Claude Sonnet 5レビュー｜性能・料金をOpus 4.8／GPT-5.5と比較

2026年7月11日 ・ 久保一成

#Claude#Sonnet 5#AIモデル#ベンチマーク#生成AI

Claude Sonnet 5が一般公開されました。

そしてこの元動画の編集はすべてClaude CodeでClaude Sonnet 5が作っています。普段通り、人間用の編集ソフトを開いていません。普段のOpus編集版と比べてどうでしょうか？

Sonnet 5のコーディング能力は、ハーネスの設計があれば、この元動画の品質くらいは自動で編集できるみたいです。

結論から先に。Sonnet 5はコーディング能力のベンチマークがOpus 4.8に迫る勢いで高いです。ただ、実際の使用感としてはコーディング用途としてSonnet 5でガンガン開発していくという発想にはなりにくいと思います。

むしろ、Sonnet 5は、ホワイトワーカーの実務や知識労働の分野では結構使えそうというのが感想です。Sonnet 5は知識労働力のベンチであるGDPvalやReal-World Finance v2のようなベンチマークでOpus 4.8を上回っています。もちろんコストもOpus 4.8より安いです。

1章　Claude Sonnet 5の性能をベンチマーク比較

特にターミナル作業・PC操作・ツール込み推論のスコアはけっこう高いです。

公式ベンチ比較表

AnthropicはSonnet 5をすでに全プランで利用可能です。

ではSonnet 5を、Opus 4.8、Fable 5、GPT-5.5、Gemini 3.5 Flashと具体的に比較していきましょう。

Sonnet 5はSonnet 4.6から何が変わったのか

Anthropic自身は、Sonnet 5はこれまでで最もエージェント的なSonnetモデルと位置付けています。計画を立てる、ブラウザやターミナルなどのツールを使う、そして人間が細かく指示しなくてもタスクを継続する能力が強化されています。

まずコーディング。SWE-Bench Proでは、Sonnet 5が63.2%。Sonnet 4.6は58.1%。Opus 4.8は69.2%。

Sonnet 5は前世代Sonnetからしっかり上がって、Opus 4.8との差を縮めています。

次に、エージェント的なターミナル操作を見るTerminal-Bench 2.1。Sonnet 5は80.4%。Sonnet 4.6は67.0%。Opus 4.8は82.7%。

ターミナル作業では、Sonnet 5がOpus 4.8にかなり接近しています。

さらに、PC操作系のOSWorld-Verified。Sonnet 5は81.2%。Sonnet 4.6は78.5%。Opus 4.8は83.4%。

そして知識作業のGDPval-AA v2では、Sonnet 5が1618、Opus 4.8が1615。この表の中では、わずかにSonnet 5が上です。

Sonnet 5はコーディングもそれなりに高水準でできます。実際にこの元動画の編集はすべてSonnet 5がClaude CodeでReactとCSSで作っています。ただ、それ以上に知識労力で利用する価値の方が高い可能性がある。ホワイトワーカーの現場仕事において、より優秀なモデルであるという意味です。

GPT-5.5と比べる

次に、OpenAIのGPT-5.5です。

OpenAI公式では、GPT-5.5は複雑な実務、コーディング、オンライン調査、情報分析、ドキュメントやスプレッドシート作成、ツール横断作業を想定したモデルとして説明されています。

ベンチで見ると、GPT-5.5はSWE-Bench Proで58.6%。Sonnet 5は**63.2%**なので、AnthropicとOpenAIの公式値ベースでは、SWE-Bench ProはSonnet 5が上です。

OSWorld-Verifiedでは、GPT-5.5が78.7%。Sonnet 5は81.2%。

Humanity’s Last Examのno toolsでは、GPT-5.5が41.4%。Sonnet 5は43.2%。

with toolsでは、GPT-5.5が52.2%。Sonnet 5は57.4%。

なので、少なくとも今日見ている公式ベンチでは、Sonnet 5はGPT-5.5に対して、コーディング、PC操作、ツール込み推論で凌駕している結果となっています。

ただし、GPT-5.5には別の強みがあります。OpenAIはGPT-5.5を、ChatGPTとCodexでの複雑な実務に向けたモデルとして位置づけていて、GDPval、BrowseComp、Tau2-bench Telecomなど、幅広い業務系・ツール系ベンチも出しています。たとえば、GPT-5.5はBrowseCompで84.4%、Tau2-bench Telecomで**98.0%**と発表されています。

そして、ベンチマーク以上に実際にGPT-5.5をCodexで利用しているユーザーからの評価は高い。Codex＋GPT-5.5がClaude Code＋Sonnet 5より、コーディング能力が低いとは正直思えないですね。Codex＋GPT-5.5はユーザー体験的に、Claude Code＋Opus 4.8とほぼ同等、どっちが勝っていてもおかしくない水準だったからです。

Gemini 3.5 Flashと比べる

次に、GoogleのGemini 3.5 Flashです。

GoogleはGemini 3.5 Flashを、エージェントとコーディング向けのFlashモデルとして出しています。公式ブログでは、Terminal-Bench 2.1が76.2%、GDPval-AAが1656 Elo、MCP Atlasが83.6%、CharXiv Reasoningが**84.2%**と説明しています。さらに、出力トークン速度では他のフロンティアモデルより4倍速いとも書いています。

Google DeepMindのモデルカードを見ると、Gemini 3.5 FlashはSWE-Bench Proで55.1%、Terminal-Bench 2.1で76.2%、OSWorld-Verifiedで78.4%、Humanity’s Last Examで**40.2%**です。

これをSonnet 5と比べると、Sonnet 5はSWE-Bench Proで63.2%、Terminal-Bench 2.1で80.4%、OSWorld-Verifiedで81.2%、HLE no toolsで43.2%。この範囲ではSonnet 5が上です。

ただし、Gemini 3.5 Flashの強みは価格と速度です。

API価格で比較しましょう。

Sonnet 5は、入力3ドル / 出力15ドル。（8月31日までは入力2ドル、出力10ドルのディスカウント期間です。）Opus 4.8は5ドル / 25ドル。Fable 5は10ドル / 50ドル。GPT-5.5は5ドル / 30ドル。Gemini 3.5 Flashは1.50ドル / 9ドルです。

コストだけで見ると、Gemini 3.5 Flashがかなり安い。Sonnet 5はOpus 4.8より安く、しかもベンチではOpusに近い。GPT-5.5は出力が30ドルなので、Sonnet 5の標準価格15ドルと比べると高めです。

ちょっとした注意点もあります。Sonnet 5では新しいトークナイザーが導入されました。トークナイザーとは文章をトークンに分解する仕組みのことです。同じ入力でも内容によってだいたい1.0倍から1.35倍のインプットトークン消費量になる可能性があるとされます。そこだけは頭の片隅に入れておきましょう。

最後に、安全性です。

AnthropicはSonnet 5について、Sonnet 4.6より悪い振る舞いの挙動が減っています。Misaligned behaviorのスコアはSonnet 4.6が2.89、Sonnet 5が2.53。低い方が安全寄りなので、前モデルより改善しています。

ただ一方で、Opus 4.8は2.10、Mythos Previewは1.95なので、上位モデルと比べるとSonnet 5はまだ及んでいません。

サイバー能力（ハッキングやパッチ生成能力）についてはまあ比較しても仕方がないです。そういった意図のモデルではないということです。米国政府からもスルーされています。

SWE-Bench Pro、Terminal-Bench、OSWorld、Humanity’s Last Examを見ると、Sonnet 5はGPT-5.5やGemini 3.5 Flashの水準を超えています。特にHumanity’s Last Exam（専門分野の超難問ベンチ）の高さはちょっと意外。ここに加えて知識労働能力を図るGDPvalやReal-World Finance v2はOpus 4.8を超えているため、ホワイトカラーが実務で使うにはいいかもしれないという感想です。

2章　Sonnet 5とOpus 4.8の動画・資料作成品質を比較

Claude Designを用いて、Sonnet 5とOpus 4.8に資料作成と動画作成をしてもらいました。全く同じプロンプトを投げています。早速比較してみましょう。

まずは、動画作成から。

お題のプロンプトはこちら。「最高品質の3Dアニメーションで、「クリスタルガラスのコップに注がれた、鮮やかなエメラルドグリーンのメロンソーダ。その中に、真っ赤なイチゴとみずみずしいオレンジのスライスが、大量のシュワシュワとした炭酸の泡と一緒に浮かんでいる。背景はバーのカウンターで、背後の光がグラスと液体を透過して、テーブルの上にカラフルな光の模様（コースティクス）を描き出している。」

結構難しいことお願いしました。

まずはSonnet 5から。

Sonnetは液体を注ぐという難しい作業に挑戦しているので、まあその難易度を考えるとそこそこの出来なんですが、「ただちょっと、こぼれてますから！（笑）。あとこれは2Dでは？」

次にOpus 4.8。

Opusのはちょっと普通に完成度高いですね。こんな描画能力高かったでしたっけ？（笑）ちょっと差がありすぎて、これはもうOpusの完勝ですわ。

次に資料作成の品質比較。まずはSonnet 5から。

十分に綺麗にまとまってますね。

次にOpus 4.8。

うん、Opusの方が良い（笑）。やはり細部の作り込みも、表現力という観点でも明確にOpus 4.8の方が良いですね、資料作成でも。

こうやって、コーディング能力で比較すると差が出ます。正直思ってたよりも差がつきました。Sonnet 5は、コーディングモデルとしては必要十分なレベルにとどまり、どちらかというと非エンジニアのナレッジワークや、AIをエージェント化して使うという用途で真価があるモデルなんでしょう。知識労働業務として専門業務の担う仕事のベンチマークでOpus 4.8を超えています。しかも安い。

コーディング能力に関しても、Opus 4.8の方が確かに高いですが、それでも一般的なAIモデルと比べると普通に高い。この元動画をReactとCSSのRemotionのみで編集できるくらいにはコーディング能力は高いです。

だから、ガチガチのエンジニアやバイブコーディングガチ勢の方が、コーディングで使うメインモデルになることはおそらくない。普通にOpus 4.8を使うと思います。

で、僕が実務にSonnet 5を使うかというと、正直使いません。Opus 4.8の5時間リミットは確かに毎日のように制限がかかっているのでコスト的にSonnetに優位性が良いのは分かります。

ただ、ナレッジワークに強いといえど、僕の業務内容（リサーチ、執筆、動画編集、経営顧問など）では、今のところオーケストレーションに組み込む部分がないという判断でした。あくまで業務業態によりますので、僕の業務では使うところがなかったということです。

一方で、AIエージェントという視点では、本来はSonnetが入る余地はあるんだとは思います。例えばOpenCrawやHermes Agentなどの自立型AIエージェントシステムを使う場合など。ただ、それでも今のところ用途は限定されるかなというのが正直な感想。OpusよりはAPIコストが安いですが、今から一般公開を控えているChatGPT5.6 Terraの方が安く、Terraは一応ベンチマーク上はClaude Fable級ということになっています。（実際の使用感はまだ不明ですが。）

明日からの動画作成もやはりOpus 4.8で進めますし、情報リサーチもChatGPT＋Perplexityのやり方が現状最善だと思います。

全然悪くないモデルなんですが、現状の各社のモデル群では用途は限定的になりそうという感想でした。うん、やっぱりFable 5の一般再公開のインパクトが強いですね。

また、そちらもリリース再開されれば検証します！