開発元のAIモデル

数値表

モデル・推論設定	解決率	費用／試行（USD）	時間
Claude Opus 5.5 (max)	65.8	14.2989	80分
Claude Sonnet 5.5 (max)	63.9	22.2232	124分
Fable 5.1 (xhigh)	57.6	14.7638	53分
Fable 5.1 (max)	57.3	18.9197	65分
Fable 5.1 (high)	54.9	12.0769	50分
Fable 5.1 (medium)	53.9	8.5845	42分
Opus 5 (xhigh)	53.3	18.4431	75分
Opus 5 (max)	52.1	18.0882	80分
Opus 5 (high)	49.7	14.1281	64分
Opus 5 (medium)	45.2	9.6715	55分
Fable 5 (max)	44.9	22.0152	70分
Fable 5.1 (low)	43.3	7.1476	38分
Opus 5 (low)	34.9	7.2542	49分
Opus 4.8 (max)	23.6	19.6402	86分
Sonnet 5 (max)	12.1	29.1026	109分

Fable 5.1

Anthropic / 公式情報

Opus 5

Anthropic / 公式情報

Fable 5

Anthropic / 公式情報

Opus 4.8

Anthropic / 公式情報

Sonnet 5

Anthropic / 公式情報

Claude Sonnet 5.5

Anthropic

Claude Opus 5.5

Anthropic

Claude Haiku 5.5

Anthropic / 公式情報

Agents’ Last Exam v1：スコア

OpenAIが公表した同じ評価の設定別の値。

モデル・実行構成	%
Fable 5.1max	この評価の公表値は未収録
Opus 5max	この評価の公表値は未収録
Fable 5max	この評価の公表値は未収録
Opus 4.8max	この評価の公表値は未収録
Sonnet 5max	この評価の公表値は未収録
Claude Sonnet 5.5low	この評価の公表値は未収録
Claude Opus 5.5	この評価の公表値は未収録
Claude Haiku 5.5max	この評価の公表値は未収録

Agents’ Last Exam v1：1タスクの費用

OpenAIが公表した同じ評価の設定別の値。

モデル・実行構成	USD / タスク
Fable 5.1max	この評価の公表値は未収録
Opus 5max	この評価の公表値は未収録
Fable 5max	この評価の公表値は未収録
Opus 4.8max	この評価の公表値は未収録
Sonnet 5max	この評価の公表値は未収録
Claude Sonnet 5.5low	この評価の公表値は未収録
Claude Opus 5.5	この評価の公表値は未収録
Claude Haiku 5.5max	この評価の公表値は未収録

MMMU-Pro (Vision)：スコア

OpenAIが公表した同じ評価の設定別の値。

モデル・実行構成	%
Fable 5.1max	この評価の公表値は未収録
Opus 5max	この評価の公表値は未収録
Fable 5max	この評価の公表値は未収録
Opus 4.8max	この評価の公表値は未収録
Sonnet 5max	この評価の公表値は未収録
Claude Sonnet 5.5low	この評価の公表値は未収録
Claude Opus 5.5	この評価の公表値は未収録
Claude Haiku 5.5max	この評価の公表値は未収録

MMMU-Pro (Vision)：1タスクの費用

OpenAIが公表した同じ評価の設定別の値。

モデル・実行構成	USD / タスク
Fable 5.1max	この評価の公表値は未収録
Opus 5max	この評価の公表値は未収録
Fable 5max	この評価の公表値は未収録
Opus 4.8max	この評価の公表値は未収録
Sonnet 5max	この評価の公表値は未収録
Claude Sonnet 5.5low	この評価の公表値は未収録
Claude Opus 5.5	この評価の公表値は未収録
Claude Haiku 5.5max	この評価の公表値は未収録

AutomationBench 1.0.6：スコア

OpenAIが自社モデルを研究環境またはAPIで評価したAutomationBench 1.0.6のスコアです。全目標を達成したタスクの割合とは異なります。

モデル・実行構成	%
Fable 5.1max	この評価の公表値は未収録
Opus 5max	この評価の公表値は未収録
Fable 5max	この評価の公表値は未収録
Opus 4.8max	この評価の公表値は未収録
Sonnet 5max	この評価の公表値は未収録
Claude Sonnet 5.5low	この評価の公表値は未収録
Claude Opus 5.5	この評価の公表値は未収録
Claude Haiku 5.5max	この評価の公表値は未収録

AutomationBench 1.0.6：1タスクの費用

OpenAIがAutomationBench 1.0.6で公表した1タスクあたりの費用です。APIの100万トークン単価とは異なります。

モデル・実行構成	1タスクあたり・USD
Fable 5.1max	この評価の公表値は未収録
Opus 5max	この評価の公表値は未収録
Fable 5max	この評価の公表値は未収録
Opus 4.8max	この評価の公表値は未収録
Sonnet 5max	この評価の公表値は未収録
Claude Sonnet 5.5low	この評価の公表値は未収録
Claude Opus 5.5	この評価の公表値は未収録
Claude Haiku 5.5max	この評価の公表値は未収録

OSWorld 2.1：スコア

OpenAIが公表した同じ評価の設定別の値。

モデル・実行構成	%
Fable 5.1max	この評価の公表値は未収録
Opus 5max	この評価の公表値は未収録
Fable 5max	この評価の公表値は未収録
Opus 4.8max	この評価の公表値は未収録
Sonnet 5max	この評価の公表値は未収録
Claude Sonnet 5.5low	この評価の公表値は未収録
Claude Opus 5.5	この評価の公表値は未収録
Claude Haiku 5.5max	この評価の公表値は未収録

OSWorld 2.1：1タスクの費用

OpenAIが公表した同じ評価の設定別の値。

モデル・実行構成	USD / タスク
Fable 5.1max	この評価の公表値は未収録
Opus 5max	この評価の公表値は未収録
Fable 5max	この評価の公表値は未収録
Opus 4.8max	この評価の公表値は未収録
Sonnet 5max	この評価の公表値は未収録
Claude Sonnet 5.5low	この評価の公表値は未収録
Claude Opus 5.5	この評価の公表値は未収録
Claude Haiku 5.5max	この評価の公表値は未収録

SMS迷惑判定：正答率

正解ラベルと一致した件数を500件で割った割合です。SMSは2分類、Banking77は77分類です。汎用知識やコード生成の能力は測っていません。

モデル・実行構成	%
Fable 5.1max	この評価の公表値は未収録
Opus 5max	この評価の公表値は未収録
Fable 5max	この評価の公表値は未収録
Opus 4.8max	この評価の公表値は未収録
Sonnet 5max	この評価の公表値は未収録
Claude Sonnet 5.5low	この評価の公表値は未収録
Claude Opus 5.5	この評価の公表値は未収録
Claude Haiku 5.5max	この評価の公表値は未収録

SMS迷惑判定：処理時間 p50

500要求の処理時間を小さい順に並べた中央値です。ネットワーク・提供環境・出力形式を含みます。最初の応答までの時間（TTFT）ではありません。

モデル・実行構成	ms
Fable 5.1max	この評価の公表値は未収録
Opus 5max	この評価の公表値は未収録
Fable 5max	この評価の公表値は未収録
Opus 4.8max	この評価の公表値は未収録
Sonnet 5max	この評価の公表値は未収録
Claude Sonnet 5.5low	この評価の公表値は未収録
Claude Opus 5.5	この評価の公表値は未収録
Claude Haiku 5.5max	この評価の公表値は未収録

SMS迷惑判定：処理時間 p95

500要求を昇順に並べ、floor(0.95 × (n − 1))番目を採った公開実装のp95です。遅い側の処理時間を示します。

モデル・実行構成	ms
Fable 5.1max	この評価の公表値は未収録
Opus 5max	この評価の公表値は未収録
Fable 5max	この評価の公表値は未収録
Opus 4.8max	この評価の公表値は未収録
Sonnet 5max	この評価の公表値は未収録
Claude Sonnet 5.5low	この評価の公表値は未収録
Claude Opus 5.5	この評価の公表値は未収録
Claude Haiku 5.5max	この評価の公表値は未収録

SMS迷惑判定：1,000件の費用

評価時の費用合計を件数で割り、1,000倍した金額です。APIの100万トークン単価や自社運用の費用とは異なります。

モデル・実行構成	1,000件あたり・USD
Fable 5.1max	この評価の公表値は未収録
Opus 5max	この評価の公表値は未収録
Fable 5max	この評価の公表値は未収録
Opus 4.8max	この評価の公表値は未収録
Sonnet 5max	この評価の公表値は未収録
Claude Sonnet 5.5low	この評価の公表値は未収録
Claude Opus 5.5	この評価の公表値は未収録
Claude Haiku 5.5max	この評価の公表値は未収録

Banking77問い合わせ分類：正答率

正解ラベルと一致した件数を500件で割った割合です。SMSは2分類、Banking77は77分類です。汎用知識やコード生成の能力は測っていません。

モデル・実行構成	%
Fable 5.1max	この評価の公表値は未収録
Opus 5max	この評価の公表値は未収録
Fable 5max	この評価の公表値は未収録
Opus 4.8max	この評価の公表値は未収録
Sonnet 5max	この評価の公表値は未収録
Claude Sonnet 5.5low	この評価の公表値は未収録
Claude Opus 5.5	この評価の公表値は未収録
Claude Haiku 5.5max	この評価の公表値は未収録

Banking77問い合わせ分類：処理時間 p50

500要求の処理時間を小さい順に並べた中央値です。ネットワーク・提供環境・出力形式を含みます。最初の応答までの時間（TTFT）ではありません。

モデル・実行構成	ms
Fable 5.1max	この評価の公表値は未収録
Opus 5max	この評価の公表値は未収録
Fable 5max	この評価の公表値は未収録
Opus 4.8max	この評価の公表値は未収録
Sonnet 5max	この評価の公表値は未収録
Claude Sonnet 5.5low	この評価の公表値は未収録
Claude Opus 5.5	この評価の公表値は未収録
Claude Haiku 5.5max	この評価の公表値は未収録

Banking77問い合わせ分類：処理時間 p95

500要求を昇順に並べ、floor(0.95 × (n − 1))番目を採った公開実装のp95です。遅い側の処理時間を示します。

モデル・実行構成	ms
Fable 5.1max	この評価の公表値は未収録
Opus 5max	この評価の公表値は未収録
Fable 5max	この評価の公表値は未収録
Opus 4.8max	この評価の公表値は未収録
Sonnet 5max	この評価の公表値は未収録
Claude Sonnet 5.5low	この評価の公表値は未収録
Claude Opus 5.5	この評価の公表値は未収録
Claude Haiku 5.5max	この評価の公表値は未収録

Banking77問い合わせ分類：1,000件の費用

評価時の費用合計を件数で割り、1,000倍した金額です。APIの100万トークン単価や自社運用の費用とは異なります。

モデル・実行構成	1,000件あたり・USD
Fable 5.1max	この評価の公表値は未収録
Opus 5max	この評価の公表値は未収録
Fable 5max	この評価の公表値は未収録
Opus 4.8max	この評価の公表値は未収録
Sonnet 5max	この評価の公表値は未収録
Claude Sonnet 5.5low	この評価の公表値は未収録
Claude Opus 5.5	この評価の公表値は未収録
Claude Haiku 5.5max	この評価の公表値は未収録

T-Rex：60秒生存率

5シードのうち60秒間生存した割合です。物理プランナーとshieldの介入を含む結果で、モデル単体の正確さや他用途への性能を示しません。

モデル・実行構成	%
Fable 5.1max	この評価の公表値は未収録
Opus 5max	この評価の公表値は未収録
Fable 5max	この評価の公表値は未収録
Opus 4.8max	この評価の公表値は未収録
Sonnet 5max	この評価の公表値は未収録
Claude Sonnet 5.5low	この評価の公表値は未収録
Claude Opus 5.5	この評価の公表値は未収録
Claude Haiku 5.5max	この評価の公表値は未収録

T-Rex：処理時間 p50の中央値

APIのJevとローカルRTX 4090のCLMは実行条件が異なります。通信・実行環境を含むシステムの時間で、モデル単体の速度比較には使えません。

モデル・実行構成	ms
Fable 5.1max	この評価の公表値は未収録
Opus 5max	この評価の公表値は未収録
Fable 5max	この評価の公表値は未収録
Opus 4.8max	この評価の公表値は未収録
Sonnet 5max	この評価の公表値は未収録
Claude Sonnet 5.5low	この評価の公表値は未収録
Claude Opus 5.5	この評価の公表値は未収録
Claude Haiku 5.5max	この評価の公表値は未収録

Terminal-Bench 4.1

Terminal-Benchは、AIエージェントがターミナルを使って作業を完了する能力を測るベンチマークです。4.1の解決率を0〜100%で示し、数値が高いほど多くの作業を完了できたことを表します。

モデル・実行構成	%
Claude Opus 5.5max	65.76
Claude Sonnet 5.5max	63.94
Fable 5.1xhigh	57.58
Fable 5.1max	57.27
Fable 5.1high	54.85
Fable 5.1medium	53.94
Opus 5xhigh	53.33
Opus 5max	52.12
Opus 5high	49.70
Opus 5medium	45.15
Fable 5max	44.85
Fable 5.1low	43.33
Opus 5low	34.85
Opus 4.8max	23.64
Sonnet 5max	12.12
Claude Haiku 5.5max	この評価の公表値は未収録

Terminal-Bench 4.1：実行コスト

Terminal-Bench 4.1で報告された、330試行の評価にかかった合計費用です。単位は米ドル（USD）で、数値が小さいほど低コストです。APIのトークン単価や月額料金とは異なります。

モデル・実行構成	330試行の合計・USD
Fable 5.1low	2,358.72
Opus 5low	2,393.88
Fable 5.1medium	2,832.90
Opus 5medium	3,191.59
Fable 5.1high	3,985.38
Opus 5high	4,662.27
Claude Opus 5.5max	4,718.65
Fable 5.1xhigh	4,872.04
Opus 5max	5,969.11
Opus 5xhigh	6,086.22
Fable 5.1max	6,243.50
Opus 4.8max	6,481.26
Fable 5max	7,265.01
Claude Sonnet 5.5max	7,333.64
Sonnet 5max	9,603.86
Claude Haiku 5.5max	この評価の公表値は未収録

Terminal-Bench 4.1：平均試行時間

Terminal-Bench 4.1で、1試行を終えるまでにかかった平均時間です。単位は秒で、数値が小さいほど短時間で試行を終えています。応答を返し始めるまでの待ち時間とは異なります。

モデル・実行構成	秒
Fable 5.1low	2,290.80
Fable 5.1medium	2,528.30
Opus 5low	2,947.30
Fable 5.1high	3,017.70
Fable 5.1xhigh	3,202.10
Opus 5medium	3,292.90
Opus 5high	3,822.20
Fable 5.1max	3,893.50
Fable 5max	4,202.80
Opus 5xhigh	4,514.70
Claude Opus 5.5max	4,790.40
Opus 5max	4,792.80
Opus 4.8max	5,163.00
Sonnet 5max	6,510.30
Claude Sonnet 5.5max	7,431.60
Claude Haiku 5.5max	この評価の公表値は未収録

Terminal-Bench-Science 0.1：スコア

OpenAIが公表した同じ評価の設定別の値。

モデル・実行構成	%
Fable 5.1max	この評価の公表値は未収録
Opus 5max	この評価の公表値は未収録
Fable 5max	この評価の公表値は未収録
Opus 4.8max	この評価の公表値は未収録
Sonnet 5max	この評価の公表値は未収録
Claude Sonnet 5.5low	この評価の公表値は未収録
Claude Opus 5.5	この評価の公表値は未収録
Claude Haiku 5.5max	この評価の公表値は未収録

Terminal-Bench-Science 0.1：1タスクの費用

OpenAIが公表した同じ評価の設定別の値。

モデル・実行構成	USD / タスク
Fable 5.1max	この評価の公表値は未収録
Opus 5max	この評価の公表値は未収録
Fable 5max	この評価の公表値は未収録
Opus 4.8max	この評価の公表値は未収録
Sonnet 5max	この評価の公表値は未収録
Claude Sonnet 5.5low	この評価の公表値は未収録
Claude Opus 5.5	この評価の公表値は未収録
Claude Haiku 5.5max	この評価の公表値は未収録

難しいプロンプトの事実誤認率：事実誤認率

OpenAIが公表した同じ評価の設定別の値。

モデル・実行構成	%
Fable 5.1max	この評価の公表値は未収録
Opus 5max	この評価の公表値は未収録
Fable 5max	この評価の公表値は未収録
Opus 4.8max	この評価の公表値は未収録
Sonnet 5max	この評価の公表値は未収録
Claude Sonnet 5.5low	この評価の公表値は未収録
Claude Opus 5.5	この評価の公表値は未収録
Claude Haiku 5.5max	この評価の公表値は未収録

難しいプロンプトの事実誤認率：1タスクの費用

OpenAIが公表した同じ評価の設定別の値。

モデル・実行構成	USD / タスク
Fable 5.1max	この評価の公表値は未収録
Opus 5max	この評価の公表値は未収録
Fable 5max	この評価の公表値は未収録
Opus 4.8max	この評価の公表値は未収録
Sonnet 5max	この評価の公表値は未収録
Claude Sonnet 5.5low	この評価の公表値は未収録
Claude Opus 5.5	この評価の公表値は未収録
Claude Haiku 5.5max	この評価の公表値は未収録

API料金

実行構成	種別・単価	適用条件・出典
Fable 5.1 / Anthropic standard API	input: 10 USD / 1M tokens	条件・出典 Claude API standard pricing; Fable 5.1 only, excluding fallback model usage モデルに対応する標準APIの単価。性能評価に使用された構成・実行費用とは別。（確認日 2026-09-27） platform.claude.com
Fable 5.1 / Anthropic standard API	output: 50 USD / 1M tokens	条件・出典 Claude API standard pricing; Fable 5.1 only, excluding fallback model usage モデルに対応する標準APIの単価。性能評価に使用された構成・実行費用とは別。（確認日 2026-09-27） platform.claude.com
Fable 5.1 / Anthropic standard API	cache: 0.25 USD / 1M tokens	条件・出典 Claude API standard pricing; Fable 5.1 only, excluding fallback model usage モデルに対応する標準APIの単価。性能評価に使用された構成・実行費用とは別。（確認日 2026-09-27） platform.claude.com
Claude Sonnet 5.5 / Anthropic standard API	input: 2 USD / 1M tokens	条件・出典 Claude API Standard。キャッシュ入力は読取料金。キャッシュ書込・Batch料金・別モデルへのフォールバック利用分は別。モデルに対応する標準APIの単価。性能評価に使用された構成・実行費用とは別。（確認日 2026-09-29） platform.claude.com
Claude Sonnet 5.5 / Anthropic standard API	output: 10 USD / 1M tokens	条件・出典 Claude API Standard。キャッシュ入力は読取料金。キャッシュ書込・Batch料金・別モデルへのフォールバック利用分は別。モデルに対応する標準APIの単価。性能評価に使用された構成・実行費用とは別。（確認日 2026-09-29） platform.claude.com
Claude Sonnet 5.5 / Anthropic standard API	cache: 0.1 USD / 1M tokens	条件・出典 Claude API Standard。キャッシュ入力は読取料金。キャッシュ書込・Batch料金・別モデルへのフォールバック利用分は別。モデルに対応する標準APIの単価。性能評価に使用された構成・実行費用とは別。（確認日 2026-10-08T15:06:01.964296+09:00） platform.claude.com
Claude Opus 5.5 / Anthropic standard API	input: 4 USD / 1M tokens	条件・出典 Claude API standard rate; cache read only, excluding 5-minute/1-hour cache writes and fast mode モデルに対応する標準APIの単価。性能評価に使用された構成・実行費用とは別。（確認日 2026-09-27） platform.claude.com
Claude Opus 5.5 / Anthropic standard API	output: 20 USD / 1M tokens	条件・出典 Claude API standard rate; cache read only, excluding 5-minute/1-hour cache writes and fast mode モデルに対応する標準APIの単価。性能評価に使用された構成・実行費用とは別。（確認日 2026-09-27） platform.claude.com
Claude Opus 5.5 / Anthropic standard API	cache: 0.2 USD / 1M tokens	条件・出典 Claude API standard rate; cache read only, excluding 5-minute/1-hour cache writes and fast mode モデルに対応する標準APIの単価。性能評価に使用された構成・実行費用とは別。（確認日 2026-09-27） platform.claude.com