AI BENCHY Compare
Anthropic: Claude Opus 4.6 vs OpenAI: GPT-5.3 Chat
比較する:
ベンチマークは AI BENCHY テストスイートから次の日時に生成: 2026-03-06
| 指標 | Anthropic: Claude Opus 4.6 medium リリース: 2026-02-05 | OpenAI: GPT-5.3 Chat none リリース: 2026-03-03 |
|---|---|---|
| 平均スコア | 6.4 | 7.5 |
| 順位 | #31 | #20 |
| 正解テスト | ||
| 一貫性 | 8.9 | 8.4 |
| 結果あたりのコスト | 14.411 | 3.110 |
| 合計コスト | $1.297 | $0.311 |
| 試行ごとの合格率 | 64.4% | 75.6% |
| 不安定なテスト | 2 | 3 |
| common.totalRuns | 45 (15 x 3) | 45 (15 x 3) |
| 出力トークン | 26,066 | 18,953 |
| 推論トークン | 17,071 | 0 |
| 応答時間（平均） | 25.08s | 6.22s |
| 応答時間（最大） | 83.40s | 18.33s |
| 応答時間（合計） | 200.67s | 93.31s |
スコア vs 総コスト
応答時間（平均）
平均スコア vs 応答時間（平均）
カテゴリ内訳
| 反AIトリック | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Anthropic: Claude Opus 4.6 | 4.0 | 4.4 | 55.6% | 2 | 11.88s | 897 | 1,000 | |
| OpenAI: GPT-5.3 Chat | 7.3 | 7.5 | 77.8% | 1 | 4.72s | 3,091 | 0 |
| 複合 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Anthropic: Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 76.66s | 8,178 | 5,194 | |
| OpenAI: GPT-5.3 Chat | 10.0 | 10.0 | 100.0% | 0 | 11.96s | 2,614 | 0 |
| データ解析と抽出 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Anthropic: Claude Opus 4.6 | 9.9 | 10.0 | 100.0% | 0 | 7.37s | 691 | 757 | |
| OpenAI: GPT-5.3 Chat | 9.9 | 10.0 | 100.0% | 0 | 2.21s | 942 | 0 |
| ドメイン特化 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Anthropic: Claude Opus 4.6 | 10.0 | 10.0 | 0.0% | 0 | 83.40s | 14,642 | 8,687 | |
| OpenAI: GPT-5.3 Chat | 10.0 | 4.4 | 33.3% | 2 | 13.01s | 8,264 | 0 |
| 指示追従 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Anthropic: Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 2.43s | 266 | 467 | |
| OpenAI: GPT-5.3 Chat | 9.0 | 10.0 | 50.0% | 0 | 3.29s | 1,455 | 0 |
| Puzzle Solving | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Anthropic: Claude Opus 4.6 | 7.0 | 10.0 | 66.7% | 0 | 4.60s | 531 | 637 | |
| OpenAI: GPT-5.3 Chat | 10.0 | 10.0 | 100.0% | 0 | 2.93s | 1,726 | 0 |
| ツール呼び出し | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Anthropic: Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 9.73s | 861 | 329 | |
| OpenAI: GPT-5.3 Chat | 10.0 | 10.0 | 100.0% | 0 | 8.36s | 861 | 0 |
クイック比較
比較ペアを切り替え
GPT-5.3 ChatnonevsGLM 5mediumGPT-5.3 ChatnonevsMiMo-V2-FlashmediumGPT-5.3 ChatnonevsStep 3.5 Flashmedium無料で利用可能Claude Opus 4.6mediumvsQwen3.5 Plus 2026-02-15noneGemini 3.1 Flash Lite PreviewmediumvsGPT-5.3 ChatnoneClaude Sonnet 4.6mediumvsGPT-5.3 ChatnoneGemini 2.5 FlashmediumvsGPT-5.3 ChatnoneDeepSeek V3.2mediumvsGPT-5.3 ChatnoneGemini 3.1 Flash Lite PreviewlowvsGPT-5.3 ChatnoneSeed-2.0-MinimediumvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsQwen3.5-FlashmediumClaude Opus 4.6mediumvsGemini 3 Flash Previewnone