GPT-6.1 Sol 対 Claude Opus 5：インデックス1ポイント差、価格は2.5倍

100点満点の尺度で両者を隔てるのはわずか1点、しかも片方は2.5倍の値段がする。Artificial Analysis Intelligence Indexにおいて、GPT-6.1 Sol——Open​AIが2026年9月29日にリリースしたモデル——は51.8。Claude Opus 5——Anthrop​icの2026年7月24日以降のフラッグシップ——は50.8だ。料金表は、GPT-6.1 Solが100万トークンあたり2.00ドルと10.00ドル、Claude Opus 5が5.00ドルと25.00ドル。これは強力なモデルと安価なモデルの比較ではない。独立した評価者が1点以上差をつけられなかった2つのモデルが、2.5倍も異なる価格で売られているのだ——そして興味深い問いは、どちらが優れているかではなく、この2つのうちどちらをインデックスが区別できていないのか、ということだ。

以下に示すすべての数値は、当社のモデル記録に保持されているArtificial Analysisによる測定値、ベンダー自身が公表した数値、または2つの料金表に基づく計算のいずれかです。数値がベンダー自身によるもので、外部の誰もそれを再現していない場合は、その文でその旨を述べています。

その2つが実際には何なのか

Claude Opus 5 は Anthropic の最上位の汎用モデルです。コンテキストウィンドウは 1,000,000 トークン、出力トークンは 128,000、入力はテキスト、画像、ファイルに対応し、適応型推論では呼び出し側が temperature ではなくエフォートレベルを設定します。同社がエンドツーエンドのソフトウェアエンジニアリング、コードレビュー、およびツールを多用する長い多段階エージェントセッション向けに位置付けているモデルです。

GPT-6.1 Solは、GPT-6ラインにおいてOpenAI自身のフラッグシップであるGPT-6 Astraの1つ下のティアに位置し、置き換えたモデルであるGPT-6 Solの6週間後に、同じ$2.00/$10.00の価格で提供された。1,050,000トークンのコンテキストウィンドウを備え、出力上限は同じ128,000、テキスト・画像・ファイルの入力サーフェスも同じで、推論エフォートレベルはlowからmaxまでの5段階、デフォルトはmedium。

その2つの段落を並べて読むと、仕様の行はほぼ同一だ。違いは細かい但し書きにあり、そのうち3つが重要だ：

• サンプリングパラメータ — どちらのモデルもtemperatureやtop_pを受け付けません。両方ともそれらをeffortダイヤルに置き換えています。コードがtemperatureを渡す場合、どちらもそれを拒否するため、どちらもレガシーな統合のドロップイン代替にはなりません。

• コンテキスト上限 — GPT-6.1 Sol が 1,050,000 トークン、Claude Opus 5 が 1,000,000 トークン。5パーセントの差にすぎず、実用上は無関係であり、この判断を左右する要素ではない。

• エフォートのデフォルト — GPT-6.1 Solはデフォルトでmedium、Claude Opus 5の適応型思考は自ら深さを配分します。以下のインデックス比較はすべてこの点に敏感であり、これが後述する注意点となります。

両方とも5つの軸で測定された。

この組み合わせについてのほとんどの記事が間違っているのはこの点です。なぜなら、片側ではベンダーの数値を、もう片側ではサードパーティの数値を混同しているからです。以下の5行はすべて Artificial Analysis によるもので、両方のモデルについて、同じ評価者によるものです：

• AA Intelligence Index — GPT-6.1 Sol 51.8（10位、93.2パーセンタイル）対 Claude Opus 5 50.8（11位、92.5パーセンタイル）。わずか1点差。

• Humanity's Last Exam — 52.9% 対 54.9%。Claude Opus 5、2ポイント差。

• SciCode — 54.2% 対 56.4%。Claude Opus 5 が 2.2 ポイント上回っています。

• 長文コンテキスト想起 — 83% 対 79.33%。GPT-6.1 Sol が 3.7 ポイント上回る。

• Terminal-Bench 4.0 — 48.99%に対して56.06%。GPT-6.1 Solが7ポイント差。

3対2、差は1〜7ポイント、価格は2.5倍。Claude Opus 5だけが単独で握る6番目の軸がある——GPQA Diamondで93.2%——そして逆方向に同モデルだけが単独で握る7番目の軸がある。Artificial AnalysisはClaude Opus 5のCoding Indexスコアを78、98.6パーセンタイル、2位としている。GPT-6.1 Solは私たちの記録ではその軸にまったく記載がなく、横に並べる数字が存在しない。ベンダーの資料から数字をでっち上げるのは、このブログが決してしないことそのものだ。

プレミアムがなお正当化できるのはどこか

インデックスの差が1ポイントというのは、それが全体像なら、2.5倍もの金額を払う理由としては弱すぎる。だが、全体像はそうではない。そして、インデックスが何と言おうと、Claude Opus 5 のほうがより良い買い物になる3つの場面がある。

まず1つ目は、上のCoding Indexの行です。評価者自身のコンポジットで138モデル中2位、98.6パーセンタイルというのは、特定の種類の作業についての具体的な主張であり、しかもそれは、この価格帯で購入するほとんどのチームが実際に行っている種類の作業です。当社のOrcaRouterモデルページ、anthropic/claude-opus-5には、Codexベンチマークに対して「Ranking #1」と記載され、タスクあたりの平均コストは$1.09 ——これはベンダーの主張ではなく当社自身のサービングデータであり、トークンあたりの価格はジョブあたりの価格ではないということを思い出させてくれます。

第二はバッチだ。Claude Opus 5には50パーセントのバッチ割引があり、入力$2.50、出力$12.50になる。さらに、バッチモードでは300,000出力トークンが可能で、対話経路では128,000トークンだ。$2.50/$12.50では、もはやGPT-6.1 Solの入力価格の2.5倍ではない——25パーセント高いだけだ。キューを許容できるあらゆるワークロード——オフラインのインデックス作成、一括分類、夜間のテスト生成——にとって、この記事の論証全体はずっと小さくなり、しかもそれはAnthrop​icに有利な形で小さくなる。

第三は、控えめなマルチモーダル乗数である。Anthropic自身が公表した数値では、Claude Opus 5はOSWorld 2.0で70.6%、SWE-bench Verifiedで96.0%、SWE-bench Proで79.2%を記録している。これらは7月に発表されたモデルについてのベンダー報告値であり、ここでは外部の誰もこれを再現しておらず、またその評価軸は上記のArtificial Analysisの行と重ならない。したがって、そのスコアカードに加算することはできない。これらは、Anthropicが特にコンピューター操作とリポジトリ規模のエンジニアリングに強みがあると主張していることの表れとしてのみ読む価値がある。そして、それこそがこのモデルの価格設定が対象としている買い手である。

料金表、そのうちの1つだけが持つ行を含めて

Claude Opus 5は、100万トークンのウィンドウ全体にわたって$5.00と$25.00を一律に課金し、キャッシュ読み取りは$0.50、キャッシュ書き込みは$10.00です。GPT-6.1 Solは、プロンプトトークン272,000までは$2.00と$10.00を課金し、そのラインを超えるとリクエスト全体を$4.00と$15.00で再価格設定し、キャッシュ読み取りは$0.10から$0.20へ、キャッシュ書き込みは$2.50から$5.00へと移行します。そこから生じる逆転は、どちらのモデルから長いコンテキストを購入する場合の実用的な帰結です：

• 25万トークンのプロンプト — GPT-6.1 Solは依然として第1ティアにあり、$2.00/$10.00 対 $5.00/$25.00です。これは比較対象の中で最も安価な大規模コンテキストのリクエストです。

• 30万トークンのプロンプト — GPT-6.1 Solは$4.00/$15.00へと引き上げられ、Claude Opus 5は据え置きのままだ。その差は、入力では2.5倍から1.25倍へ、出力では1.67倍へと縮まる。

• キャッシュ読み取り — GPT-6.1 Solは100万あたり$0.10、Claude Opus 5は$0.50で、どちらも両モデルの第1ティア内です。同じプレフィックスを再読み取りする長いエージェントセッションでは、請求額に対してこの行が見出しの料金以上に影響します。

• キャッシュ書き込み — $2.50 対 $10.00。同じ方向、同じオーダーです。

それは現実的で地味な指摘だ。2.5倍という見出しの数字は、短いプロンプトでしか達成されない。ワークロードが272,000トークンを超えた瞬間、GPT-6.1 Solもプレミアムモデル並みの価格になり、正直な比較は「はるかに安いキャッシュを備えたプレミアムモデル」対「定額料金表のプレミアムモデル」になる。

なぜ一点が単独でこれを決めるべきではないのか

上の指標行は同じ日に収集されたものではなく、そのことはほとんどの比較よりもここで重要です。GPT-6.1 Sol の Artificial Analysis の記録には、評価日として 2026-09-28 が付いています。Claude Opus 5 の記録には 2026-07-23 が付いています — 9週間前であり、その期間中に改訂されたハーネス上でのものです。

私たち自身の記録に、その目に見える症状がある。Claude Opus 5 の以前の報道では、Intelligence Index で61、ボードの首位とされていた。今日読んだカタログ記録では、同じモデルが50.8、11位となっている。どちらも真であり得る。インデックスは改訂されており、合成スコアは評価者が選択する推論エフォートに敏感である — Claude Opus 5 は最大エフォートで最高値に達したが、私たちが保有する記録にはエフォート設定がまったく注記されていない。GPT-6.1 Sol の51.8も同じ曖昧さを抱えている。

それが購入判断にとって意味するのは、範囲は狭いが重要である。9週間隔てて評価され、変動する複合指標に基づき、推論努力の設定も明示されていない2つのモデル間の1ポイント差は、一方が他方より賢いことを立証するものではない。5つの行が実際に立証しているのは、両者が同じ帯域にあるということだ。そして、2.5倍の価格で同じ帯域の結果が得られるというのは、性能上の事実ではなく、調達上の事実である。

どちらをルーティングしますか

あなたが買おうとしていたモデルを手に取り、もう一方と比較テストしてみてください。ありきたりな決まり文句に聞こえますが、ここで証拠が実際に支持する唯一の一手であり、どちらのモデルも単一のOpen​AI互換エンドポイントから到達できます——openai/gpt-6.1-sol と anthropic/claude-opus-5（OrcaRouter上）——つまりテストはモデル文字列の変更だけで済み、2つ目の契約も書き直しも不要です。価格はプロバイダーのリスト料金そのままでマークアップは0%：$2.00/$10.00には272K超のティアがOpen​AIの設定どおりに適用され、$5.00/$25.00にはバッチ割引がAnthrop​icの設定どおりに適用されます。これは、ベンダーの価格変更が次の請求サイクルではなく当日にこちら側へ反映されることも意味します。両方がルーティングされる場合、その下に自動フェイルオーバーが備わっています。これは、より安価な方が本番パスを担っているときにこそありがたいものです。

自分の数字がまだない段階でデフォルトを決めたいなら、証拠が支持するすみ分けは次のとおりです。ワークロードが長いプロンプト、キャッシュ多用、あるいはターミナルとツール主体の形なら GPT-6.1 Sol を選んでください。比較で最も差が大きい2行は Long-Context Recall と Terminal-Bench 4.0 であり、$0.10 のキャッシュ読み取りは、プレフィックスを再読するエージェント的セッションにとって大きなてこの一つです。ワークロードがリポジトリ規模のコーディングである場合、バッチ処理で問題ない場合、またはプロンプトが 128,000 トークン以内に収まり、私たち自身のプレイグラウンドが計測したタスクあたりコスト $1.09 があなたの財務チームですでに承認済みの数字である場合は、Claude Opus 5 を選んでください。

この組み合わせが得る判定は、どちらのベンダーが望むよりも僅差だ。独立した測定では、この2つは実質的に互角だが、価格ではそうではなく、価格こそ片方が言い逃れできない軸である。