Llama 4 Maverick vs Claude Opus 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 26 ／ ネガ 1 ／ 中立 2

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）。

2026-09-22 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）。

• → 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 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）