AIモデル比較ラボ — 性能・トークン単価・簡易コスパ 2026

AIモデル比較ラボ

主要AIモデル（OpenAI / Anthropic / Google / SpaceXAI）の総合知能指数・Coding Agent Index・トークン単価・簡易コスパを一覧比較。モデル選定の判断材料を透明に示すことが目的であり、特定モデルの断定的な推奨はしません。

参照データ更新日: 2026-09-30（Claude Opus 5.5 / Sonnet 5.5・GPT-6.1 Sol / GPT-6 Sol / Luna・Grok 4.7・Gemini 3.8 Flash を追加） artificialanalysis.ai 数値はすべて参考値
指数出典: Artificial Analysis（Intelligence Index v4.3.2） | 価格出典: 各社公式ページ・artificialanalysis.ai個別モデルページ

⚠ Coding Agent Index はモデル単体の成績ではありません。 「モデル＋推論レベル＋エージェント基盤」（例: GPT-5.6 Sol + Codex、Claude系 + Claude Code、Grok 4.5 + Grok Build）の組み合わせ評価です。異なるIDEやCLIで同じ点数が再現される保証はありません。

指標の定義

総合知能指数 = Artificial Analysis Intelligence Index v4.3.2（v4.3の改訂版）。AA-Briefcase、GDPval-AA v2、AutomationBench-AA、Terminal-Bench v4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1 の10評価の合成値。高いほど総合的な推論・知識・科学・コーディング能力が高い。v4.1とはスケールが異なり単純比較不可。
Coding Agent Index = DeepSWE、Terminal-Bench v2、SWE-Atlas-QnA で構成されるコーディングエージェント評価。
入力/出力単価 = 100万トークンあたりの標準価格（USD）。推論モデルは出力側の費用が支配的になりやすい。

簡易混合価格の計算式

「入力80万 + 出力20万 = 計100万トークン」の仮想ワークロードで比較する簡易指標です。

簡易混合価格 = 入力単価 × 0.8 + 出力単価 × 0.2
知能/簡易価格 = 総合知能指数 ÷ 簡易混合価格

これは実際のエージェント費用ではありません。キャッシュ、推論トークン量、再試行、ツール呼び出し、長文料金を無視しています。

数値を鵜呑みにできない理由

ベンチマークは実務そのものではない。数点差は常に体感できる絶対差ではない。
推論レベルを上げると性能と消費量が同時に上がる。
Codex、Claude Code、Grok Build などエージェント基盤の差が大きい。
Claude Sonnet 5 は新Tokenizerが同じ文章を約30％多いトークンに分割するため、同じ名目単価でも請求トークンが増える可能性が公式に明記されている。
Gemini 3.5 Flash は同価格帯の推論モデルより出力トークン量が多めと報告されている。
Artificial Analysis の指数は評価バージョン更新で変動する。