Claude Opus 5.5 対 GPT-6.2 Sol のタイトルカードを生成しました。3枚のスタットカードには「インデックススコア差 1.8 ポイント」「タスクあたりのコスト 10 倍」「実時間 3 倍」と表示され、フッターには Artificial Analysis index v5.0.1 と GPT-6.2 Sol の 2026年11月17日リリースを引用しています。右下に OrcaRouter のロゴ。
Guides & Insights

Claude Opus 5.5 vs GPT-6.2 Sol:2ポイント差、3倍の待ち時間

著者

jinhao.song

公開日

最新モデル · 20すべてのモデルを見る →
ベンチマーク:Artificial Analysis · 毎日更新
すべての記事に戻る

開発者にこの2つのモデルのどちらを使うべきか尋ねると、たいていはリーダーボード上の順位が答えとして返ってくる。金曜日までに機能を出荷しなければならない人に尋ねると、問いは異なる。1回の回答にどれだけ時間がかかり、それを得るのにいくらかかるのか、だ。執筆時点のArtificial Analysisの測定では、Claude Opus 5.5はIntelligence Indexで59.1、GPT-6.2 Solは57.3——差は1.8ポイントで、多くのスイートにおける実行ごとのノイズより小さい。Indexタスクあたりの実時間では、同じペアが24.6分対8.0分となる。一方のモデルは2ポイント低い代わりに3倍速く、ほとんどの実際のデプロイを決めるのはリーダーボード順位ではなくこの比率だ。

日付は残りを読むうえで重要だ。Claude Opus 5.5 は2026年9月22日から一般提供されており、入力100万トークンあたり4ドル、出力100万トークンあたり20ドル。GPT-6.2 Sol は執筆時点で登場から2日で、OpenAI が2026年11月17日にリリースし、入力2ドル、出力10ドル、コンテキストウィンドウは1,050,000トークン——置き換えるモデルである GPT-6.1 Sol と価格をそのまま一致させており、GPT-6.1 Sol は9月29日から2ドル/10ドルを維持してきた。つまりこれは、実績のあるモデルと、一方には実績がなく他方には価格変動もない挑戦者との比較ではなく、成熟したフラッグシップと、主に中身のモデルを変えた同価格のリフレッシュとの比較である。

3倍のレイテンシーという数値の出どころ

出力速度ではない。1秒あたりのトークン数で測ると、両者の差は見出しが示唆するほど大きくない。GPT-6.2 Sol は 85 tok/s、Claude Opus 5.5 は 117 tok/s だ。実際には Opus 5.5 のほうが生成速度は速い。差が開くのは、各モデルが停止するまでに何トークン生成するかをどう決めるかという点だ。

Headless capture of Artificial Analysis's GPT-6.2 Sol model page, showing the model's summary panel with its Intelligence Index score of 57, its release date of 17 November 2026, output speed of 85 tokens per second, and pricing of $2.00 per million input and $10.00 per million output tokens.

Index スイート全体で、Artificial Analysis は Claude Opus 5.5 について 218M 出力トークン、GPT-6.2 Sol について 60.9M を記録した — 同じタスク群に対する総生成トークン数で 3.6 倍の差である。これを速度比に掛けると、タスクあたり 24.6 分対 8.0 分になる。言い換えれば、Opus 5.5 が遅いのは推論が遅いからではない。より長く考えるから遅いのであり、このハーネスではその余分な思考が 1.8 インデックスポイントをもたらす。

単にリソースが不足しているモデルとは、根本的に異なる問題です。より高速なプロバイダーに切り替えたり、GPUの割り当てを増やしたりしても解決できません。トークンはモデルのエフォート設定に由来する特性だからです。できるのはエフォート設定を変えることです。そしてOpus 5.5の立場を正直に説明するなら、公開されている数値は最大エフォート、つまりスコアを最大化すると同時にレイテンシを悪化させる設定で取得されたものです。

2ポイントの差が逆転するベンチマーク

総合指数は真の分岐を覆い隠しており、その分岐は多くのチームが自らのバックログで特定できる線に沿って走っている。すべての数値は、同一スイート上でArtificial Analysisが独立に測定したもので、両モデルとも最高エフォート設定によるものだ。

• インテリジェンス指数 — v5.0.1 リビジョンで 59.1 対 57.3

• Indexタスクあたりのコスト — $10.04 対 $1.01、9.9倍の差。

• Index タスクあたりの所要時間 — 24.6分 対 8.0分。

• Terminal-Bench 4.0 — 59.6% 対 60.1%、実質的に互角で、新しいモデルの方がわずかに上回っています。

• Terminal-Bench-Science 0.1 — 59.0% 対 67.6%、GPT-6.2 Sol の 8.6 ポイント差の勝利で、本記事で最大の単一の差です。

• FrontierCode-AA 2.0 — 46.4% 対 44.4%。

• HLE-Diamond — 67.9% 対 64.0%。

• AnalystAgent — 56.3% 対 53.8%。

• AutomationBench-AA — 69.5% 対 71.3%、Sol の辛勝。

• AA-Omniscience — 精度65.5%で48.1、精度61.6%で40.4。

• コンテキストと出力 — 1Mトークン(出力128K) 対 1,050,000トークン(最大入力922K、出力128K)

Generated two-column scoreboard titled 'Claude Opus 5.5 vs GPT-6.2 Sol - the scoreboard'. Left column Claude Opus 5.5 rows: Intelligence Index 59.1, cost per task $10.04, time per task 24.6 min, Terminal-Bench Science 59.0%, HLE-Diamond 67.9%, price $4 / $20. Right column GPT-6.2 Sol rows: Intelligence Index 57.3, cost per task $1.01, time per task 8.0 min, Terminal-Bench Science 67.6%, HLE-Diamond 64.0%, price $2 / $10. Footer: both per Artificial Analysis index v5.0.1 at max effort. OrcaRouter logo bottom-right.

ターミナルの行をまとめて読むと、特定の構図が見えてくる。通常のエージェント型ターミナル作業では両モデルは互換的であり、どちら向きの0.5ポイント差もシグナルではない。科学的なターミナル作業ではGPT-6.2 Solが約9ポイント差で勝ち、AutomationBenchでは2ポイント差で勝つ。Opus 5.5がリードするのは想起と参照に重きを置く分析であり、HLE-Diamondでは3.9、全知総合スコアでは7.7だ。

エージェントがターミナルでコードを実行する場合、この2つのどちらを選ぶかは、そのコードがアプリケーションロジックか計算処理かで決まります。アプリケーションロジックなら互角です。科学的または数値計算の中核を伴う計算処理なら、安価で高速なモデルの方が高性能でもあり、これはこの市場で最も稀な結果であり、GPT-6.2 Sol を推す最強の単一の根拠です。

価格が2倍なのに、なぜ請求額は10倍なのですか?

表示価格の比率は2×です。$4/$20 対 $2/$10。実測比率は9.9×です。そこに至るには2つの要因が掛け合わさっています — 2×の価格と3.6×のトークン比 — そしてこれを明示する理由は、価格表を比較するチームが2×の差を予算に見込んで、10×の差を受け取ることになるからです。

具体的には、Opus 5.5の実測プロファイルで10,000件のエージェントタスクを実行すると、約100,000ドルになる。同じ10,000件のタスクをGPT-6.2 Solで実行すると、約10,000ドルになる。これは最適化ではなく人員に関する判断だ。また、エージェントを大量に運用する誰にとっても利用可能な単一最大のレバーであり、Anthropicがすでに一度動いた領域でもある——Opus 5.5自体、Opus 5の定価から20%、キャッシュ読み取りから60%を削減した。

キャッシュの挙動こそ、価格の議論が微妙になるポイントだ。Opus 5.5のキャッシュ読み取りは100万トークンあたり$0.20、GPT-6.2 Solは$0.10。しかしOpus 5.5のタスクあたりコストを左右するのは入力ではなく生成トークンであり、思考に予算を費やすモデルにとってキャッシュ済み入力は何の助けにもならない。コストの正体は冗長さであり、それを制御する唯一の手段はエフォートレベル——つまり、あなたが対価を払っているスコアを下げることに他ならない。

エフォート設定で実際に得られるもの

Anthropic 自身の発表資料には、Terminal-Bench 4.0 で Opus 5.5 が 66.4%、Opus 5 が 52.3% と記載されており、この 66.4% は xhigh 設定から得られたもので、モデルのデフォルトである medium ではありません。同じベンチマークにおける独立系の数値 59.6% はさらに低く、Artificial Analysis 独自の構成を反映しています。3つの数値、1つのベンチマーク、3つの構成——だからこそ、この記事のすべてのスコアには、それを生み出したハーネスが併記されています。

実際的な帰結は、1.8ポイントのインデックス上のリードが最大エフォート時のリードであり、デフォルト設定は最大エフォートではないということです。Opus 5.5 をmediumで導入するチームは、レイテンシをより多く取り戻し、スコアはより少なくなりますが、それがどこに落ち着くかを示す公表された表はありません。2ポイントの差が Opus 5.5 を選ぶ理由なら、その差を生み出すエフォート設定が、実際に運用する設定であることを確認してください。

選ばずに両方を実行

この比較が一見ほど重要でないのは、2つのモデルが実際には代替品ではないからです。一方は難しい問題に時間をかけて投入する深い推論モデルで、もう一方は大量処理に投入する高速で安価なモデルです。それはアーキテクチャ上の決定ではなくルーティング設定であり、両方ともOrcaRouter上の単一のキーの背後にあります——anthropic/claude-opus-5.5ベンダー自身の料金で、0%の上乗せOpen​AIルートも並んでいます。

本番環境で実際に機能するのはこの形だ:計画パスを Opus 5.5 に、実行パスと検証パスを GPT-6.2 Sol に送る。ベンチマークの分割結果が、それぞれの強みがどこにあるかを示しているからだ。routing DSL を使ってこの2つを1回の呼び出しにまとめ、切り替えがアプリケーションから見えないようにし、さらに自動フェイルオーバーを Opus ルートに設定する — タスクあたりの所要時間が数十分単位で測られるモデルは、単一プロバイダーの障害で足止めしたくないまさにそのモデルだ。ブレンド後のコストは、どちらか一方だけを使う構成よりもはるかに低く、レイテンシ特性はほとんどのステップで高速モデルに従う。

Headless capture of OrcaRouter's model page for anthropic/claude-opus-5.5, showing the model name and its sections for code samples, pricing, performance and public benchmarks.

何に注目すべきか、そして何が答えを変えるのか

GPT-6.2 Solはリリースから2日で、ローンチ週の反応は一様に好意的ではなかった。11月17日のAstraとSolのリリースに関する報道では、特にAstra側についてパワーユーザーから強い不満の声が上がったと伝えられている。2回目の測定サイクルが到着するまでは、上記の独立した数値を信頼できるシグナル、フォーラムのセンチメントをノイズとして扱うこと。この比較を本当に変えるのは、より低いエフォート設定でのGPT-6.2 Solのスコアが公開されることだ。それによって、Opus 5.5と同じ長さの思考を求められたときに、その速度上の優位性が維持されるかどうかがわかる。

もう一つ注目すべきは価格です。Open​AIはSolの料金表を6.1から6.2まで据え置く一方、Astraの料金を20%削減しました。これはSolティアが性能ではなくボリュームで位置づけられていることを示唆しています。これが続くなら、タスクあたり10倍の差は一時的ではなく構造的なものであり、上記のルーティングの答えは巧妙な最適化ではなくデフォルトになります。

当面は、1つのモデルを選ぶのであれば、あなたの仕事が科学計算、大量のエージェント型実行、またはレイテンシーに敏感なものである場合、GPT-6.2 Sol のほうが大幅に分があり、1.8ポイントの劣勢は10倍の請求額を正当化できるほど現実的な差ではありません。あなたの仕事が、素早い回答よりも思い出した事実のほうが価値を持つ深い分析であるなら、Opus 5.5 の万能性と HLE の差を重視すべきです。そして、3倍の時間がかかることを見込んで予算を組むべきです。

この記事で比較したモデル1

この記事から検出 · ベンチマーク:Artificial Analysis · 毎日更新