主要AIモデル
独自比較表

• → Anthropic：Claude Fable 5 / Mythos 5 発表（2026-06-09）
• → SWE-bench Verified リーダーボード
• → Anthropic 料金
• → Artificial Analysis：Claude Fable 5
• → Anthropic：Fable 5 提供再開（2026-06-30）
• → Anthropic：Claude Fable 製品ページ

注：Anthropic の最上位モデル。2026-06-09 発表、6-12 に米政府の輸出管理指令で停止したが、6-30 の規制解除を受け 7-1 にグローバル提供再開（日本からは 7-2）。復旧にあたり新しい安全分類器（報告されたジェイルブレイク手口を99%超ブロック、検知時は Opus 4.8 にリルート）を導入。SWE-bench Verified 95.0% は公開リーダーボード首位、AA Intelligence Index 60 も全体1位。料金は $10/$50 で据え置き（米国内限定推論は1.1倍）。MMLU・GPQA・AIME は公式未公表。

• → Anthropic：Claude Opus 4.8 発表（2026-05-28）
• → Anthropic Models Overview
• → Anthropic 料金
• → Artificial Analysis：Claude Opus 4.8

注：Anthropic の上位モデル（最上位は Fable 5、API は claude-opus-4-8）。Opus 4.7 比でコードの欠陥見逃しが約1/4に改善し、SWE-bench Verified は 88.6%（4.7=87.6%）、GPQA Diamond 93.6%。標準モードは $5/$25 で据え置き、Fast モードは前世代の約1/3（$10/$50）。MMLU・AIME は Anthropic 公式が数値を出していないため本表では「—」。最上位の Fable 5（SWE 95%）は 2026-07-01 に提供再開済み（下記 Fable 5 行を参照）。

• → Anthropic：Claude Sonnet 5 発表（2026-06-30）
• → Anthropic Models Overview（最新ラインナップ）
• → Anthropic 料金
• → SWE-bench Verified リーダーボード（Sonnet 5＝85.2%）
• → TechCrunch：Anthropic launches Claude Sonnet 5（2026-06-30）
• → Artificial Analysis：Claude Sonnet 5

注：2026-06-30 リリース。無料・Pro を含む全プランの新デフォルトで、「速度と知能の最良バランス」を掲げるエージェント・コスパ枠（Sonnet 4.6 を置き換え）。導入価格は $2/$10（2026-08-31 まで、以降は標準の $3/$15）。SWE-bench Verified は 85.2%（Opus 4.8=88.6% の一段下、旧 Sonnet 4.6=79.6% から大幅改善）、Humanity's Last Exam 34.6%（ツールなし）/46.8%（ツールあり）、OSWorld-Verified 78.5%。エージェント型コーディングは 63.2%（Opus 4.8=69.2 / Sonnet 4.6=58.1）。GPQA・AIME・MMLU は Anthropic 公式が数値を前面に出しておらず（発表は SWE / エージェント系ベンチ中心）本表では「—」。最高精度が要る局面は上位の Opus 4.8。

• → DeepSeek：V4 Preview 発表（2026-04-24）
• → MIT Tech Review：Why DeepSeek's V4 matters
• → DeepSeek API 料金
• → Artificial Analysis：DeepSeek V4-Pro

注：1.6T (49B アクティブ) MoE、SWE-Bench Verified 80.6%（Claude Opus 4.6 と肉薄）、LiveCodeBench 93.5。同時に V4-Flash（284B/13B active、$0.14/$0.28）も登場、コスパ枠として強力。中国製のため業務利用時は規約確認を。

• → Google DeepMind：Gemini 3.1 Pro Model Card
• → Google：Deep Research Max
• → Google AI 料金
• → Artificial Analysis：Gemini 3.1 Pro

注：ARC-AGI-2 77.1%、LiveCodeBench Elo 2887。200k 超は $4/$18。65k 出力対応。

• → Artificial Analysis：Qwen3.7 Max
• → DataCamp：Qwen3.7-Max 解説（SWE 80.4 / GPQA 92.4）
• → MarkTechPost：Qwen3.8-Max プレビュー（Qwen3.7 Max スペック表付き・2026-07-19）
• → llm-stats：Qwen3.7 Max

注：Alibaba の Qwen3.7 系フラッグシップ（2026年5月・クローズド）。エージェント／コーディング特化で、SWE-Bench Verified 80.4・GPQA Diamond 92.4・Terminal-Bench 2.0 69.7。context は 1M、料金 $1.25/$3.75 と frontier 級では破格の安さ。MMLU・AIME は非公表。旗艦はテキスト入出力のみ・重み非公開で、マルチモーダルが必要なら安価版 Qwen3.7 Plus（$0.32/$1.28・画像入力対応）、手元で動かすオープンウェイトなら Qwen3.6 系が受け皿。2026年7月19日には次期旗艦 Qwen3.8-Max（2.4兆パラメータ主張・マルチモーダル・オープンウェイト公開予定）をプレビュー公開したが、ベンチは未公表。

• → Mistral AI 公式
• → Mistral 製品ラインナップ
• → Le Chat
• → Artificial Analysis：Mistral Large 3

注：フランス発、EU 規制対応で欧州エンタープライズの本命。675B 総 / 41B アクティブの MoE、Apache 2.0 ライセンス。LiveCodeBench v6 で 82.8% pass@1、LMArena のオープン系コーディング首位。コスパ良好。

• → 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

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、Terminal-Bench 88.3、Artificial Analysis Intelligence Index 57 と frontier 級で、Arena の Frontend Code では首位級。総合では Claude Fable 5・GPT-5.6 Sol に一歩届かず、各種リーダーボードで3〜4位級デビュー。フルウェイトは2026-07-27公開予定。中国製のため業務利用は規約確認を。

• → ITmedia AI＋：OpenAI「GPT-5.6」一般公開（2026-07-10）
• → OpenAI 公式：GPT-5.6
• → Artificial Analysis：GPT-5.6 Sol（Intelligence Index 59・コンテキスト1M）
• → Artificial Analysis：GPQA Diamond リーダーボード（Sol 94.1%）
• → Artificial Analysis：Humanity's Last Exam（Sol 47.2%）

注：OpenAI のフラッグシップ。GPT-5.6 は 2026-07-09 に一般公開（6-26 の限定プレビューから拡大）。Sol（最上位 $5/$30）・Terra（中位 $2.5/$15）・Luna（軽量 $1/$6）の3グレード構成で、本行は最上位 Sol。Artificial Analysis Intelligence Index は 59 で Claude Fable 5（60）に1点差ながら、所要時間は約61%短く推定コストは約半分をうたう。GPQA Diamond 94.1%・HLE（Humanity's Last Exam）47.2%・コンテキスト 100万トークン。SWE-bench Verified・MMLU・AIME は Sol 個別の公開値が無いため本表では「—」（OpenAI の公表は別ベンチの SWE-Bench Pro 64.6%）。ChatGPT では無料/Go=Terra、Plus 以上=Sol、Pro/Enterprise=Sol Pro の住み分け。

• → SpaceXAI：Grok 4.5 発表（2026-07-08）
• → xAI Docs：Grok 4.5（料金・仕様）
• → xAI Docs：Models
• → Artificial Analysis：Grok 4.5

注：Grok 4.3 から一新。SpaceX 傘下で SpaceXAI に改称後初のフラグシップ。買収合意した Cursor と共同開発（1.5T パラメータ V9 基盤・MoE）。公式公表は新世代 SWE 系ベンチのみ（SWE-Bench Pro 64.7%・Terminal-Bench 2.1 83.3%・DeepSWE 1.1 53%）で、本表の SWE-bench Verified・MMLU・GPQA・AIME・HLE は未公表のため「—」。Artificial Analysis Intelligence Index 54（全体4位、Grok 4.3 の 38 から +16）。$2/$6 の低価格と高トークン効率（SWE-Bench Pro の平均出力トークンが Opus 4.8 max 比 約1/4）が売り。コンテキストは 1M → 500k に縮小。

• → Google AI for Developers：Gemini 3.5 Flash
• → Google AI 料金
• → Google AI Studio
• → Artificial Analysis：Gemini 3.5 Flash

注：Gemini 3 Flash（Preview）の直接後継。エージェント時代向けに最適化、サブエージェント・マルチステップワークフロー・長期タスクに対応。 Thinking Mode サポート、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）。Knowledge cutoff 2025-01。 料金は前世代より上昇（$0.3/$2.5 → $1.5/$9）だが、Pro より大幅に安価でエージェント実装の主力枠として位置付け。 ベンチマーク数値は Google からの公式公表待ち（公表され次第追記）。

• → Google AI for Developers：Gemini 3.1 Flash-Lite
• → Google AI 料金
• → Google AI Studio
• → Artificial Analysis：Gemini 3.1 Flash-Lite

注：高頻度・軽量タスク向け最適化の Stable モデル。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）、Thinking Mode サポート、Knowledge cutoff 2025-01。 音声 input は $0.50、Live API / TTS のプレビュー派生もあり。Flash 3.5 より大幅安価で、AI Studio 経由の汎用バックエンド枠として位置付け。 ベンチマーク数値は Google からの公式公表待ち。

• → Meta Llama 公式（Llama 4）
• → Meta AI Blog：Llama 4 リリース（2025-04-05）
• → Llama 4 model card / GitHub
• → Artificial Analysis：Llama 4 Maverick

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。 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）。