Claude Opus 5.5 対 Gemini 4 Carbon：12%の上限と請求額の3分の1

Claude Opus 5.5とGemini 4 Carbonは、SemiAnalysisの新しいGDPxベンチマークで上位2モデルであり、その差はわずか1ポイント強です。Opus 5.5が12.0%、Carbonが10.9%です。より有用な数字はスコアの下にあります。Carbonは1タスク$16.29でそこに到達しましたが、Opus 5.5には$51.41が必要でした。それが一行に集約された判断のすべてであり、ただしリーダーボードには表示できない注意点があります。Opus 5.5は2026年9月22日から一般提供されています。Carbonは10月28日に発表され、現在もGoogleのFairwindプログラムを通じてサイバー防御パートナーに限定されており、公開されたモデルIDはありません。請求額が3分の1で済むのは、発注できてこそお得です。

GDPx v1.0は今週リリースされた新しいベンチマークであり、これら2つのモデルを同一のタスクで同一のハーネスを用いて評価し、各実行にかかったコストを報告する初の独立評価です。重要なのはランキングよりもそのタイミングです。Opus 5.5の提供開始から6週間後、Carbonの発表から数日後という今、ようやくベンダー2社の表を並べるのではなく、測定に基づく比較が実現しました。

表の前に、各モデルが何であるか

Claude Opus 5.5は、Anthropicが長時間実行されるエージェント型コーディングや知識作業向けに提供する現行のフラッグシップモデルです。Opus 5を置き換え、価格は20%引き下げられ、文書化された100万トークンのコンテキストウィンドウを備えています。また、AnthropicがClaude CodeやClaudeアプリ向けに位置づけているモデルです。

• 価格 — 入力トークン100万あたり4ドル、出力トークン100万あたり20ドル。バッチリクエストは50%オフの2ドル/10ドルです。

• コンテキストと出力 — 入力トークン1M、同期APIでは出力128K、拡張出力ベータヘッダーを使用したBatch APIでは出力300K。

• キャッシュ — 5分間のキャッシュ書き込みは100万トークンあたり5ドル、1時間の書き込みは8ドル、キャッシュ読み取りは0.20ドルです。

• 思考 — 適応型思考は常にオンで、無効にすることはできません。デフォルトのエフォートレベルは medium、信頼できる知識のカットオフは2026年6月です。

• 場所 — claude-opus-5-5 での Claude API、Amazon Bedrock、Google マネージドと Anthropic マネージドの両方の経路による Google Cloud、Microsoft Foundry、および AWS 上の Claude Platform。

Gemini 4 CarbonはGoogleの最新フロンティアモデルで、10月28日にKoray Kavukcuogluによって発表され、サイバーセキュリティ、長期的タスクを遂行するエージェント、複雑なソフトウェアエンジニアリングにおいて同社最強のモデルとされています。Googleの発表には3つの主要な主張と、1つの目立つ欠落があります。コンテキストウィンドウが公開されていないのです。ベンチマークの主張はGoogle自身によるもので、脆弱性の発見ではSEC-bench Pro 88.2%、悪用ではExploitGym 54.8%、パッチ適用ではCWE-bench 71.0%となっており、これらは独立に再現されたものではなく、ベンダー報告として読むべきです。

• 価格 — 導入期間中は入力トークン100万あたり$2、出力100万あたり$10で、キャッシュされた入力は95%オフ。標準料金はその後$4 / $20で、Googleは導入価格がいつ終了するかを明らかにしていない。

• アクセス — Fairwind のみが、サイバー防御関係者と信頼できるパートナーの一部に提供。開発者・企業・消費者向けのより広範なアクセスは「できるだけ早く」提供すると約束されているが、時期は示されていない。

• エンドポイント — 公開されているものはありません。Gemini API は依然として gemini-4-argon を公開しており、Carbon ではありません。

• コンテキスト — 発表では明記されていません。長文コンテキストの検索結果は発売週の報道で出回っていますが、そのウィンドウ自体は公開された仕様ではありません。

その非対称性こそ、この対決を理解するうえで最初に押さえるべき点だ。一方のモデルは、今日にでも Claude API、4つのクラウドプラットフォーム、十数種類の SDK から呼び出せる製品である。もう一方は、順番待ちリスト付きの能力デモンストレーションだ。以下では両者をモデルとして比較するが、現時点でデプロイの選択肢になっているのはそのうちの一方だけである。

GDPx：206タスク、12%の上限、3.2倍のコスト格差

SemiAnalysisは、OpenAIのGDPvalの後継としてGDPxを構築した。14のデータパートナーと、11の専門領域にまたがる206のタスクを備えている。領域は金融、法務、生物学、材料科学、チップ設計、ハードウェア設計、サイバーセキュリティ、ソフトウェアエンジニアリング、アラインメント、クオンツ取引、再帰的自己改善だ。各タスクにはデフォルトで8時間の予算が与えられ、3回の実行の平均が取られ、各領域は均等に重み付けされる。テストされた20モデルのうち、公開ボードに掲載されているのは13のみだ。

• Claude Opus 5.5 — 12.0%、1位、タスクあたり$51.41、およびタスクあたり約548,000出力トークン。

• Gemini 4 Carbon — 10.9%、2位、タスクあたり16.29ドル、タスクあたり約594,000出力トークン。

• GPT-6 Astra — 9.6%、3位、タスクあたり$53.99。

• Claude Fable 5.1 — $67.16 で 8.5%、ボード上で最も高価なモデル。

ここでは二つの読み方が競合しており、どちらも正しい。第一は、CarbonがOpus 5.5のスコアの約91%を約32%のコストで実現するという読み方で、これは本物の価値提案であり、9to5Googleが真っ先に取り上げた見方でもある。第二は、どちらのモデルも与えられた専門的タスクの8件中7件を完了できないという読み方だ。12%という水準での1ポイントのリードは、問題が解決したということではない。それは、作業が長く、オープンエンドで、領域の専門家によって評価される場合に、エージェントが現在到達できる限界を示している。

SemiAnalysisは、サイバーセキュリティ、生物学、アラインメントを除外した第2の見解を公開した。順位も変わり、GPT-6 Astraが1位に上がり、CarbonはGPT-6.1 SolとClaude Sonnet 5.5の下に落ちる。同社は、その見解の方が自社の主観的印象によく合うと述べている。仕組みはガードレールにある。タスクを拒否するモデルはそのタスクで0点となり、Carbonの安全行動は、サイバー分野の強みが最大になるまさにその領域でより厳格だ。したがってCarbonの2位は、一部は能力の結果であり、一部は許可の結果である。自分の仕事が除外された領域に似ているなら、見出しのランキングはあなたを表していない。

Carbonが実際に優れている点

Artificial AnalysisのIntelligence Index v5.0では、Carbonが59、Opus 5.5が58に位置する。10月27日に基準が再設定された合成指標における1ポイントは、本番システムを移行する価値のある差ではない。ただし、Googleのモデルが後れを取っているのではなく最前線にあることは確かに示しており、これは制限付きのロールアウトでは簡単には検証できない、より強い主張だ。

サイバー領域の数値は、Carbonの主張が最も明確に表れる一方で、その根拠となる情報源が最も弱い部分でもある。Google自身のハーネスでは、ExploitGymで54.8%、CWE-benchで71.0%、SEC-bench Proで88.2%という結果が出ている。これらは脆弱性の発見と修正に関する大規模かつ具体的な主張であり、セキュリティチームが予算配分の根拠にする前に、独立した再実行を必要とする類の主張まさにそのものである。GDPxのサイバー領域はそのための一つの入力であり、これら3つのスイートの再現ではない。

価格は3番目の利点だが、ただし注釈付きだ。2ドル/10ドルでは、Carbonの導入料金はOpus 5.5の4ドル/20ドルの半額だ。標準料金の4ドル/20ドルでは同じになる。95%のキャッシュ入力割引は実在するが、定価では縮小する。導入料金ではキャッシュ済みトークン100万個あたり0.10ドル、標準料金では0.20ドルで、Opus 5.5のキャッシュ読み取り料金0.20ドルと比べている。コスト上の優位性は、割引が続く間の今日が最大であり、Googleはそれがいつまで続くか明言していない。

Opus 5.5が依然としてリードしている分野

Opus 5.5の最も強い独立系の結果は、GDPxスコアではなくコーディングプロファイルです。Artificial AnalysisのCoding Agent Indexでは、Opus 5.5が62、Carbonが59となっており、この指数は単発の補完ではなくエージェント型コーディングの実行から構築されています。長期間にわたるソフトウェア作業を明示された目的とするモデルにとって、それはより実態に近い測定です。

Anthropic自身の発表数値も同じ方向を示しており、しかもこれらはベンダー報告によるものだ。Terminal-Bench 4.0が66.4%、FrontierCode v1.1が54.4%、CursorBench 4.0が57.8%、AutomationBenchが40.0%となっている。評価ハーネスが重要だ。Artificial Analysisは同じモデルをxhighエフォートでTerminal-Bench 4.0において59.6%と測定し、Vals AIは65.2%を報告した。エージェント向けベンチマークでは、ベンダーと1つの独立系ハーネスの間に7ポイントの差があるのは正常であり、だからこそ単一の行だけで購入を決めるべきではない。

華やかさはないが、強みは提供状況にある。Opus 5.5 には、公開されたコンテキストウィンドウ、文書化された出力上限、バッチ階層、$8 / $40 の高速モード、移行ガイドがあり、さらに6週間の本番利用実績がある。Carbon にはブログ記事、パートナープログラム、価格表がある。今四半期に答えを必要とするチームにとって、その違いは59対58という差以上に多くのケースで決め手になる。

タスクに実際にかかるコスト

GDPxのコスト数値は、定価ではなく8時間の予算内で測定されたトークン消費額であるため、各モデルがどれだけ出力を書くかという点も含まれています。CarbonはタスクあたりOpus 5.5よりも約8%多く出力トークンを使用しながら、それでもコストは3分の1でした。導入価格が半額であり、長いエージェント実行では入力側にコストが蓄積していくからです。1,000タスクでは、報告されている差は約51,000ドル対16,000ドルです。

定価ベースでは、その差はそれほど劇的ではない。1M入力トークンと250K出力トークンのリクエストは、Opus 5.5では$4 / $20で$9、Carbonでは導入価格の$2 / $10で$4.50、Carbonの標準価格$4 / $20では$9かかる。50%オフのOpus 5.5のBatch APIは$2 / $10となり、Carbonの導入価格と同じになる。待てる作業にはこれが使える。Carbonの導入期間が終われば、料金表上の差は完全に消える。残るのはタスクごとのトークン使用量の差だが、それは小さい。

これが比較の中でもっとも文脈から切り離して引用されやすい部分です。「コストの3分の1」は、今日のプロモーション価格でのGDPxの実行についてなら当てはまります。それはモデルの恒久的な特性ではなく、標準料金でのバッチワークロードで目にする比率でもありません。

可用性の差こそが実際の判断材料です。

Claude Opus 5.5 は OrcaRouter 上で anthropic/claude-opus-5.5 として、プロバイダーの定価 $4 / $20 で、マークアップなしで提供されています。200+ モデルとあわせて 1 つのキーで利用できます。ルーティングはモデル文字列の変更だけで済み、自動フェイルオーバー付きの重み付きトラフィック配分は、結果に本番経路を賭けることなく現在のモデルと比較して試すための低コストな方法です。

Gemini 4 CarbonはOrcaRouterには掲載されておらず、掲載されることもありません。GoogleはモデルIDも公開エンドポイントも公表していないため、ルーティング先が存在しません。唯一正直に言えるのは、アクセスはGoogleのFairwindプログラムを通じ、最終的にはベンダー自身のAPIを通じて行われるということです。公開エンドポイントが登場した際には、パススルーモデルにより、ここでの支払額は定価が変更された当日の定価そのものとなり、値付けし直された価格ではありません。

そうなると残るのは、ベンチマーク表が示唆するよりも狭い判断だ：

• セキュリティ業務はFairwindアクセスを用いて — 自社のトリアージとパッチ適用のキューでCarbonを試用してください。ベンダーが公表しているサイバー関連の数値は最も強力なものですが、再現されておらず、GDPxのドメイン再重み付けの結果は、その優位性がドメイン依存であることを示しています。

• 長時間実行されるコーディングエージェント — Opus 5.5。独立系コーディング指数で首位に立ち、1Mトークンのコンテキストウィンドウと128K出力が文書化されており、多くの企業がすでに契約しているプラットフォームで利用可能です。

• コスト重視のバッチ処理 — Opus 5.5 の Batch API は $2 / $10 で、本日時点の Carbon の導入価格と同等であり、Google が予告なく終了できる割引に依存していません。

• 能力への直接的な賭け——いや、待った。Intelligence Indexでの1ポイントのリードとGDPxでの1.1ポイントのリードは、ハーネスの選択によるノイズの範囲内であり、どちらのモデルもGDPxが設定するプロフェッショナルなタスクを完了するには程遠い。

何が答えを変えるだろうか

注目すべき点は3つあり、そのいずれも別のベンダーによるベンチマークではない。1つ目は公開されたCarbonエンドポイントだ。GoogleがモデルIDを提供するまで、Fairwindの外部にとってあらゆるコスト比較は仮説にすぎず、導入価格は請求書ではなく約束である。2つ目はその導入期間の終了だ。$4 / $20では、Carbonの料金表はOpus 5.5のものと同一であり、価値の主張はトークン効率だけに帰着する。3つ目はサイバー分野の結果の独立再現だ。SEC-bench Proの88.2%とExploitGymの54.8%はセキュリティ予算を正当化しうる数字だが、現時点では1つのラボのハーネスに支えられているだけだ。

現時点で正直にまとめると、その要約はどちらのベンダーが望むよりも限定的なものになる。Opus 5.5 は、その上に構築するならより良いモデルだ。なぜなら、実際にその上に構築できるのはこちらだからだ。Carbon は注視する価値がより高いモデルだ。なぜなら、より低い価格でフロンティアに匹敵しながら、それを公の場で証明する機会をまだ与えられていないからだ。12%の上限は両者に共通している。