「Gemini 4 Neon vs Claude Haiku 5.5」と記されたタイトルカードが生成され、サブタイトルは「一本のはしごの両端」。各モデル名の下に1つずつ、向かい合う縦方向の横木の積み重ねがあり、その下に「9つの設定、1つの指標」という行がある。
Engineering & Research

Gemini 4 Neon vs Claude Haiku 5.5:一本の梯子の両端

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

G​emini 4 Neon と Claude H​aiku 5.5 をスペックシート上で並べると、その比較はミスマッチに見える。入力価格は30倍、出力価格も30倍で、1000トークンあたり0.1セントのモデルと3セントのモデルが対になっている。だが、どちらのモデルも単一の点ではなくラダーとして販売されていることに気づく。Neonには4つの思考レベルがあり、デフォルトは高。H​aiku 5.5には5つあり、デフォルトは中だ。カード対カードではなく段対段で比較し始めると、30倍という比率は面白い数字ではなくなり、2つのラダーの形こそが議論する価値のあるものになる。

両モデルとも現行です。Claude H​aiku 5.5は2026年10月7日に一般提供を開始し、入力トークン100万個あたり0.10ドル、出力トークン100万個あたり0.50ドルです。G​emini 4 Neonは2026年11月18日に提供開始され、入力100万トークンあたり3.00ドル、出力100万トークンあたり15.00ドルです。両モデルとも100万トークンのコンテキストウィンドウを備え、テキストと画像の両方を受け付け、キャッシュ入力にはそれぞれ0.01ドルと0.15ドルを請求します。これは大きく異なる基本料金に同じ95パーセントの割引を適用したものです。

2本のはしご、9つの設定

Artificial Analysisは、両モデルのあらゆる段階を同じ9項目の評価セット——AA-Briefcase v1.1、AutomationBench-AA、Terminal-Bench 4.0、FrontierCode-AA 2.0、AA-Omniscience v1.1、GDP.pdf、HLE-Diamond、CritPt v2、Terminal-Bench-Science 0.1——で採点し、それぞれのタスクごとのコストを公開している。これにより2点ではなく9つの比較可能な点が得られ、タスクごとのコストは料金表から導出するのではなく実測されるため、各モデルが消費することを選ぶトークン数もすでに織り込まれている。

• 低設定のNeon — 44.1、タスクあたり$0.75

• ネオン(中程度)— 54.9、$1.90。

• Neon 高(デフォルト) — 59.6、$3.74。

• Neon(xhigh)— 61.4、$6.44。

• H​aiku 5.5(低設定時)— 18.6、$0.044。

• Haiku 5.5 を medium(デフォルト)で — 24.6、$0.092。

• H​aiku 5.5(高水準)— 29.9、$0.159。

• H​aiku 5.5(xhigh)— 34.6、$0.248。

• H​aiku 5.5(最大) — 36.5、$0.411。

このリストからすぐに2つのことが導き出される。Neonの最安ティアはH​aikuの最高額ティアを7.6ポイント上回り、Neonの最高額ティアのコストは、料金表が示唆する30倍ではなくH​aikuの最高額ティアの15.7倍だ。どちらも丸め誤差によるものではなく、両方とも同じ原因に由来している。つまり、この2つのモデルはそれぞれの範囲の上限付近でトークンを大きく異なる形で消費するということだ。

Artificial Analysis model page for Claude Haiku 5.5 at Max effort, showing an Intelligence Index of 36, $0.10 input and $0.50 output per million tokens, $0.41 per Intelligence Index task, 298 million output tokens on the index against a 90-million median, 282 tokens per second, 180.94 seconds to first answer token, a default effort of medium and a 1M-token context window.

各カードで「High」が意味するもの

語彙が最初の罠だ。Neonでは、highはモデルが標準で備える段階であり、thinkingパラメータを渡さない場合に得られるものだ。H​aiku 5.5では、highは5段階中3番目で、デフォルトはmediumだ。したがって「Neon high 対 H​aiku high」と書かれた比較は、デフォルトと非デフォルトを比較しており、どちらのベンダーも見出しとして認識しない29.7ポイントの差を生み出す。

実際のデフォルト設定を比べると——Neonはhigh、Haikuはmedium——差は35.0ポイントに広がる。Haikuのデフォルトは、その名から連想される位置より1段低いからだ。2つのはしごの最上段同士——xhigh対max——を比べると、差は24.9ポイントに縮まる。これは、どの設定ペアを比較と見なすかだけで生じる10ポイントの振れ幅であり、同じリーダーボード上で隣り合う複数モデル間の差よりも大きい。

対応する段と、その隙間が果たす役割

各段を名前で揃えると、指数の差は25.5~30.3ポイントの狭い範囲で推移し、どちらの方向にも傾向は見られない:

低負荷時 — Neon 44.1 対 Haiku 18.6、25.5 ポイント差、タスクあたりのコストは 17.0 倍。

• 中程度の場合 — 54.9 対 24.6、30.3 ポイント、20.8倍。

• 高い場合 — 59.6 対 29.9、29.7ポイント、23.6倍。

• 最上位では — 61.4 対 34.6、26.8 ポイント、25.9 倍。

知能の差は安定している。コスト比はそうではない。性能の階段を上がるにつれて17倍から26倍へと上昇する。なぜなら、NeonはH​aikuよりも思考の追加1ポイントあたりの料金が高いからだ。H​aikuをhighからxhighへ押し上げると、タスクあたり56パーセント増のコストで4.7インデックスポイントを得られる。Neonをhighからxhighへ押し上げると、72パーセント増で1.8ポイントを得られる。限界的には、安価なモデルのほうがリターンが良い——これは、30倍の料金表比率から期待されることとは逆である。

第5の段階で、その主張は崩れる

H​aiku 5.5には、Neonにはない段階があります。maxです。しかもこれは、両モデルが提供する中で最もコストパフォーマンスの悪い段階でもあります。xhighからmaxにすると、H​aikuはインデックスポイントを1.85獲得し、タスクあたりコストは$0.248から$0.411に上がります。5パーセントの改善に対して66パーセントの増加です。同じ段階で、最初の回答トークンまでの実測時間は46.2秒から180.9秒へと跳ね上がり、およそ4倍になります。

それは H​aiku に固有の欠陥ではない。ハーネスが容易な改善策を使い果たしたときに、追加の推論層がどう見えるかというだけだ。モデルは考え続けるが、改善は止まる。しかし、それは H​aiku 5.5 の 36.5 を引用する人が、そのモデルの、すぐ下の構成の4倍のレイテンシーを要する構成を引用しているということではあるし、Neon の 61.4 を引用する人も、同じ種類の理由で同じ種類の上限を引用しているということだ。両方の見出しの数値は、終盤で急に険しくなるはしごの最上段なのだ。

Generated nine-bar horizontal chart titled Nine settings, one index, with Neon's four bars at 44.1, 54.9, 59.6 and 61.4 followed by Haiku 5.5's five bars at 18.6, 24.6, 29.9, 34.6 and 36.5 on a 0 to 65 AA Index axis, and a dashed reference line at 54.9 labelled Neon medium clears Haiku's ceiling. The footer reads Intelligence Index and thinking levels per Artificial Analysis v5.0.1, 18 November 2026 release.

推論トークンは隠れた列です。

タスクあたりのコスト数値は、各モデルがどれだけ自身に書き込んでいるかを見れば納得がいきます。インデックスの実行では、xhigh の Neon がタスクあたり約 80,500 の推論トークンと 61,100 の回答トークンを生成します。max の H​aiku 5.5 は約 172,800 の推論トークンと 53,200 の回答トークンを生成します。

つまり、30倍の料金表を持つモデルは、10セントのモデルと比べて、両方のラダーの最上位では推論を半分未満しか書かない。H​aikuはより小さなモデルを長く考えることで補い、Neonはより高い価格をより少なく考えることで補っている。だからこそ、タスク当たりの比率15.7倍は、価格表が示唆する30倍をはるかに下回るのであり、また、その比率が高で最も大きくなる——Neonのトークン習慣がH​aikuのそれに最も近く、料金表がすべての仕事をしている段階——のである。

同じパネルのもう一方の列は fabrication です。AA-Omniscience では、Neon のデフォルト時のハルシネーション率は 13.9 パーセント、H​aiku 5.5 のデフォルト時は 40.4 パーセント、最大時は 34.2 パーセントです。これは、モデルが情報源に裏付けられていない事柄を主張する頻度に 2~3 倍の差があるということであり、また、この指標はインデックスと違い、H​aiku が段階を上がってもほとんど改善しません。誤った事実の発見にコストがかかる種類のワークロードなら、インデックスの差は Neon の優位性を過大評価するどころか、むしろ過小評価しています。

安いモデルが安くなくなるのはどこか

H​aiku 5.5の価格優位性は現実のものであり、作業が短い場面で最大になります。分類呼び出し、ルーティング判断、段落の書き換え、フォームからの抽出——出力が数百トークン程度で済むものであれば何でも、H​aikuでは1セントの何分の一かの費用で済み、Neonでは1セントに近い費用がかかります。その規模では30倍という比率はほぼ文字通りであり、インデックスの差は無関係です。どちらのモデルも基準を容易に満たすからです。

タスクが長くなるほど、この優位性は縮まります。しかもそれが縮まる理由は2つあり、互いに重なり合います。Neonのタスクあたりのコストは、入力・キャッシュ読み取り・キャッシュ書き込みが大部分を占めており、インデックスの実行では、high設定時の請求額の64パーセントを入力が占めています。つまり、長く安定したプレフィックスは、Neonの実効レートを$0.15というキャッシュ価格へと近づけます。Haikuも同じ95パーセントのキャッシュ割引を受けられますが、基準となる料率がすでにごく小さいため、節約できる余地は小さくなります。さらに、数ステップの計画を要する作業では、Haikuのモデル階層はNeonのデフォルトが位置する水準より下で頭打ちになるため、どれだけ安いトークンを積んでも答えを得ることはできません。

見落としやすいので、名前を付ける価値のある第三の効果がある。計測された briefcase Elo(別のハーネスで、インデックスとは別に採点される)は、実際には上位でインデックスよりも狭い差で H​aiku を支持している。Neon xhigh は 1699 で、95パーセント区間は 1688 から 1710。H​aiku max は 1572。デフォルトの段階では、差は 1632 対 1441 だ。したがって、第二の独立したハーネスは方向性には同意し、大きさには同意しない。これは通常の状況であり、標準化する前に二つのリーダーボードを確認する理由である。

そして4つ目があり、それは料金表が完全に隠しているものだ。H​aiku 5.5は2つの帯で価格を設定している。100,000トークンのプロンプトまでは100万トークンあたり$0.10と$0.50、それを超えると$0.50と$2.50で、キャッシュ読み取りは$0.01から$0.05に上がる。このしきい値はキャッシュの読み取りと書き込みを含む入力全体を数えるため、長いコンテキストでは簡単に超えてしまう。その時点でH​aikuの入力価格は見出しの5倍、出力価格も5倍になり、しきい値では一切段階が変わらないNeonの一律$3.00と$15.00との比率は、もはや30倍ではなく6倍、出力では3倍になる。2つの料金表を額面どおりに比較する人は、2帯価格と1帯価格を比べ、最初の帯をすべてだと見なしているのだ。

段階を経ても生き残る意思決定ルール

重要な順に4つのルール:

• タスクが短く、答えが検証可能なら、H​aiku 5.5 を medium または low で選び、それ以上読むのはやめましょう。その規模ではインデックスの差は制約にならず、価格差は甚大です。

• タスクに多段階の計画立案やリポジトリ全体にわたるコード変更が必要なら、問題はH​aikuの価格ではなく、その性能の上限です。H​aikuの最良の段階でも36.5点、Neonのデフォルトは59.6点です。その時点でコストと品質を引き換えにしているのではなく、動作する回答を安価な回答と引き換えにしているのです。

• すでに Neon を使っている場合は、xhigh をデフォルトにしないでください。high から xhigh へのステップは、タスクあたり 72 パーセント多くのコストがかかり、1.8 インデックスポイントと最初のトークンまで 16 秒余分にかかります。ほとんどのパイプラインには medium の方が適しており、デフォルトの半分の価格で 54.9 です。

• H​aiku を使用している場合でも、max を前提にしないでください。どちらのラダーでも費用対効果は4番目で、high との差は6.6インデックスポイント、コストは2.6倍です。

どちらのモデルも現在OrcaRouterのカタログには掲載されていないため、これはどちらかを当社のキーに移していただこうという売り込みではありません。当社が提供しているのは、プロバイダーの定価そのまま、マークアップなしで、Claude Haiku 4.5(100万トークンあたり$1.00と$5.00)およびGemini 4 Carbon($2.00と$10.00)— それぞれの前世代にあたるモデルです。上記の段(ラング)ごとの計算を、リーダーボード上ではなくご自身のトラフィックで試したいとお考えなら、有効なのは、すでに呼び出せるモデルの安価な段と、検討中のモデルの高価な段を、1つのキーで、しかも安価な段が基準を満たさなかった場合に備えてフェイルオーバーを下に敷いた状態で、突き合わせて実行することです。

正直にまとめると、この2つのモデルは実際には競合していない。一方はプレミアム価格で販売されるフロンティア層のプランナーであり、もう一方は底値に近い価格で販売される大量処理向けのワーカーだ。そして、両者のラダーが性能範囲ではなく名前の上で重なっているという事実こそが、この比較を実際よりも近しく感じさせる。両端を比べてみよう。NeonのミディアムとHaikuのマックスを比べると、$1.90で54.9に対し、$0.41で36.5となる。4.5倍の金額で18ポイントというのは、どちらのモデルが優れているかという判断ではなく、そのタスクにどれだけの価値があるかという判断なのだ。

Artificial Analysis model page for Gemini 4 Neon at Xhigh effort, showing an Intelligence Index of 61, $3.00 input and $15.00 output per million tokens, $6.44 per Intelligence Index task, 283 million output tokens on the index against a 65.4-million median, 110 tokens per second, 56.54 seconds to first answer token, a default effort of high and a 1M-token context window.