AI BENCHY Compare
Anthropic: Claude Opus 4.6 vs OpenAI: GPT-5.4
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-5.4 none リリース: 2026-03-05 |
|---|---|---|
| 平均スコア | 6.4 | 4.6 |
| 順位 | #30 | #44 |
| 正解テスト | ||
| 一貫性 | 8.9 | 8.9 |
| 結果あたりのコスト | 14.411 | 1.496 |
| 合計コスト | $1.297 | $0.090 |
| 試行ごとの合格率 | 64.4% | 44.4% |
| 不安定なテスト | 2 | 2 |
| common.totalRuns | 45 (15 x 3) | 45 (15 x 3) |
| 出力トークン | 26,066 | 1,635 |
| 推論トークン | 17,071 | 0 |
| 応答時間（平均） | 25.08s | 1.46s |
| 応答時間（最大） | 83.40s | 2.89s |
| 応答時間（合計） | 200.67s | 21.86s |
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-5.4 | 10.0 | 7.3 | 11.1% | 1 | 1.41s | 388 | 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-5.4 | 10.0 | 10.0 | 0.0% | 0 | 2.89s | 291 | 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-5.4 | 9.9 | 10.0 | 100.0% | 0 | 1.04s | 222 | 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-5.4 | 4.0 | 7.2 | 44.4% | 1 | 1.07s | 50 | 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-5.4 | 5.5 | 10.0 | 50.0% | 0 | 1.07s | 81 | 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-5.4 | 4.0 | 9.8 | 33.3% | 0 | 1.52s | 357 | 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-5.4 | 10.0 | 10.0 | 100.0% | 0 | 2.75s | 246 | 0 |
クイック比較
比較ペアを切り替え
Claude Opus 4.6mediumvsQwen3.5 Plus 2026-02-15noneMiniMax M2.5mediumvsGPT-5.4noneClaude Opus 4.6mediumvsGemini 3 Flash PreviewnoneClaude Opus 4.6mediumvsGLM 5noneMercury 2mediumvsGPT-5.4noneClaude Opus 4.6mediumvsGemini 3.1 Flash Lite PreviewnoneClaude Opus 4.6mediumvsGPT-5.3 ChatnoneClaude Opus 4.6mediumvsGemini 3.1 Flash Lite PreviewlowClaude Opus 4.6mediumvsGemini 2.5 FlashnoneClaude Opus 4.6mediumvsDeepSeek V3.2noneGPT-5.4nonevsQwen3.5-35B-A3BmediumGPT-5.4nonevsQwen3 Coder Nextmedium