ベストLLMモデル

2

Claude Fable 5

Anthropicの2026年6月Mythosクラスフラッグシップ:SWE-bench Proで80.3%、他のあらゆるフロンティアモデルに11ポイントの差

$50/1M out63%(4)

サイトへ

理由: SWE-bench Proで80.3%:Opus 4.8の69.2%、GPT-5.5の58.6%、Gemini 3.1 Proの54.2%に対し、次点のフロンティアモデルに約11ポイントの差をつけています

3

Claude Opus 4.7

Anthropicの2026年4月Opus:SWE-bench Verified 87.6%、1Mコンテキスト、高解像度ビジョン、現在はOpus 4.8に後れ

$25/1M out57%(3)

サイトへ

理由: 発売時にSWE-bench Verified 87.6%(Opus 4.6の80.8%から向上)とSWE-bench Pro 64.3%を記録し、GPT-5.4(57.7%)とGemini 3.1 Pro(54.2%)をリードしました

4

Claude Sonnet 5

Anthropicの最もエージェント的なSonnet:コーディングとエージェントでOpus 4.8に迫る品質を$3/$15、1Mコンテキストで

$15/1M out ($10 intro until 2026-08-31)57%(3)

サイトへ

理由: Sonnet 4.6からエージェント性能が大幅向上:Terminal-Bench 2.1が80.4% vs 67.0%、OSWorld-Verifiedが81.2% vs 78.5%、SWE-bench Proが63.2% vs…

5

Gemini 3 Pro

Googleの2025年11月フロンティアモデル:1Mコンテキスト、LMArenaで初の1500 Elo超え、現在はGemini 3.1 Proが後継。

$12/1M out (prompts ≤200K)57%(3)

サイトへ

理由: 発売時にLMArenaで記録的な1501 Eloで首位に立ち、GPQA Diamondで91.9%を記録、リリース時点のstate of the artでした

6

DeepSeek-V4

1M tokensコンテキストとフロンティア級に迫るエージェント型コーディングを出力1M tokensあたり$0.87で提供するオープンウェイト1.6T MoE

$0.87/1M out57%(3)

サイトへ

理由: 1M tokensのコンテキストウィンドウ(V3.2の128Kの8倍)と最大384Kの出力tokensが公式APIで標準です

7

Claude Opus 4.8

長期エージェント型コーディング向けAnthropicのフラッグシップOpusクラスモデル。1Mコンテキストを$5/$25 per 1M tokensで。

$25/1M out57%(3)

サイトへ

理由: SWE-Bench Pro 69.2%(Opus 4.7は64.3%)、CursorBenchでは全エフォートレベルで歴代Opusを上回ります。大規模リファクタや複数ファイルにまたがるバグ調査での実地報告も好評です

8

GPT-5.5

OpenAIのエージェント特化フラッグシップ:1Mコンテキスト、ARC-AGI-2とTerminal-Bench 2.0でSOTA、$5/$30 per 1M tokens。

$30/1M out57%(3)

サイトへ

理由: 1M tokensのコンテキストウィンドウ(1,050,000)と128Kの最大出力、推論エフォートはnoneからxhighまで調整可能です