--- title: "AIモデル比較表｜ChatGPT・Claude・Gemini・Grok 21本の料金と性能を一覧【2026年最新】- ai-garage" description: "AIモデル21本の料金・性能・一度に読める量（コンテキスト長）を横並び比較。入力料金の最安は Claude Haiku 5.5 の $0.10、第三者の知能スコアの最高は Claude Opus 5.5 の58。ChatGPT・Claude・Gemini・Grok・DeepSeek・Qwen・Kimi を一次ソース付きで比べられる編集部の独自集計（2026-10-09 時点）。" source: https://ai-garage.jp/compare/ --- INDEPENDENT COMPARISON # 主要AIモデル 独自比較表 ai-garage 編集部による独自集計。 各社の最前線モデル（フロンティアモデル）21本の**料金 / 一度に読める量（コンテキスト長） / 主要ベンチマーク（AIの実力テスト）**を横並びで比較。 数字には**一次ソースをすべて明記**しています。 このページは**開発者向けAPIの料金とベンチマーク**の比較だよ。 ChatGPT や Gemini を**月額プランで使うときの料金と無料枠**を比べたいなら、 [生成AI比較表（主要6サービスの月額料金と無料枠）](https://ai-garage.jp/news/generative-ai-comparison-table/) のほうが近いよ。 最終更新：2026-10-09（編集部集計） どのAIを選べばいいか迷ったら 5問に答えるだけでおすすめがわかるよ AI診断をやってみる → RECOMMENDATIONS ## 結論から：用途別のおすすめ 詳しい数値は下の比較表で。まずはここだけ見ればOKだよ。 ※「トークン」は AI が文章を数えるときの単位のこと。日本語1文字でだいたい1〜2トークンだよ。 USE CASE 精度最優先・むずかしい仕事 Claude Opus 5.5 第三者の知能スコア 58 は本表トップ、難問テスト HLE（ツールなし）も 64.4% で本表最高。料金は最上位 Fable 5.1 の4割（$4/$20）。Anthropic は、Opus 5.5 の高い設定でも足りないときに Fable 5.1 を使うよう案内している。 料金 $4 / $20 ・ 一度に 100万トークン ![](https://ai-garage.jp/images/mascot/head-icon-base-512.webp) 「Fable 5.1 並みの力で、お値段は Opus 5 より2割安。迷ったらまずこれ」 比較表で見る ↓ USE CASE ふだん使い・コスパ Claude Sonnet 5.5 GPT-6.1 Sol と同じ $2/$10 で、第三者の知能スコアは 56 対 52。最上位の Opus 5.5（58）にも2点差まで迫った。Claude アプリなら無料プランでも使える。ただし一番高い設定で測ったスコアで、そのぶん書く量（トークン）も多い。 料金 $2 / $10 ・ 一度に 100万トークン ![](https://ai-garage.jp/images/mascot/head-icon-base-512.webp) 「お値段は Sonnet 5 のまま、賢さは Opus 5.5 のすぐ下まで来たよ」 比較表で見る ↓ USE CASE コーディングを安く大量に GLM-5.3 $1.4/$4.4 と安いのに、コードを直す力の公開ランキング DeepSWE v1.1 で 69%（2026年9月3日時点）。中国製なので業務利用は社内規定の確認を。 料金 $1.4 / $4.4 ・ 一度に 100万トークン ![](https://ai-garage.jp/images/mascot/head-icon-base-512.webp) 「Kimi K3 を知能でわずかに抜いたのに、お値段は半分以下なんだ」 比較表で見る ↓ USE CASE 長い資料をまるごと読ませる Gemini 3.1 Pro 一度に読める量がこの表で最大（約105万トークン）。 料金 $2 / $12 ・ 一度に 105万トークン ![](https://ai-garage.jp/images/mascot/head-icon-base-512.webp) 「長ーい資料をまるのみできる大食いさん」 比較表で見る ↓ USE CASE コストを極限まで抑える Claude Haiku 5.5 入力料金がこの表で最安（$0.10／100万トークン）。GPT-6 Luna も同額。入力3:出力1の平均額も同じ $0.20。 料金 $0.1 / $0.5 ・ 一度に 100万トークン ![](https://ai-garage.jp/images/mascot/head-icon-base-512.webp) 「本表でいちばん安い組なのに、賢さは GPT-6 Luna より5点上。長い資料（10万トークン超）だと単価が5倍になるのだけ気をつけてね」 比較表で見る ↓ QUICK TAKEAWAYS 💰 入力料金 安い順（100万トークンあたりUSD） ### コスパで選ぶなら 1. 1. Claude Haiku 5.5 $0.1 2. 2. GPT-6 Luna $0.1 3. 3. DeepSeek V4.1-Flash $0.15 4. 4. GLM-5.3-Flash $0.15 5. 5. Qwen3.8-Flash $0.15 📏 一度に読める量（コンテキスト長）長い順 ### 長文を読ませるなら 1. 1. Gemini 3.1 Pro 1049K 2. 2. Gemini 3.8 Flash 1049K 3. 3. Muse Spark 1.3 1049K 4. 4. Gemini 3.5 Flash-Lite 1049K 5. 5. Claude Haiku 5.5 1000K ※数え方はメーカーで違うよ（入力だけの上限か、返答ぶんも含む枠か）。くわしくは下の注 ⌨️ SWE-Bench Verified 高い順 ### コード修正テストの公表値 1. 1. Gemini 3.1 Pro 80.6% ※このテストの値を公表しているのは本表で1本だけ。ほかは未公表の「—」で、成績が低いという意味ではないよ。 🏆 AIコスパ指数 高い順 ### 総合コスパで選ぶなら 1. 1. Claude Haiku 5.5 84 2. 2. GLM-5.3-Flash 82 3. 3. Qwen3.8-Flash 80 4. 4. GPT-6 Luna 79 5. 5. DeepSeek V4.1-Flash 78 BENCHMARK CHARTS ## ベンチマーク横並び 2026-10-09 時点の公表値を編集部が集計。バー長が長いほど高スコア。 ### SWE-Bench Verified（実在するソフトのバグ修正テスト） オープンソースソフト（設計図が無料で公開されているソフト）に実際に報告されたバグを、AIが直せるかを測るテスト。本表で値を公表しているのは1本だけ **出典：**各社公式発表 + SWE-Bench リーダーボード（2026-10-09 時点） ### MMLU（総合学力テスト） 57科目の選択問題でAIの幅広い知識を測る **出典：**各社公式発表（2026-10-09 時点） ### GPQA Diamond（博士レベル理系問題） ググっても答えが出ない難問。推論モデルの真価が問われる **出典：**各社公式発表（2026-10-09 時点） ### AIME 2024-2025（数学オリンピック予選） 推論モデルの数学力を測る代表的テスト **出典：**各社公式発表（2026-10-09 時点） PRICING ## 料金の安い順 入力料金の安い順に並べました。**上にあるほど安く済みます**。入力が安くても出力が高いモデルがあるので、右の列もあわせて見てください。 ### API 料金一覧（100万トークンあたりのUSD） 入力・出力それぞれの料金を安い順に 棒の長さは列ごとの比率です（入力と出力ではものさしが違うので、棒どうしは見比べないでください）。 モデル 入力料金（$ / 100万トークン） 出力料金（$ / 100万トークン） 1. Claude Haiku 5.5 入力 $0.1 出力 $0.5 2. GPT-6 Luna 入力 $0.1 出力 $0.5 3. Qwen3.8-Flash 入力 $0.15 出力 $0.47 4. GLM-5.3-Flash 入力 $0.15 出力 $0.5 5. DeepSeek V4.1-Flash 入力 $0.15 出力 $0.6 6. Gemini 3.5 Flash-Lite 入力 $0.3 出力 $2.5 7. Gemini 3.8 Flash 入力 $0.75 出力 $3.75 8. Muse Spark 1.3 入力 $1.25 出力 $4.25 9. Mistral Large 4 入力 $1.36 出力 $4.18 10. GLM-5.3 入力 $1.4 出力 $4.4 11. Grok 4.7 入力 $2 出力 $6 12. Qwen3.8-Max 入力 $2 出力 $6 13. GPT-6.1 Sol 入力 $2 出力 $10 14. Claude Sonnet 5.5 入力 $2 出力 $10 15. Gemini 3.1 Pro 入力 $2 出力 $12 16. GPT-5.6 Terra 入力 $2 出力 $12 17. Kimi K3 入力 $3 出力 $15 18. Claude Opus 5.5 入力 $4 出力 $20 19. GPT-6 Astra 入力 $10 出力 $50 20. Claude Fable 5.1 入力 $10 出力 $50 いちばん安い **Claude Haiku 5.5** といちばん高い **GPT-6 Astra** では、入力で約100倍・出力で約100倍の差があります。 **出典：**各社公式料金ページ（2026-10-09 時点）。Llama等のオープンウェイトモデル（中身が公開されていて自分のパソコンやサーバーでも動かせるモデル）は API 提供価格が公開されていないため除外。 COMPARISON TABLE ## 全項目比較表 最近の変化 これまでの記録を見る → 1. 2026年10月9日 Claude Haiku 5.5 を追加、Mistral 行を Large 4 に差し替え Claude Haiku 5.5 $0.10 / $0.50・知能 43・コスパ 84（1位） Mistral Large 4 定価 $1.36 / $4.18・知能 14→38・コスパ 31→59 2. 2026年9月29日 GPT-6.1 Sol が登場、ChatGPT 行を GPT-6 Sol から差し替え（本表への反映は10月1日） 料金 $2 / $10（GPT-6 Sol と同額） 知能（v4.3.2） 48（GPT-6 Sol）→ 52（GPT-6.1 Sol・max） 3. 2026年9月28日 Claude Sonnet 5.5 が登場、Sonnet 行を 5 から差し替え 料金 $2 / $10（Sonnet 5 と同額） 知能（v4.3.2） 38（Sonnet 5）→ 56（Sonnet 5.5・max） 数字は書いた時点のものです。現在値は下の表が正です。 横スクロール可能。バーは各カテゴリの最大値に対する相対値です。 | モデル | バージョン | 公開 | 一度に読める量 コンテキスト | 料金（入力） 100万トークンあたり $ | 料金（出力） 100万トークンあたり $ | コード修正力 [SWE-Bench Verified](https://ai-garage.jp/glossary/swe-bench/) | 知識の広さ [MMLU](https://ai-garage.jp/glossary/mmlu/) | 専門知識（科学） [GPQA](https://ai-garage.jp/glossary/gpqa/) | 数学 [AIME](https://ai-garage.jp/glossary/aime/) | 推論モデル | AIコスパ指数 独自指標 | Xの評判（傾向値） ポジ÷（ポジ＋ネガ） 全数調査ではない [調べ方と推移 →](https://ai-garage.jp/x-sentiment/) | | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | | [Gemini 3.1 Pro](https://ai-garage.jp/models/gemini/) Google 「長ーい資料をまるのみできる大食いさん」 | 3.1 Pro | 2026-02-19 | 1049K | $2 | $12 | 80.6% ●●●●● | 91% ●●●●● | 94.3% ●●●●● | 95% ●●●●● | YES | 44 | 47（n=35） | | [Claude Haiku 5.5](https://ai-garage.jp/models/claude/) Anthropic 「本表でいちばん安い組なのに、賢さは GPT-6 Luna より5点上。長い資料（10万トークン超）だと単価が5倍になるのだけ気をつけてね」 | Haiku 5.5 | 2026-10-07 | 1000K | $0.1 | $0.5 | — | — | — | — | YES | 84 | 85（n=30） | | [Mistral Large 4](https://ai-garage.jp/models/mistral/) Mistral AI 「ヨーロッパ生まれの新しい旗艦。前の Medium 3.5 から賢さが一気に上がって、お値段は下がったよ（まだプレビュー版）」 | Large 4（公開プレビュー） | 2026-10-06 | 1000K | $1.36 | $4.18 | — | — | — | — | YES | 59 | — | | [GPT-6.1 Sol](https://ai-garage.jp/models/chatgpt/) OpenAI 「Sol が1週間で 6.1 に。お値段そのままで賢さが上がって、キャッシュは半額だよ」 | GPT-6.1 Sol | 2026-09-29 | 922K | $2 | $10 | — | — | — | — | YES | 68 | 55（n=23） | | [Claude Sonnet 5.5](https://ai-garage.jp/models/claude/) Anthropic 「お値段は Sonnet 5 のまま、賢さは Opus 5.5 のすぐ下まで来たよ」 | Sonnet 5.5 | 2026-09-28 | 1000K | $2 | $10 | — | — | — | — | YES | 72 | 68（n=29） | | [GPT-6 Luna](https://ai-garage.jp/models/chatgpt/) OpenAI 「Claude Haiku 5.5 と並んで本表でいちばん安い子。前の Luna の半額以下で、賢さは少し上がったよ」 | GPT-6 Luna | 2026-09-22 | 922K | $0.1 | $0.5 | — | — | — | — | YES | 79 | 75（n=25） | | [Claude Opus 5.5](https://ai-garage.jp/models/claude/) Anthropic 「Fable 5.1 並みの力で、お値段は Opus 5 より2割安。迷ったらまずこれ」 | Opus 5.5 | 2026-09-22 | 1000K | $4 | $20 | — | — | — | — | YES | 68 | 83（n=14） | | [Grok 4.7](https://ai-garage.jp/models/grok/) SpaceXAI（旧xAI） 「3世代続けて $2/$6。値段そのままで、賢さがまた少し上がったよ」 | Grok 4.7 | 2026-09-21 | 500K | $2 | $6 | — | — | — | — | YES | 64 | 62（n=22） | | [DeepSeek V4.1-Flash](https://ai-garage.jp/models/deepseek/) DeepSeek 「コスパの鬼。お財布の味方だよ」 | V4.1-Flash (552B / 8B prefill・16B decode active) | 2026-09-10 | 1000K | $0.15 | $0.6 | — | — | 90.9% ●●●●● | — | YES | 78 | 84（n=36） | | [GPT-6 Astra](https://ai-garage.jp/models/chatgpt/) OpenAI 「パソコン操作とサイバーは一段上だけど、お値段は同じ GPT-6 の Sol の5倍だよ」 | GPT-6 Astra | 2026-09-03 | 922K | $10 | $50 | — | — | 96% ●●●●● | — | YES | 55 | 41（n=22） | | [Gemini 3.8 Flash](https://ai-garage.jp/models/gemini/) Google 「6週間で3世代目！お値段そのままで賢くなったけど、よく考えるぶんタスク単価は上がるんだ。」 | 3.8 Flash | 2026-09-02 | 1049K | $0.75 | $3.75 | — | — | — | — | YES | 65 | 36（n=15） | | [Muse Spark 1.3](https://ai-garage.jp/models/muse-spark/) Meta 「Meta が9月2日に上げてきた新しい版。値段はそのままで賢さだけ上がったよ」 | Muse Spark 1.3（標準ティア） | 2026-09-02 | 1049K | $1.25 | $4.25 | — | — | — | — | YES | 70 | 50（n=28） | | [Qwen3.8-Max](https://ai-garage.jp/models/qwen/) Alibaba 「9月の改良版で賢さがまた上がったよ。お値段は $2/$6 のまま」 | Qwen3.8-Max（2026-09-02 版・旗艦・2.4T / 95B active） | 2026-09-02 | 1000K | $2 | $6 | — | — | 92.6% ●●●●● | — | YES | 63 | 57（n=17） | | [Claude Fable 5.1](https://ai-garage.jp/models/claude/) Anthropic 「お値段は本表トップ（GPT-6 Astra と同額）だから、Opus 5.5 でも足りない本当に難しい仕事だけに使いたいね」 | Fable 5.1 | 2026-09-01 | 1000K | $10 | $50 | — | — | — | — | YES | 55 | 67（n=15） | | [GLM-5.3-Flash](https://ai-garage.jp/models/glm/) Z.ai 「1課題$0.24。安さがけた違いなのに、旗艦との差は3ポイントだよ」 | 5.3-Flash | 2026-08-26 | 1000K | $0.15 | $0.5 | — | — | — | — | YES | 82 | 91（n=27） | | [Qwen3.8-Flash](https://ai-garage.jp/models/qwen/) Alibaba 「旗艦の Qwen3.8-Max より賢さは一歩ゆずるけど、お値段は13分の1だよ」 | Qwen3.8-Flash（オープン版は Qwen3.8-Flash-Next・125B / 6B active） | 2026-08-26 | 1000K | $0.15 | $0.47 | — | — | — | — | YES | 80 | 79（n=43） | | [GLM-5.3](https://ai-garage.jp/models/glm/) Z.ai 「Kimi K3 を知能でわずかに抜いたのに、お値段は半分以下なんだ」 | 5.3 | 2026-08-14 | 1000K | $1.4 | $4.4 | — | — | — | — | YES | 66 | 57（n=7） | | [Gemini 3.5 Flash-Lite](https://ai-garage.jp/models/gemini/) Google 「とにかく身軽な節約家さん。頭のキレも上がったよ」 | 3.5 Flash-Lite | 2026-07-21 | 1049K | $0.3 | $2.5 | — | — | — | — | YES | 50 | 13（n=16） | | [Kimi K3](https://ai-garage.jp/models/kimi/) Moonshot AI 「オープンなのにフロンティア級。デカくて賢い自由派だよ」 | K3 (2.8T, MoE 896/16 active) | 2026-07-16 | 1000K | $3 | $15 | — | — | 93.5% ●●●●● | — | YES | 56 | 50（n=13） | | [GPT-5.6 Terra](https://ai-garage.jp/models/chatgpt/) OpenAI 「GPT-5.6 の中堅。GPT-6 Sol のほうが安くて賢いから、新しく選ぶ理由は少なくなったよ」 | GPT-5.6 Terra | 2026-07-09 | 922K | $2 | $12 | — | — | — | — | YES | 56 | 75（n=16） | | [Llama 4 Maverick](https://ai-garage.jp/models/llama/) Meta 「自前で動かせるオープン系の代表格」 | Llama 4 Maverick (MoE 400B / 17B active, 128 experts) | 2025-04-05 | 1000K | — | — | — | 80.5% ●●●●○ | — | — | NO | — | — | **●の見方：** ●は列内の最高スコアを基準にした相対評価（90%以上=●5）。「—」は未公表（実測0ではありません）。 **表の読み方：** コンテキスト長＝1度に読める量の上限（単位はトークン。日本語だとだいたい1文字＝1トークン前後）。SWE-Bench Verified＝実在するソフト（オープンソースソフト）に報告されたバグを直せるかのテスト。MMLU＝総合知識テスト。GPQA＝博士レベル理系問題。AIME＝米数学オリンピック予選。**SWE / MMLU / GPQA / AIME / HLE の欄は各社が自分で公表した数値を載せています**（「—」は公表がないもの）。測定条件は会社ごとに違い、たとえば Anthropic の HLE は「道具なし」条件の値です。**行をまたいで小数点以下を比べるのは向きません**。会社をまたいで同じ条件でそろえた数字が要るときは、独立測定の AA Index 欄を見てください。 推論モデル＝答える前に内部で長く考えるタイプ。 **コンテキスト長の数え方はメーカーで違います：** Google と OpenAI は「入力に使える上限」を公表していて、AI の返答ぶんはこれとは別枠。Anthropic・DeepSeek・Moonshot などは「入力と返答を合わせた1つの枠」を公表しています。 本表はどちらも「一度に読める量」としてそのまま並べているので、ぎりぎりまで詰め込む使い方をするときは、下の一次ソース欄の「注」でどちらの数字かを確かめてね。 **Xの評判の見方：** 2026年10月5日〜2026年10月12日に X へ投稿された日本語のポストをモデルごとに集め、AI で「良い評価（ポジ）」「悪い評価（ネガ）」「どちらでもない」に分けた傾向値です。 数字は「ポジ÷（ポジ＋ネガ）×100」、n は分類できたポストの数です。**全数調査ではありません**。ポジとネガを合わせて5件未満のモデルと、集計に入っていないモデルは「—」にしています。 ベンチマークとは別の「使った人の声」の目安として見てください。週ごとの推移とよく挙がる良い点・不満点は [てんびん丸総研の X 評判調査](https://ai-garage.jp/x-sentiment/) にあります。 🏆 AIコスパ指数の算出式 ざっくり言うと**「賢さ6割・安さ4割」で点数化したもの**です。AIコスパ指数は ai-garage 編集部の独自指標。第三者機関 [Artificial Analysis](https://artificialanalysis.ai/) の Intelligence Index v4.3.2（10評価・エージェント30%／一般30%／コーディング20%／科学推論20%）を知能スコアとし、最高知能を100とした相対値×0.6 ＋ 料金の安さ（入力と出力の料金を3:1で混ぜた平均額を、桁の違いをならす対数目盛りで換算）×0.4 で算出。毎月再集計。 [→ 指標の詳細](https://ai-garage.jp/glossary/ai-cospa-index/) PRIMARY SOURCES ## 一次ソース 本比較表に掲載した数字の出典。すべて公式発表または査読付き論文。 Gemini 3.1 Pro Google - [→ Google DeepMind：Gemini 3.1 Pro Model Card](https://deepmind.google/models/model-cards/gemini-3-1-pro/) - [→ Google：Deep Research Max](https://blog.google/innovation-and-ai/models-and-research/gemini-models/next-generation-gemini-deep-research/) - [→ Google AI 料金](https://ai.google.dev/gemini-api/docs/pricing) - [→ Artificial Analysis：Gemini 3.1 Pro Preview（Intelligence Index v4.3.2 で 30・2026-10-09 確認）](https://artificialanalysis.ai/models/gemini-3-1-pro-preview) - [→ Google 公式ブログ：Gemini 4 Argon（2026-09-30。Fairwind Program での限定提供・導入価格）](https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-argon/) - [→ Google ヘルプ：Gemini アプリのプランごとに使えるモデル（2026-10-09 から無料は Flash-Lite のみ）](https://support.google.com/gemini/answer/17004136?hl=en) **注：**ARC-AGI-2 77.1%、LiveCodeBench Elo 2887。200k 超は $4/$18。65k 出力対応。本表の 1,048,576 トークンは入力に使える上限のほうで、出力は別枠。Google DeepMind のモデルカードは入力を「a token context window of up to 1M」、出力を「a 64K token output」と分けて書いており、同系列の 3.7 Flash・3.5 Flash-Lite は Gemini API ドキュメントで Input token limit 1,048,576／Output token limit 65,536 と明記されている（いずれも 2026-08-18 確認）。API のモデル ID は今も gemini-3.1-pro-preview（Preview 表記）で、後継の Pro 系の API モデルは出ていない（2026-10-09 確認）。次世代の Gemini 4 Argon は 2026-09-30 に発表されたが、2026-10-09 時点の提供先はサイバー防御の組織（Google の Fairwind Program）だけで、一般の人や開発者はまだ使えないため本表には載せていない（Claude Mythos 5.1 と同じ扱い。一般提供が始まったら Gemini の行を見直す）。Argon の導入価格は入力$2／出力$10（導入期間の後は$4／$20）、第三者機関 Artificial Analysis の知能スコアは 53（high 設定）。Gemini アプリでは 2026-10-09 から Pro 系のモデルを使えるのは Google AI Pro 以上の加入者だけになった（無料は Flash-Lite のみ）。 Claude Haiku 5.5 Anthropic - [→ Anthropic：Introducing Claude Haiku 5.5（2026-10-07・料金・公式ベンチ・約75%安いという試算）](https://www.anthropic.com/claude-haiku-5-5) - [→ Anthropic：Claude Haiku 5.5 システムカード（Table 8.1.A：HLE ツールなし 45.9%・SWE-bench Pro 64.8%・OSWorld 2.1 オフライン 72.4%）](https://www.anthropic.com/document/claude-haiku-5-5-system-card) - [→ Anthropic 公式ドキュメント：Claude Haiku 5.5 overview（公開日・1M／128K・知識 2026年6月・提供終了の目安）](https://platform.claude.com/docs/en/models/haiku-5-5/overview) - [→ Anthropic 公式ドキュメント：What's new in Claude Haiku 5.5（Haiku 4.5 からの移行で変わる点）](https://platform.claude.com/docs/en/models/haiku-5-5/whats-new-haiku-5-5) - [→ Anthropic API 料金（Haiku 5.5：10万トークン以下 $0.10 / $0.50、超えると $0.50 / $2.50）](https://platform.claude.com/docs/en/about-claude/pricing) - [→ Anthropic Models Overview（現行は Fable 5.1 / Opus 5.5 / Sonnet 5.5 / Haiku 5.5。Haiku 4.5 は旧世代扱い）](https://platform.claude.com/docs/en/about-claude/models/overview) - [→ Artificial Analysis：Claude Haiku 5.5（Intelligence Index v4.3.2 で 43・max 設定・2026-10-09 確認）](https://artificialanalysis.ai/models/claude-haiku-5-5) **注：**2026-10-07（米国時間）公開の Anthropic の軽量・低価格モデル（API は claude-haiku-5-5）。9月22日の Opus 5.5、9月28日の Sonnet 5.5 に続く「Claude 5.5 ファミリー」の3本目で、これで Opus・Sonnet・Haiku の3つが 5.5 にそろった。同日から Claude API・Amazon Bedrock・Google Cloud・Microsoft Foundry と Claude アプリで使える。料金はプロンプトの長さで2段階になり、10万トークン以下のリクエストは入力$0.10／出力$0.50、10万トークンを超えるリクエストは入力$0.50／出力$2.50（キャッシュ読み込みは$0.01、超過時$0.05）。本表の $0.10／$0.50 は10万トークン以下の単価。Claude の 4.6 以降のモデルは100万トークンまで同じ単価なので、長さで単価が変わるのは Haiku 5.5 だけ。前の Haiku 4.5（$1／$5）から単価は1割になり、Anthropic は「Haiku 4.5 へのリクエストの9割が10万トークン以下だったので、平均で約75%安く動かせる」と説明している（同社の試算。新しい数え方で同じ文章が約30%多いトークンになる分も含めた値）。入力3:出力1の平均額 $0.20 は GPT-6 Luna と並んで本表でいちばん安い。ただし長い依頼の割増しの境目が違い、GPT-6 Luna は27万2千トークンまで同じ単価なので、10万〜27万2千トークンの依頼では Luna のほうが安い。第三者機関 Artificial Analysis の AA Intelligence Index は 43（v4.3.2・max 設定／2026-10-09 確認）で、同じ平均額の GPT-6 Luna（38）を5点上回る。設定を下げると xhigh 41、high 38、medium 34、low 29。公式の値（システムカード Table 8.1.A、max 設定・5回平均）は、Humanity's Last Exam がツールなし 45.9%（Haiku 4.5 は 10.2%）・ツールあり 57.4%、より難しいコード修正の SWE-bench Pro が 64.8%（Sonnet 5.5 は 81.3%）、SWE-bench Multilingual が 83.7%（Haiku 4.5 は 67.4%）、パソコン操作の OSWorld 2.1（インターネットにつながない82課題）が 72.4%（Haiku 4.5 は 15.7%、GPT-6 Luna は 48.9%）、実務の出来を測る GDPval-AA v2.1 が 1620（GPT-6 Luna は 1437）。発表ページでは、コマンド操作で開発を進める Terminal-Bench 4.0 が 39.2%（Haiku 4.5 は 0.0%、GPT-6 Luna は 16.4%）。SWE-bench Verified・GPQA・MMLU・AIME は公表されていないため「—」。一度に読める量は100万トークン、一度に書ける量は最大12万8千トークン、知識は2026年6月まで。入力はテキストと画像。考える量（effort）の既定は medium で、考える機能（adaptive thinking）は既定でオン。Haiku 4.5 向けのコードはそのままでは動かないことがある（考える量をトークン数で指定する budget_tokens や、既定以外の temperature・top_p・top_k の指定がエラーになる）。前の Haiku 4.5 は公式ドキュメントで旧世代（Legacy）扱いになったが引き続き使え、終了の予告はまだ出ていない（2026-10-09 確認）。Haiku 5.5 自身の提供終了は 2027-10-07 より前にはならない。本表の「一度に読める量」100万トークンは、Anthropic 公式の context window（会話の履歴と AI の返答を合わせた1つの枠）。 Mistral Large 4 Mistral AI - [→ Mistral 公式：Mistral Large 4（2026-10-06・公開プレビュー・1兆パラメータ／活性520億・定価 $1.36/$4.18・公表ベンチ）](https://mistral.ai/news/mistral-large-4) - [→ Mistral 公式 docs：Mistral Large 4 モデルカード（v26.10・Public Preview・1M・1.05T/52B・キャッシュ $0.14・公開記念の半額）](https://docs.mistral.ai/models/mistral-large-4-0) - [→ Mistral 公式 docs：変更履歴（2026-10-06 Mistral Large 4 を公開プレビュー・1M context・2週間は50%オフ）](https://docs.mistral.ai/getting-started/changelog) - [→ Artificial Analysis：Mistral Large 4 Preview（Intelligence Index v4.3.2 で 38・2026-10-09 確認）](https://artificialanalysis.ai/models/mistral-large-4) - [→ Mistral 公式 docs：Mistral Medium 3.5 モデルカード（前の行・2026-04-28 公開・256k・Modified MIT・$1.5/$7.5）](https://docs.mistral.ai/models/mistral-medium-3-5-26-04) - [→ Hugging Face：mistralai/Mistral-Medium-3.5-128B（前の行・SWE-Bench Verified 77.6%）](https://huggingface.co/mistralai/Mistral-Medium-3.5-128B) - [→ Artificial Analysis：Mistral Medium 3.5（前の行・Intelligence Index v4.3.2 で 14）](https://artificialanalysis.ai/models/mistral-medium-3-5) **注：**フランス Mistral AI の新しい旗艦モデル（API モデル名は mistral-large-4、版は v26.10）。2026-10-06 に公開プレビュー（Public Preview）として出た。 総パラメータ1兆500億のうち1回に動くのは520億の MoE（専門家分業型）で、16億パラメータの画像エンコーダを持ち、テキストと画像を入力できる。 1つのモデルで「すぐ答える」と「じっくり考える」の両方をこなす。 料金は定価で入力 $1.36／出力 $4.18（キャッシュ済み入力 $0.14）。公開から2週間は半額（$0.68／$2.09）だが、本表は定価で載せている。 一度に読める量は Mistral 公式のモデルカードと変更履歴で100万トークン（第三者機関 Artificial Analysis のページは 524k と表示していて、公式と食い違う）。 重みは「今月末までに公開する」と予告されているが、2026-10-09 時点では未公開で、ライセンス名も公表されていない。 【性能】第三者機関 Artificial Analysis の AA Intelligence Index は 38（v4.3.2・考えるモードあり、小数では 38.38／2026-10-09 確認）で、AA は「米国と中国以外で最も賢いモデル」と書いている。前の Medium 3.5（14）から24点上がった。 Mistral 自身の公表値は、長いプログラム修正の DeepSWE v1.1 が 61.7%、コマンド操作で開発を進める Terminal-Bench 4.0 が 28.3%、業務自動化の AutomationBench が 59.9%、セキュリティ課題の Cybench が 93%。 SWE-bench Verified・MMLU・GPQA・AIME は公表されていないため本表では「—」（Medium 3.5 の 77.6% は流用しない）。 プレビュー版なので、正式版で料金や仕様が変わることがある。 【前の行について】本表は 2026-10-09 まで Mistral Medium 3.5（2026-04-28 公開・128B dense・Modified MIT で重み公開・$1.5／$7.5・256k・SWE-bench Verified 77.6%（公式モデルカード）・AA 14）を載せていた。 その前は Mistral Large 3（2025-12-02 公開・MoE 675B/41B active・Apache 2.0・$0.5／$1.5・AA は v4.3.2 で 9）。どちらも引き続き API で使える。 GPT-6.1 Sol OpenAI - [→ OpenAI 公式：GPT-6.1 Sol のご紹介（2026-09-29。ページ本文は JavaScript 必須で機械取得できない）](https://openai.com/index/introducing-gpt-6-1-sol/) - [→ OpenAI Developers：GPT-6.1 Sol Model（コンテキスト1,050,000・出力上限128,000・知識 2026-04-30・$2/$10・キャッシュ $0.10）](https://developers.openai.com/api/docs/models/gpt-6.1-sol) - [→ OpenAI Developers：Pricing（27万2千トークン超の割増・Batch/Flex/Fast・GPT-6 Sol も掲載継続）](https://developers.openai.com/api/docs/pricing) - [→ OpenAI Developers：Changelog（2026-09-29 に gpt-6.1-sol を公開）](https://developers.openai.com/api/docs/changelog) - [→ OpenAI Developers：Deprecations（GPT-6 Sol の終了告知なし・2026-09-30 確認）](https://developers.openai.com/api/docs/deprecations) - [→ OpenAI Deployment Safety Hub：Addendum to GPT-6 Astra System Card: GPT-6.1 Sol（サイバー Critical・生物化学 High）](https://deploymentsafety.openai.com/gpt-6-1-sol) - [→ Artificial Analysis：GPT-6.1 Sol（Intelligence Index v4.3.2 で 52・223モデル中11位・max 設定・64.2 tok/s・2026-10-01 確認）](https://artificialanalysis.ai/models/gpt-6-1-sol) **注：**2026-09-29（米国時間）公開の OpenAI のモデル（API は gpt-6.1-sol）。 1週間前の9月22日に出た GPT-6 Sol のアップグレード版で、GPT-6 世代の中位を担う。最上位は引き続き9月3日の GPT-6 Astra、軽量版は GPT-6 Luna のまま（2026-09-30 時点）。 OpenAI の位置づけは「Astra に近い性能を、より安い料金で出すモデル」で、複雑なコーディング・パソコン操作・専門業務向け。OpenAI 自身も、総合力では GPT-6 Astra が最上位だと明記している。 料金は入力 $2／出力 $10 で GPT-6 Sol と同じ（GPT-6 Astra の5分の1）。変わったのはキャッシュ済み入力で、$0.20 から $0.10 に半減した（通常の入力の95%引き）。キャッシュ書き込みは $2.50。入力が27万2千トークンを超えたリクエストは、そのリクエスト全体が入力2倍・出力1.5倍（$4／$15）で計算される。まとめて投げる Batch と Flex は半額、優先処理の Fast モードは2倍。 第三者機関 Artificial Analysis の AA Intelligence Index は 52（v4.3.2・max 設定／2026-10-01 確認）で、同社モデルページでは223モデル中11位。前の GPT-6 Sol（同じ max 設定で 48）より4点高い。出力速度は毎秒64.2トークン（同社実測・2026-10-01）で、GPT-6 Sol の実測値（毎秒104.4トークン・9月23日確認）より遅い。 OpenAI の公表では、コード修正の DeepSWE v1.1 で GPT-6 Astra と同等の成績を約5分の1の費用で出し、GPT-6 Sol の最高スコアを6.4ポイント上回った。パソコン操作の OSWorld 2.0（オフライン版）では max 設定で GPT-6 Sol を7ポイント上回り、Astra との差は2.1ポイント。難しい会話での「事実の誤りを含む回答」の割合は、xhigh 設定で GPT-6 Sol の 4.5% から 4.1% に下がった（Astra は 4.0%。OpenAI 自身が「ふだんの使い方を代表するものではない」と注記）。 本表の SWE-bench Verified・MMLU・GPQA・AIME・HLE の各欄は、OpenAI が GPT-6.1 Sol の値を公表していないため「—」（前の世代の値は流用しません）。 GPT-6 Sol との違いとして、思考量の設定から none と minimal が無くなり（low〜max の5段階）、Chat Completions ではツール呼び出しが使えない（Responses API を使う）。Responses API ではサブエージェントに仕事を振る Multi-agent がベータで使える。 ChatGPT では通常のチャットにはまだ入っていない（2026-10-07 からチャットに入ったのは GPT-6 Sol と GPT-6 Luna の10月版で、GPT-6.1 Sol ではない。2026-10-09 確認）。使えるのは Plus・Pro・Business・Enterprise・Edu の ChatGPT Work（ChatGPT の中のエージェント機能で、プラン名ではない）と Codex。 安全面の評価は OpenAI の Preparedness Framework で、サイバーが最上位の「Critical」、生物化学が「High」。GPT-6 Sol（どちらも High）より一段厳しい扱いで、GPT-6 Astra と同じ安全対策を適用している。 コンテキストウィンドウは OpenAI 公式表記で 1,050,000 トークン、1回の出力上限は 128,000 トークン。本表の「一度に読める量」922,000 は、その差を取った値（GPT-6 Astra と同じ数え方）。入力はテキストと画像、出力はテキスト。知識は2026年4月30日まで（GPT-6 Sol は4月20日まで）。 前の GPT-6 Sol（2026-09-22 公開・AA 48）は、API のモデルページと料金表に同じ料金のまま残っており、終了日の告知はない（2026-09-30 に OpenAI の deprecations ページで確認）。ただしキャッシュ済み入力は $0.20 のままなので、同じ料金なら GPT-6.1 Sol のほうが安い。その前の GPT-5.6 Sol（2026-07-09 公開）も、$4／$20 の期間限定価格（少なくとも2026-11-21まで）のまま提供が続いている。 Claude Sonnet 5.5 Anthropic - [→ Anthropic：Introducing Claude Sonnet 5.5（2026-09-28・公式ベンチ表・料金・安全装置）](https://www.anthropic.com/claude-sonnet-5-5) - [→ Anthropic：Claude Sonnet 5.5 システムカード（Table 8.1.A：SWE-bench Pro 81.3%・HLE ツールなし 56.9%／ツールあり 64.5%）](https://anthropic.com/claude-sonnet-5-5-system-card) - [→ Anthropic 公式ドキュメント：Claude Sonnet 5.5 overview（公開日・料金・仕様・提供終了の目安）](https://platform.claude.com/docs/en/models/sonnet-5-5/overview) - [→ Anthropic 公式ドキュメント：What's new in Claude Sonnet 5.5（between_tools ほか、そのままだと動かなくなる変更5つ）](https://platform.claude.com/docs/en/models/sonnet-5-5/whats-new-sonnet-5-5) - [→ Anthropic Models Overview（最新ラインナップ。Sonnet 5 は旧世代扱い）](https://platform.claude.com/docs/en/about-claude/models/overview) - [→ Anthropic API 料金（$2 / $10 per MTok・キャッシュ読み込み $0.10〈2026-10-07 から。それまでは $0.20〉）](https://platform.claude.com/docs/en/about-claude/pricing) - [→ Artificial Analysis：Claude Sonnet 5.5（Intelligence Index v4.3.2 で 56・max 設定・2026-09-29 確認）](https://artificialanalysis.ai/models/claude-sonnet-5-5) - [→ Anthropic：Claude Sonnet 5 発表（2026-06-30・前世代。SWE-bench Verified 85.2%）](https://www.anthropic.com/news/claude-sonnet-5) - [→ Anthropic 公式ドキュメント：Claude Sonnet 5 overview（旧世代扱い・提供終了は 2027-06-30 より前にはならない）](https://platform.claude.com/docs/en/models/sonnet-5/overview) - [→ Anthropic：コンテキストウィンドウの仕様（1Mは入力と出力を合わせた枠）](https://platform.claude.com/docs/en/build-with-claude/context-windows) **注：**2026-09-28（米国時間）公開の Anthropic の中位モデル（API は claude-sonnet-5-5）。9月22日の Opus 5.5 に続く「Claude 5.5 ファミリー」の2本目で、Sonnet 5 を置き換える。Anthropic は「Sonnet 5 より出力が30%以上速く、たいていの仕事で1つあたりの費用が最大30%下がる」と説明している（同社のテスト）。料金は Sonnet 5 と同じ入力$2／出力$10（キャッシュ書き込み$2.50。キャッシュ読み込みは発表時の$0.20から 2026-10-07 に$0.10へ半額になり、Anthropic は「エージェント作業の多くで約20%安くなる」と説明。2026-10-09 確認）。Claude アプリでは無料プランを含む全プランで同日から使え、API のほか AWS・Google Cloud・Microsoft Azure でも提供。第三者機関 Artificial Analysis の AA Intelligence Index は 56（v4.3.2・max 設定。安全装置が働いたときに別モデルへ切り替わる既定の状態で測定／2026-09-29 確認）で、本表では Opus 5.5 の 58 に次ぐ2番目、Fable 5.1・GPT-6 Astra の 53 を上回る。前の Sonnet 5 は 38 だったので18点の上昇。ただし max 設定では評価用の課題一式で4億1000万トークンを書いており（中央値は8800万）、1課題あたりの費用は$7.60と Opus 5.5（$5.98）より高い。同じ AA でも設定を下げると high で 47、medium で 41。Humanity's Last Exam は 56.9%（ツールなし。ツールありは 64.5%。公式システムカードの値。同じ表で Sonnet 5 はツールなし 43.1%／ツールあり 54.9% で、Sonnet 5 の発表時の 34.6%／46.8% とは測り方が違う）。SWE-bench Verified は Anthropic が Sonnet 5.5 では公表しておらず本表では「—」（Sonnet 5 の 85.2% は流用しません）。代わりに公表されたのは、より難しい SWE-bench Pro の 81.3%（Sonnet 5 は 63.2%、Opus 5.5 は 89.9%）。ほかの公式値は、コマンド操作で開発を進める Terminal-Bench 4.0 が 70.6%（Sonnet 5 は 10.3%、Opus 5.5 は 66.4%）、FrontierCode 1.1 が 46.2%、CursorBench 4.0 が 55.5%、パソコン操作の OSWorld 2.1 が 80.1%（部分点あり）、実務の出来を測る GDPval-AA v2.1 が 1844（Opus 5.5 は 1846）、AA-Briefcase v1.1 が 1811、グラフ読み取りの Chartography が 61.6%。GPQA・MMLU・AIME は公式未公表のため「—」。一度に読める量は100万トークン、一度に書ける量は最大12万8千トークン、知識は2026年6月まで。考える量（effort）の既定は API で high（Claude アプリと Claude Code は medium）。Sonnet で初めて、サイバー関連の危険度の高い作業は Sonnet 5 に自動で切り替わる安全装置がついた。考えるモードを切って使っていた開発者は、新しい設定 between_tools への移行が必要（そのままでは動かなくなる変更が5つある）。前の Sonnet 5 は公式ドキュメントで旧世代（Legacy）扱いになったが引き続き使え、提供終了は 2027-06-30 より前にはならない（Sonnet 5.5 自身は 2027-09-28 より前にはならない）。発表時に「数週間のうちに」続くとされた Claude Haiku 5.5 は 2026-10-07 に公開された（10万トークン以下の依頼で入力$0.10／出力$0.50、超える依頼は$0.50／$2.50。2026-10-09 確認）。本表の「一度に読める量」100万トークンは、Anthropic 公式の context window（会話の履歴と AI の返答を合わせた1つの枠で、返答ぶんの最大12万8千トークンも同じ枠から引かれる。入力だけで枠を超えるとエラーになる）。入力専用の上限を別に公表している Google・OpenAI とは数え方が違う（2026-09-29 に公式ドキュメントで確認）。 GPT-6 Luna OpenAI - [→ OpenAI 公式：Introducing GPT-6 Sol and Luna（2026-09-22。ページ本文は JavaScript 必須で機械取得できない）](https://openai.com/index/introducing-gpt-6-sol-and-luna/) - [→ OpenAI Developers：GPT-6 Luna Model（コンテキスト1,050,000・出力上限128,000・知識 2026-05-18・$0.10/$0.50）](https://developers.openai.com/api/docs/models/gpt-6-luna) - [→ OpenAI Developers：Pricing（gpt-6-luna の長文料金・Batch/Flex/Fast）](https://developers.openai.com/api/docs/pricing) - [→ OpenAI ヘルプセンター：ChatGPT Work and Codex（9月版の GPT-6 Sol / Luna を使う場所）](https://help.openai.com/en/articles/20001275-chatgpt-work-and-codex) - [→ OpenAI 公式：GPT-6 for everyone（2026-10-07。ChatGPT のチャットにも GPT-6、無料・Go は GPT-6 Luna）](https://openai.com/index/gpt-6-for-everyone/) - [→ OpenAI Deployment Safety Hub：GPT-6 Astra System Card（§11 に GPT-6 Sol / Luna を追記）](https://deploymentsafety.openai.com/gpt-6-astra) - [→ Artificial Analysis：GPT-6 Luna（Intelligence Index v4.3.2 で 38・max 設定・2026-10-09 確認）](https://artificialanalysis.ai/models/gpt-6-luna) - [→ Artificial Analysis：コーディングエージェントの比較（Coding Agent Index v1.5）](https://artificialanalysis.ai/agents/coding-agents) - [→ TechCrunch：OpenAI launches GPT-6 Sol and Luna（2026-09-22）](https://techcrunch.com/2026/09/22/openai-launches-gpt-6-sol-and-luna/) **注：**2026-09-22（米国時間）公開の GPT-6 世代の軽量・低価格モデル（API は gpt-6-luna）。同じ日に中堅の GPT-6 Sol も出た。 OpenAI の位置づけは「目的のはっきりした大量の作業のための、いちばん効率のよいモデル」。 料金は入力 $0.10／出力 $0.50 で、前世代 GPT-5.6 Luna（$0.20／$1.20）から入力は半額、出力は約58%減（OpenAI の表記は「50%安い」）。キャッシュ済み入力は $0.01、入力が27万2千トークンを超えたリクエストは全体が $0.20／$0.75 になる。入力3:出力1の平均額は $0.20 で、2026-10-07 公開の Claude Haiku 5.5 と並んで本表でいちばん安い。ただし長い依頼の割増しの境目が違い、Haiku 5.5 は10万トークンを超えると単価が5倍になるので、10万〜27万2千トークンの依頼では Luna のほうが安い。 第三者機関 Artificial Analysis の AA Intelligence Index は 38（v4.3.2・max 設定、小数では 38.12／2026-10-09 確認。2026-09-23 の確認時は 37）で、前世代 GPT-5.6 Luna（37.32）を1点上回る。同じ平均額の Claude Haiku 5.5 は 43。 OpenAI の公表グラフ（max 設定どうし）では、コード修正の DeepSWE v1.1 が 66.6%（GPT-5.6 Luna は 62.2%）、業務自動化の AutomationBench が 20.7%（同 17.0%）、パソコン操作の OSWorld 2.0（オフライン版）は 52.7% で前世代とほぼ同じ。ユーザーが誤りを指摘した難しい会話での「事実の誤りを含む回答」の割合は 7.56%（同 11.96%）。一方、Artificial Analysis のコーディング用の総合指標（Coding Agent Index）は 41.1 で、前世代の 43.2 を少し下回った。 ChatGPT では 2026-10-07 からチャットにも GPT-6 が入り、無料・Go は 10/8 から順次 GPT-6 Luna に切り替わっている（OpenAI の発表とリリースノート。モデル別のヘルプは 10/9 時点で無料・Go の既定をまだ GPT-5.6 Luna と書いていて、公式の説明が食い違う）。チャットに入ったのは「10月版」で、API・ChatGPT Work（ChatGPT の中のエージェント機能）・Codex で使う9月版とは別物と OpenAI のシステムカードは説明している。 安全面の評価は OpenAI の Preparedness Framework でサイバー・生物化学とも「High」（最上位の「Critical」ではない）で、GPT-5.6 Luna と同じ。 コンテキストウィンドウは OpenAI 公式表記で 1,050,000 トークン、1回の出力上限は 128,000 トークン。本表の「一度に読める量」922,000 は、その差を取った値。入力はテキストと画像、出力はテキスト。知識は2026年5月18日まで。 GPQA Diamond・HLE・SWE-bench Verified は Luna 個別の公開値が無いため本表では「—」。前世代の GPT-5.6 Luna（2026-07-09 公開）は終了日の告知なく提供が続いている。 Claude Opus 5.5 Anthropic - [→ Anthropic：Introducing Claude Opus 5.5（2026-09-22・公式ベンチ表・料金・安全装置）](https://www.anthropic.com/claude-opus-5-5) - [→ Anthropic：Claude Opus 5.5 システムカード（Table 8.1.A：SWE-bench Pro 89.9%・HLE ツールなし 64.4%／ツールあり 67.7%）](https://anthropic.com/claude-opus-5-5-system-card) - [→ Anthropic 公式ドキュメント：Claude Opus 5.5 overview（公開日・料金・仕様・提供終了の目安）](https://platform.claude.com/docs/en/models/opus-5-5/overview) - [→ Anthropic 公式ドキュメント：What's new in Claude Opus 5.5（既定の effort は medium・そのままだと動かなくなる変更4つ）](https://platform.claude.com/docs/en/models/opus-5-5/whats-new-opus-5-5) - [→ Anthropic Models Overview（最新ラインナップ。Opus 5 は旧世代扱い）](https://platform.claude.com/docs/en/about-claude/models/overview) - [→ Anthropic API 料金（$4 / $20 per MTok・キャッシュ読み込み $0.20）](https://platform.claude.com/docs/en/about-claude/pricing) - [→ Artificial Analysis：Claude Opus 5.5（Intelligence Index v4.3.2 で 58・リーダーボード204モデル中1位・max 設定・2026-10-09 確認）](https://artificialanalysis.ai/models/claude-opus-5-5) - [→ ARC Prize：リーダーボード（Claude Opus 5.5 の ARC-AGI-2 91.67%・max）](https://arcprize.org/leaderboard) - [→ Anthropic 公式ドキュメント：Claude Opus 5 overview（旧世代扱い・提供終了は 2027-07-24 より前にはならない）](https://platform.claude.com/docs/en/models/opus-5/overview) - [→ Anthropic：コンテキストウィンドウの仕様（1Mは入力と出力を合わせた枠）](https://platform.claude.com/docs/en/build-with-claude/context-windows) **注：**2026-09-22 公開の Anthropic 主力モデル（API は claude-opus-5-5）。新しい「Claude 5.5 ファミリー」の1本目で、Anthropic は「ほとんどの仕事で Claude Fable 5.1 と同じ水準の力を出し、動かす費用は Opus 5 より40%安い」と説明している。公式ドキュメントの案内も「迷ったらまず Opus 5.5。重い推論や長時間の自動作業、Opus 5.5 の高い設定でも足りないときは Fable 5.1」に変わった。料金は入力$4／出力$20で、前世代 Opus 5（$5／$25）より20%安く、最上位 Fable 5.1（$10／$50）の4割。読み込んだ内容の使い回し（キャッシュ読み込み）は$0.20で、Opus 5 の$0.50 から60%下がった。まとめて後回しで処理する Batch は半額の$2／$10、速さ重視の Fast モード（Claude API 限定の試験提供）は$8／$40。「40%安い」は Anthropic 自身が既定の設定・典型的な作業で測った値で、単価の2割減に、1つの仕事で使うトークンの減少が重なった結果。あわせて既定の考える量（effort）は Opus 5 の high から medium に下がっている。第三者機関 Artificial Analysis の AA Intelligence Index は 58（v4.3.2・max 設定。安全装置が働いたときに別モデルへ切り替わる既定の状態で測定／2026-09-23 確認）で、同社のリーダーボード168モデル中1位、本表でも最高（2026-09-23 時点）。ただし max 設定では評価用の課題一式で2億6000万トークンを書いており（中央値は8800万）、1課題あたりの費用は$5.98。Humanity's Last Exam は 64.4%（ツールなし。ツールありは 67.7%。公式システムカードの値）。SWE-bench Verified は Anthropic が Opus 5.5 では公表しておらず本表では「—」（前世代 Opus 5 の 96.0% は流用しません）。代わりに公表されたのは、より難しい別テストの SWE-bench Pro の 89.9%（Opus 5 は 79.2%、Fable 5.1 は 81.2%）。ほかの公式値は、コマンド操作で開発を進める Terminal-Bench 4.0 が 66.4%（xhigh 設定。max では 64.8%。Fable 5.1 は 55.8%、GPT-6 Astra は 57.9%）、パソコン操作の OSWorld 2.0 が 81.8%（部分点あり。厳しめ判定は 48.7%）、実務の出来を測る GDPval-AA v2.1 が 1846。一方、科学研究の自動化（Terminal-Bench-Science 0.1 で 58.7% 対 64.6%）と業務自動化（AutomationBench で 40.0% 対 41.4%）は GPT-6 Astra が上。ARC Prize 財団の検証では ARC-AGI-2 が 91.67%（max）。GPQA・MMLU・AIME は公式未公表のため「—」。一度に読める量は100万トークン、一度に書ける量は最大12万8千トークン、知識は2026年6月まで。じっくり考えるモードは常時オンで切れない。サイバーセキュリティ・生物・能力の抜き取り（蒸留）対策の安全装置は Fable 5.1 と同じ種類で、サイバー関連の作業の多くは Claude Opus 4.8 へ、生物学などの一部作業は Claude Opus 5 へ自動で切り替わる。前世代 Opus 5 は公式ドキュメントで旧世代（Legacy）扱いになったがまだ使え、提供終了は 2027-07-24 より前にはならない（Opus 5.5 自身は 2027-09-22 より前にはならない）。「Claude 5.5 ファミリー」の2本目の Claude Sonnet 5.5 は 2026-09-28 に公開され（$2／$10・AA 56）、Claude Haiku 5.5 も 2026-10-07 に公開された（10万トークン以下の依頼で入力$0.10／出力$0.50、超える依頼は$0.50／$2.50。2026-10-09 確認）。本表の「一度に読める量」100万トークンは、Anthropic 公式の context window（会話の履歴と AI の返答を合わせた1つの枠で、返答ぶんの最大12万8千トークンも同じ枠から引かれる。入力だけで枠を超えるとエラーになる）。入力専用の上限を別に公表している Google・OpenAI とは数え方が違う（2026-09-23 に公式ドキュメントで確認）。 Grok 4.7 SpaceXAI（旧xAI） - [→ SpaceXAI：Introducing Grok 4.7（2026-09-21・公式の比較表）](https://x.ai/news/grok-4-7) - [→ xAI Docs：Grok 4.7（知識カットオフ 2026年5月・出力上限なし）](https://docs.x.ai/developers/grok-4-7) - [→ xAI Docs：Models（grok-4.7・一度に読める量 50万トークン）](https://docs.x.ai/developers/models) - [→ xAI Docs：料金（20万トークン以上で倍額の段差料金・高速版の料金）](https://docs.x.ai/developers/pricing) - [→ Artificial Analysis：Grok 4.7（Intelligence Index v4.3.2 で 46・xhigh 設定・2026-09-23 確認）](https://artificialanalysis.ai/models/grok-4-7) - [→ Artificial Analysis：Benchmarking Grok 4.7（2026-09-21・xhigh 設定で評価）](https://artificialanalysis.ai/articles/benchmarking-grok-4-7) - [→ Anthropic：Claude Fable 5.1 発表（Terminal-Bench 4.0 は 55.8%）](https://www.anthropic.com/claude-fable-and-mythos-5-1) - [→ Artificial Analysis：Grok 4.6（前世代・v4.3.2 で 44・high 設定）](https://artificialanalysis.ai/models/grok-4-6) **注：**2026-09-21 公開、Grok 4.6 の後継（API は grok-4.7）。SpaceXAI は「Grok 4.6 より大きい新しい土台のモデル」を使い、完了まで何時間もかかる難しい問題に重みを置いて追加学習を延ばしたと説明している。料金は入力 $2／出力 $6、キャッシュ済み入力 $0.50 で Grok 4.6 と同じ。ただしプロンプトが20万トークンに達したリクエストは、そのリクエストの全トークンが倍額（入力 $4／キャッシュ $1／出力 $12）になる。本表の $2/$6 は20万トークン未満のときの値。一度に読める量は50万トークン、1回の出力に上限は設けられていない。知識は2026年5月まで。考える機能は切れず、段階は low・medium・high・xhigh の4つで既定は high。出力速度が2倍・料金も2倍の高速版は、Cursor と自社のコーディングツール Grok Build でだけ使える。第三者機関 Artificial Analysis の AA Intelligence Index は 46（v4.3.2・xhigh 設定／2026-09-23 確認。high 設定でも 46）で、同じ指標の Grok 4.6（high 設定）は 44。公式の比較表（Grok 4.7 は xHigh、Grok 4.6 は High、GPT-5.6 Sol と Claude Fable 5.1 は Max での測定）では、コマンド操作の Terminal-Bench 4.0 が 37.6%（Grok 4.6 は 20.3%）、CursorBench 4.0 が 46.3%、DeepSWE v1.1 が 71.0%（この1項目だけ high 設定）、電気工学の EEBench が 64.0%、法務の Harvey Legal Agent Benchmark が 19.6%。なお同じ表は Claude Fable 5.1 の Terminal-Bench 4.0 を 57.9% としているが、Anthropic 自身の公表値は 55.8%。Artificial Analysis 自身の測定（共通の足回り）では、Grok 4.7 の Terminal-Bench 4.0 は 25.8% だった。本表の SWE-bench Verified・MMLU・GPQA・AIME・HLE は公式も第三者も数値を出しておらず「—」（DeepSWE や SWE-bench Pro の値を、別のテストである SWE-bench Verified の欄には入れません）。前世代 Grok 4.6（2026-08-12 公開）は料金も一度に読める量も同じで、知能スコアは 44（v4.3.2・high 設定）。 DeepSeek V4.1-Flash DeepSeek - [→ DeepSeek API Docs：Change Log（2026-09-10 DeepSeek-V4.1-Flash Release／V4-Pro の提供継続の告知・2026-09-14 確認）](https://api-docs.deepseek.com/updates) - [→ DeepSeek API Docs：Models & Pricing（deepseek-flash の料金・ピーク時間帯・2026-09-14 再確認）](https://api-docs.deepseek.com/quick_start/pricing) - [→ Hugging Face：deepseek-ai/DeepSeek-V4.1-Flash（MIT・552B・ベンチ表とハーネス別スコア）](https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash) - [→ Artificial Analysis：DeepSeek V4.1 Flash（Intelligence Index v4.3.2 で 39・max 設定・2026-09-23 確認。v4.3 では 39.55 で四捨五入すると 40）](https://artificialanalysis.ai/models/deepseek-v4-1-flash) - [→ MIT Tech Review：Why DeepSeek's V4 matters（前世代の背景）](https://www.technologyreview.com/2026/04/24/1136422/why-deepseeks-v4-matters/) **注：**552B の MoE（土台のパラメータ。1トークンあたり実際に動くのは読み込み時 8B・書き出し時 16B）。KV キャッシュを 890 バイト/トークンまで圧縮し、旧 V4-Flash の約4分の1にしたことで入力側の単価を下げている。本表の $0.15 / $0.6 はオフピーク価格（入力はキャッシュミス時）で、キャッシュヒット時の入力は $0.003。ピーク時間帯はいずれもその2倍（入力 $0.3・出力 $1.2）。ピーク時間帯は UTC 月〜金の 01:00-04:00 と 06:00-10:00（日本時間 10:00-13:00 と 15:00-19:00）。2026-09-10 の公開に合わせて旧 V4-Flash と V4-Flash-Vision-Exp は引退し、モデル名 deepseek-flash で呼ぶ。なお deepseek-v4-pro も本モデルへの置き換えが予告されたが撤回され、V4-Pro は独自の料金（オフピークで入力 $0.66・出力 $1.98）のまま継続提供されている（2026-10-09 に公式料金ページで確認。本モデルの価格で課金されるのは、旧名の deepseek-v4-flash と deepseek-v4-flash-vision-exp で呼んだ場合だけ）。gpqa 90.9（GPQA Diamond）と hle 36.8（道具なし）は DeepSeek 自社公表値で reasoning_effort=100 の設定。DeepSWE v1.1 は 74.2 で Claude Opus 5 の 74.0 を上回るが、これは同社が併記した8種類のハーネスのうち最も高く出た mini-SWE の値で、Claude Code では 69.8・Codex では 65.6 と 8.7 ポイントの幅がある。SWE-Bench Verified は非公表のため本表に持たない。前世代 V4-Pro は 1.6T（49B アクティブ）・$0.66/$1.98・aaIndex 36・画像非対応だったので、置き換えで安く・賢く・画像対応になった形。中国製のため業務利用時は規約とデータ取扱の確認を。本表の100万トークンは公式料金ページの CONTEXT LENGTH（1M）で、出力の上限 384K は別枠（2026-09-11 確認）。 GPT-6 Astra OpenAI - [→ OpenAI Developers：GPT-6 Astra Model（コンテキスト1,050,000・出力上限128,000・知識カットオフ 2026-04-30・$10/$50・キャッシュ $1/$12.50）](https://developers.openai.com/api/docs/models/gpt-6-astra) - [→ OpenAI 公式：GPT-6 Astra: A new generation of intelligence（2026-09-03。ページ本文は JavaScript 必須で機械取得できない）](https://openai.com/index/gpt-6-astra/) - [→ ITmedia NEWS：OpenAI、「GPT-6 Astra」を一部組織向けに公開 サイバー能力が初の「Critical」に（2026-09-04）](https://www.itmedia.co.jp/news/article/2609/04/2000001153/) - [→ 窓の杜（Impress）：OpenAI、次世代モデル「GPT-6 Astra」を発表（2026-09-04。API 料金とベンチマーク）](https://forest.watch.impress.co.jp/docs/news/2138156.html) - [→ the decoder：GPT-6 Astra is the first model making OpenAI willing to declare the AGI era（2026-09-03。公式ベンチ一覧）](https://the-decoder.com/gpt-6-astra-is-the-first-model-making-openai-willing-to-declare-the-agi-era/) - [→ Artificial Analysis：Benchmarking GPT-6 Astra（2026-09-08 確認時は Intelligence Index v4.3 で 53・130モデル中3位。v4.2 では 55、公開時の v4.1.1 では 61・Coding Agent Index 67）](https://artificialanalysis.ai/articles/benchmarking-gpt-6-astra) - [→ Artificial Analysis：GPT-6 Astra（max）のモデルページ（Intelligence Index v4.3.2 で 53・168モデル中6位・2026-09-23 確認）](https://artificialanalysis.ai/models/gpt-6-astra) - [→ ARC Prize：OpenAI's GPT-6 Astra on ARC-AGI-3（Standard 62.7% / Provider Adapter 99.9%）](https://arcprize.org/blog/astra) **注：**2026-09-03（米国時間）公開の OpenAI 最上位モデル（API は gpt-6-astra）。 「Astra」は 2026-08-01 に数学の未解決問題を10問解いた成果として存在が明かされたモデルで、そこに GPT-6 という世代番号が付いて公開された。 提供は段階的で、まず Daybreak プログラムで承認された組織（2026-09-03 時点で2,000の組織・ワークスペース）に届き、数日中に ChatGPT の Plus・Pro・Business・Enterprise へ広げると案内された（Enterprise は既定で無効、管理者が有効化）。API のほか Amazon Bedrock・Microsoft Azure でも提供。 料金は入力 $10 / 出力 $50 で、前世代の GPT-5.6 Sol（$4/$20）の2.5倍。キャッシュ入力は $1、キャッシュ書き込みは $12.50（未キャッシュ入力の1.25倍）。まとめて投げる Batch と Flex は標準の半額、低遅延の Fast モードは2倍の $20/$100（最大2.5倍高速）。入力が 272,000 トークンを超えたリクエストは、そのリクエスト全体が入力2倍・出力1.5倍で計算される。 本表の「一度に読める量」922,000 は、OpenAI 公式表記のコンテキストウィンドウ 1,050,000 トークンから1回の出力上限 128,000 トークンを引いた値（GPT-5.6 Sol と同じ数え方）。知識のカットオフは 2026-04-30。入力はテキストと画像、出力はテキスト。 第三者機関 Artificial Analysis の AA Intelligence Index は 53（v4.3.2／max 設定・2026-09-23 確認）で、Claude Fable 5.1 と同じ 53。AA 全体の順位は168モデル中6位で、本表では 2026-09-22 公開の Claude Opus 5.5（max 設定で 58）が上にいる。2026-09-08 の v4.3 では小数まで見て Fable 5.1 の 53.4 に対して Astra は 52.8、順位は130モデル中1位対3位だった（公開時の v4.1.1 では Astra 61・Fable 5.1 66 と差があり、指標の版上げで縮んだ）。Meta の Muse Spark 1.3 は同じ v4.3.2・max 設定で 48 なので、本表では Astra が上に出る（Muse Spark 1.3 の max reasoning は Meta AI Research のブログが公開初日から利用可能と明記しており、2026-09-05 に原文で再確認した）。同社の Coding Agent Index は、公開時の記事では Codex ハーネスで 67 と、Claude Fable 5.1（Claude Code ハーネス）の 70 に次ぐ位置だった（この指標もその後採点し直されているので、最新の値は AA のページで確認してほしい）。 一方、OpenAI 自身が公表した数値ではパソコン操作とサイバーの伸びが大きい。OSWorld 2.0 は 72.6%（GPT-5.6 Sol は 65.7%）で所要時間は約75分→約40分、ScreenSpot-Pro 92.7%、BrowseComp 91.5%、Agents' Last Exam 59.3%、Terminal-Bench 4.0 57.9%、DeepSWE v1.1 74.1%、FrontierCode 1.1 Extended 64.5%、FrontierMath Tier 4 v2 97.6%、GPQA Diamond 96.0%、ExploitBench 100%（同 78.5%）、SRE-Bench 88.0%（4回以内で 99.2%）、SEC-Bench Pro 85.4%。許可された範囲を超える行動は 0%（同 48.2%）。 本表の GPQA 欄には OpenAI 自身の公表値 96.0% を入れている（本表の GPQA・HLE 欄は各社の公表値を載せる欄で、Anthropic 行の HLE がツールなし条件の公表値であるのと同じ扱い）。第三者機関 Artificial Analysis の独自実測は 96.1%（max 設定・2026-09-04 確認）で、公表値とほぼ一致している。 HLE（Humanity's Last Exam）は OpenAI が Astra について公表していないため「—」のまま。AA の独自実測は 54.7%（max 設定・2026-09-04 確認）だが、本表の HLE 欄に並ぶ他行はベンダー公表値なので、測り方をそろえるため欄には入れず、ここに記録だけしておく。 なお ARC-AGI-3 の 99.9% という数字が広く報じられているが、ARC Prize の計測では各社を同条件でそろえる Standard ハーネスだと 62.7%（費用 $26,098）で、99.9%（同 $19,285）は OpenAI 独自の Provider Adapter ハーネス（考えている途中の状態をリクエストをまたいで保持できる）を使ったときの値。 サイバーセキュリティ分野で OpenAI の Preparedness Framework の最上位「Critical」に分類された初めての自社モデルで、この分類を維持したまま公開された（GPT-5.6 Sol までは一段下の「High」）。評価中に未知のゼロデイ脆弱性を2件発見し、開発元に報告している。 Gemini 3.8 Flash Google - [→ Google 公式ブログ：Gemini 3.8 Flash / 3.8 Flash Cyber 発表（2026-09-02）](https://blog.google/innovation-and-ai/models-and-research/gemini-models/3-8-flash-and-3-8-flash-cyber/) - [→ Google Cloud：Gemini 3.8 Flash モデルページ（モデルID・入力 1,048,576 / 出力 65,536・thinking level）](https://cloud.google.com/gemini-enterprise-agent-platform/models/gemini/3-8-flash) - [→ Google AI for Developers：Gemini API のモデル一覧（3.8 Flash が Stable・3.7 Flash は前世代表記）](https://ai.google.dev/gemini-api/docs/models) - [→ Google AI 料金（3.8 Flash の導入価格と2027-01-01 からの通常価格）](https://ai.google.dev/gemini-api/docs/pricing) - [→ Artificial Analysis：Gemini 3.8 Flash（Intelligence Index v4.3.2 = 41・high 設定・168モデル中42位・2026-09-23 確認）](https://artificialanalysis.ai/models/gemini-3-8-flash) - [→ Artificial Analysis：Gemini 3.7 Flash（Intelligence Index v4.3 で 39・high 設定・2026-09-08 確認）](https://artificialanalysis.ai/models/gemini-3-7-flash) - [→ Google 公式ブログ：Gemini 3.7 Flash 発表（前世代・2026-08-13）](https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-3-7-flash/) **注：**前世代 Gemini 3.7 Flash（2026-08-13 公開）の後継として 2026年9月2日（米国時間）に公開された Google の主力（workhorse）モデル。 3.7 Flash からわずか3週間、6週間で3世代目という速さで、Google の位置づけは「いちばん賢い働き者」。 同時に、防御側専用の Gemini 3.8 Flash Cyber も発表されました（Fairwind Program の審査を通った政府機関・重要インフラ・ ソフトウェア保守者だけが使える枠で、一般提供ではありません）。 料金は 3.7 Flash と据え置きで、2026年12月31日までの導入価格が 入力 $0.75 / 出力 $3.75、2027年1月1日から 入力 $1.50 / 出力 $7.50 （本表とコスパ指数は、いま実際に請求される導入価格で算出しています）。 入力 1,048,576 / 出力 65,536 tokens、マルチモーダル入力（テキスト・画像・音声・動画、出力はテキスト）、モデル名は `gemini-3.8-flash`。 thinking level は low / medium / high の3段階（指定しない場合は medium）で、3.7 Flash にあった minimal は 3.8 Flash では使えません （指定するとAPIエラーになります）。 Google 公表のベンチで数値が明示されているのは HLE-Verified 54.9% のみ。DeepSWE v1.1・Vals Finance Agent V2・ Harvey's Legal Agent Benchmark は「3.7 Flash を上回る」とだけ書かれていて、具体的な数値は公表されていません（推測では埋めていません）。 第三者測定は Artificial Analysis Intelligence Index v4.3.2 で 41（high 設定・2026-09-23 確認）。 SWE-Bench Verified / GPQA / AIME / MMLU は公式も第三者も数値を公表しておらず空欄です（名前の似た別テストの値では埋めていません）。 【1トークンあたりは同じでも、1タスクあたりは高くつきます】Google 自身が「3.8 Flash はより多く考え、道具を何度も呼ぶので、 とくに effort を上げるとトークンを多く使うことがある」と明記しています。実際 Artificial Analysis の測定でも、 同じテスト一式を解くのに使った出力トークンは 3.7 Flash の 64M に対し 3.8 Flash は 120M で、 1タスクあたりのコストは $0.40 → $0.58 に上がっていました（2026年9月上旬の指標の版での値。AA は 9月19日の v4.3.2 で全モデルを採点し直しているので、 最新の値は AA のページで確認してください）。安さ優先の用途では 3.7 Flash がそのまま使え、Google も継続提供を明言しています。 本表の 1,048,576 トークンは、Google が Input token limit（入力に使える上限）として公表している値で、出力の上限 65,536 トークンは別枠（2026-09-03 に公式モデルページで確認）。 Muse Spark 1.3 Meta - [→ Meta Developer：Muse Spark モデルページ（料金2ティア・context 1M）](https://developer.meta.com/ai/models/muse-spark/) - [→ Meta Research Blog：Introducing Muse Spark 1.3（2026-09-02 公開。max reasoning が初日から利用可能・重み公開の予告）](https://research.meta.ai/blog/introducing-muse-spark-1-3) - [→ Artificial Analysis：Muse Spark 1.3（Intelligence Index v4.3.2 で max 48・168モデル中17位・2026-09-23 確認。v4.3 では xhigh 45 / max 48・130モデル中13位）](https://artificialanalysis.ai/models/muse-spark-1-3) - [→ Meta Developer Blog：Muse Spark 1.2 と Muse Code（2026-08-05 公開。前世代の記録）](https://developer.meta.com/ai/resources/blog/build-with-muse-code/) **注：**Meta Superintelligence Labs（MSL）の最上位モデルで、Meta のフロンティアが重みを公開する Llama から中身非公開の Muse へ移ったあとの現行世代。2026-09-02 公開。前世代 1.2（2026-08-05 公開）からの主な変更は、長時間ひとりで進める作業と複数の作業を並行して進める力の底上げ、分からない点を利用者に聞き返すようになったこと、指示への追従、そして自分にできること・できないことの自己申告の改善。Meta はコーディング作業で「道具を呼ぶ回数がおよそ20%減り、使うトークンがおよそ25%減った」としている。不正な指示の埋め込み（プロンプトインジェクション）への耐性も上がったと明記している。得意分野は「AI に任せっぱなしにする長いコーディング作業」——複数ファイルにまたがる書き直し、長時間のバグ取り、1回の指示では終わらない仕事を通しでこなすこと。料金は入力 $1.25／出力 $4.25、読み込んだ内容の使い回しは $0.15。本表はこの標準ティアの値。もうひとつ muse-spark-1.3-contributor という格安ティア（入力 $0.10／出力 $0.20＝入力で12.5分の1）もあるが、こちらは送った内容を Meta が今後のモデル学習に使う条件つきなので、業務利用では標準ティアを見ること。長い文章を入れても割増料金はかからないと明記されている。いちばん深く考える max reasoning は公開初日から使える（Meta AI Research のブログが「Muse Spark 1.3 with max reasoning is now available on Muse Code and Meta Model API」と明記。2026-09-05 に原文で再確認）。第三者機関 Artificial Analysis の AA Intelligence Index は 48（v4.3.2／max 設定・2026-09-23 確認。168モデル中17位）で、本表の多くの行と同じ max 設定での値。2026-09-08 の v4.3 では前世代 1.2 が 40（xhigh）、本モデルの xhigh が 45 だった。本表は 2026-09-08 に全行を v4.3 へそろえた（AA が指標を v4.2 から v4.3 に更新し、𝜏³-Banking が外れて AutomationBench-AA が入り、Terminal-Bench が v2.1 から v4.0 に上がったため、全モデルの点数がまとめて下がっている）。その後 AA は 2026-09-19 に v4.3.2 へ更新して全モデルを採点し直したが、本モデルは 48 のまま。Meta 公式が出しているベンチは Terminal Bench・DeepSWE・Meta 社内コードベンチ・GDPval で、公式ページでは数値が画像でしか示されていないため本表には載せていない。SWE-bench Verified・MMLU・GPQA・AIME・HLE はいずれも Meta 公式が数値を公表しておらず「—」（AA の独自実測では xhigh 設定で Humanity's Last Exam 47.5%・GPQA Diamond 94.1%、max 設定で 49.1%・93.8%＝いずれも 2026-09-04 確認）。入力はテキスト・画像・音声・動画に対応し、出力はテキストのみ。重みは配られていない（API 経由のみ）ので、Meta のオープン系を探すなら Llama 4 か、2026-08-10 に出た Muse Glimmer を見ること。本表の約105万トークン（1,048,576）は Meta 公式のモデルページの表記で、入力と出力の内訳は公表されていない（2026-09-04 確認）。 Qwen3.8-Max Alibaba - [→ Hugging Face：Qwen/Qwen3.8-2.4T-A95B（オープンウェイト公式リポジトリ・2026-08-12 19:24 JST 公開・ライセンス qwen3.8-max・context 262,144）](https://huggingface.co/Qwen/Qwen3.8-2.4T-A95B) - [→ Artificial Analysis：Qwen3.8 Max（0902）（Intelligence Index v4.3.2 で 45・2026-09-23 確認）](https://artificialanalysis.ai/models/qwen3-8-max) - [→ Artificial Analysis：Qwen3.8 Max（8月3日版・v4.3.2 で 40・旧版扱い）](https://artificialanalysis.ai/models/qwen3-8-max-0803) - [→ Alibaba Cloud Model Studio：Newly released models（Qwen3.8-Max-0902 は qwen3.8-max の改良版スナップショット）](https://www.alibabacloud.com/help/en/model-studio/newly-released-models) - [→ Alibaba Cloud：qwen3.8-max の呼び出し先を 0902 版へ切り替える告知（2026-09-05 10:00 UTC+8 予定・料金据え置き）](https://www.alibabacloud.com/en/notice/model_studio_update_notice_for_qwen38max_models_863?_p_lc=1) - [→ MarkTechPost：Qwen3.8-Max 正式リリース（ベンチマーク表・料金 $2.00/$6.00・2026-08-03）](https://www.marktechpost.com/2026/08/03/alibaba-qwen-releases-qwen3-8-max/) - [→ MarkTechPost：Qwen3.8-Max プレビュー（2.4兆パラメータ・2026-07-19）](https://www.marktechpost.com/2026/07/19/alibaba-previews-qwen3-8-max-a-2-4-trillion-parameter-multimodal-model-days-after-moonshots-kimi-k3-open-weight-launch/) - [→ Artificial Analysis：Qwen3.7 Max（前世代・v4.3 で 30）](https://artificialanalysis.ai/models/qwen3-7-max) - [→ llm-stats：Qwen3.7 Max（前世代の SWE-bench Verified 80.4）](https://llm-stats.com/models/qwen3.7-max) **注：**Alibaba の現行フラッグシップ。2026年7月19日のプレビューを経て 8月3日に正式リリースされた、総2.4兆パラメータ（95B アクティブ）の MoE。9月2日にはその改良版スナップショット qwen3.8-max-0902（別名 qwen3.8-max-2026-09-02）が出て、Alibaba は9月5日に qwen3.8-max の呼び出し先を 0902 版へ切り替えると告知した（料金と一度に読める量は変わらない。改良点はコーディング、特に長い工程の開発、複数の道具を使うエージェント作業、図表や文書の読み取り）。本表の知能スコアはこの 0902 版の値。前世代 Qwen3.7 Max と違ってマルチモーダルに対応し、context は 1M、料金は $2.00/$6.00。公表ベンチ（8月3日版）は GPQA Diamond 92.6・Terminal-Bench 2.1 86.6・SWE-bench Pro 67.7。第三者機関 Artificial Analysis は 0902 版を「Qwen3.8 Max」として測っており、AA Intelligence Index は 45（v4.3.2・2026-09-23 確認）。8月3日版は同じ指標で 40 で、同社では旧版扱いになった。本表の SWE-bench Verified・MMLU・AIME は公式・第三者とも数値を出しておらず「—」（SWE-bench Pro は名前が似ているだけの別のテストなので流用しません）。前世代 Qwen3.7 Max（2026-05-19・$1.25/$3.75・SWE-bench Verified 80.4・GPQA 92.4・知能は v4.3 で 30）も引き続き提供されており、SWE-bench Verified の実測値が要るならそちらが参考になる。重みは 2026年8月12日 19:24 JST（HF 上のファイル最終更新）に公開済み＝`Qwen/Qwen3.8-2.4T-A95B` と FP8 版、ModelScope も同名。ただし公開されたのは8月3日版の重みで、本表の知能スコア 45 の 0902 版は API だけで使える（Hugging Face の Qwen 公式に 0902 版のリポジトリは無い・2026-10-09 確認）。案内の同日11時 JST からは遅れて公開された。ライセンスは Apache 2.0 ではなく独自の `qwen3.8-max`、モデルカードの context 記載は 262,144（最大 1,010,000 まで拡張可）で AA 表記の 1M とは条件が異なる。小型の Qwen3.8-27B は 2026年8月15日 0:00 JST（HF 上のファイル最終更新）に公開され、こちらはライセンスが商用可の Apache 2.0＝`Qwen/Qwen3.8-27B`（BF16・約51.7GB）と FP8 版（約28.7GB）、ModelScope も同名。約278億パラメータ・画像/動画対応・context 262,144（最大 1,000,000）で、Qwen 公表値は SWE-bench Pro 61.7・LiveCodeBench v6 90.3・GPQA Diamond 89.2・HLE 30.8（比較対象の Claude Opus 4.6 Max は 53.4 / 88.8 / 91.3 / 40.0）。手元のパソコンで動かすオープンウェイトが要るならこの 27B が受け皿。中国製のため業務利用時は規約確認を。なお本表の context 100万トークンはホスト版 API の窓のほうで、上記のモデルカード既定 262,144 とは条件が違う。入力と出力の内訳は公表されていない（2026-08-18 確認）。 Claude Fable 5.1 Anthropic - [→ Anthropic：Claude Fable 5.1 / Mythos 5.1 発表（2026-09-01・公式ベンチ一覧）](https://www.anthropic.com/claude-fable-and-mythos-5-1) - [→ Anthropic Models Overview（claude-fable-5-1・$10/$50・context 1M・知識カットオフ 2026-06）](https://platform.claude.com/docs/en/about-claude/models/overview) - [→ Anthropic 公式ドキュメント：Claude Fable 5.1 overview](https://platform.claude.com/docs/en/models/fable-5-1/overview) - [→ Artificial Analysis：Claude Fable 5.1（Intelligence Index v4.3.2 で 53・204モデル中5位・max 設定・2026-10-09 確認。v4.3 では130モデル中1位）](https://artificialanalysis.ai/models/claude-fable-5-1) - [→ Anthropic API 料金（$10 / $50 per MTok・キャッシュ読み込み $0.25）](https://platform.claude.com/docs/en/about-claude/pricing) - [→ Anthropic 公式ドキュメント：Claude Fable 5 overview（Legacy 扱い）](https://platform.claude.com/docs/en/models/fable-5/overview) - [→ Anthropic：Claude Fable 5 / Mythos 5 発表（2026-06-09）](https://www.anthropic.com/news/claude-fable-5-mythos-5) - [→ Anthropic：Fable 5 提供再開（2026-06-30）](https://www.anthropic.com/news/redeploying-fable-5) - [→ Anthropic：コンテキストウィンドウの仕様（1Mは入力と出力を合わせた枠）](https://platform.claude.com/docs/en/build-with-claude/context-windows) **注：**2026-09-01 公開の Anthropic 最上位モデル（API は claude-fable-5-1）。公式の位置づけは「重い考えごとと、長時間ひとりで進める作業向け」で、2026-09-22 公開の Claude Opus 5.5 を高めの設定で試してもまだ足りないときに使う想定（公式ドキュメントは、迷ったらまず Opus 5.5 を使うよう案内している）。料金は前の Fable 5 と同じ $10/$50 のままで、読み込んだ内容の使い回し料金だけが $1 → $0.25（75%減）に下がった。Anthropic は「ふだんの作業でおよそ25%、AI が自分で手を動かす作業ではおよそ45%、費用が下がる」としている。Humanity's Last Exam（幅広い分野の難問テスト）は 60.9%（ツールなし。ツールありは 65.0%）で、前の Fable 5 の 57.8% と Claude Opus 5 の 56.3% を上回った（本表では 2026-09-22 公開の Claude Opus 5.5 の 64.4% が上）。第三者機関 Artificial Analysis の AA Intelligence Index は 53（v4.3.2・max 設定・2026-09-23 確認）で、AA 全体のランキングでは204モデル中5位（2026-10-09 確認。上位4つは Claude Opus 5.5 の max・xhigh・high と Claude Sonnet 5.5 の max の各設定で、本表の Opus 5.5 行は max の 58）。GPT-6 Astra も同じ 53 で、前世代の Opus 5 は 51。2026-09-08 の v4.3 では Fable 5.1 が130モデル中1位だった。SWE-bench Verified は Anthropic も第三者もまだ数値を出していないため本表では「—」（前の Fable 5 の 95.0% は流用しません）。公式が出したのはエージェント系・実務系のベンチで、Terminal-Bench 4.0 が 55.8%（Fable 5 は 42.0%）、Terminal-Bench-Science 0.1 が 52.6%（同 24.7%）、パソコン操作の OSWorld 2.0 が 77.9%／厳しめ判定 41.7%（同 72.9%／36.1%）、事務作業の AutomationBench が 31.4%（同 17.1%）、コーディング支援の CursorBench 3.2.0 が 73.4%（同 70.5%）、知識仕事の GDPval-AA v2 が 1853（同 1723）。MMLU・GPQA・AIME は公式未公表。じっくり考えるモードは常時オンで、考える量の既定は5段階中 high。一度に書ける量は最大12万8千トークン、知識は2026年6月まで。提供終了は 2027-09-01 より前にはならないと案内されている。姉妹モデルの Claude Mythos 5.1 は中身が同じで、サイバーセキュリティと生命科学の用途に限って制限をゆるめたもの（米国の認定を受けた組織だけが使えるため本表には載せていません）。前の Fable 5（2026-06-09 公開・SWE-bench Verified 95.0%・AA は v4.3 で 50）は公式ドキュメントで旧世代（Legacy）扱いになった（提供終了は 2027-06-09 より前にはならない）。Fable 5 は公開直後の 6-12 に米政府の輸出管理指令で全ユーザー停止となり、6-30 の規制解除を経て 7-1 にグローバル復帰（日本からは 7-2）した経緯がある。本表の「一度に読める量」100万トークンは、Anthropic 公式の context window（会話の履歴と AI の返答を合わせた1つの枠で、返答ぶんの最大12万8千トークンも同じ枠から引かれる。入力だけで枠を超えるとエラーになる）。入力専用の上限を別に公表している Google・OpenAI とは数え方が違う（2026-09-02 に公式ドキュメントで確認）。 GLM-5.3-Flash Z.ai - [→ Z.ai 公式ドキュメント：GLM-5.3-Flash（100万トークン・出力12万8千トークン・320B/18B・動画/画像/テキスト/ファイル入力・thinking は常時オン）](https://docs.z.ai/guides/vlm/glm-5.3-flash) - [→ Z.ai 公式料金ページ（GLM-5.3-Flash $0.15/$0.50・キャッシュ済み入力 $0.03・割引終了後の値・2026-09-10 確認）](https://docs.z.ai/guides/overview/pricing) - [→ DeepSWE 公式ランキング v1.1（glm-5.3-flash 63%・21モデル中12位・1課題あたり $0.24・2026-09-03 更新／2026-09-10 確認）](https://deepswe.datacurve.ai/) - [→ Artificial Analysis：GLM-5.3-Flash（Intelligence Index v4.3.2 で 42・2026-09-23 確認）](https://artificialanalysis.ai/models/glm-5-3-flash) - [→ Hugging Face：zai-org/GLM-5.3-Flash（MIT ライセンスで公開されている重み）](https://huggingface.co/zai-org/GLM-5.3-Flash) - [→ Z.ai 公式 X：GLM-5.3-Flash 発表ポスト（2026-08-26・320B-A18B・MIT）](https://x.com/Zai_org/status/2092616204787626030) **注：**Z.ai の廉価版で、旗艦 GLM-5.3 の下に付くグレード（API のモデル名は glm-5.3-flash）。 総パラメータ3,200億のうち実際に動くのは180億の専門家分業型（MoE）で、 GLM-5 シリーズで初めて動画・画像・テキスト・ファイルを最初から扱えるようになりました。 考える機能は常にオンで切れません（公式ドキュメントに thinking.type は enabled のみと明記。推奨は reasoning_effort: max）。 一度に読める量は100万トークン、一度に書ける量は最大12万8千トークン（2026-09-10 に公式ドキュメントで確認）。 【料金】公開時に付いていた50%オフ（入力 $0.075 / 出力 $0.25）は 2026-09-09 24時（シンガポール時間・UTC+8）で終了し、2026-09-10 から定価の入力 $0.15 / 出力 $0.50 になりました （キャッシュ済み入力は $0.03。2026-09-10 に公式料金ページで確認）。本表の値はこの定価です。 なお AI仲介サービスの OpenRouter は 2026-09-10 時点でまだ $0.075 / $0.25 を表示していますが、 終了日が公表されていないので続く前提では見ないでください。 【性能】コードを直す力は、誰でも見られる DeepSWE v1.1 の公式ランキング（113課題・ハーネスは mini-swe-agent・ max 設定／2026-09-03 更新・既定の表示は登録28モデルのうち21モデル）で 63%（誤差 ±4）・21モデル中12位。 1課題あたりの平均費用は $0.24 で、同じランキングで74%の Claude Opus 5（$11.84）の約49分の1、 前世代 GLM-5.2（44%・$3.92）からは19ポイント上がって16分の1です（2026-09-10 確認）。 第三者測定の Artificial Analysis Intelligence Index は 42（v4.3.2・2026-09-23 確認）で、 旗艦 GLM-5.3 の 45 に3ポイント差まで迫っています。 【重み】MIT ライセンスで Hugging Face に公開されているので自前運用もできます （FP8 版が約328.3GB、BF16 版が約642.6GB）。旗艦 GLM-5.3 のほうは MIT ではなく独自ライセンスなので、 MIT で使えるのはこの Flash だけです。 SWE-bench Verified・MMLU・GPQA・AIME は公式・第三者とも数値を公表しておらず本表では「—」です。 2026-08-20 から8月下旬まで OpenRouter で提供元非公開・無料の「ox-alpha」として匿名テストされていたのがこのモデルです。 中国製のため業務利用は規約とデータの取り扱いを確認してください。 Qwen3.8-Flash Alibaba - [→ Alibaba Cloud Model Studio：qwen3.8-flash モデル情報（context 1M・入力上限 991,808・出力上限 131,072・thinking 対応・画像/動画/テキスト入力・2026-09-10 確認）](https://www.alibabacloud.com/help/en/model-studio/qwen3-8-flash) - [→ Alibaba Cloud Model Studio：料金表（qwen3.8-flash シンガポール $0.15/$0.47・北京 $0.113/$0.382・2026-09-10 確認）](https://www.alibabacloud.com/help/en/model-studio/model-pricing) - [→ Alibaba Cloud 公式ブログ：Qwen3.8-Flash 発表（2026-08-27・1元/3元＝$0.16/$0.47・125B/6B active・Qwen4 設計の先行版）](https://www.alibabacloud.com/blog/alibaba-releases-qwen3-8-flash-with-innovative-model-architecture-delivering-optimal-price-performance_603503) - [→ Hugging Face：Qwen/Qwen3.8-Flash-Next（オープン版の公式モデルカード・Qwen Community License 1.0・262,144 native／1M extensible・画像/動画/テキスト入力）](https://huggingface.co/Qwen/Qwen3.8-Flash-Next) - [→ Artificial Analysis：Qwen3.8-Flash-Next（Intelligence Index v4.3.2 で 40・$0.15/$0.47・2026-09-23 確認）](https://artificialanalysis.ai/models/qwen3-8-flash-next) - [→ MarkTechPost：Qwen3.8-Flash-Next 公開（2026-08-26・125B マルチモーダル MoE・6B active）](https://www.marktechpost.com/2026/08/26/alibabas-qwen-team-releases-qwen3-8-flash-next-a-125b-multimodal-moe-with-6b-active-parameters-previewing-the-qwen4-architecture/) **注：**Alibaba の廉価版で、旗艦 Qwen3.8-Max の下に付くグレード（Alibaba Cloud Model Studio の API モデル名は qwen3.8-flash）。 重みを公開したオープン版 Qwen3.8-Flash-Next（2026-08-26 公開・Hugging Face のリポジトリ作成は 8/24）を製品化したもので、 Alibaba 自身が「次の Qwen4 を支える設計の先行版」と位置づけています。 総パラメータ1,250億のうち実際に動くのは60億の専門家分業型（MoE）で、テキスト・画像・動画を入力できます。 一度に読める量は API 版が100万トークン（入力の上限 991,808・出力の上限 131,072。オープン版は素の状態で 262,144、 YaRN という引き伸ばし手法で100万まで）。考える機能（thinking）はオン・オフを選べます（2026-09-10 に公式ドキュメントで確認）。 【料金】本表の $0.15 / $0.47 は Alibaba Cloud Model Studio の国際版（シンガポール）の値で、入力100万トークンまでの段（2026-09-10 に公式料金ページで確認）。 中国版（北京）は $0.113 / $0.382、Alibaba Cloud の発表記事では「1元 / 3元（$0.16 / $0.47）」と書かれています。 GLM-5.3-Flash（$0.15 / $0.50）とほぼ同額で、出力が3セント安いぶんブレンド料金（入力3:出力1）は $0.23 です（本表では 2026-09-22 公開の GPT-6 Luna が $0.10 / $0.50・ブレンド $0.20 で、これより安くなりました）。 【性能】第三者測定の Artificial Analysis Intelligence Index は 40（v4.3.2・2026-09-23 確認）で、料金が約13倍の旗艦 Qwen3.8-Max（45・$2/$6）より5ポイント低い位置です（2026-09-10 の v4.3 では旗艦も 40 で同点でしたが、AA の Qwen3.8-Max のページが 9月2日版に差し替わって 45 になりました）。 SWE-bench Verified・MMLU・GPQA・AIME は公式・第三者とも数値を公表しておらず本表では「—」 （Alibaba が挙げているのは SWE-bench Pro・CoWorkBench・Toolathlon Verified・MathVision・AndroidWorld・ERQA で 「DeepSeek-V4-Flash や Claude Opus 4.6 と競合する」という相対表現のみ）。 【重み】オープン版 Qwen3.8-Flash-Next は Qwen Community License 1.0（商用利用は条件つき）で Hugging Face に公開されています。 中国製のため業務利用は規約とデータの取り扱いを確認してください。 GLM-5.3 Z.ai - [→ Z.ai 公式ドキュメント：GLM-5.3（仕様・考える量の3段階・100万トークン・出力12万8千トークン）](https://docs.z.ai/guides/llm/glm-5.3) - [→ Z.ai 公式 X：GLM-5.3 発表ポスト（2026-08-14 米国時間）](https://x.com/Zai_org/status/2088132965922476159) - [→ Z.ai 公式リリースノート（GLM-5.3 の API 提供開始は 2026-08-18）](https://docs.z.ai/release-notes) - [→ Hugging Face API：zai-org/GLM-5.3（本体の重み・ライセンスは独自の glm-5.3・2026-08-28 公開）](https://huggingface.co/api/models/zai-org/GLM-5.3) - [→ Z.ai 公式料金ページ（GLM-5.3 は入力 $1.4 / 出力 $4.4）](https://docs.z.ai/guides/overview/pricing) - [→ DeepSWE 公式ランキング v1.1（glm-5.3 は 69%・21モデル中6位・1課題あたり $3.99・2026-09-03 更新／2026-09-10 確認）](https://deepswe.datacurve.ai/) - [→ Artificial Analysis：GLM-5.3（Intelligence Index v4.3.2 で 45・168モデル中28位・max 設定・2026-09-23 確認）](https://artificialanalysis.ai/models/glm-5-3) **注：**中国の Z.ai が 2026-08-14（米国時間）に発表した同社の旗艦モデル（API のモデル名は glm-5.3、API の提供開始は 2026-08-18）。 土台は前世代 GLM-5.2 と同じで、公開後の追加学習だけで性能を伸ばしたと公式が明記しています。 考える機能は常にオンで、考える量は low / high / max の3段階（指定しない場合は max）。 入力はテキストのみで、画像・音声には対応しません。一度に読める量は100万トークン、 一度に書ける量は最大12万8千トークン（2026-08-28 に公式ドキュメントで確認）。 第三者測定の Artificial Analysis Intelligence Index は 45（v4.3.2・max 設定・2026-09-23 確認）で、本表では Kimi K3 の 44 をわずかに上回り、2026-09-21 公開の Grok 4.7（xhigh 設定で 46）に1ポイント届かない（v4.2 では 49 対 Kimi 50 で下だったので、指標が v4.3 に上がって順番が入れ替わった）。 コードを直す力は、誰でも見られる DeepSWE v1.1 の公式ランキング（113課題・ハーネスは mini-swe-agent・ max 設定／2026-09-03 更新・既定の表示は登録28モデルのうち21モデル）で 69%（誤差 ±3）・21モデル中6位（2026-09-10 確認）。 Grok 4.6（67%）・GPT-5.6 Luna（67%）・Gemini 3.7 Flash（65%）・DeepSeek V4-Pro（63%）を上回り、 Kimi K3（69%・誤差 ±5）とは同率です。上には GPT-6 Astra（74%）・Gemini 3.8 Flash（74%）・Claude Opus 5（74%）・ GPT-5.6 Sol（73%）・Claude Fable 5（70%）の5本がいます。 2026-08-26 更新版では 25モデル中5位で、Kimi K3（68.5%）にも競り勝っていましたが、 9月3日の更新でランキングの表示が整数に丸められ、Kimi K3 と並びました。 1課題あたりの平均費用は $3.99 で、Opus 5 の $11.84 の約3分の1です。 Z.ai 自身の発表値は同じベンチで 66.9 ですが、公式ランキングの 69%（誤差 ±3）の範囲に収まっています。 同社が公表している他のベンチは Terminal Bench 3.0 が 28.3、Agents' Last Exam が 28.5、 ソフトウェアの弱点を見つける CyberGym が 84.5%。Z.ai Code Bench（max 設定で 34.5%、前世代比 50%向上）は 名前に自社名が入る自社製のテストなので参考程度に見てください。 SWE-bench Verified・MMLU・GPQA・AIME は公式・第三者とも数値を公表しておらず本表では「—」です （名前の似た別のテストの値では埋めていません）。 【重みの公開について】GLM-5.3 本体の重みは 2026-08-28（米国時間）に Hugging Face の zai-org/GLM-5.3 で公開されました （重みファイルの合計は約753B、公式表記は 744B-A40B）。ただしライセンスは MIT ではなく独自の「GLM-5.3 License」で、 モデル提供（MaaS）事業を営み売上が100億ドルを超える事業者は商用利用の前に Z.ai の審査が必要という条件がつきます（2026-09-04 確認）。 【廉価版について】GLM-5.3-Flash（2026-08-26 公開・MIT ライセンス・AA Index は v4.3.2 で 42）は、 公開時に付いていた50%オフ（入力 $0.075 / 出力 $0.25）が 2026-09-09 24時（シンガポール時間・UTC+8）で終了し、 2026-09-10 から定価の入力 $0.15 / 出力 $0.50 になりました（2026-09-10 に公式料金ページで確認）。 値段が確定したので、本表には GLM-5.3-Flash 行として別に掲載しています。 中国製のため業務利用は規約とデータの取り扱いを確認してください。 Gemini 3.5 Flash-Lite Google - [→ Google 公式ブログ：Gemini 3.6 Flash / 3.5 Flash-Lite / 3.5 Flash Cyber 発表](https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-6-flash-3-5-flash-lite-3-5-flash-cyber/) - [→ Google AI for Developers：Gemini 3.5 Flash-Lite モデルページ](https://ai.google.dev/gemini-api/docs/models/gemini-3.5-flash-lite) - [→ Google AI 料金](https://ai.google.dev/gemini-api/docs/pricing) - [→ Artificial Analysis：Gemini 3.5 Flash-Lite（Intelligence Index v4.3.2 で 22・2026-09-23 確認。v4.3 では 23）](https://artificialanalysis.ai/models/gemini-3-5-flash-lite) **注：**Gemini 3.5 ファミリー最速・最低コストの軽量モデル。高スループット / 低レイテンシ用途（サブエージェント、ドキュメント解析、分類・ルーティング）向けで、 出力速度は約 350 tokens/s、thinking_level の既定は minimal。入力 1M / 出力 64k tokens、マルチモーダル入力（テキスト・画像・動画・音声・PDF）対応。 旧 3.1 Flash-Lite（$0.25/$1.5）比でテキスト料金は上昇（$0.30/$2.5）だが、音声入力の割高分は統一料金化で解消。 公表ベンチはエージェント/コーディング系：SWE-Bench Pro (Public) 54.2%（前世代 49.6%）、Terminal-Bench 2.1 54%、GDPval-AA v2 Elo 1140。 GPQA / AIME / MMLU / SWE-Bench Verified は未公表のため空欄。 本表の 1,048,576 トークンは、Google が Input token limit（入力に使える上限）として公表している値で、出力の上限 65,536 トークンは別枠（2026-08-18 に公式モデルページで確認）。 Kimi K3 Moonshot AI - [→ Moonshot AI 公式サイト](https://www.moonshot.ai/) - [→ MarkTechPost：Kimi K3 の技術詳細（KDA・2.8兆パラメータ）](https://www.marktechpost.com/2026/07/16/moonshot-ai-releases-kimi-k3-a-2-8-trillion-parameter-open-moe-model-with-kimi-delta-attention-and-1m-context/) - [→ Simon Willison：Kimi K3 レビュー](https://simonwillison.net/2026/Jul/16/kimi-k3/) - [→ Kimi (chatbot) - Wikipedia](https://en.wikipedia.org/wiki/Kimi_(chatbot)) - [→ Kimi 開発者ドキュメント：モデル一覧（K3 は 1M-token context window）](https://platform.kimi.ai/docs/models) **注：**総2.8兆パラメータ（896エキスパート中16を活性化）の MoE で、オープンウェイトとしては最大級。新アテンション Kimi Delta Attention（KDA）＋Attention Residuals で1Mコンテキストのデコードを高速化し、ネイティブ・マルチモーダル（テキスト/画像/動画）に対応。GPQA-Diamond 93.5、Humanity's Last Exam（HLE-Full）43.5、MMMU-Pro 81.6、Terminal-Bench 2.1 88.3、Artificial Analysis Intelligence Index は v4.3.2・max 設定で 44（168モデル中34位・2026-09-23 確認）と frontier 級で、Arena の Frontend Code では首位級。総合では 2026-09-22 公開の Claude Opus 5.5（58）を筆頭に、Claude Fable 5.1 と GPT-6 Astra（53）、GPT-6 Sol と Muse Spark 1.3（48）、Grok 4.7（46）、GLM-5.3 と Qwen3.8-Max（45）に届かない（この比較は 2026-09-23 に v4.3.2 で確認した本表の値。v4.2 のころは Kimi K3 が 50 で Grok 4.6・GPT-5.6 Sol の 51 に迫る位置だった）。重みが配られているモデルとしては、本表では 2026-08-28 に重みが公開された GLM-5.3（45）に次ぐ位置で、各種リーダーボードでも上位級。SWE-bench Verified / MMLU / AIME は Moonshot が数値を公表しておらず（発表は DeepSWE・FrontierSWE・SWE Marathon などエージェント系ベンチ中心）本表では「—」。フルウェイトは予定どおり 2026-07-27 に Hugging Face（moonshotai/Kimi-K3）で公開済み（ライセンスは Kimi K3 License）。中国製のため業務利用は規約確認を。本表の100万トークンは Moonshot 公式ドキュメントの context window（1M-token context window）で、入力と出力の内訳は公表されていない（2026-08-18 確認）。 GPT-5.6 Terra OpenAI - [→ Artificial Analysis：GPT-5.6 Terra（Intelligence Index v4.3.2 で 42・max 設定・$2/$12・2026-09-23 確認）](https://artificialanalysis.ai/models/gpt-5-6-terra) - [→ OpenAI Developers：Using GPT-6（GPT-6 のモデルファミリーは Astra・Sol・Luna の3本）](https://developers.openai.com/api/docs/guides/latest-model) - [→ Artificial Analysis：OpenAI プロバイダ一覧（Sol / Terra / Luna の推論設定別スコア）](https://artificialanalysis.ai/providers/openai) - [→ OpenRouter：GPT-5.6 Terra（コンテキスト1M・2026-07-09 公開・テキスト/画像入力）](https://openrouter.ai/openai/gpt-5.6-terra) - [→ explainX：GPT-5.6 Luna / Terra の値下げ後の料金表（2026-07-30 実施）](https://www.explainx.ai/blog/openai-gpt-5-6-luna-terra-price-cuts-july-2026) - [→ VentureBeat：AI price wars — OpenAI cuts GPT-5.6 Luna prices by 80%](https://venturebeat.com/technology/ai-price-wars-openai-cuts-gpt-5-6-luna-prices-by-80-as-model-competition-shifts-toward-cost) - [→ ITmedia AI＋：OpenAI「GPT-5.6」一般公開（2026-07-10）](https://www.itmedia.co.jp/aiplus/article/2607/10/2000000183/) **注：**GPT-5.6 の3グレード（Sol / Terra / Luna）の中位にあたる「ふだん使い」向けモデル。 ChatGPT では登場時（2026-07-09）に無料プランと Go プランがこの Terra を使っていたが、2026-08-06 の変更で無料・Go は下位の Luna に移った（Plus・Pro は最上位の Sol）。 そのため現在の Terra は、ChatGPT の既定モデルとしてではなく API で中位グレードを選ぶときの選択肢という位置づけになっている。 2026-09-22 に出た GPT-6 世代は Astra・Sol・Luna の3本で、Terra にあたるモデルは無い（2026-09-23 時点。OpenAI の開発者向けドキュメントは「GPT-6 のモデルファミリーは GPT-6 Astra・GPT-6 Sol・GPT-6 Luna」と書いている）。GPT-5.6 Terra は終了日の告知なく提供が続いている。 料金は 2026-07-30 の改定で 100万トークンあたり $2.50/$15 → $2/$12 に20%下がった（同じ日に Luna は80%下がり、Sol はこのときだけ $5/$30 で据え置きだった。その Sol も 2026-08-22 に $4/$20 へ下がっている）。 Artificial Analysis Intelligence Index は 42（v4.3.2・max 設定／2026-09-23 確認）。9月22日に出た GPT-6 Sol は入力が同じ $2・出力が $10 と Terra より安く、同じ指標で 48 と上なので、API で新しく選ぶなら Terra を選ぶ理由は小さくなった。 ※ AA は推論の強さ別に max / xhigh / high / medium / low を出しており、条件が違うと数値も変わる。 出力速度は 125.7 トークン/秒（Artificial Analysis 実測）。コンテキストウィンドウは OpenAI 公式表記で 1,050,000 トークンだが、入力に使える上限は 922,000 トークン・1回の出力上限は 128,000 トークン。本表の値は「一度に読める量」なので入力上限の 922,000 を採用している。入力が 272,000 トークンを超えたリクエストは全体が入力2倍・出力1.5倍（$4/$18）になる（2026-08-18 に公式ドキュメントで確認）。入力はテキストと画像に対応。 GPQA Diamond・HLE・SWE-bench Verified は Terra 個別の公開値が無いため本表では「—」（他グレードの数値では埋めていません）。 Llama 4 Maverick Meta - [→ Meta Developer：Llama 4 モデルページ（llama.com の統合先）](https://developer.meta.com/ai/models/llama-4/) - [→ Meta AI Blog：Llama 4 リリース（2025-04-05）](https://ai.meta.com/blog/llama-4-multimodal-intelligence/) - [→ Llama 4 model card / GitHub](https://github.com/meta-llama/llama-models) - [→ Artificial Analysis：Llama 4 Maverick（Intelligence Index v4.3.2 で 10・AA の推定値で順位の対象外・2026-09-23 確認。v4.3 では 9・130モデル中112位）](https://artificialanalysis.ai/models/llama-4-maverick) - [→ Hugging Face：meta-llama/Llama-4-Maverick-17B-128E-Instruct（公式モデルカード・Context length 1M）](https://huggingface.co/meta-llama/Llama-4-Maverick-17B-128E-Instruct) **注：**Meta 公式 Llama 4 系の旗艦。MoE 128 experts、native multimodal、1M context、Knowledge cutoff 2024-08。 公式公表ベンチは MMLU Pro 80.5、LiveCodeBench 43.4、MMMU 73.4、MathVista 73.7、ChartQA 90、DocVQA 94.4。 SWE-Bench / GPQA / AIME / HLE は Meta から公式公表なし（同列比較困難）。Llama 4 Scout（10M context、17B/109B MoE）も同時リリース。 第三者機関 Artificial Analysis の Intelligence Index は 10（v4.3.2・2026-09-23 確認）。ただし AA はこの値を推定値（estimated）として表示しており、全体の順位には入れていない（2026-09-08 の v4.3 では 9）。 オープンウェイト（Llama 4 Community License、月7億 MAU 超は別ライセンス必要）。 本表の100万トークンは公式モデルカードの Context length（同時公開の Scout は 10M）。入力と出力の内訳は公表されていない（2026-08-18 確認）。 EDITOR'S NOTE ## 編集部のコメント 表の数字だけでは伝わらない「なぜこの行がここにあるのか」を、更新のたびに書き足しています。新しいものが上です。 ### 「最強モデル」は存在しません。 用途で答えが変わるのが 2026年10月時点の特徴です。編集部は次の8つの「棚」で考えています。 知能スコアは第三者機関 Artificial Analysis の Intelligence Index v4.3.2、料金は100万トークンあたりの入力／出力（USD）で、いずれも本表の現在値です。 精度最優先・むずかしい仕事 [Claude Opus 5.5 知能58 ・$4/$20](https://ai-garage.jp/models/claude/)[Claude Fable 5.1 知能53 ・$10/$50](https://ai-garage.jp/models/claude/) パソコン操作を任せる [GPT-6 Astra 知能53 ・$10/$50](https://ai-garage.jp/models/chatgpt/) 安さと賢さの両取り [GPT-6.1 Sol 知能52 ・$2/$10](https://ai-garage.jp/models/chatgpt/)[GLM-5.3 知能45 ・$1.4/$4.4](https://ai-garage.jp/models/glm/)[Grok 4.7 知能46 ・$2/$6](https://ai-garage.jp/models/grok/) ふだん使い・バランス [Claude Sonnet 5.5 知能56 ・$2/$10](https://ai-garage.jp/models/claude/) コードを長時間任せる [Muse Spark 1.3 知能48 ・$1.25/$4.25](https://ai-garage.jp/models/muse-spark/) 長い資料をまるごと読ませる [Gemini 3.1 Pro 知能30 ・$2/$12](https://ai-garage.jp/models/gemini/)[Llama 4 Maverick 知能10 ・料金非公開](https://ai-garage.jp/models/llama/) エージェント実装のコスパ枠 [Gemini 3.8 Flash 知能41 ・$0.75/$3.75](https://ai-garage.jp/models/gemini/) コストを極限まで抑える [Claude Haiku 5.5 知能43 ・$0.1/$0.5](https://ai-garage.jp/models/claude/)[GPT-6 Luna 知能38 ・$0.1/$0.5](https://ai-garage.jp/models/chatgpt/)[GLM-5.3-Flash 知能42 ・$0.15/$0.5](https://ai-garage.jp/models/glm/)[Qwen3.8-Flash 知能40 ・$0.15/$0.47](https://ai-garage.jp/models/qwen/)[DeepSeek V4.1-Flash 知能39 ・$0.15/$0.6](https://ai-garage.jp/models/deepseek/) 棚の割り当ては編集部の判断（手書き）です。ピルの数字は表と同じデータから自動で出しているので、料金改定や再集計があれば追従します。 CHANGELOG 1. 2026年10月9日 Claude Haiku 5.5 を追加、Mistral 行を Large 4 に差し替え **Anthropic が10月7日（米国時間）に Claude Haiku 5.5 を公開したので、本表に Haiku の行を新しく足しました。**9月22日の Opus 5.5、9月28日の Sonnet 5.5 に続く「Claude 5.5 ファミリー」の3本目で、軽量・低価格の担当です。料金は10万トークン以下の依頼で **$0.10/$0.50**、10万トークンを超える依頼は **$0.50/$2.50** と5倍になります（Claude の 4.6 以降のモデルで、長さで単価が変わるのは Haiku 5.5 だけです）。本表の $0.10/$0.50 は10万トークン以下の単価です。 第三者機関 Artificial Analysis の知能スコアは **43**（max 設定）。入力3:出力1の平均額 **$0.20** は GPT-6 Luna とまったく同じで、本表でいちばん安い組です。そのうえで Luna の 38 を5点上回るので、**AIコスパ指数は 84 で本表1位**になりました（Luna は 79）。ページ上部のおすすめカード「コストを極限まで抑える」も、入力 $0.10 で並ぶこの2本（Claude Haiku 5.5 と、同額の GPT-6 Luna）を挙げています。ただし長い依頼で割増しになる境目が違い、Luna は27万2千トークンまで同じ単価なので、10万〜27万2千トークンの依頼では Luna のほうが安くなります。公式の値では難問テスト HLE（ツールなし）が 45.9% で、前の Haiku 4.5（10.2%）から大きく伸びました。SWE-bench Verified・MMLU・GPQA・AIME は公表がないため「—」です。なお Haiku 4.5 向けに書いたプログラムは、そのままでは動かないことがあります（考える量をトークン数で指定する budget_tokens などがエラーになります）。 **Mistral の行は Medium 3.5 から Large 4 に差し替えました。**Mistral AI が10月6日に公開プレビュー（正式版の前のお試し公開）として出した新しい旗艦で、約1兆パラメータのうち1回に動くのは520億という MoE（専門家分業型）のモデルです。定価は **$1.36/$4.18** と Medium 3.5（$1.5/$7.5）より安く（公開から2週間は半額ですが、本表は定価で載せています）、知能スコアは **14 → 38** と大きく上がりました。AIコスパ指数は **31 → 59** です。一方、**SWE-bench Verified の欄は「—」になりました**。Large 4 ではこのテストが公表されておらず（Mistral 自身の公表はコード修正の DeepSWE v1.1 で 61.7% など）、Medium 3.5 の 77.6% を新しい行に持ち込まない方針だからです。これで**本表で SWE-bench Verified の値があるのは Gemini 3.1 Pro（80.6%）の1行だけ**になりました。ほかの行は「—」で、成績が低いという意味ではありません。コードの力を比べるときは、一次ソース欄の注にある別のテスト（SWE-bench Pro や Terminal-Bench 4.0 など）の値も見てください。プレビュー版なので、正式版で料金や仕様が変わることがあります。 **GPT-6 Luna の知能スコアは 37 → 38 に直しました。**Artificial Analysis の現在の値が 38（小数では 38.12）になっていたためで、前世代の GPT-5.6 Luna（表示は 37、小数では 37.32）を上回りました。AIコスパ指数は 78 → 79 です。また **Claude Sonnet 5.5 のキャッシュ読み込み（同じ内容を使い回すときの料金）が、10月7日から $0.20 → $0.10 に半額**になりました。本表の入力・出力の料金（$2/$10）は変わらないので、指数は 72 のままです。 **載せなかったものも書いておきます。**Google が9月30日に発表した **Gemini 4 Argon** は、知能スコアが 53（high 設定）と Gemini 3.1 Pro の 30 を大きく上回ります。ただし10月9日時点で使えるのは Google の Fairwind Program に入ったサイバー防御の組織だけで、一般の人や開発者はまだ使えません。本表は「いま一般の人や開発者が API で使えるもの」を載せる方針なので、Claude Mythos 5.1 や Gemini 3.8 Flash Cyber と同じく載せていません。一般提供が始まったら Gemini の行を見直します（それまで Gemini の行は 3.1 Pro のままです。発表の中身は [Gemini 4 Argon 発表](https://ai-garage.jp/news/gemini-4-argon-launch/) にまとめています）。 **知能の最高（Opus 5.5 の 58）も、入力3:出力1の平均額の最安（$0.20）・最高（$20）も変わらないため、ほかの行の AIコスパ指数は動いていません。** [→ 記事「Claude Haiku 5.5 登場」を読む](https://ai-garage.jp/news/claude-haiku-5-5-launch/) - Claude Haiku 5.5 $0.10 / $0.50・知能 43・コスパ 84（1位） - Mistral Large 4 定価 $1.36 / $4.18・知能 14→38・コスパ 31→59 - GPT-6 Luna 知能 37 → 38・コスパ 78 → 79 - Sonnet 5.5 のキャッシュ読み込み $0.20 → $0.10（10月7日から） 2. 2026年9月29日 GPT-6.1 Sol が登場、ChatGPT 行を GPT-6 Sol から差し替え（本表への反映は10月1日） **OpenAI が9月29日（米国時間）に GPT-6.1 Sol を公開したので、ChatGPT の行を GPT-6 Sol から差し替えました。**1週間前に出た GPT-6 Sol のアップグレード版で、料金は同じ **$2/$10**。変わったのはキャッシュ済み入力で、$0.20 から $0.10 に半分になりました。 第三者機関 Artificial Analysis の知能スコアは **48 → 52**（どちらも max 設定）。本表では Opus 5.5（58）・Sonnet 5.5（56）・Fable 5.1 と GPT-6 Astra（53）に次ぐ位置です。上の「ふだん使い・コスパ」のおすすめは、同じ料金で 56 の Claude Sonnet 5.5 のまま変えていません。 **AIコスパ指数は ChatGPT の行だけが 64 → 68 に動きました。**知能の最高も、料金の最安・最高も変わらないため、ほかの行の指数はそのままです。記事は [GPT-6.1 Sol が登場](https://ai-garage.jp/news/gpt-6-1-sol-launch/) にまとめています。 - 料金 $2 / $10（GPT-6 Sol と同額） - 知能（v4.3.2） 48（GPT-6 Sol）→ 52（GPT-6.1 Sol・max） - AIコスパ指数 64 → 68 - キャッシュ済み入力 $0.20 → $0.10 3. 2026年9月28日 Claude Sonnet 5.5 が登場、Sonnet 行を 5 から差し替え **Anthropic が9月28日（米国時間）に Claude Sonnet 5.5 を公開したので、Sonnet の行を Sonnet 5 から差し替えました。**9月22日の Opus 5.5 に続く「Claude 5.5 ファミリー」の2本目で、料金は Sonnet 5 と同じ **$2/$10**。Claude アプリでは無料プランを含む全プランで使えます。 第三者機関 Artificial Analysis の知能スコアは **38 → 56** と大きく伸び、本表では Opus 5.5 の 58 に次ぐ2番目、Fable 5.1・GPT-6 Astra の 53 より上です。同じ $2/$10 の GPT-6 Sol（48）も上回ったので、上の「ふだん使い・コスパ」のおすすめは GPT-6 Sol から Claude Sonnet 5.5 に戻しました。ただしこの 56 は一番高い max 設定での値で、評価の課題一式で4億1000万トークンを書き、1課題あたりの費用は $7.60 と Opus 5.5（$5.98）より高くつきました。設定を high に下げると 47 です。 **AIコスパ指数は Sonnet の行だけが 53 → 72 に動きました。**知能の最高（Opus 5.5 の 58）も、料金の最安・最高も変わらないため、ほかの行の指数はそのままです。一方、**SWE-bench Verified の欄は「—」になりました**。Anthropic が Sonnet 5.5 ではこのテストを公表しておらず（代わりに、より難しい SWE-bench Pro で 81.3%）、Sonnet 5 の 85.2% を新しい行に持ち込まない方針だからです。これで本表の SWE-bench Verified の最高は Gemini 3.1 Pro の 80.6% に移りましたが、Claude が弱くなったわけではありません。記事は [Claude Sonnet 5.5 が登場](https://ai-garage.jp/news/claude-sonnet-5-5-launch/) にまとめました。 - 料金 $2 / $10（Sonnet 5 と同額） - 知能（v4.3.2） 38（Sonnet 5）→ 56（Sonnet 5.5・max） - AIコスパ指数 53 → 72 - HLE（ツールなし） 56.9%（公式システムカード） 4. 2026年9月22日 Claude Opus 5.5 と GPT-6 Sol・Luna が同じ日に登場、3行を差し替え **Anthropic と OpenAI が9月22日（米国時間）に新モデルを出したので、本表の3行を差し替えました。**Claude の行は Opus 5 → **Claude Opus 5.5**、OpenAI の Sol の行は GPT-5.6 Sol → **GPT-6 Sol**、Luna の行は GPT-5.6 Luna → **GPT-6 Luna** です。GPT-6 世代には Terra にあたるモデルが無いので、中位の行は GPT-5.6 Terra のまま残しています（同じ入力料金 $2 で出力が安く、知能スコアも上の GPT-6 Sol が出たので、新しく選ぶ理由は小さくなりました）。 **Claude Opus 5.5** は料金が **$4/$20** と Opus 5（$5/$25）より2割安くなったうえで、第三者機関 Artificial Analysis の知能スコアが **58** と本表の最高値になりました。Claude Fable 5.1 と GPT-6 Astra の 53 を5点上回り、同社のリーダーボードでも168モデル中1位です。難問テスト HLE（ツールなし）も **64.4%** で、Fable 5.1 の 60.9% を上回っています。ただし**本表の SWE-bench Verified 欄は「—」になりました**。Anthropic が Opus 5.5 ではこのテストを公表しておらず（代わりに、より難しい SWE-bench Pro で 89.9%）、Opus 5 の 96.0% を新しい行に持ち込まない方針だからです。そのため本表の SWE-bench Verified の最高は Claude Sonnet 5 の 85.2% に移りましたが、Opus 5.5 が弱くなったわけではありません。 **GPT-6 Sol** は前世代 Sol の期間限定価格 $4/$20 の**ちょうど半額の $2/$10** で、知能スコアは 48 と前世代の 47 とほぼ同じです。**GPT-6 Luna** は **$0.10/$0.50**（出力は約58%減）で知能スコアは前世代と同じ 37、入力3:出力1の平均額 $0.20 は**本表でいちばん安い行**です。注意点として、この2本は ChatGPT の通常のチャットにはまだ入っていません。使えるのは API と、ChatGPT の中のエージェント機能 ChatGPT Work、そして Codex です（無料・Go プランはデスクトップアプリで GPT-6 Luna）。**【2026年10月9日 追記】**その後、OpenAI の発表とリリースノートによると、10月7日から Plus・Pro・Business・Enterprise のチャットにも GPT-6 Sol が入り、無料・Go プランのチャットは10月8日から順次 GPT-6 Luna に切り替わっています。 **AIコスパ指数は全行が動きました。**知能の最高値が 53 → 58 に、最安の平均額が $0.23 → $0.20 に変わり、賢さと安さの目盛りが両方とも引き直されたためです。上位は GLM-5.3-Flash 82・Qwen3.8-Flash 80・GPT-6 Luna 78・DeepSeek V4.1-Flash 78 と、安い4本が並ぶ形は変わりません。高性能帯では **Claude Opus 5.5 が 68** で、同じ $10/$50 の Fable 5.1・GPT-6 Astra（ともに 55）より高く出ました。「いちばん賢い行が、最上位の半額以下で使える」という、これまでに無い並びです。記事は [Claude Opus 5.5 が登場](https://ai-garage.jp/news/claude-opus-5-5-launch/) と [GPT-6 Sol・Luna が登場](https://ai-garage.jp/news/gpt-6-sol-luna-launch/) にまとめました。 - Claude Opus 5.5 $4 / $20・知能 58（本表最高）・コスパ 68 - GPT-6 Sol $2 / $10（前の Sol の半額）・知能 48・コスパ 64 - GPT-6 Luna $0.10 / $0.50・知能 37・本表最安 - コスパの目盛り 知能の最高 53→58・最安の平均額 $0.23→$0.20 5. 2026年9月21日 Grok 4.7 が登場、Grok 行を 4.6 から差し替え（本表への反映は9月23日） **SpaceXAI（旧xAI）が9月21日に Grok 4.7 を公開しました。**料金は Grok 4.6 と同じ **$2/$6**（プロンプトが20万トークン以上になると、そのリクエストの全トークンが倍額）、一度に読める量も50万トークンのままで、第三者機関 Artificial Analysis の知能スコアは 44 → **46** に上がりました。ただし Grok 4.7 は xhigh、Grok 4.6 は high という一段違う設定での測定です（Grok 4.7 は high 設定でも 46）。 公式の比較表でいちばん伸びたのはコマンド操作の Terminal-Bench 4.0 で、20.3% → **37.6%**。この表も設定がそろっておらず（Grok 4.7 は xHigh、Grok 4.6 は High）、Artificial Analysis 自身が共通の足回りで測った値は 25.8% でした。また同じ表は Claude Fable 5.1 を 57.9% としていますが、Anthropic 自身の公表値は 55.8% です。SWE-bench Verified・MMLU・GPQA・AIME は公式も第三者も数値を出していないため「—」のままです。AIコスパ指数は **64** で、同じ $2/$6 の Qwen3.8-Max（63）とほぼ並びます。 [→ 記事「Grok 4.7 登場」を読む](https://ai-garage.jp/news/grok-4-7/) - 料金 $2 / $6（3世代続けて据え置き） - 知能（v4.3.2） 44（4.6・high）→ 46（4.7・xhigh） - Terminal-Bench 4.0 20.3% → 37.6%（SpaceXAI 公表） - 一度に読める量 50万トークン（据え置き） ▶ これより前の記録を開く（14件） 2026年7月9日 〜 2026年9月19日 1. 2026年9月19日 知能スコアが v4.3.2 に。4行が1点ずつ動き、Qwen3.8-Max は9月2日版の値に 第三者機関 Artificial Analysis の Intelligence Index が9月19日（米国時間）に **v4.3.2** へ上がりました。実務の出来を測る2つの評価（GDPval-AA v2.1 と AA-Briefcase v1.1）の採点のしかたを見直したもので、全モデルが採点し直されています。9月23日に本表の全行を確かめ直したところ、点数が動いたのは DeepSeek V4.1-Flash（40 → 39）、Gemini 3.5 Flash-Lite（23 → 22）、Mistral Medium 3.5（15 → 14）、Llama 4 Maverick（9 → 10。同社はこの値を推定値の扱いに変えました）の4行で、いずれも1点です。 これとは別に、**Qwen3.8-Max の行を9月2日の改良版（qwen3.8-max-0902）の値に更新しました。**Alibaba は9月5日に qwen3.8-max の呼び出し先をこの版へ切り替えると告知していて（料金 $2/$6 と一度に読める量は同じ）、Artificial Analysis もこの版を「Qwen3.8 Max」として測っています。知能スコアは **45**（8月3日版は 40）。改良点として挙がっているのは、コーディング（特に長い工程の開発）、複数の道具を使うエージェント作業、図表や文書の読み取りです。 - 版 v4.3 → v4.3.2（9月19日） - 動いた行 DeepSeek 40→39・Flash-Lite 23→22・Mistral 15→14・Llama 9→10 - Qwen3.8-Max 40 → 45（9月2日の改良版） 2. 2026年9月11日 DeepSeek 行を V4-Pro から V4.1-Flash に差し替え **【2026年9月14日 追記】予告されていた V4-Pro の引退は撤回されました。**DeepSeek は公式ドキュメントを「利用者からの要望を受け、2026年9月14日以降も DeepSeek V4 Pro の API 提供を継続します。課金方式も変更ありません」に書き換えています（更新履歴・料金ページ・最初の API 呼び出しページの3か所で2026年9月14日に確認）。**V4-Pro はオフピーク $0.66／$1.98 のまま残ります。**本表の DeepSeek 行は引き続き V4.1-Flash を載せます（同社の最新モデルであり、料金・知能スコアともにこちらが代表値としてふさわしいため）。以下は9月11日時点の記録です。 **DeepSeek が9月10日に V4.1-Flash を公開し、同時に世代交代の日時を予告しました。**公式の更新履歴は「V4.1 Flash が性能・コスト・速度・総所要時間のすべてで V4 Pro を上回ったため、V4 Pro を順次引退させる」と書き、**2026年9月14日の北京時間12:00（日本時間13:00）以降、`deepseek-v4-pro` へのリクエストはすべて V4.1 Flash に回され、V4.1 Flash の料金で課金される**としています（将来 V4.1-Pro が出るまでの措置）。旧 V4-Flash と実験版の V4-Flash-Vision-Exp は**すでに引退済み**です。本表の DeepSeek 行は「いま API で使えるもの」を載せる方針なので、**V4.1-Flash に差し替えました**。 **料金は4分の1前後に下がりました。**混雑していない時間帯で入力 **$0.15**（キャッシュが効けば $0.003）・出力 **$0.60**。V4-Pro の $0.66/$1.98 と比べて入力は約4.4分の1、出力は3.3分の1です。混雑する時間帯（世界標準時の月〜金 01:00-04:00 と 06:00-10:00 ＝ 日本時間 10〜13時と15〜19時）はいずれも2倍で、入力 $0.3／出力 $1.2 になります。第三者機関 Artificial Analysis の知能スコアは **39.55**（v4.3・9月11日確認、本表の表示は 40）で、**V4-Pro の 36 を上回りました**。安いほうが賢い、が第三者の測定でも確認できた形です。 **AIコスパ指数は 68 から 84 に上がり、3位に入りました。**ただし**他の行の指数は動いていません。**本表の安さの物差し（入力3:出力1の平均額）で V4.1-Flash は $0.26 で、最安の Qwen3.8-Flash（$0.23）・GLM-5.3-Flash（$0.24）は抜いていないため、**目盛りの引き直しが起きていない**からです（9月10日の追加では最安が入れ替わって全行が動きました）。上位は GLM-5.3-Flash 87・Qwen3.8-Flash 85・DeepSeek V4.1-Flash 84 の順で、**上位3本が全部中国勢**になりました。 **注意点を3つ。**ひとつ、**本表の SWE-bench Verified 欄が「—」になりました**。V4-Pro には 80.6% の公表値がありましたが、V4.1-Flash では DeepSeek が SWE-bench Verified を出していません（代わりに DeepSWE v1.1 で 74.2% を公表）。ふたつ、その **74.2% は同社が併記した8種類の足回りのうち最も高く出た mini-SWE の値**で、Claude Code では 69.8%・Codex では 65.6% と**8.7ポイントの幅**があります。みっつ、道具を使わない難問（HLE）は **36.8** で Claude Opus 5 の 56.3 に大きく届いていません。**「調べて手を動かす仕事は強い、こみいった考えごとは上位に届かない」**という凸凹のあるモデルです。なお画像を読めるようになった（V4-Pro は非対応）のと、重みが MIT ライセンスで公開されているのは素直な前進です。 [→ 記事「記事：DeepSeek V4.1 Flash とは？料金は4分の1、V4-Pro の引退は撤回」を読む](https://ai-garage.jp/news/deepseek-v4-1-flash-launch/) - DeepSeek V4.1-Flash $0.15 / $0.60・知能 40・コスパ 84（3位） - 旧 V4-Pro $0.66 / $1.98・知能 36・コスパ 68 - V4-Pro の引退 9月14日に予告 → 撤回。料金据え置きで継続提供（9月14日確認） - DeepSWE v1.1 74.2%（8種の足回りで最高値・Claude Code では 69.8%） 3. 2026年9月10日 GLM-5.3-Flash と Qwen3.8-Flash を追加、Mistral 行を Medium 3.5 に差し替え **中国 Z.ai の廉価版 GLM-5.3-Flash を追加しました。**8月26日の公開時は50%オフの期間限定価格だったため「値段が確定してから載せるか判断する」として保留していたモデルで、その50%オフが**9月9日24時（シンガポール時間・UTC+8）で終了**し、定価の **$0.15/$0.50** で確定したので追加しました（9月10日に Z.ai 公式料金ページで確認）。第三者機関 Artificial Analysis の知能スコアは **42**（v4.3）で、旗艦 GLM-5.3 の 45 とは**3ポイント差**しかありません。コードを直す力は DeepSWE v1.1 の公式ランキング（113課題・9月3日更新）で **63%**（誤差 ±4）・表示21モデル中12位、1課題あたりの平均費用は **$0.24** で、同じランキングで74%の Claude Opus 5（$11.84）の約49分の1です。重みは **MIT ライセンス**で公開されているので自前運用もできます（旗艦 GLM-5.3 のほうは独自ライセンス）。注意点は、入力は動画・画像・テキスト・ファイルに対応しますが**考える機能は常にオンで切れない**こと、SWE-bench Verified・MMLU・GPQA・AIME はどこも数値を出していないため「—」であること、そして**中国製**なので業務利用は社内規定とデータの取り扱いの確認をおすすめすることの3つです。 **同じ日に Alibaba の Qwen3.8-Flash も追加しました。**8月26日に重みが公開されたオープン版 **Qwen3.8-Flash-Next**（総1,250億パラメータのうち動くのは60億。Alibaba 自身が「次の Qwen4 を支える設計の先行版」と説明）を製品化した API モデルで、料金は Alibaba Cloud Model Studio の国際版で **$0.15/$0.47**（9月10日に公式料金ページで確認。中国版は $0.113/$0.382）。一度に読める量は100万トークン、テキスト・画像・動画を入力でき、考える機能はオン・オフを選べます。知能スコアは **40** で、**料金が約13倍の旗艦 Qwen3.8-Max（$2/$6）と同点**です。こちらも SWE-bench Verified など本表の4欄は公表がなく「—」です。 **この2本で「本表でいちばん安い行」が入れ替わりました。**編集部の AIコスパ指数は、本表の安さの物差し（入力3:出力1の平均額）で GLM-5.3-Flash が $0.24、Qwen3.8-Flash が $0.23。これまで最安だった GPT-5.6 Luna（$0.45）の半分ほどです。その結果、**AIコスパ指数は GLM-5.3-Flash が 87 で1位、Qwen3.8-Flash が 85 で2位**、それまで首位だった GPT-5.6 Luna は 77 で3位になりました。最安が入れ替わると安さの目盛りそのものが引き直されるため、他の行の指数も1〜2ポイント動いています（並び順は変わっていません）。 **Mistral の行は Large 3 から Medium 3.5 に差し替えました。**Large 3 は2025年12月公開で本表でいちばん古い行になっていましたが、Mistral はその後の4月28日に、推論専用の Magistral とコーディング専用の Devstral 2 を1つに統合した **Medium 3.5**（1,280億パラメータの dense モデル・Modified MIT ライセンスで重み公開）を「frontier-class」の主力に据えています。料金は **$1.5/$7.5** と Large 3（$0.5/$1.5）より高く、公式モデルカードの **SWE-bench Verified 77.6%** は本表で5番目と健闘する一方、第三者の知能スコアは **15** で本表の最下位、AIコスパ指数も **34** で最下位です。「コードを直す力の公表値はそこそこ、総合知能の第三者評価は低い」という凸凹の大きいモデルで、欧州のデータ主権要件や自前運用が要る場面向きだと思います。Large 3 の公表値（SWE 60 / MMLU 85.5 / GPQA 73 / AIME 75・知能 10）は一次ソース欄の注に残しました。 **載せなかったものも書いておきます。**xAI の **Grok 4.7** は Musk 氏が9月2日に「10日後」と予告していますが、9月10日時点で xAI 公式のモデル一覧・リリースノートには載っていません。**DeepSeek V5** は公式発表がなく、**Gemini 3.5 Pro / Gemini 4** も Google からの正式発表はありません。本表は「いま API で使えて料金が確定しているもの」だけを載せる方針なので、公式が出したら差し替えます。 - GLM-5.3-Flash $0.15 / $0.50・知能 42・コスパ 87（1位） - Qwen3.8-Flash $0.15 / $0.47・知能 40・コスパ 85（2位） - Mistral Medium 3.5 $1.5 / $7.5・SWE 77.6%・知能 15 - 1課題の実費 GLM-5.3-Flash $0.24（DeepSWE v1.1） 4. 2026年9月4日 本表の Meta 行を Muse Spark 1.3 に差し替え 公開は**9月2日**で、料金は前の 1.2 とまったく同じ **$1.25/$4.25**（読み込んだ内容の使い回しも $0.15 のまま）。**値段はそのままで、第三者機関 Artificial Analysis の知能スコアだけが上がりました。**同じ xhigh 設定どうしで比べると 1.2 の 47 に対し 1.3 は 52 です（Intelligence Index v4.2・2026年9月5日確認）。本表には他行と条件をそろえるため max 設定の値 **53** を載せています（同じ v4.2・2026年9月5日確認）。そのぶん編集部の AIコスパ指数も上がり、9月5日に知能スコアを v4.2 へそろえたあとの値は **80** で、GPT-5.6 Luna（85）に次ぐ**単独2位**です。 Meta が挙げている改善は、長時間ひとりで進める作業や複数の作業を並行して進める力、分からない点を聞き返すようになったこと、そして指示への追従です。コーディング作業では「**道具を呼ぶ回数がおよそ20%減り、使うトークンがおよそ25%減った**」としていて、同じ仕事なら実費も下がる方向の変更です。**いちばん深く考える max reasoning は公開初日から使えます**——Meta 公式が「Muse Spark 1.3 with max reasoning is now available on Muse Code and Meta Model API」と書いています。（2026年9月5日訂正：9月4日の本欄で「max モードは追加の安全テストが終わるまで提供されない」と書きましたが、これは誤りでした。Meta 公式の原文にその記述はなく、初日から提供されています。お詫びして訂正します。） [→ 記事「Muse Spark 1.3 とは？」を読む](https://ai-garage.jp/news/meta-muse-spark-1-3-launch/) - 料金 $1.25 / $4.25（1.2 と同額） - 知能（xhigh・v4.2） 47 → 52 - コスパ（当時） 80・単独2位 - 実費 道具呼び出し −20%・トークン −25%（Meta 公表） 5. 2026年9月3日 GPT-6 Astra を本表に追加 OpenAI の新しい最上位モデルで、8月から「Astra」という名前で話題になっていたものに **GPT-6** という世代番号が付いて公開されたものです。料金は **$10/$50** と、Claude Fable 5.1 とまったく同額。前世代の GPT-5.6 Sol（$4/$20）からは**2.5倍**の値上げです。ただし第三者機関 Artificial Analysis の知能スコアは **61** で、これは **GPT-5.6 Sol と同点**。Claude Fable 5.1 の 66 には届いていません。値段だけが上がって知能スコアが動かなかったぶん、編集部の AIコスパ指数は **55** と、同じ $10/$50 の Claude Fable 5.1（60）より下の位置になります。 伸びたのは総合点ではなく**パソコン操作とサイバー**で、OpenAI 公表値では OSWorld 2.0 が 65.7% → **72.6%**（所要時間は約75分→約40分）、ExploitBench が 78.5% → **100%**、許可された範囲を超える行動が 48.2% → **0%** です。**画面を見て手を動かす用途に絞って使うモデル**、という読み方が実態に近いと思います。なお本表の GPQA 欄には OpenAI 公表の **96.0%** を入れました（第三者機関 Artificial Analysis の独自実測も 96.1% でほぼ一致しています）。HLE 欄は「—」のままです——OpenAI が Astra について公表しておらず、この欄に並ぶ他社の数値はいずれもベンダー公表値なので、AA の実測値（54.7%）だけを混ぜると測り方が揃わなくなるためです。 [→ 記事「GPT-6 Astra とは？」を読む](https://ai-garage.jp/news/gpt-6-astra-launch/) - 料金 $10 / $50（Sol の2.5倍） - 知能（当時・v4.1.1） 61＝GPT-5.6 Sol と同点 - OSWorld 2.0 65.7% → 72.6% - GPQA 96.0%（OpenAI 公表） 6. 2026年9月2日 Gemini 3.8 Flash が登場、Gemini Flash 行を 3.7 から差し替え 8月13日に出た 3.7 Flash から**また3週間**、Google 自身の言い方で**6週間で3世代目**です（本表の Gemini Flash 行は 3.6 → 3.7 → 3.8 と2回続けて入れ替わりました）。料金は **3.7 Flash と同額の $0.75/$3.75**（2026年12月31日までの導入価格。2027年1月1日から $1.50/$7.50）で、値上げなしに第三者機関 Artificial Analysis の知能スコアだけが **56 → 59** に上がりました。編集部の AIコスパ指数は **78 → 81** に伸び、GPT-5.6 Luna（87）に次ぐ**単独2位**です。 **ただし「1トークンあたりが同じ」と「1つの仕事が同じ値段」は別です。**Google 自身が「3.8 Flash はより多く考え、道具を何度も呼ぶのでトークンを多く使うことがある」と公式ページに明記していて、Artificial Analysis の実測でも同じテスト一式で吐き出した出力トークンが **64M → 120M**、1課題あたりの実費が **$0.40 → $0.58** に上がっています。安さ優先の用途では 3.7 Flash がそのまま使え、Google も継続提供を明言しています。Google が数値を公表しているのは **HLE-Verified 54.9%** だけで、DeepSWE v1.1・Vals Finance Agent V2・Harvey's Legal Agent Benchmark は「3.7 Flash を上回る」とだけ書かれ具体値は非公表のため、本表には入れていません。一度に読める量は入力 1,048,576 トークン・出力 65,536 トークンで 3.7 Flash と同じ、SWE-bench Verified・MMLU・GPQA・AIME はどこも公表がないため「—」のままです。同時発表の **Gemini 3.8 Flash Cyber** は、審査を通った政府機関・重要インフラ・ソフトウェア保守者だけが使える枠（Fairwind Program）なので、一般提供ではなく本表には載せていません。 [→ 記事「Gemini 3.8 Flash とは？」を読む](https://ai-garage.jp/news/gemini-3-8-flash-launch/) - 料金 $0.75 / $3.75（3.7 と同額・2026年内） - 知能（当時・v4.1.1） 56 → 59 - 1課題の実費（AA 実測） $0.40 → $0.58 - HLE-Verified 54.9%（Google 公表） 7. 2026年9月1日 Claude Fable 5.1 が登場、Fable 行を 5 から差し替え 料金は前の Fable 5 と同じ **$10/$50** で、読み込んだ内容の使い回し料金だけ $1 → $0.25 に下がりました。第三者機関 Artificial Analysis の知能スコアは **66** で、Claude Opus 5 の 63 を抜いて**本表の最高値**です。幅広い分野の難問テスト Humanity's Last Exam も **60.9%**（ツールなし）で本表最高です（前の Fable 5 は 57.8%、Opus 5 は 56.3%）。一方 **SWE-bench Verified は公式も第三者もまだ数値を出していない**ため、この欄は「—」にしています（前の Fable 5 の 95.0% を新しい行に流用することはしません）。 公式ドキュメントでは Fable 5 は旧世代（Legacy）扱いになりました。料金が本表でいちばん高い部類（9月3日に出た GPT-6 Astra と同額の $10/$50）なので、編集部の AIコスパ指数は **60** と下位です——「いちばん賢いモデルを、いちばん難しい仕事だけに使う」のが正しい付き合い方だと思います。 [→ 記事「Claude Fable 5.1 が登場」を読む](https://ai-garage.jp/news/claude-fable-5-1-launch/) - 料金 $10 / $50（据え置き） - 知能（当時・v4.1.1） 66・本表最高 - HLE（ツールなし） 60.9%・本表最高 - コスパ（当時） 60 8. 2026年8月18日 Z.ai の GLM-5.3 を新規追加（本表に Z.ai が載るのは初） 中国の **Z.ai** が出した旗艦モデルです。料金は **$1.4/$4.4**、第三者機関 Artificial Analysis の知能スコアは **60**。これは Kimi K3 と同じ数字ですが、Kimi K3 の $3/$15 に対して料金は半分以下です。編集部の AIコスパ指数は **78** で、GPT-5.6 Luna（87）・Gemini 3.8 Flash（81）に次ぐ3位です。コードを直す力は、誰でも中身を見られる **DeepSWE v1.1 の公式ランキング**（113課題・当時は2026年8月26日更新）で **69%**（誤差 ±3）、掲載25モデル中**5位**でした。Kimi K3（68.5%）・Grok 4.6（67.5%）・DeepSeek V4-Pro（62.8%）より上で、Claude Opus 5（73.6%）と GPT-5.6 Sol（72.7%）には届いていませんでした。 **【2026年9月10日 追記】**このランキングは9月3日に更新され、表示が整数に丸められました。いまの GLM-5.3 は **69%**（誤差 ±3）で**表示21モデル中6位**、**Kimi K3（69%）とは同率**です。上には GPT-6 Astra（74%）・Gemini 3.8 Flash（74%）・Claude Opus 5（74%）・GPT-5.6 Sol（73%）・Claude Fable 5（70%）が並んでいます。同じランキングに出ている1課題あたりの平均費用は **$3.99** で、Opus 5 の $11.84 の約3分の1です。ただし入力は**テキストのみ**で画像や音声は扱えず、SWE-bench Verified・MMLU・GPQA・AIME はどこも数値を出していないため「—」です。廉価版の GLM-5.3-Flash は当時「9月9日まで50%オフの期間限定価格なので、値段が確定してから判断する」としていましたが、予告どおり割引が終わったので**9月10日に本表へ追加しました**（上の9月10日の記録へ）。 - 料金 $1.4 / $4.4 - 知能（当時・v4.1.1） 60＝Kimi K3 と同点 - DeepSWE v1.1 69%・1課題 $3.99 - コスパ（当時） 78・3位 9. 2026年8月17日 8月は料金の動きが大きい月でした Anthropic は **Claude Sonnet 5** の $2/$10 について、「8月末までの導入価格、9月から $3/$15」としていた**期限を撤回し、これを通常価格にしました**。予定されていた値上げが無くなった形です。**DeepSeek は逆に値上げしました。**5月の改定で $1.74/$3.48 → $0.435/$0.87（約75%減）と下げていた価格を約3か月で撤回し、**日本時間8月17日 午前1時から $0.66/$1.98**（V4-Pro・混雑していない時間帯）になりました。混雑する時間帯（日本時間 10〜13時・15〜19時）はその2倍で、入力 $1.32／出力 $3.96 です。本表の DeepSeek 行は混雑していない時間帯の額に差し替えました。 OpenAI は7月30日に Terra を $2.50/$15 → $2/$12、Luna を $1/$6 → $0.20/$1.20（80%減）へ下げました。この Luna の値下げが効いて、**編集部の AIコスパ指数では Luna が首位（87）**、9月2日に登場した Gemini 3.8 Flash と9月2日に版が上がった Muse Spark 1.3 が**81で並んで2位**、8月18日に登場した GLM-5.3（78）・Grok 4.6（75）が続きます。DeepSeek V4-Pro は値上げ前は上位でしたが、この時点では Qwen と並ぶ73まで下がっていました。 **【2026年9月11日 追記】**この値上げは約1か月で意味を失いました。9月10日に公開された **V4.1-Flash** が入力 $0.15／出力 $0.60 と V4-Pro の4分の1前後で、しかも当時は**9月14日の北京時間12:00から V4-Pro へのリクエストが V4.1-Flash に置き換わる**と告知されていたためです。本表の DeepSeek 行はその V4.1-Flash に差し替えました（上の9月11日の記録へ）。**【2026年9月14日 追記】**この置き換えは撤回され、V4-Pro は $0.66/$1.98 のまま提供が続いています。この段落の $0.66/$1.98 は**いまも有効な V4-Pro の額**です。 - Claude Sonnet 5 $2 / $10 が通常価格に（値上げ撤回） - DeepSeek V4-Pro $0.435 / $0.87 → $0.66 / $1.98（値上げ） - GPT-5.6 Luna $1 / $6 → $0.20 / $1.20（80%減） 10. 2026年8月12日 Grok 4.6 が登場、Grok 行を 4.5 から差し替え いちばんの見どころは**値段が動いていない**ことです。料金は $2/$6、一度に読める量も50万トークンと 4.5 から据え置きのまま、第三者機関 Artificial Analysis の知能スコアだけが **56 → 61** に上がりました。この 61 は GPT-5.6 Sol（2026-08-22 の値下げ後は $4/$20）および 9月3日に出た GPT-6 Astra（$10/$50）と同じ数字で、Claude Fable 5.1（66）・Claude Opus 5（63）に次ぐ位置です。 ただし注意点が2つあります。ひとつは測定条件で、Opus 5 と Sol が「考える量を最大」にした設定なのに対し、Grok 4.6 はその一段下の設定での測定です。もうひとつは料金の段差で、**プロンプトが20万トークンに達したリクエストは全トークンが倍額**（入力 $4／出力 $12）になります。本表の $2/$6 は20万トークン以下のときの値です。SWE-bench Verified・MMLU・GPQA・AIME は公式も第三者も数値を出していないため「—」のままです（名前の似た DeepSWE や SWE-bench Pro の値を、別のテストである SWE-bench Verified の欄に入れることはしません）。 - 料金 $2 / $6（据え置き） - 知能（当時・v4.1.1） 56 → 61 - 一度に読める量 50万トークン（据え置き） - 段差料金 20万トークン超は全トークン倍額 11. 2026年8月5日 Meta の Muse Spark 1.2 を新規追加（8月5日時点の記録） 公開は8月5日でしたが、比較の軸にしている第三者機関 Artificial Analysis の知能スコアがまだ付いていなかったため、**数字が揃うまで掲載を待っていた**モデルです（スコアが付いたので9月2日に入れました。本表の Meta 行はその後、9月2日公開の 1.3 に差し替えています）。料金は **$1.25/$4.25** で知能スコアは **57**、編集部の AIコスパ指数は **76** と全体4位。安いのに上位クラスという、いまいちばん見落とされやすい位置にいます。得意なのは「AI に任せっぱなしにする長いコーディング作業」——複数ファイルにまたがる書き直しや、1回の指示では終わらないバグ取りです。 注意点は3つ。**重みは公開されていません**（Meta の主力は重み公開の Llama から中身非公開の Muse に移りました。本表に Llama 4 Maverick の行も残しているのは、自前で動かせるオープンな選択肢として今も意味があるからです）。入力 $0.10／出力 $0.20 という**格安ティアもありますが、送った内容が Meta の今後のモデル学習に使われる条件つき**なので、本表には標準ティアの値を載せています。そして SWE-bench Verified・MMLU・GPQA・AIME は Meta が数値を公表しておらず「—」です（公式ページのベンチは画像でしか示されていません）。 - 料金 $1.25 / $4.25（標準ティア） - 知能（当時・v4.1.1） 57 - コスパ（当時） 76・全体4位 12. 2026年8月3日 Alibaba の旗艦が Qwen3.8-Max に世代交代 8月3日に **Qwen3.8-Max**（総2.4兆パラメータ・$2/$6・知能58）が正式リリースされ、本表の Qwen 行を Qwen3.7 Max から差し替えています。前世代と違って画像も扱えるようになりましたが、SWE-bench Verified は未公表のため「—」です。この数値が要る場合は、引き続き提供されている Qwen3.7 Max（80.4%）が参考になります。 - 料金 $2 / $6 - 知能（当時・v4.1.1） 58 - 規模 総2.4兆パラメータ 13. 2026年7月24日 Claude Opus 5 が登場 公式システムカードの SWE-bench Verified は **96.0%**（9月22日に Opus 5.5 へ行を差し替えるまで本表最高。Opus 5.5 はこのテストを公表していません）、Humanity's Last Exam 56.3%（ツールなし）。Artificial Analysis の知能スコア **63** は、9月1日に Fable 5.1（66）が出るまで本表最高でした。それでいて料金は前世代 Opus 4.8 と同じ **$5/$25**——当時の公式最上位 Fable 5（$10/$50・SWE 95.0%・知能62）の半額で、数字はわずかに上という並びです。一方 GPQA・MMLU・AIME は Opus 5 では公表がないため「—」にしています（前世代 Opus 4.8 の 93.6% などを Opus 5 の行に流用することはしません）。使い勝手の面では、じっくり考えるモードが最初からオンになったのが前世代との一番の違いです。 - 料金 $5 / $25（Opus 4.8 と同額） - SWE-bench Verified 96.0%（後継の Opus 5.5 は未公表） - HLE（ツールなし） 56.3% - 知能（当時・v4.1.1） 63 14. 2026年7月9日 ここまでの経緯：Fable 5 の停止と復帰、GPT-5.6 の一般公開 **Claude Fable 5** は6月9日の登場直後、6月12日に米政府の輸出管理指令で全ユーザー停止となりましたが、6月30日の規制解除を経て7月1日にグローバル復帰しました（日本からは7月2日〜）。料金 $10/$50 は後継の 5.1 まで据え置かれています。**GPT-5.6（Sol／Terra／Luna）**は6月26日の限定プレビューを経て7月9日に一般公開。SWE-bench Verified・MMLU・AIME は Sol 個別の公開値が無いため「—」です（OpenAI の公表は別ベンチの SWE-bench Pro 64.6%）。9月3日に GPT-6 Astra が出たあとも、**誰でもすぐ使えるのは GPT-5.6** なので、Sol の行は残したまま Astra を別行として足しています（その後 Sol の行は、9月22日に GPT-6 Sol、続いて9月29日に出た GPT-6.1 Sol へ差し替えています）。 - Claude Fable 5 6/12 停止 → 7/1 復帰（日本は 7/2〜） - GPT-5.6 6/26 限定プレビュー → 7/9 一般公開 📏 原則 1 ### ベンチマークと実用は別物 SWE-Bench で1〜2%差は誤差レベル。実際の開発現場では「指示の通り方」「コードの読みやすさ」「修正の的確さ」の方が体感差に直結します。 本比較表は*候補を絞る一次フィルタ*として使うのが正しい使い方です。 💱 原則 2 ### 料金は動く。値下げだけでなく値上げも 2026年だけでも Luna の80%値下げ、Sonnet 5 の値上げ撤回、DeepSeek の値上げと、その約1か月後の新モデルによる4分の1への値下げがありました。本表の料金は各社の公式料金ページを月次で一巡して確かめています。 日ごとの推移は [AI料金の推移](https://ai-garage.jp/pricing-history/)、無料で使える範囲は [無料枠トラッカー](https://ai-garage.jp/limits/) に分けて記録しています。 ABOUT THIS TABLE 集計基準日 2026年10月9日 この日に各社が公表している数値を、ai-garage 編集部が集計しました。 数字の出どころ 料金と公表ベンチは各社の公式ページ・システムカード。知能スコアは第三者機関 Artificial Analysis の Intelligence Index v4.3.2。 モデルごとの出典は一次ソース欄に全部載せています。 次回更新 月初に[月次レポート](https://ai-garage.jp/reports/)と合わせて全行を再集計。 新モデルの一般提供・料金改定・知能スコアの版上げは、月初を待たず随時反映します（直近は10月9日の Claude Haiku 5.5 の追加と Mistral Large 4 への差し替え）。 誤り・更新情報があれば [@tenbin_maru のDM](https://x.com/tenbin_maru) までご連絡ください。 この記事をシェア [Xでシェア](https://twitter.com/intent/tweet?text=AI%E3%83%A2%E3%83%87%E3%83%AB%E6%AF%94%E8%BC%83%E8%A1%A8%EF%BD%9CChatGPT%E3%83%BBClaude%E3%83%BBGemini%E3%83%BBGrok%2021%E6%9C%AC%E3%81%AE%E6%96%99%E9%87%91%E3%81%A8%E6%80%A7%E8%83%BD%E3%82%92%E4%B8%80%E8%A6%A7%20%7C%20ai-garage&url=https%3A%2F%2Fai-garage.jp%2Fcompare%2F) [はてなブックマークに追加](https://b.hatena.ne.jp/add?mode=confirm&url=https%3A%2F%2Fai-garage.jp%2Fcompare%2F) 引用文は「『タイトル』 - ai-garage.jp URL」の形でコピーされます。出典として URL を残したまま貼れます。 関連ページ [AIモデル一覧 →](https://ai-garage.jp/models/) [用途別おすすめ早見表 →](https://ai-garage.jp/picks/) [無料枠トラッカー →](https://ai-garage.jp/limits/) [AI用語集 →](https://ai-garage.jp/glossary/)