コーディングAIの最新順位、首位はSonnet 5.5。でも1課題$14.2でSolの約14倍

やっほー、ぼくてんびん丸！

今週は Claude Sonnet 5.5（9月28日）、GPT-6.1 Sol（9月29日）、Gemini 4 Argon（9月30日）と、大きなモデルが3日続けて出たよね。「で、コードを書かせるならどれがいいの？」って思った人に、ちょうどいい数字が出たんだ。

第三者機関の Artificial Analysis（AA）が、コーディングエージェントの成績・時間・費用をまとめて更新したよ。結論から言うと、いちばん点が高いのは Sonnet 5.5、いちばん安くて速いのは GPT-6.1 Sol。そして、その費用の差が約14倍もあるんだ。

何があったの？

AA は2026年10月2日、公式 X で「Sonnet 5.5・GPT-6.1 Sol・Gemini 4 Argon の3つがそろって上位に入ったけど、性能と費用のバランスはそれぞれ違う」と投稿したよ。

AA の Coding Agent Index v1.5 は、3種類のテストの平均点なんだ。

• DeepSWE v1.1：実際のソフトのバグ直し・機能追加（113課題）
• Terminal-Bench 4.0：黒い画面（ターミナル）でのコマンド操作（66課題）
• SWE-Atlas-QnA：コードを読んで質問に答える（124課題）

それぞれの課題を3回ずつ解かせて、成功した割合を出しているよ。上位8つの結果はこうなったんだ。

※ Gemini 4 Argon は今はサイバー防御の組織だけが使える段階で、ふつうの人はまだ使えないよ（AA の表でも「一般には使えない」印が付いている）。

時間と費用では、首位の Sonnet 5.5 がどちらもいちばん下なんだ。1課題に 約1.5時間・$14.2。一方 GPT-6.1 Sol は 15.5分・$1.04 で、どちらもいちばん上。点数の差は 5点なのに、費用は約14倍、時間は約6倍違うよ。

コーディングエージェントとは？

コーディングエージェントは、AIが自分でファイルを読んで、コードを書き換えて、テストまで動かしてくれる道具だよ。

チャットのAIが「こう書けばいいよ」と答えを教えてくれる先生だとしたら、コーディングエージェントは手を動かしてくれる助手なんだ。「このバグを直して」と頼むと、関係するファイルを探して、直して、動くか確かめるところまで自分で進めてくれる。

代表的なのは、Anthropic の Claude Code、OpenAI の Codex、Google の Antigravity CLI。どれも「中で動くモデル」を選べて、同じ道具でもモデルや設定で成績が変わるよ。だから AA は「道具＋モデル＋設定」の組み合わせごとに点を付けているんだ。仕組みは用語集のエージェント型コーディングも見てね。

きみの使い方で何が変わるかというと、長い作業をまるごと任せるほど、時間と費用の差が大きく効いてくるってこと。1回だけ頼むなら気にならない差でも、1日に何十回も回すと財布や待ち時間にはっきり出るよ。

Codexの評判は？Xの反応

Codex には「実際に作れた・動いた」という良い声と、「上限がすぐ尽きる・遅い」という不満の両方が出ているよ。AA の表では GPT-6.1 Sol がいちばん速くて安いけど、使っている人の体感はそれだけじゃないみたい。

Codex で作った在庫管理ツールを、クラウドで動かし始めたという声。

Codex に機材用のソフトの移植を任せて、使い慣れた画面で動くようになったという声。

一方で、GPT-6.1 Sol を high の設定で使ったら、利用上限があっという間に尽きたという不満。

ほかにも「Codex の動きが遅くなって困る」「Claude に移ろうか考えている」という声があったよ。AA の測定では Codex＋GPT-6.1 Sol は15.5分でいちばん速いけど、混み具合や使う場所（Codex の画面やクラウド）で体感は変わるのかもしれないね。上限に当たってしまったときはCodex の上限に達したときの対処の記事を見てね。

10月2日時点で、実在を確認できた X のポストから選んだよ。

ぼくの見解

ぼくがいちばん面白いと思ったのは、Sonnet 5.5 と GPT-6.1 Sol は API の単価がまったく同じなのに、1課題の費用が14倍も違うことなんだ。

ai-garage の比較表に載せている単価と、AA の総合スコア（チャットや知識も含めた全体の頭のよさ）を並べるとこうなるよ。

単価が同じなら、費用の差は1課題でどれだけ読んで書いたかで決まる。Sonnet 5.5 は max の設定で、時間をかけてたくさん考え、たくさん読み書きして点を取っているんだね。Sonnet 5.5 の速報で「max だと Opus 5.5 より高くつく」と書いたけど、コーディングでも同じことが起きていたよ（Sonnet $14.2、Opus $13.0）。

もう一つ、総合スコアの順位とコーディングの順位が入れ替わっているのも見どころなんだ。総合では Opus 5.5（58）が Sonnet 5.5（56）より上なのに、コーディングでは Sonnet 5.5（68）が Opus 5.5（66）を抜いている。「全体で頭がいいモデル」と「コードの仕事が得意な組み合わせ」は、ぴったり同じではないみたい。

ぼくの考えだと、選び方はこうなる気がするよ。

• 難しい修正を1回で決めたい → Claude Code＋Sonnet 5.5。ただし max のままだと時間も費用もかかる
• 小さな作業をたくさん回したい → Codex＋GPT-6.1 Sol。5点差で費用は約14分の1
• Gemini 4 Argon は64点・$5.84で真ん中のバランス。一般公開されたら有力な選択肢になりそう

ただし、AA の費用は API を従量課金で使ったときの計算なんだ。Claude Code や Codex を月額プランで使っている人は、お金は増えないかわりに利用上限の減り方に差が出るよ。上で紹介した「上限がすぐ尽きた」という声は、まさにそれだと思う。道具ごとの料金プランの違いはコーディングAIの選び方の記事にまとめてあるよ。

まとめ

コーディングエージェントの新しい順位は、首位 Sonnet 5.5（68点）、最安・最速 GPT-6.1 Sol（63点・$1.04・15.5分）。今週出た3つのモデルが、そろって上位に入ったよ。

でも大事なのは、点数のいちばん上が、きみにとってのいちばんとは限らないってこと。5点の差に14倍のお金と6倍の時間を払う価値があるかは、任せる仕事の重さで決まるんだ。まずは今使っている道具で、考える量の設定を一段下げて試してみるのがおすすめだよ。思ったより十分なことも多いはずさ。