Claude Opus 5 vs Gemini 3.1 Pro

ポジ 12 ／ ネガ 6 ／ 中立 5

ポジ 8 ／ ネガ 8 ／ 中立 2

2026-07-24 公開の Anthropic 主力モデル（API は claude-opus-5）。料金は前世代 Opus 4.8 と同じ $5/$25 のまま、最上位 Fable 5（$10/$50）のちょうど半額。SWE-bench Verified は公式システムカードで 96.0%（じっくり考えるモードを最大にして5試行平均）で本表最高、Humanity's Last Exam は 56.3%（ツールなし／ツールありは 64.7%。第三者の Artificial Analysis の独自実測では 52.6%）。AA Intelligence Index も 63（v4.1.1・max 設定／2026-08-11 時点）で AA 掲載モデル中1位。ARC-AGI-3 は 30.2%（ARC Prize 財団の検証値、次点 GPT-5.6 Sol の 7.8% を大きく上回る）。GPQA・MMLU・AIME は Anthropic が Opus 5 では公表していないため本表では「—」（前世代 Opus 4.8 の値は流用しません）。前世代からの一番の違いは、じっくり考えるモードが最初からオンになったこと（考える量は5段階・既定 high）。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5月まで。速さ重視の Fast モードは $10/$50（通常の2倍）で約2.5倍速。なお別ベンチの SWE-bench Pro は 79.2%（Opus 4.8=69.2 / Fable 5=80 / GPT-5.6 Sol=64.6）で、本表の SWE-bench Verified とは別のテストです。前世代 Opus 4.8 は公式ドキュメントで旧世代（Legacy）扱いに移りましたが、提供終了は 2027-05-28 より前にはならないと案内されています。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（2026-08-18 に公式ドキュメントで確認）。

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）。

• → Anthropic：Claude Opus 5 発表（2026-07-24）
• → Anthropic：Claude Opus 5 システムカード（SWE-bench Verified 96.0%・HLE 56.3%）
• → Anthropic Models Overview（最新ラインナップ・コンテキスト長）
• → Anthropic API 料金（$5 / $25 per MTok）
• → Artificial Analysis：Claude Opus 5（Intelligence Index v4.1.1 で 63・全モデル中1位）
• → ARC Prize：Claude Opus 5 検証結果
• → 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）

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