグループ(N 件中) | 止まった effort の内訳 |
|---|---|---|---|
| Claude Fable 5.2 | 5 件中 5 件 | 5 件中 1 件判定できたのは 2 件 | Max 1 |
| Claude Opus 5.5 | 14 件中 7 件 | 14 件中 4 件判定できたのは 8 件 | High 1・Xhigh 3・Max 1 |
| Claude Sonnet 5.5 | 7 件中 4 件 | 7 件中 1 件判定できたのは 4 件 | Max 1 |
| Claude Haiku 5.5 | 4 件中 0 件 | 4 件中 0 件判定できたのは 1 件 | — |
簡易タスクコーディング・ツール利用
| モデル | 比較グループ N 件中、最高スコア a 件 | 伸びが止まる effort があったグループ(N 件中) | 止まった effort の内訳 |
|---|---|---|---|
| Claude Fable 5.2 | 2 件中 2 件 | 2 件中 0 件判定できたのは 1 件 | — |
| Claude Opus 5.5 | 6 件中 3 件 | 6 件中 0 件判定できたのは 3 件 | — |
| Claude Sonnet 5.5 | 2 件中 1 件 | 2 件中 0 件判定できたのは 0 件 | — |
| Claude Haiku 5.5 | 2 件中 0 件 | 2 件中 0 件判定できたのは 0 件 | — |
デザイン・UIデザイン・UI
データなし
Codex で選べるモデル
アドバイザー・設計判断推論・知識・数学
出典のコストのある effort の組が無いため、伸びが止まる effort はどのモデルも判定できません(0 件は「止まらない」という意味ではありません)。
| モデル | 比較グループ N 件中、最高スコア a 件 | 伸びが止まる effort があったグループ(N 件中) | 止まった effort の内訳 |
|---|---|---|---|
| GPT-6 Astra | 6 件中 5 件 | 6 件中 0 件判定できたのは 0 件 | — |
| GPT-6.1 Sol | 6 件中 3 件 | 6 件中 0 件判定できたのは 0 件 | — |
| GPT-6.1 Terra | 5 件中 1 件 | 5 件中 0 件判定できたのは 0 件 | — |
| GPT-6 Luna | 6 件中 0 件 | 6 件中 0 件判定できたのは 0 件 | — |
マネージャー・監修コーディング・推論
出典のコストのある effort の組が無いため、伸びが止まる effort はどのモデルも判定できません(0 件は「止まらない」という意味ではありません)。
| モデル | 比較グループ N 件中、最高スコア a 件 | 伸びが止まる effort があったグループ(N 件中) | 止まった effort の内訳 |
|---|---|---|---|
| GPT-6 Astra | 4 件中 3 件 | 4 件中 0 件判定できたのは 0 件 | — |
| GPT-6.1 Sol | 4 件中 0 件 | 4 件中 0 件判定できたのは 0 件 | — |
| GPT-6.1 Terra | 2 件中 1 件 | 2 件中 0 件判定できたのは 0 件 | — |
| GPT-6 Luna | 4 件中 0 件 | 4 件中 0 件判定できたのは 0 件 | — |
実装・作業者エージェント型コーディング・コーディング・ツール利用
比べられる比較グループが各モデル最大 2 件と少ないため、件数の差を傾向として読むには足りません。
出典のコストのある effort の組が無いため、伸びが止まる effort はどのモデルも判定できません(0 件は「止まらない」という意味ではありません)。
| モデル | 比較グループ N 件中、最高スコア a 件 | 伸びが止まる effort があったグループ(N 件中) | 止まった effort の内訳 |
|---|---|---|---|
| GPT-6 Astra | 2 件中 1 件 | 2 件中 0 件判定できたのは 0 件 | — |
| GPT-6.1 Sol | 2 件中 0 件 | 2 件中 0 件判定できたのは 0 件 | — |
| GPT-6.1 Terra | 1 件中 1 件 | 1 件中 0 件判定できたのは 0 件 | — |
| GPT-6 Luna | 2 件中 0 件 | 2 件中 0 件判定できたのは 0 件 | — |
簡易タスクコーディング・ツール利用
比べられる比較グループが各モデル最大 2 件と少ないため、件数の差を傾向として読むには足りません。
出典のコストのある effort の組が無いため、伸びが止まる effort はどのモデルも判定できません(0 件は「止まらない」という意味ではありません)。
| モデル | 比較グループ N 件中、最高スコア a 件 | 伸びが止まる effort があったグループ(N 件中) | 止まった effort の内訳 |
|---|---|---|---|
| GPT-6 Astra | 2 件中 1 件 | 2 件中 0 件判定できたのは 0 件 | — |
| GPT-6.1 Sol | 2 件中 0 件 | 2 件中 0 件判定できたのは 0 件 | — |
| GPT-6.1 Terra | 1 件中 1 件 | 1 件中 0 件判定できたのは 0 件 | — |
| GPT-6 Luna | 2 件中 0 件 | 2 件中 0 件判定できたのは 0 件 | — |
デザイン・UIデザイン・UI
データなし
役割と、役割ごとに重視するカテゴリは、このサイトの編集判断です。ベンチマークの結果から自動で決めたものではありません。
- アドバイザー・設計判断
- 推論・知識・数学方針の分岐や設計の判断に助言する役割。推論・知識・数学の結果を見る。
- マネージャー・監修
- コーディング・推論作業を指示し、成果物を検収する役割。コードを読んで判断する力と推論の結果を見る。
- 実装・作業者
- エージェント型コーディング・コーディング・ツール利用コードを書き、ツールを使ってタスクをやり切る役割。
- 簡易タスク
- コーディング・ツール利用定型的な小さい作業。前線上の安い候補を中心に見る。
- デザイン・UI
- デザイン・UI画面やデザインを作る役割。
候補は比較グループ(同じ出典か、同じ測定条件と確認できた出典の集まり)ごとに出し、グループをまたいで 1 つにまとめません。「前線」は同じかそれより安い出典のコストで、より良いスコアの点が無い候補です。各ツールで選べると公式資料で確認できたモデルだけを対象にし、該当する結果が無い役割は「データなし」とします。値が 1 件だけの比較グループは比べる相手が無いので、1 位とは呼ばず「比較相手なし」として値だけを示します。同じモデルの effort 違いだけの比較グループも、モデルどうしの比較ではないので 1 位と前線は出さず、「同じモデルの effort 比較のみ」として effort 別の値と差分を参考に示します。
Claude Code で選べるモデル(グループ別の詳細)
アドバイザー・設計判断
重視するカテゴリ: 推論・知識・数学
グループ別の詳細(20 グループ)
| 根拠の比較グループ | 性能優先の 1 位 | コスト効率の前線上の候補(安い順) |
|---|---|---|
| Chess Puzzles(Epoch AI)推論・第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, chess_puzzles.csv) CC BY 4.0・19 件 | Claude Fable 5.2 Max・79.0%・コストなし計測・報告: Epoch AI | 出典のコストのある値が無いため出せません |
| OTIS Mock AIME 2024-2025数学・第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, otis_mock_aime_2024_2025.csv) CC BY 4.0・18 件 | Claude Sonnet 5.5 Max・100.0%・コストなし計測・報告: Epoch AIClaude Opus 5.5 Max・100.0%・コストなし計測・報告: Epoch AIClaude Fable 5 High・100.0%・コストなし計測・報告: Epoch AI | 出典のコストのある値が無いため出せません |
| GPQA Diamond推論・第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, gpqa_diamond.csv) CC BY 4.0・17 件 | Claude Sonnet 5.5 Max・95.6%・コストなし計測・報告: Epoch AI | 出典のコストのある値が無いため出せません |
| SimpleQA Verified知識・第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, simpleqa_verified.csv) CC BY 4.0・11 件 | Claude Fable 5.2 Max・94.0%・コストなし計測・報告: Epoch AI | 出典のコストのある値が無いため出せません |
| FrontierMath Tiers 1-3(v2)数学・第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tiers_1_3_v2.csv) CC BY 4.0・8 件 | Claude Fable 5.2 Max・95.1%・コストなし計測・報告: Epoch AI | 出典のコストのある値が無いため出せません |
| FrontierMath Tier 4(v2)数学・第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tier_4_v2.csv) CC BY 4.0・8 件 | Claude Fable 5.2 Max・100.0%・コストなし計測・報告: Epoch AI | 出典のコストのある値が無いため出せません |
| GDPval-AA v2.1知識・公式・Introducing Claude Opus 5.5・15 件 | Claude Opus 5.5 Max・1,846・$8.92(Estimated cost per task)計測・報告: Anthropic | Claude Opus 5.5 Low・1,224・$0.21(Estimated cost per task)計測・報告: AnthropicClaude Opus 5 Low・1,294・$0.58(Estimated cost per task)計測・報告: AnthropicClaude Opus 5.5 Med・1,576・$0.86(Estimated cost per task)計測・報告: AnthropicClaude Opus 5.5 High・1,692・$1.54(Estimated cost per task)計測・報告: AnthropicClaude Opus 5.5 Xhigh・1,820・$4.21(Estimated cost per task)計測・報告: Anthropic |
| AA-Briefcase v1.1(Elo)知識・公式・Introducing Claude Sonnet 5.5・15 件 | Claude Opus 5.5 Max・1,822・$21.05(Cost per task)計測・報告: Anthropic | Claude Sonnet 5 Low・923・$0.82(Cost per task)計測・報告: AnthropicClaude Sonnet 5.5 Low・1,264・$0.87(Cost per task)計測・報告: AnthropicClaude Opus 5.5 Low・1,285・$1.15(Cost per task)計測・報告: AnthropicClaude Sonnet 5.5 Med・1,461・$1.64(Cost per task)計測・報告: AnthropicClaude Sonnet 5.5 High・1,634・$3.95(Cost per task)計測・報告: AnthropicClaude Opus 5.5 Med・1,642・$4.40(Cost per task)計測・報告: AnthropicClaude Opus 5.5 High・1,705・$6.27(Cost per task)計測・報告: AnthropicClaude Sonnet 5.5 Xhigh・1,746・$9.63(Cost per task)計測・報告: AnthropicClaude Opus 5.5 Xhigh・1,780・$12.27(Cost per task)計測・報告: Anthropic |
| Humanity's Last Exam(ツールあり)推論・公式・Introducing Claude Fable 5.2 and Claude Mythos 5.2・15 件 | Claude Fable 5.2 Max・74.2%・$4.51(Cost per attempt)計測・報告: Anthropic | Claude Opus 5.5 Low・57.4%・$0.08(Cost per attempt)計測・報告: AnthropicClaude Opus 5.5 Med・63.0%・$0.17(Cost per attempt)計測・報告: AnthropicClaude Fable 5.2 Low・68.4%・$0.19(Cost per attempt)計測・報告: AnthropicClaude Fable 5.2 Med・68.6%・$0.21(Cost per attempt)計測・報告: AnthropicClaude Fable 5.2 High・71.5%・$0.63(Cost per attempt)計測・報告: AnthropicClaude Fable 5.2 Xhigh・73.4%・$1.48(Cost per attempt)計測・報告: Anthropic |
| GDPval-AA v2.1知識・公式・Introducing Claude Haiku 5.5・11 件 | Claude Sonnet 5.5 Max・1,840・$6.78(Cost per task)計測・報告: Anthropic | Claude Haiku 5.5 Low・1,125・$0.01(Cost per task)計測・報告: AnthropicClaude Haiku 5.5 Med・1,277・$0.03(Cost per task)計測・報告: AnthropicClaude Haiku 5.5 High・1,420・$0.09(Cost per task)計測・報告: AnthropicClaude Haiku 5.5 Xhigh・1,513・$0.27(Cost per task)計測・報告: AnthropicClaude Sonnet 5.5 High・1,551・$0.62(Cost per task)計測・報告: AnthropicClaude Haiku 5.5 Max・1,620・$0.87(Cost per task)計測・報告: AnthropicClaude Sonnet 5.5 Xhigh・1,731・$1.88(Cost per task)計測・報告: Anthropic |
| Humanity's Last Exam(ツールなし)推論・公式・Introducing Claude Haiku 5.5・11 件 | Claude Sonnet 5.5 Max・56.9%・$0.89(Cost per attempt)計測・報告: Anthropic | Claude Haiku 5.5 Low・30.9%・$0.003(Cost per attempt)計測・報告: AnthropicClaude Haiku 5.5 Med・35.5%・$0.007(Cost per attempt)計測・報告: AnthropicClaude Haiku 5.5 High・39.7%・$0.02(Cost per attempt)計測・報告: AnthropicClaude Sonnet 5.5 Med・43.2%・$0.03(Cost per attempt)計測・報告: AnthropicClaude Haiku 5.5 Xhigh・44.1%・$0.06(Cost per attempt)計測・報告: AnthropicClaude Sonnet 5.5 High・47.9%・$0.08(Cost per attempt)計測・報告: AnthropicClaude Sonnet 5.5 Xhigh・53.0%・$0.20(Cost per attempt)計測・報告: Anthropic |
| Humanity's Last Exam(ツールあり)推論・公式・Introducing Claude Opus 5.5・3 件 | Claude Opus 5.5 Max・67.7%・コストなし計測・報告: Anthropic | 出典のコストのある値が無いため出せません |
| GDPval-AA v2.1知識・公式・Introducing Claude Sonnet 5.5・3 件 | Claude Opus 5.5 記載なし・1,846・コストなし計測・報告: Artificial Analysis | 出典のコストのある値が無いため出せません |
| Humanity's Last Exam(ツールあり)推論・公式・Introducing Claude Sonnet 5.5・3 件 | Claude Opus 5.5 記載なし・67.7%・コストなし計測・報告: Anthropic | 出典のコストのある値が無いため出せません |
| AA-Briefcase v1.1(Elo)知識・公式・Introducing Claude Haiku 5.5・3 件 | Claude Sonnet 5.5 記載なし・1,824・コストなし計測・報告: Anthropic | 出典のコストのある値が無いため出せません |
| Humanity's Last Exam(ツールあり)推論・公式・Introducing Claude Haiku 5.5・3 件 | Claude Sonnet 5.5 記載なし・64.5%・コストなし計測・報告: Anthropic | 出典のコストのある値が無いため出せません |
| AA-Briefcase v1.1(rubric)知識・公式・Introducing Claude Fable 5.2 and Claude Mythos 5.2・3 件 | Claude Fable 5.2 記載なし・66.1%・コストなし計測・報告: Anthropic | 出典のコストのある値が無いため出せません |
| AA-Briefcase v1.1(Elo)知識・公式・Introducing Claude Fable 5.2 and Claude Mythos 5.2・3 件 | Claude Opus 5.5 記載なし・1,800・コストなし計測・報告: Anthropic | 出典のコストのある値が無いため出せません |
| Remote Labor Index(RLI)知識・公式・Introducing Claude Fable 5.2 and Claude Mythos 5.2・3 件 | Claude Fable 5.2 High・41.3%・コストなし計測・報告: Anthropic | 出典のコストのある値が無いため出せません |
| Humanity's Last Exam(ツールあり)推論・公式・Introducing Claude Opus 4.6・1 件 | 比較相手なし(1 件)Claude Opus 4.6 Max・53.0%・コストなし計測・報告: Anthropic | |
マネージャー・監修
重視するカテゴリ: コーディング・推論
グループ別の詳細(10 グループ)
| 根拠の比較グループ | 性能優先の 1 位 | コスト効率の前線上の候補(安い順) |
|---|---|---|
| Chess Puzzles(Epoch AI)推論・第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, chess_puzzles.csv) CC BY 4.0・19 件 | Claude Fable 5.2 Max・79.0%・コストなし計測・報告: Epoch AI | 出典のコストのある値が無いため出せません |
| GPQA Diamond推論・第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, gpqa_diamond.csv) CC BY 4.0・17 件 | Claude Sonnet 5.5 Max・95.6%・コストなし計測・報告: Epoch AI | 出典のコストのある値が無いため出せません |
| MirrorCodeコーディング・第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, mirrorcode.csv) CC BY 4.0・9 件 | Claude Sonnet 5.5 Max・97.8%・コストなし計測・報告: Epoch AI | 出典のコストのある値が無いため出せません |
| Humanity's Last Exam(ツールあり)推論・公式・Introducing Claude Fable 5.2 and Claude Mythos 5.2・15 件 | Claude Fable 5.2 Max・74.2%・$4.51(Cost per attempt)計測・報告: Anthropic | Claude Opus 5.5 Low・57.4%・$0.08(Cost per attempt)計測・報告: AnthropicClaude Opus 5.5 Med・63.0%・$0.17(Cost per attempt)計測・報告: AnthropicClaude Fable 5.2 Low・68.4%・$0.19(Cost per attempt)計測・報告: AnthropicClaude Fable 5.2 Med・68.6%・$0.21(Cost per attempt)計測・報告: AnthropicClaude Fable 5.2 High・71.5%・$0.63(Cost per attempt)計測・報告: AnthropicClaude Fable 5.2 Xhigh・73.4%・$1.48(Cost per attempt)計測・報告: Anthropic |
| Humanity's Last Exam(ツールなし)推論・公式・Introducing Claude Haiku 5.5・11 件 | Claude Sonnet 5.5 Max・56.9%・$0.89(Cost per attempt)計測・報告: Anthropic | Claude Haiku 5.5 Low・30.9%・$0.003(Cost per attempt)計測・報告: AnthropicClaude Haiku 5.5 Med・35.5%・$0.007(Cost per attempt)計測・報告: AnthropicClaude Haiku 5.5 High・39.7%・$0.02(Cost per attempt)計測・報告: AnthropicClaude Sonnet 5.5 Med・43.2%・$0.03(Cost per attempt)計測・報告: AnthropicClaude Haiku 5.5 Xhigh・44.1%・$0.06(Cost per attempt)計測・報告: AnthropicClaude Sonnet 5.5 High・47.9%・$0.08(Cost per attempt)計測・報告: AnthropicClaude Sonnet 5.5 Xhigh・53.0%・$0.20(Cost per attempt)計測・報告: Anthropic |
| Humanity's Last Exam(ツールあり)推論・公式・Introducing Claude Opus 5.5・3 件 | Claude Opus 5.5 Max・67.7%・コストなし計測・報告: Anthropic | 出典のコストのある値が無いため出せません |
| Humanity's Last Exam(ツールあり)推論・公式・Introducing Claude Sonnet 5.5・3 件 | Claude Opus 5.5 記載なし・67.7%・コストなし計測・報告: Anthropic | 出典のコストのある値が無いため出せません |
| Humanity's Last Exam(ツールあり)推論・公式・Introducing Claude Haiku 5.5・3 件 | Claude Sonnet 5.5 記載なし・64.5%・コストなし計測・報告: Anthropic | 出典のコストのある値が無いため出せません |
| LMArena Text Coding(style control なし)コーディング・第三者・lmarena-ai/leaderboard-dataset text/latest-00000-of-00001.parquet (CC BY 4.0)・3 件 | Claude Opus 5.5 High・1,542・コストなし計測・報告: LMArena | 出典のコストのある値が無いため出せません |
| Humanity's Last Exam(ツールあり)推論・公式・Introducing Claude Opus 4.6・1 件 | 比較相手なし(1 件)Claude Opus 4.6 Max・53.0%・コストなし計測・報告: Anthropic | |
実装・作業者
重視するカテゴリ: エージェント型コーディング・コーディング・ツール利用
グループ別の詳細(21 グループ)
| 根拠の比較グループ | 性能優先の 1 位 | コスト効率の前線上の候補(安い順) |
|---|---|---|
| MirrorCodeコーディング・第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, mirrorcode.csv) CC BY 4.0・9 件 | Claude Sonnet 5.5 Max・97.8%・コストなし計測・報告: Epoch AI | 出典のコストのある値が無いため出せません |
| Terminal-Bench 4.0エージェント型コーディング・公式・Anthropic 発表の Accuracy vs Cost 図(Opus 5.5・Sonnet 5.5 ページ)・25 件 | Claude Sonnet 5.5 Max・70.6%・$12.54(Cost per attempt)計測・報告: Anthropic | Claude Sonnet 5.5 Low・20.0%・$0.76(Cost per attempt)計測・報告: AnthropicClaude Sonnet 5.5 Med・28.8%・$0.83(Cost per attempt)計測・報告: AnthropicClaude Opus 5.5 Low・38.5%・$1.29(Cost per attempt)計測・報告: AnthropicClaude Sonnet 5.5 High・43.0%・$1.94(Cost per attempt)計測・報告: AnthropicClaude Opus 5.5 Med・57.6%・$2.94(Cost per attempt)計測・報告: AnthropicClaude Opus 5.5 High・64.2%・$3.88(Cost per attempt)計測・報告: AnthropicClaude Opus 5.5 Xhigh・66.4%・$7.35(Cost per attempt)計測・報告: Anthropic |
| FrontierCode v1.1(main set)エージェント型コーディング・公式・Anthropic 発表の Accuracy vs Cost 図(Opus 5.5・Sonnet 5.5 ページ)・25 件 | Claude Opus 5.5 Med・54.6%・$0.80(Cost per task)計測・報告: Anthropic | Claude Sonnet 5.5 Low・29.3%・$0.19(Cost per task)計測・報告: AnthropicClaude Sonnet 5.5 Med・36.5%・$0.24(Cost per task)計測・報告: AnthropicClaude Opus 5.5 Low・47.3%・$0.40(Cost per task)計測・報告: AnthropicClaude Sonnet 5.5 High・49.4%・$0.42(Cost per task)計測・報告: Anthropic |
| τ²-bench banking_knowledge (v1.0.1)ツール利用・第三者・τ²-bench v1.0.1 banking_knowledge(Sierra の実行・検索 alltools)・5 件 | Claude Opus 5 Max・48.7%・コストなし計測・報告: Sierra | 出典のコストのある値が無いため出せません |
| CursorBench 4.0エージェント型コーディング・公式・Introducing Claude Opus 5.5・15 件 | Claude Opus 5.5 Max・57.8%・$13.43(Cost per task)計測・報告: Anthropic | Claude Opus 5.5 Low・43.7%・$1.18(Cost per task)計測・報告: AnthropicClaude Opus 5.5 Med・52.5%・$2.90(Cost per task)計測・報告: AnthropicClaude Opus 5.5 High・56.0%・$3.97(Cost per task)計測・報告: AnthropicClaude Opus 5.5 Xhigh・56.0%・$6.99(Cost per task)計測・報告: Anthropic |
| WANDRツール利用・公式・Introducing Claude Opus 5.5・15 件 | Claude Opus 5.5 Max・72.3%・$37.92(Cost per attempt)計測・報告: Anthropic | Claude Opus 5.5 Low・31.2%・$1.20(Cost per attempt)計測・報告: AnthropicClaude Opus 5 Low・50.5%・$10.65(Cost per attempt)計測・報告: AnthropicClaude Opus 5.5 Med・62.8%・$11.20(Cost per attempt)計測・報告: AnthropicClaude Opus 5.5 High・67.3%・$16.88(Cost per attempt)計測・報告: AnthropicClaude Opus 5.5 Xhigh・71.3%・$29.06(Cost per attempt)計測・報告: Anthropic |
| CursorBench 4.0エージェント型コーディング・公式・Introducing Claude Sonnet 5.5・15 件 | Claude Opus 5.5 Max・57.8%・$13.43(Cost per task)計測・報告: Anthropic | Claude Sonnet 5.5 Low・35.8%・$0.50(Cost per task)計測・報告: AnthropicClaude Sonnet 5.5 Med・39.2%・$0.70(Cost per task)計測・報告: AnthropicClaude Opus 5.5 Low・43.7%・$1.17(Cost per task)計測・報告: AnthropicClaude Sonnet 5.5 High・47.8%・$1.67(Cost per task)計測・報告: AnthropicClaude Opus 5.5 Med・52.5%・$2.91(Cost per task)計測・報告: AnthropicClaude Sonnet 5.5 Xhigh・53.1%・$3.88(Cost per task)計測・報告: AnthropicClaude Opus 5.5 High・56.0%・$3.97(Cost per task)計測・報告: AnthropicClaude Opus 5.5 Xhigh・56.0%・$6.98(Cost per task)計測・報告: Anthropic |
| FrontierCode 2.0エージェント型コーディング・公式・Introducing Claude Fable 5.2 and Claude Mythos 5.2・15 件 | Claude Fable 5.2 Xhigh・49.1%・$14.19(Cost per task)計測・報告: Anthropic | Claude Opus 5.5 Low・14.7%・$0.75(Cost per task)計測・報告: AnthropicClaude Opus 5.5 Med・30.1%・$1.70(Cost per task)計測・報告: AnthropicClaude Fable 5.2 Low・34.2%・$2.10(Cost per task)計測・報告: AnthropicClaude Opus 5.5 High・34.5%・$2.42(Cost per task)計測・報告: AnthropicClaude Fable 5.2 Med・37.6%・$2.48(Cost per task)計測・報告: AnthropicClaude Opus 5.5 Xhigh・43.4%・$5.18(Cost per task)計測・報告: AnthropicClaude Fable 5.2 High・45.3%・$6.72(Cost per task)計測・報告: AnthropicClaude Opus 5.5 Max・45.5%・$12.82(Cost per task)計測・報告: Anthropic |
| WANDR(relaxed score)ツール利用・公式・Introducing Claude Fable 5.2 and Claude Mythos 5.2・15 件 | Claude Fable 5.2 Max・82.1%・$53.11(Cost per attempt)計測・報告: Anthropic | Claude Opus 5.5 Low・31.2%・$1.25(Cost per attempt)計測・報告: AnthropicClaude Opus 5.5 Med・62.8%・$11.40(Cost per attempt)計測・報告: AnthropicClaude Fable 5.2 Low・71.4%・$12.66(Cost per attempt)計測・報告: AnthropicClaude Fable 5.2 Med・73.6%・$15.71(Cost per attempt)計測・報告: AnthropicClaude Fable 5.2 High・79.3%・$29.20(Cost per attempt)計測・報告: AnthropicClaude Fable 5.2 Xhigh・80.6%・$39.84(Cost per attempt)計測・報告: Anthropic |
| AutomationBenchツール利用・公式・Introducing Claude Opus 5.5・11 件 | Claude Opus 5.5 Max・40.0%・$1.37(Cost per task)計測・報告: Zapier | Claude Opus 5.5 Low・23.3%・$0.50(Cost per task)計測・報告: ZapierClaude Opus 5.5 Med・28.6%・$0.64(Cost per task)計測・報告: ZapierClaude Opus 5.5 High・32.0%・$0.70(Cost per task)計測・報告: ZapierClaude Opus 5.5 Xhigh・34.4%・$0.86(Cost per task)計測・報告: Zapier出典のコストの無い 1 件は判定外 |
| Terminal-Bench 4.0エージェント型コーディング・公式・Introducing Claude Haiku 5.5・11 件 | Claude Sonnet 5.5 Max・70.6%・$10.44(Cost per attempt)計測・報告: Anthropic | Claude Haiku 5.5 Low・12.7%・$0.42(Cost per attempt)計測・報告: AnthropicClaude Sonnet 5.5 Low・20.0%・$0.62(Cost per attempt)計測・報告: AnthropicClaude Sonnet 5.5 Med・28.8%・$0.68(Cost per attempt)計測・報告: AnthropicClaude Sonnet 5.5 High・43.0%・$1.46(Cost per attempt)計測・報告: AnthropicClaude Sonnet 5.5 Xhigh・61.5%・$4.34(Cost per attempt)計測・報告: Anthropic |
| Terminal-Bench-Science 0.1エージェント型コーディング・公式・Introducing Claude Opus 5.5・3 件 | Claude Opus 5.5 Max・58.7%・コストなし計測・報告: Anthropic | 出典のコストのある値が無いため出せません |
| FrontierSWE 2エージェント型コーディング・公式・Introducing Claude Fable 5.2 and Claude Mythos 5.2・3 件 | Claude Fable 5.2 記載なし・69.9%・コストなし計測・報告: Anthropic | 出典のコストのある値が無いため出せません |
| AutomationBenchツール利用・公式・Introducing Claude Fable 5.2 and Claude Mythos 5.2・3 件 | Claude Fable 5.2 記載なし・51.4%・コストなし計測・報告: Anthropic | 出典のコストのある値が無いため出せません |
| Terminal-Bench-Science 0.1エージェント型コーディング・公式・Introducing Claude Fable 5.2 and Claude Mythos 5.2・3 件 | Claude Fable 5.2 記載なし・74.6%・コストなし計測・報告: Anthropic | 出典のコストのある値が無いため出せません |
| LMArena Text Coding(style control なし)コーディング・第三者・lmarena-ai/leaderboard-dataset text/latest-00000-of-00001.parquet (CC BY 4.0)・3 件 | Claude Opus 5.5 High・1,542・コストなし計測・報告: LMArena | 出典のコストのある値が無いため出せません |
| FrontierCode v1.1(main set)エージェント型コーディング・公式・Introducing Claude Haiku 5.5・2 件 | Claude Sonnet 5.5 Xhigh・52.1%・コストなし計測・報告: Anthropic | 出典のコストのある値が無いため出せません |
| τ²-bench airline (v1.0.1)ツール利用・第三者・τ²-bench v1.0.1(Sierra の実行)・1 件 | 比較相手なし(1 件)Claude Sonnet 4.5 記載なし・72.0%・$0.30(Average cost in USD to run one trajectory in this domain)計測・報告: Sierra | |
| τ²-bench retail (v1.0.1)ツール利用・第三者・τ²-bench v1.0.1(Sierra の実行)・1 件 | 比較相手なし(1 件)Claude Sonnet 4.5 記載なし・72.4%・$0.25(Average cost in USD to run one trajectory in this domain)計測・報告: Sierra | |
| τ²-bench telecom (v1.0.1)ツール利用・第三者・τ²-bench v1.0.1(Sierra の実行)・1 件 | 比較相手なし(1 件)Claude Sonnet 4.5 記載なし・84.9%・$0.49(Average cost in USD to run one trajectory in this domain)計測・報告: Sierra | |
| τ²-bench banking_knowledge (v1.0.1)ツール利用・第三者・τ²-bench v1.0.1 banking_knowledge(Sierra の実行・検索 terminal)・1 件 | 比較相手なし(1 件)Claude Sonnet 4.5 記載なし・25.3%・$4.05(Average cost in USD to run one trajectory in this domain)計測・報告: Sierra | |
簡易タスク
重視するカテゴリ: コーディング・ツール利用
グループ別の詳細(11 グループ)
| 根拠の比較グループ | 性能優先の 1 位 | コスト効率の前線上の候補(安い順) |
|---|---|---|
| MirrorCodeコーディング・第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, mirrorcode.csv) CC BY 4.0・9 件 | Claude Sonnet 5.5 Max・97.8%・コストなし計測・報告: Epoch AI | 出典のコストのある値が無いため出せません |
| τ²-bench banking_knowledge (v1.0.1)ツール利用・第三者・τ²-bench v1.0.1 banking_knowledge(Sierra の実行・検索 alltools)・5 件 | Claude Opus 5 Max・48.7%・コストなし計測・報告: Sierra | 出典のコストのある値が無いため出せません |
| WANDRツール利用・公式・Introducing Claude Opus 5.5・15 件 | Claude Opus 5.5 Max・72.3%・$37.92(Cost per attempt)計測・報告: Anthropic | Claude Opus 5.5 Low・31.2%・$1.20(Cost per attempt)計測・報告: AnthropicClaude Opus 5 Low・50.5%・$10.65(Cost per attempt)計測・報告: AnthropicClaude Opus 5.5 Med・62.8%・$11.20(Cost per attempt)計測・報告: AnthropicClaude Opus 5.5 High・67.3%・$16.88(Cost per attempt)計測・報告: AnthropicClaude Opus 5.5 Xhigh・71.3%・$29.06(Cost per attempt)計測・報告: Anthropic |
| WANDR(relaxed score)ツール利用・公式・Introducing Claude Fable 5.2 and Claude Mythos 5.2・15 件 | Claude Fable 5.2 Max・82.1%・$53.11(Cost per attempt)計測・報告: Anthropic | Claude Opus 5.5 Low・31.2%・$1.25(Cost per attempt)計測・報告: AnthropicClaude Opus 5.5 Med・62.8%・$11.40(Cost per attempt)計測・報告: AnthropicClaude Fable 5.2 Low・71.4%・$12.66(Cost per attempt)計測・報告: AnthropicClaude Fable 5.2 Med・73.6%・$15.71(Cost per attempt)計測・報告: AnthropicClaude Fable 5.2 High・79.3%・$29.20(Cost per attempt)計測・報告: AnthropicClaude Fable 5.2 Xhigh・80.6%・$39.84(Cost per attempt)計測・報告: Anthropic |
| AutomationBenchツール利用・公式・Introducing Claude Opus 5.5・11 件 | Claude Opus 5.5 Max・40.0%・$1.37(Cost per task)計測・報告: Zapier | Claude Opus 5.5 Low・23.3%・$0.50(Cost per task)計測・報告: ZapierClaude Opus 5.5 Med・28.6%・$0.64(Cost per task)計測・報告: ZapierClaude Opus 5.5 High・32.0%・$0.70(Cost per task)計測・報告: ZapierClaude Opus 5.5 Xhigh・34.4%・$0.86(Cost per task)計測・報告: Zapier出典のコストの無い 1 件は判定外 |
| AutomationBenchツール利用・公式・Introducing Claude Fable 5.2 and Claude Mythos 5.2・3 件 | Claude Fable 5.2 記載なし・51.4%・コストなし計測・報告: Anthropic | 出典のコストのある値が無いため出せません |
| LMArena Text Coding(style control なし)コーディング・第三者・lmarena-ai/leaderboard-dataset text/latest-00000-of-00001.parquet (CC BY 4.0)・3 件 | Claude Opus 5.5 High・1,542・コストなし計測・報告: LMArena | 出典のコストのある値が無いため出せません |
| τ²-bench airline (v1.0.1)ツール利用・第三者・τ²-bench v1.0.1(Sierra の実行)・1 件 | 比較相手なし(1 件)Claude Sonnet 4.5 記載なし・72.0%・$0.30(Average cost in USD to run one trajectory in this domain)計測・報告: Sierra | |
| τ²-bench retail (v1.0.1)ツール利用・第三者・τ²-bench v1.0.1(Sierra の実行)・1 件 | 比較相手なし(1 件)Claude Sonnet 4.5 記載なし・72.4%・$0.25(Average cost in USD to run one trajectory in this domain)計測・報告: Sierra | |
| τ²-bench telecom (v1.0.1)ツール利用・第三者・τ²-bench v1.0.1(Sierra の実行)・1 件 | 比較相手なし(1 件)Claude Sonnet 4.5 記載なし・84.9%・$0.49(Average cost in USD to run one trajectory in this domain)計測・報告: Sierra | |
| τ²-bench banking_knowledge (v1.0.1)ツール利用・第三者・τ²-bench v1.0.1 banking_knowledge(Sierra の実行・検索 terminal)・1 件 | 比較相手なし(1 件)Claude Sonnet 4.5 記載なし・25.3%・$4.05(Average cost in USD to run one trajectory in this domain)計測・報告: Sierra | |
デザイン・UI
重視するカテゴリ: デザイン・UI
データなし
Claude Code で選べるモデルについて、これらのカテゴリのベンチマーク結果がまだありません。
Codex で選べるモデル(グループ別の詳細)
アドバイザー・設計判断
重視するカテゴリ: 推論・知識・数学
グループ別の詳細(16 グループ)
| 根拠の比較グループ | 性能優先の 1 位 | コスト効率の前線上の候補(安い順) |
|---|---|---|
| FrontierMath Tier 4(v2)数学・第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tier_4_v2.csv) CC BY 4.0・10 件 | GPT-6.1 Sol Max・100.0%・コストなし計測・報告: Epoch AI | 出典のコストのある値が無いため出せません |
| GPQA Diamond推論・第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, gpqa_diamond.csv) CC BY 4.0・6 件 | GPT-6 Astra Max・95.8%・コストなし計測・報告: Epoch AI | 出典のコストのある値が無いため出せません |
| OTIS Mock AIME 2024-2025数学・第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, otis_mock_aime_2024_2025.csv) CC BY 4.0・6 件 | GPT-6.1 Terra Max・100.0%・コストなし計測・報告: Epoch AIGPT-6.1 Sol Max・100.0%・コストなし計測・報告: Epoch AIGPT-6 Astra Max・100.0%・コストなし計測・報告: Epoch AI | 出典のコストのある値が無いため出せません |
| FrontierMath Tiers 1-3(v2)数学・第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tiers_1_3_v2.csv) CC BY 4.0・5 件 | GPT-6.1 Sol Max・93.7%・コストなし計測・報告: Epoch AIGPT-6 Astra Max・93.7%・コストなし計測・報告: Epoch AI | 出典のコストのある値が無いため出せません |
| SimpleQA Verified知識・第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, simpleqa_verified.csv) CC BY 4.0・5 件 | GPT-6 Astra Max・75.6%・コストなし計測・報告: Epoch AI | 出典のコストのある値が無いため出せません |
| Chess Puzzles(Epoch AI)推論・第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, chess_puzzles.csv) CC BY 4.0・6 件 | GPT-6 Astra Max・74.0%・コストなし計測・報告: Epoch AI | 出典のコストのある値が無いため出せません |
| GDPval-AA v2.1知識・公式・Introducing Claude Opus 5.5・5 件 | 同じモデルの effort 比較のみ(5 件)GPT-6 Astra Low・1,366・$0.85(Estimated cost per task)計測・報告: 記載なしGPT-6 Astra Med・1,468・$1.82(Estimated cost per task)計測・報告: 記載なしGPT-6 Astra High・1,485・$2.43(Estimated cost per task)計測・報告: 記載なしGPT-6 Astra Xhigh・1,516・$3.04(Estimated cost per task)計測・報告: 記載なしGPT-6 Astra Max・1,542・$4.53(Estimated cost per task)計測・報告: 記載なし
| |
| GDPval-AA v2.1知識・公式・Introducing Claude Haiku 5.5・5 件 | 同じモデルの effort 比較のみ(5 件)GPT-6 Luna Low・1,036・$0.004(Cost per task)計測・報告: 記載なしGPT-6 Luna Med・1,262・$0.02(Cost per task)計測・報告: 記載なしGPT-6 Luna High・1,344・$0.03(Cost per task)計測・報告: 記載なしGPT-6 Luna Xhigh・1,364・$0.05(Cost per task)計測・報告: 記載なしGPT-6 Luna Max・1,437・$0.09(Cost per task)計測・報告: 記載なし
| |
| Humanity's Last Exam(ツールあり)推論・公式・Introducing Claude Opus 5.5・1 件 | 比較相手なし(1 件)GPT-6 Astra 記載なし・57.2%・コストなし計測・報告: 記載なし | |
| AA-Briefcase v1.1(Elo)知識・公式・Introducing Claude Haiku 5.5・1 件 | 比較相手なし(1 件)GPT-6 Luna 記載なし・1,336・コストなし計測・報告: 記載なし | |
| AA-Briefcase v1.1(rubric)知識・公式・Introducing Claude Fable 5.2 and Claude Mythos 5.2・1 件 | 比較相手なし(1 件)GPT-6 Astra 記載なし・52.0%・コストなし計測・報告: 記載なし | |
| AA-Briefcase v1.1(Elo)知識・公式・Introducing Claude Fable 5.2 and Claude Mythos 5.2・1 件 | 比較相手なし(1 件)GPT-6 Astra 記載なし・1,569・コストなし計測・報告: 記載なし | |
| Remote Labor Index(RLI)知識・公式・Introducing Claude Fable 5.2 and Claude Mythos 5.2・1 件 | 比較相手なし(1 件)GPT-6 Astra 記載なし・20.8%・コストなし計測・報告: 記載なし | |
| Humanity's Last Exam(ツールあり)推論・公式・Introducing Claude Fable 5.2 and Claude Mythos 5.2・1 件 | 比較相手なし(1 件)GPT-6 Astra 記載なし・57.2%・コストなし計測・報告: 記載なし | |
| HealthBench Professional(長さ調整スコア)知識・公式・GPT-6 Astra System Card (Table 6. HealthBench Evaluations)・1 件 | 比較相手なし(1 件)GPT-6 Astra 記載なし・64.7・コストなし計測・報告: OpenAI | |
| HealthBench Hard(長さ調整スコア)知識・公式・GPT-6 Astra System Card (Table 6. HealthBench Evaluations)・1 件 | 比較相手なし(1 件)GPT-6 Astra 記載なし・36.6・コストなし計測・報告: OpenAI | |
マネージャー・監修
重視するカテゴリ: コーディング・推論
グループ別の詳細(6 グループ)
| 根拠の比較グループ | 性能優先の 1 位 | コスト効率の前線上の候補(安い順) |
|---|---|---|
| MirrorCodeコーディング・第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, mirrorcode.csv) CC BY 4.0・7 件 | GPT-6.1 Terra Max・76.7%・コストなし計測・報告: Epoch AI | 出典のコストのある値が無いため出せません |
| GPQA Diamond推論・第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, gpqa_diamond.csv) CC BY 4.0・6 件 | GPT-6 Astra Max・95.8%・コストなし計測・報告: Epoch AI | 出典のコストのある値が無いため出せません |
| Chess Puzzles(Epoch AI)推論・第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, chess_puzzles.csv) CC BY 4.0・6 件 | GPT-6 Astra Max・74.0%・コストなし計測・報告: Epoch AI | 出典のコストのある値が無いため出せません |
| LMArena Text Coding(style control なし)コーディング・第三者・lmarena-ai/leaderboard-dataset text/latest-00000-of-00001.parquet (CC BY 4.0)・3 件 | GPT-6 Astra Max・1,494・コストなし計測・報告: LMArena | 出典のコストのある値が無いため出せません |
| Humanity's Last Exam(ツールあり)推論・公式・Introducing Claude Opus 5.5・1 件 | 比較相手なし(1 件)GPT-6 Astra 記載なし・57.2%・コストなし計測・報告: 記載なし | |
| Humanity's Last Exam(ツールあり)推論・公式・Introducing Claude Fable 5.2 and Claude Mythos 5.2・1 件 | 比較相手なし(1 件)GPT-6 Astra 記載なし・57.2%・コストなし計測・報告: 記載なし | |
実装・作業者
重視するカテゴリ: エージェント型コーディング・コーディング・ツール利用
グループ別の詳細(13 グループ)
| 根拠の比較グループ | 性能優先の 1 位 | コスト効率の前線上の候補(安い順) |
|---|---|---|
| MirrorCodeコーディング・第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, mirrorcode.csv) CC BY 4.0・7 件 | GPT-6.1 Terra Max・76.7%・コストなし計測・報告: Epoch AI | 出典のコストのある値が無いため出せません |
| LMArena Text Coding(style control なし)コーディング・第三者・lmarena-ai/leaderboard-dataset text/latest-00000-of-00001.parquet (CC BY 4.0)・3 件 | GPT-6 Astra Max・1,494・コストなし計測・報告: LMArena | 出典のコストのある値が無いため出せません |
| Terminal-Bench 4.0エージェント型コーディング・公式・Anthropic 発表の Accuracy vs Cost 図(Opus 5.5・Sonnet 5.5 ページ)・5 件 | 同じモデルの effort 比較のみ(5 件)GPT-6 Astra Low・49.7%・$4.95(Cost per attempt)計測・報告: OpenAIGPT-6 Astra Med・53.9%・$6.15(Cost per attempt)計測・報告: OpenAIGPT-6 Astra High・57.9%・$7.21(Cost per attempt)計測・報告: OpenAIGPT-6 Astra Xhigh・57.6%・$7.48(Cost per attempt)計測・報告: OpenAIGPT-6 Astra Max・56.7%・$10.35(Cost per attempt)計測・報告: OpenAI
| |
| FrontierCode v1.1(main set)エージェント型コーディング・公式・Anthropic 発表の Accuracy vs Cost 図(Opus 5.5・Sonnet 5.5 ページ)・5 件 | 同じモデルの effort 比較のみ(5 件)GPT-6 Astra Low・45.3%・$1.59(Cost per task)計測・報告: 記載なしGPT-6 Astra Med・48.8%・$2.28(Cost per task)計測・報告: 記載なしGPT-6 Astra High・50.9%・$2.85(Cost per task)計測・報告: 記載なしGPT-6 Astra Xhigh・50.6%・$3.10(Cost per task)計測・報告: 記載なしGPT-6 Astra Max・53.3%・$4.36(Cost per task)計測・報告: 記載なし
| |
| AutomationBenchツール利用・公式・Introducing Claude Opus 5.5・5 件 | 同じモデルの effort 比較のみ(5 件)GPT-6 Astra Low・30.3%・$1.08(Cost per task)計測・報告: ZapierGPT-6 Astra Med・34.1%・$1.28(Cost per task)計測・報告: ZapierGPT-6 Astra High・37.1%・$1.45(Cost per task)計測・報告: ZapierGPT-6 Astra Xhigh・39.0%・$1.53(Cost per task)計測・報告: ZapierGPT-6 Astra Max・41.4%・$1.77(Cost per task)計測・報告: Zapier
| |
| FrontierCode 2.0エージェント型コーディング・公式・Introducing Claude Fable 5.2 and Claude Mythos 5.2・5 件 | 同じモデルの effort 比較のみ(5 件)GPT-6 Astra Low・31.1%・$2.44(Cost per task)計測・報告: 記載なしGPT-6 Astra Med・36.8%・$3.49(Cost per task)計測・報告: 記載なしGPT-6 Astra High・38.3%・$4.28(Cost per task)計測・報告: 記載なしGPT-6 Astra Xhigh・41.4%・$4.54(Cost per task)計測・報告: 記載なしGPT-6 Astra Max・42.8%・$6.68(Cost per task)計測・報告: 記載なし
| |
| Terminal-Bench-Science 0.1エージェント型コーディング・公式・Introducing Claude Opus 5.5・1 件 | 比較相手なし(1 件)GPT-6 Astra 記載なし・64.6%・コストなし計測・報告: OpenAI | |
| Terminal-Bench 4.0エージェント型コーディング・公式・Introducing Claude Haiku 5.5・1 件 | 比較相手なし(1 件)GPT-6 Luna 記載なし・16.4%・コストなし計測・報告: 記載なし | |
| FrontierCode v1.1(main set)エージェント型コーディング・公式・Introducing Claude Haiku 5.5・1 件 | 比較相手なし(1 件)GPT-6 Luna 記載なし・42.4%・コストなし計測・報告: 記載なし | |
| FrontierSWE 2エージェント型コーディング・公式・Introducing Claude Fable 5.2 and Claude Mythos 5.2・1 件 | 比較相手なし(1 件)GPT-6 Astra 記載なし・65.5%・コストなし計測・報告: 記載なし | |
| AutomationBenchツール利用・公式・Introducing Claude Fable 5.2 and Claude Mythos 5.2・1 件 | 比較相手なし(1 件)GPT-6 Astra 記載なし・41.4%・コストなし計測・報告: 記載なし | |
| Terminal-Bench-Science 0.1エージェント型コーディング・公式・Introducing Claude Fable 5.2 and Claude Mythos 5.2・1 件 | 比較相手なし(1 件)GPT-6 Astra 記載なし・68.1%・コストなし計測・報告: 記載なし | |
| τ²-bench banking_knowledge (v1.0.1)ツール利用・第三者・τ²-bench v1.0.1 banking_knowledge(Sierra の実行・検索 alltools)・1 件 | 比較相手なし(1 件)GPT-5.5 Xhigh・44.6%・コストなし計測・報告: Sierra | |
簡易タスク
重視するカテゴリ: コーディング・ツール利用
グループ別の詳細(5 グループ)
| 根拠の比較グループ | 性能優先の 1 位 | コスト効率の前線上の候補(安い順) |
|---|---|---|
| MirrorCodeコーディング・第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, mirrorcode.csv) CC BY 4.0・7 件 | GPT-6.1 Terra Max・76.7%・コストなし計測・報告: Epoch AI | 出典のコストのある値が無いため出せません |
| LMArena Text Coding(style control なし)コーディング・第三者・lmarena-ai/leaderboard-dataset text/latest-00000-of-00001.parquet (CC BY 4.0)・3 件 | GPT-6 Astra Max・1,494・コストなし計測・報告: LMArena | 出典のコストのある値が無いため出せません |
| AutomationBenchツール利用・公式・Introducing Claude Opus 5.5・5 件 | 同じモデルの effort 比較のみ(5 件)GPT-6 Astra Low・30.3%・$1.08(Cost per task)計測・報告: ZapierGPT-6 Astra Med・34.1%・$1.28(Cost per task)計測・報告: ZapierGPT-6 Astra High・37.1%・$1.45(Cost per task)計測・報告: ZapierGPT-6 Astra Xhigh・39.0%・$1.53(Cost per task)計測・報告: ZapierGPT-6 Astra Max・41.4%・$1.77(Cost per task)計測・報告: Zapier
| |
| AutomationBenchツール利用・公式・Introducing Claude Fable 5.2 and Claude Mythos 5.2・1 件 | 比較相手なし(1 件)GPT-6 Astra 記載なし・41.4%・コストなし計測・報告: 記載なし | |
| τ²-bench banking_knowledge (v1.0.1)ツール利用・第三者・τ²-bench v1.0.1 banking_knowledge(Sierra の実行・検索 alltools)・1 件 | 比較相手なし(1 件)GPT-5.5 Xhigh・44.6%・コストなし計測・報告: Sierra | |
デザイン・UI
重視するカテゴリ: デザイン・UI
データなし
Codex で選べるモデルについて、これらのカテゴリのベンチマーク結果がまだありません。