生成されたタイトルカードには「GPT-6.2 Sol Pro 対 Claude Opus 5.5:能力差は2ポイント、請求額は10倍」と表示され、Intelligence Index では 57.3 対 59.1、タスクあたりのコストは $1.01 対 $10.04 という数値、さらに GPT-6.2 Sol Pro は gpt-6.2-sol を reasoning モードを pro に設定して呼び出したものであるという注記が添えられている。
Guides & Insights

GPT-6.2 Sol Pro 対 Claude Opus 5.5:2ポイントの差と10倍の請求額

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

のどちらを選ぶかで迷っているなら、GPT-6.2 Sol ProとClaude Opus 5.5今週、二つの主要な数値は相反する方向を示しており、どちらも間違っていません。Artificial AnalysisのIntelligence Index v5.0.1では、最大エフォートのClaude Opus 5.5が59.1、最大エフォートのGPT-6.2 Solが57.3で、その差は1.8ポイントです。同じスイートのインデックスタスクあたりのコストは$10.04に対し$1.01です。ここで問われているのは、2ポイントの能力に約10倍の費用を払う価値があるかどうかであり、その答えは、以下の5つの次元のうち、あなたのワークロードが実際にどの次元にあるかによって変わります。

何よりも先に名前についての注意点を述べます。それが比較対象を変えるからです。GPT-6.2 Sol Proは別製品ではありません。それはGPT-6.2 Sol(2026年11月17日リリース)を、Responses APIでreasoning.mode: proを指定して呼び出したものです。ベースモデルの標準料金で課金され、単により多くのモデル作業を実行するだけです。Anthropicには同等の切り替えがありません。Claude Opus 5.5は拡張思考を単一料金で実行します。したがって、この比較の片側は調整できる設定であり、もう片側は固定されたメーターです。この非対称性がこの記事のすべてです。

ハーネス名が添えられたスコアボード

このセクションの内容はすべてArtificial Analysisによる独自の測定結果であり、どちらかのベンダーが公開している表ではありません。両モデルは同一のスイート上で、同一のスコアリングを用い、最大努力設定で実行されています。これこそが、この比較に価値を持たせる唯一の方法です。なお、どちらのベンダーも自社によるプロモードの評価を公開していません。

• インテリジェンス・インデックス — GPT-6.2 Sol は57.3で、11月18日時点の計測ではボード上の採点対象58件中5位。対してClaude Opus 5.5は59.1で4位。

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

• Terminal-Bench 4.0 — 60.1% 対 59.6%、実質的に互角。

• Terminal-Bench Science — 67.6% 対 59.0%。これはボード全体で最大の単一の差であり、しかも向きが逆だ。

• HLE Diamond — 64.0% 対 67.9%。

• FrontierCode 2.0 — 44.4% 対 46.4%。

AutomationBench — 71.3% 対 69.5%。

• AnalystAgent — 53.8% 対 56.3%。

• AA-Omniscience — 61.6%の精度で40.4、ハルシネーション率55.4% 対 65.5%の精度で48.1、ハルシネーション率50.3%。

• コンテキスト — 最大入力922,000トークン、最大出力128,000トークンの1,050,000トークン 対 最大出力128,000トークンの1,000,000トークン。

• 価格 — 100万トークンあたり、入力 $2.00 / キャッシュ済み $0.10 / キャッシュ書き込み $2.50 / 出力 $10.00 対 $4.00 / $0.20 / $5.00 / $20.00。

そのリストの中央部分を読むと、複合指数では隠れてしまうパターンが浮かび上がる。ターミナル作業では両モデルに差はなく、科学的ターミナル作業では安価なほうが9ポイント近く勝っている。エージェント型自動化のスイートでも、またしても勝つ。Opus 5.5がリードするのは、導出ではなく想起を要する正解のあるタスク——HLE Diamond、FrontierCode——であり、さらに自分が何を知らないかを把握する点で、全知指数ではGPT-6.2 Solを8ポイント近く、正確性では5ポイント上回っている。

A generated two-column comparison scoreboard titled 'GPT-6.2 Sol vs Claude Opus 5.5', with the left column GPT-6.2 Sol at 57.3 on the Intelligence Index, $1.01 cost per task, 60.1 percent on Terminal-Bench 4.0, 67.6 percent on Terminal-Bench Science, 64.0 percent on HLE Diamond and 40.4 on AA-Omniscience, and the right column Claude Opus 5.5 at 59.1, $10.04, 59.6 percent, 59.0 percent, 67.9 percent and 48.1, with a footer attributing all measurements to Artificial Analysis at max effort.

価格表の差が2倍なのに、請求額が10倍も異なるのはなぜか

表示上の比率は2×で、$4/$20 対 $2/$10です。実測比率は9.9×です。残る5倍分の差は、各モデルが同じタスクを終えるのに消費するトークン数にあり、これがこの比較で最も有用な単一の数値です。

最大エフォートでは、Claude Opus 5.5 は平均してIndexタスクあたり173,313出力トークンを使用します — そのうち120,460が推論、52,853が表示される回答です。GPT-6.2 Sol は平均40,360で、推論が22,800、回答が17,561です。これは2倍の価格比に加えて4.3倍のトークン比であり、この2つが掛け合わさって、実際に支払う9.9倍の請求額になります。Claude Opus 5.5 の拡張思考はモデルに後付けされた無料機能ではありません。請求書の大部分を占める項目であり、しかも、デフォルトで有効になっているというのは、思考トークンが出力として課金され、それを安くするための別個のスイッチがないという意味です。

これは実時間の差も説明している。最大エフォートでのOpus 5.5はタスクあたり平均1,475秒を要するのに対し、GPT-6.2 Solの最大エフォートプロファイルは出力トークンの4分の1しか消費しない。チケットごとにこれを20回実行する長期的なエージェントは、単に10倍多く支払っているだけではなく、タスクごとに25分間スレッドを開いたままにしているのだ。

{{1}}そのどれも{{/1}}が、Opus 5.5を誤って高価にしているわけではない。{{2}}Anthropic{{/2}}は、より長く考え、自らの主張により慎重なモデルを販売しており、その対価で買えるのは、まさにその全知性の差だ。問題は、あなたのワークロードがそれで元を取れるかどうかだ。

Screenshot of the Artificial Analysis page for Claude Opus 5.5, showing the model listing with its Intelligence Index, pricing of $4 input and $20 output per million tokens, a 1,000,000-token context window with 128,000 maximum output, and the site's model comparison charts.

それぞれが価格に見合うポイント

作業が検証可能なら、GPT-6.2 Sol を選んでください。コーディングエージェント、CI 修復、マイグレーション、ターミナルを多用する自動化など、テストスイートやシェルの終了コードによって答えが正しかったかどうかがわかるものすべてです。そうしたタスクでは、検証される出力に対して対価を支払っており、ハーネスがエラーを捕捉するためキャリブレーションの差によるコストはかからず、10× の節約は再試行のたびに積み重なります。Terminal-Bench Science の結果 — 67.6% 対 59.0% — は、安価なモデルが実証的な作業において弱いモデルではないことを示す、この記事で最も強力な証拠です。

作業が長期的で、エラーが表面化しないなら、Claude Opus 5.5 を選びましょう。 契約レビュー、調査結果の統合、複数文書の分析、つまりエージェントが生成し、人が事前にテストを実行することなく読むもの全般です。HLE Diamond の 67.9% と、8 ポイント高い全知指数は、間違いの現れ方が異なるモデルを示しており、検証されていない経路では、その違いは指標上で 2 倍を超える価値があります。

両方を採用し、タスクに応じてルーティングします。ほとんどの本番システムにとって正直な答えは、分割はモデル対モデルではなく、呼び出し対呼び出しだということです。ルーティングポリシーを備えた単一のエンドポイントは、検証重視のパスを安価なモデルに、サイレントエラーのパスを慎重なモデルに送ることができます。これこそがルーティング DSL の実際の役割です — ルールを一度書けば、価格変更やモデルの非推奨化は移行ではなく設定の編集になります。

Screenshot of the OrcaRouter model page for Claude Opus 5.5, showing the model ID anthropic/claude-opus-5.5, a 1,000,000-token context window with 128,000 maximum output, input pricing of $4.00 and output pricing of $20.00 per million tokens, and a description of the model as Anthropic's flagship.

両方を同じキーに載せておくべき practical な理由もそこにあります。OrcaRouter では、openai/gpt-6.1-sol と anthropic/claude-opus-5.5の両方がプロバイダー定価・マークアップ0%でカタログに掲載されています。上記の $2/$10 と $4/$20 は、ゲートウェイが上乗せした価格ではなく、実際にお支払いいただく金額です。GPT-6.2 Sol は11月18日時点で当社のカタログには掲載されていないため、本記事の内容を「本日時点で当社経由で呼び出せる」と主張するものではありません。置き換え対象となる 6.1 ティアは掲載済みであり、今すぐ切り替えが必要な場合にこの比較が価格の基準としているのはこちらです。

どちらのベンチマークも解決しないプロモードの問題

上のすべての数値は標準モードでの最大エフォートです。独立したハーネスが測定しているのはそれだからです。GPT-6.2 Sol のプロモード評価を公開した人は誰もおらず、その理由は構造的なものです。プロモードは「最終回答を生成するために実行されたモデルの作業を集計」し、それらのトークンを標準レートで課金するため、そのコストは、モデルがあなたの特定のタスクでどれだけ追加の作業を行うことを選ぶかに依存します。予算を立てる際に基準とできる倍率は、ドキュメントには記載されていません。

この比較から生じる帰結は非対称であり、これは異例です。Opus 5.5 のコストは事前に把握できます。固定の $4/$20 を、一度測ればよいトークン数に対して適用するだけです。GPT-6.2 Sol のコストは、標準モードでは把握できますが、プロモードでは青天井です。より安価なモデルを選んだ理由がコストの予測可能性だったなら、プロモードはその理由を部分的に打ち消します。そして 9.9× の差は、あなた自身のトラフィックでしか分からない分だけ縮まります。予算を確定する前に、サンプルを測定してください。

決定、それは率直に述べられたもの

GPT-6.2 SolはClaude Opus 5.5に指数で1.8ポイント劣り、完了タスクあたりのコストは約10分の1で、指数を構成する8つの評価のうち3つで上回っている——その中には科学的なターミナル作業に関する評価も含まれる。Claude Opus 5.5は、誰も確認しない作業に適したモデルであり、その優位性は、サイレントエラーが高くつくまさにそうした場面で明確に現れる。

出力を検証できるなら、2ポイントの差は丸め誤差であり、10倍の請求額はそうではない。検証できないなら、10倍の請求額は、自信を持って間違う可能性がより低いモデルに対して支払っているプレミアムだ。それ以外はすべてルーティングのルールである。

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