AIFIND / MODEL INTELLIGENCE
Claude Opus 5
Anthropic · 公開日 2026-07-24
集計
総合スコア75.2
参考順位#8
証拠のカバー率81.3%
個別評価15
利用条件と料金
料金は 100 万トークンあたりの原通貨。保存された出典に基づく参考情報です。価格記録の日付は 未確認。現在の料金を自動確認したものではありません。最新の料金は 公式料金 で確認してください。
コンテキスト仕様の確認: 未確認 · 仕様の出典。未確認の日時は取得日で補いません。
採用した評価と実行設定
総合評価と利用体験
LiveBench · 言語と指示総合比較の証拠76.2%
Arena · 創作総合比較の証拠1,470.6
Creative Writing v3総合比較の証拠2,132.6
コーディング
DeepSWE v1.1総合比較の証拠73.6%
推論
LiveBench · 推論と数学総合比較の証拠93.5%
FrontierMath v2 · Tiers 1–3総合比較の証拠85.6%
FrontierMath v2 · Tier 4総合比較の証拠73.2%
Chess Puzzles総合比較の証拠42.0%
知識
SimpleQA Verified総合比較の証拠59.9%
専門業務
採用しない結果・未測定
- Vals Finance Agent — 混合モデルまたはフォールバックが明示され、単一モデルの結果には使えません。
欠測の分野: 中国語・多言語。公表誤差のない測定: 7 件。欠測を 0 点にせず、未公表の誤差を推測しません。
近い順位のモデルと比較
GPT-6.1 Sol · #713 共通測定
共通証拠の重み 70.8% · 相対的な純支持差 -0.160
| 出典 | Claude Opus 5 | GPT-6.1 Sol | 重み |
|---|---|---|---|
| LiveBench · 言語と指示 ↗ | 76.2% | 82.1% | 12.5% |
| Arena · 創作 ↗ | 1,470.6 | 1,459.7 | 6.3% |
| LiveBench · コーディング · 直接コーディング ↗ | 81.4% | 80.4% | 4.2% |
| LiveBench · コーディング · ツール利用のコーディング ↗ | 65.2% | 54.5% | 4.2% |
| LiveBench · 推論と数学 ↗ | 93.5% | 94.7% | 3.1% |
| FrontierMath v2 · Tiers 1–3 ↗ | 85.6% | 93.7% | 1.6% |
| FrontierMath v2 · Tier 4 ↗ | 73.2% | 100.0% | 1.6% |
| Chess Puzzles ↗ | 42.0% | 61.0% | 3.1% |
| Mystery Game Puzzles ↗ | 59.0% | 80.0% | 3.1% |
| SimpleQA Verified ↗ | 59.9% | 73.9% | 6.3% |
| GPQA Diamond ↗ | 93.9% | 95.4% | 6.3% |
| APEX-Agents 1.1 ↗ | 65.8% | 60.0% | 6.3% |
| Arena Vision ↗ | 1,289 | 1,290.6 | 12.5% |
Muse Spark 1.3 · #913 共通測定
共通証拠の重み 64.6% · 相対的な純支持差 0.131
| 出典 | Claude Opus 5 | Muse Spark 1.3 | 重み |
|---|---|---|---|
| LiveBench · 言語と指示 ↗ | 76.2% | 80.4% | 12.5% |
| Arena · 創作 ↗ | 1,470.6 | 1,458.7 | 6.3% |
| Creative Writing v3 ↗ | 2,132.6 | 1,905.9 | 3.1% |
| Longform Writing ↗ | 86.3 | 82.8 | 3.1% |
| LiveBench · コーディング · 直接コーディング ↗ | 81.4% | 81.1% | 4.2% |
| LiveBench · コーディング · ツール利用のコーディング ↗ | 65.2% | 64.1% | 4.2% |
| LiveBench · 推論と数学 ↗ | 93.5% | 92.8% | 3.1% |
| FrontierMath v2 · Tiers 1–3 ↗ | 85.6% | 74.0% | 1.6% |
| FrontierMath v2 · Tier 4 ↗ | 73.2% | 46.3% | 1.6% |
| Chess Puzzles ↗ | 42.0% | 38.0% | 3.1% |
| Mystery Game Puzzles ↗ | 59.0% | 25.0% | 3.1% |
| APEX-Agents 1.1 ↗ | 65.8% | 58.6% | 6.3% |
| Arena Vision ↗ | 1,289 | 1,290.2 | 12.5% |
Gemini 3.8 Flash · #616 共通測定
共通証拠の重み 81.2% · 相対的な純支持差 -0.036
| 出典 | Claude Opus 5 | Gemini 3.8 Flash | 重み |
|---|---|---|---|
| LiveBench · 言語と指示 ↗ | 76.2% | 84.6% | 12.5% |
| Arena · 創作 ↗ | 1,470.6 | 1,484.5 | 6.3% |
| Creative Writing v3 ↗ | 2,132.6 | 1,747.9 | 3.1% |
| Longform Writing ↗ | 86.3 | 76.8 | 3.1% |
| DeepSWE v1.1 ↗ | 73.6% | 73.8% | 4.2% |
| LiveBench · コーディング · 直接コーディング ↗ | 81.4% | 72.5% | 4.2% |
| LiveBench · コーディング · ツール利用のコーディング ↗ | 65.2% | 54.2% | 4.2% |
| LiveBench · 推論と数学 ↗ | 93.5% | 90.4% | 3.1% |
| FrontierMath v2 · Tiers 1–3 ↗ | 85.6% | 68.4% | 1.6% |
| FrontierMath v2 · Tier 4 ↗ | 73.2% | 22.0% | 1.6% |
| Chess Puzzles ↗ | 42.0% | 61.0% | 3.1% |
| Mystery Game Puzzles ↗ | 59.0% | 47.0% | 3.1% |
| SimpleQA Verified ↗ | 59.9% | 69.7% | 6.3% |
| GPQA Diamond ↗ | 93.9% | 95.4% | 6.3% |
| APEX-Agents 1.1 ↗ | 65.8% | 64.3% | 6.3% |
| Arena Vision ↗ | 1,289 | 1,290.3 | 12.5% |
GPT-5.6 Sol · #1016 共通測定
共通証拠の重み 81.2% · 相対的な純支持差 0.059
| 出典 | Claude Opus 5 | GPT-5.6 Sol | 重み |
|---|---|---|---|
| LiveBench · 言語と指示 ↗ | 76.2% | 79.8% | 12.5% |
| Arena · 創作 ↗ | 1,470.6 | 1,468.3 | 6.3% |
| Creative Writing v3 ↗ | 2,132.6 | 1,971.6 | 3.1% |
| Longform Writing ↗ | 86.3 | 81.7 | 3.1% |
| DeepSWE v1.1 ↗ | 73.6% | 72.7% | 4.2% |
| LiveBench · コーディング · 直接コーディング ↗ | 81.4% | 83.9% | 4.2% |
| LiveBench · コーディング · ツール利用のコーディング ↗ | 65.2% | 56.2% | 4.2% |
| LiveBench · 推論と数学 ↗ | 93.5% | 93.9% | 3.1% |
| FrontierMath v2 · Tiers 1–3 ↗ | 85.6% | 89.1% | 1.6% |
| FrontierMath v2 · Tier 4 ↗ | 73.2% | 82.9% | 1.6% |
| Chess Puzzles ↗ | 42.0% | 55.0% | 3.1% |
| Mystery Game Puzzles ↗ | 59.0% | 58.0% | 3.1% |
| SimpleQA Verified ↗ | 59.9% | 69.7% | 6.3% |
| GPQA Diamond ↗ | 93.9% | 93.5% | 6.3% |
| APEX-Agents 1.1 ↗ | 65.8% | 51.4% | 6.3% |
| Arena Vision ↗ | 1,289 | 1,284.7 | 12.5% |
GPT-6 Astra · #516 共通測定
共通証拠の重み 81.2% · 相対的な純支持差 -0.133
| 出典 | Claude Opus 5 | GPT-6 Astra | 重み |
|---|---|---|---|
| LiveBench · 言語と指示 ↗ | 76.2% | 82.5% | 12.5% |
| Arena · 創作 ↗ | 1,470.6 | 1,449.1 | 6.3% |
| Creative Writing v3 ↗ | 2,132.6 | 2,173.3 | 3.1% |
| Longform Writing ↗ | 86.3 | 82.8 | 3.1% |
| DeepSWE v1.1 ↗ | 73.6% | 73.2% | 4.2% |
| LiveBench · コーディング · 直接コーディング ↗ | 81.4% | 80.4% | 4.2% |
| LiveBench · コーディング · ツール利用のコーディング ↗ | 65.2% | 57.3% | 4.2% |
| LiveBench · 推論と数学 ↗ | 93.5% | 94.7% | 3.1% |
| FrontierMath v2 · Tiers 1–3 ↗ | 85.6% | 93.7% | 1.6% |
| FrontierMath v2 · Tier 4 ↗ | 73.2% | 97.6% | 1.6% |
| Chess Puzzles ↗ | 42.0% | 72.0% | 3.1% |
| Mystery Game Puzzles ↗ | 59.0% | 84.0% | 3.1% |
| SimpleQA Verified ↗ | 59.9% | 75.6% | 6.3% |
| GPQA Diamond ↗ | 93.9% | 95.8% | 6.3% |
| APEX-Agents 1.1 ↗ | 65.8% | 64.7% | 6.3% |
| Arena Vision ↗ | 1,289 | 1,284.3 | 12.5% |