主要AIモデル
独自比較表

• → Google DeepMind：Gemini 3.1 Pro Model Card
• → Google：Deep Research Max
• → Google AI 料金
• → Artificial Analysis：Gemini 3.1 Pro Preview（Intelligence Index v4.3.2 で 30・2026-10-09 確認）
• → Google 公式ブログ：Gemini 4 Argon（2026-09-30。Fairwind Program での限定提供・導入価格）
• → 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）

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）。

• → 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）
• → 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%）
• → 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）
• → 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）
• → 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）
• → 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）
• → Artificial Analysis：Claude Haiku 5.5（Intelligence Index v4.3.2 で 43・max 設定・2026-10-09 確認）

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 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）
• → 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）
• → 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）
• → Artificial Analysis：Mistral Large 4 Preview（Intelligence Index v4.3.2 で 38・2026-10-09 確認）
• → 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）
• → Hugging Face：mistralai/Mistral-Medium-3.5-128B（前の行・SWE-Bench Verified 77.6%）
• → Artificial Analysis：Mistral Medium 3.5（前の行・Intelligence Index v4.3.2 で 14）

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。

• → 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）
• → 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）
• → 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）
• → OpenAI Developers：Changelog（2026-09-29 に gpt-6.1-sol を公開）
• → OpenAI Developers：Deprecations（GPT-6 Sol の終了告知なし・2026-09-30 確認）
• → 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）
• → 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）

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。

• → Anthropic：Introducing Claude Sonnet 5.5（2026-09-28・公式ベンチ表・料金・安全装置）
• → 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%）
• → 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）
• → 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）
• → Anthropic Models Overview（最新ラインナップ。Sonnet 5 は旧世代扱い）
• → 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〉）
• → Artificial Analysis：Claude Sonnet 5.5（Intelligence Index v4.3.2 で 56・max 設定・2026-09-29 確認）
• → Anthropic：Claude Sonnet 5 発表（2026-06-30・前世代。SWE-bench Verified 85.2%）
• → 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）
• → 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）

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）。

• → 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）
• → 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）
• → OpenAI Developers：Pricing（gpt-6-luna の長文料金・Batch/Flex/Fast）
• → 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）
• → 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）
• → OpenAI Deployment Safety Hub：GPT-6 Astra System Card（§11 に GPT-6 Sol / Luna を追記）
• → Artificial Analysis：GPT-6 Luna（Intelligence Index v4.3.2 で 38・max 設定・2026-10-09 確認）
• → Artificial Analysis：コーディングエージェントの比較（Coding Agent Index v1.5）
• → TechCrunch：OpenAI launches GPT-6 Sol and Luna（2026-09-22）

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。

• → Anthropic：Introducing Claude Opus 5.5（2026-09-22・公式ベンチ表・料金・安全装置）
• → 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%）
• → 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）
• → 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）
• → Anthropic Models Overview（最新ラインナップ。Opus 5 は旧世代扱い）
• → Anthropic API 料金（$4 / $20 per MTok・キャッシュ読み込み $0.20）
• → 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）
• → ARC Prize：リーダーボード（Claude Opus 5.5 の ARC-AGI-2 91.67%・max）
• → 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）
• → 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）

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）。

• → SpaceXAI：Introducing Grok 4.7（2026-09-21・公式の比較表）
• → xAI Docs：Grok 4.7（知識カットオフ 2026年5月・出力上限なし）
• → xAI Docs：Models（grok-4.7・一度に読める量 50万トークン）
• → 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）
• → Artificial Analysis：Grok 4.7（Intelligence Index v4.3.2 で 46・xhigh 設定・2026-09-23 確認）
• → Artificial Analysis：Benchmarking Grok 4.7（2026-09-21・xhigh 設定で評価）
• → Anthropic：Claude Fable 5.1 発表（Terminal-Bench 4.0 は 55.8%）
• → Artificial Analysis：Grok 4.6（前世代・v4.3.2 で 44・high 設定）

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 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）
• → DeepSeek API Docs：Models & Pricing（deepseek-flash の料金・ピーク時間帯・2026-09-14 再確認）
• → Hugging Face：deepseek-ai/DeepSeek-V4.1-Flash（MIT・552B・ベンチ表とハーネス別スコア）
• → 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）
• → MIT Tech Review：Why DeepSeek's V4 matters（前世代の背景）

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）。

• → 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）
• → 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）
• → 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）
• → 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）
• → 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）
• → 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）
• → 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）
• → ARC Prize：OpenAI's GPT-6 Astra on ARC-AGI-3（Standard 62.7% / Provider Adapter 99.9%）

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。

• → Google 公式ブログ：Gemini 3.8 Flash / 3.8 Flash Cyber 発表（2026-09-02）
• → 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）
• → 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）
• → Google AI 料金（3.8 Flash の導入価格と2027-01-01 からの通常価格）
• → 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）
• → Artificial Analysis：Gemini 3.7 Flash（Intelligence Index v4.3 で 39・high 設定・2026-09-08 確認）
• → Google 公式ブログ：Gemini 3.7 Flash 発表（前世代・2026-08-13）

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）。

• → Meta Developer：Muse Spark モデルページ（料金2ティア・context 1M）
• → 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）
• → 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）
• → Meta Developer Blog：Muse Spark 1.2 と Muse Code（2026-08-05 公開。前世代の記録）

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）。

• → 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）
• → Artificial Analysis：Qwen3.8 Max（0902）（Intelligence Index v4.3.2 で 45・2026-09-23 確認）
• → Artificial Analysis：Qwen3.8 Max（8月3日版・v4.3.2 で 40・旧版扱い）
• → 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）
• → 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）
• → 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）
• → MarkTechPost：Qwen3.8-Max プレビュー（2.4兆パラメータ・2026-07-19）
• → Artificial Analysis：Qwen3.7 Max（前世代・v4.3 で 30）
• → llm-stats：Qwen3.7 Max（前世代の SWE-bench Verified 80.4）

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）。

• → Anthropic：Claude Fable 5.1 / Mythos 5.1 発表（2026-09-01・公式ベンチ一覧）
• → Anthropic Models Overview（claude-fable-5-1・$10/$50・context 1M・知識カットオフ 2026-06）
• → Anthropic 公式ドキュメント：Claude 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）
• → Anthropic API 料金（$10 / $50 per MTok・キャッシュ読み込み $0.25）
• → Anthropic 公式ドキュメント：Claude Fable 5 overview（Legacy 扱い）
• → Anthropic：Claude Fable 5 / Mythos 5 発表（2026-06-09）
• → Anthropic：Fable 5 提供再開（2026-06-30）
• → 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）

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）。

• → 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）
• → 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）
• → 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）
• → Artificial Analysis：GLM-5.3-Flash（Intelligence Index v4.3.2 で 42・2026-09-23 確認）
• → Hugging Face：zai-org/GLM-5.3-Flash（MIT ライセンスで公開されている重み）
• → Z.ai 公式 X：GLM-5.3-Flash 発表ポスト（2026-08-26・320B-A18B・MIT）

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。

• → 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）
• → 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）
• → 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）
• → 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）
• → Artificial Analysis：Qwen3.8-Flash-Next（Intelligence Index v4.3.2 で 40・$0.15/$0.47・2026-09-23 確認）
• → MarkTechPost：Qwen3.8-Flash-Next 公開（2026-08-26・125B マルチモーダル MoE・6B active）

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。

• → 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）
• → Z.ai 公式 X：GLM-5.3 発表ポスト（2026-08-14 米国時間）
• → Z.ai 公式リリースノート（GLM-5.3 の API 提供開始は 2026-08-18）
• → 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）
• → Z.ai 公式料金ページ（GLM-5.3 は入力 $1.4 / 出力 $4.4）
• → 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）
• → 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）

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。

• → Google 公式ブログ：Gemini 3.6 Flash / 3.5 Flash-Lite / 3.5 Flash Cyber 発表
• → Google AI for Developers：Gemini 3.5 Flash-Lite モデルページ
• → Google AI 料金
• → Artificial Analysis：Gemini 3.5 Flash-Lite（Intelligence Index v4.3.2 で 22・2026-09-23 確認。v4.3 では 23）

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）。

• → Moonshot AI 公式サイト
• → MarkTechPost：Kimi K3 の技術詳細（KDA・2.8兆パラメータ）
• → Simon Willison：Kimi K3 レビュー
• → Kimi (chatbot) - Wikipedia
• → Kimi 開発者ドキュメント：モデル一覧（K3 は 1M-token context window）

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）。

• → Artificial Analysis：GPT-5.6 Terra（Intelligence Index v4.3.2 で 42・max 設定・$2/$12・2026-09-23 確認）
• → OpenAI Developers：Using GPT-6（GPT-6 のモデルファミリーは Astra・Sol・Luna の3本）
• → Artificial Analysis：OpenAI プロバイダ一覧（Sol / Terra / Luna の推論設定別スコア）
• → 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）
• → explainX：GPT-5.6 Luna / Terra の値下げ後の料金表（2026-07-30 実施）
• → VentureBeat：AI price wars — OpenAI cuts GPT-5.6 Luna prices by 80%
• → ITmedia AI＋：OpenAI「GPT-5.6」一般公開（2026-07-10）

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）。

• → Meta Developer：Llama 4 モデルページ（llama.com の統合先）
• → Meta AI Blog：Llama 4 リリース（2025-04-05）
• → Llama 4 model card / GitHub
• → 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）
• → Hugging Face：meta-llama/Llama-4-Maverick-17B-128E-Instruct（公式モデルカード・Context length 1M）

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）。