Llama 4 Maverick vs Claude Sonnet 5.5

ポジ 0 ／ ネガ 0 ／ 中立 0 （判定材料が少なくスコアは保留）

ポジ 14 ／ ネガ 4 ／ 中立 4

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）。

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）。

• → 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）

• → 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）