2025年最新版：人気AIモデル徹底比較ガイド完全版

Last updated at 2025-11-15Posted at 2025-11-15

AIモデルの包括的パフォーマンス比較分析 🚀

品質、価格、出力速度、レイテンシ、コンテキストウィンドウなど、主要なパフォーマンス指標を横断してAIモデルを徹底比較・分析します。各モデルをクリックすると詳細なメトリクスを確認できます。方法論を含む詳細については、FAQセクションをご覧ください。

モデル比較サマリー 📊

インテリジェンス(知性)

GPT-5.1 (high) と GPT-5 Codex (high) が最高のインテリジェンスを誇るモデルであり、その後に GPT-5 (high) と Kimi K2 Thinking が続きます。

出力速度(トークン/秒)

Gemini 2.5 Flash-Lite (Sep)(662 t/s)と Gemini 2.5 Flash-Lite(479 t/s)が最速のモデルで、次いで Gemini 2.5 Flash-Lite (Sep) と gpt-oss-120B (high) が続いています。

レイテンシ(秒) ⚡

Command-R(0.21秒)と Apriel-v1.5-15B-Thinker(0.21秒)が最も低いレイテンシを実現しており、次に DeepSeek-OCR と Llama Nemotron Super 49B v1.5 が続きます。

価格(100万トークンあたりのドル) 💰

Gemma 3n E4B($0.03)と Ministral 3B($0.04)が最も安価なモデルで、次いで Gemma 2 9B と DeepSeek-OCR となっています。

コンテキストウィンドウ

Llama 4 Scout(10m)と MiniMax-Text-01(4m)が最大のコンテキストウィンドウを持つモデルで、その後に Grok 4 Fast が続きます。

ハイライト指標 ✨

インテリジェンス

Artificial Analysis Intelligence Index(数値が高いほど優れています)

モデル名	スコア
GPT-5.1(high)	70
Kimi K2 Thinking	67
Grok 4	65
Claude 4.5 Sonnet	63
MiniMax-M2	61
gpt-oss-120B(high)	61
Grok 4 Fast	60
Gemini 2.5 Pro	60
Qwen3 235B A22B 2507	57
DeepSeek V3.2 Exp	57
Gemini 2.5 Flash (Sep)	54
Llama 4 Maverick	36

スピード

出力トークン/秒(数値が高いほど優れています)

モデル名	速度 (t/s)
gpt-oss-120B(high)	350
Gemini 2.5 Flash (Sep)	267
Grok 4 Fast	223
GPT-5.1(high)	196
Gemini 2.5 Pro	148
Llama 4 Maverick	121
MiniMax-M2	99
Kimi K2 Thinking	84
Qwen3 235B A22B 2507	82
Claude 4.5 Sonnet	62
Grok 4	39
DeepSeek V3.2 Exp	28

価格

100万トークンあたりのUSD(数値が低いほど優れています)

モデル名	価格 ($)
gpt-oss-120B(high)	0.3
Grok 4 Fast	0.3
DeepSeek V3.2 Exp	0.3
Llama 4 Maverick	0.4
MiniMax-M2	0.5
Gemini 2.5 Flash (Sep)	0.8
Kimi K2 Thinking	1.1
Qwen3 235B A22B 2507	2.6
GPT-5.1(high)	3.4
Gemini 2.5 Pro	3.4
Claude 4.5 Sonnet	6.0
Grok 4	6.0

ナビゲーション 🧭

インテリジェンス

Intelligence Index比較
Intelligence Indexトークン使用量とコスト

速度

レイテンシ(エンドツーエンド応答時間)

モデルサイズ(オープンウェイトモデルのみ)

プロンプトオプション

並列クエリ:

単一
複数(1kトークンのみ)

プロンプト長:

100トークン
1kトークン
10kトークン
100kトークン
コーディング(1kトークン)

インテリジェンス詳細分析 🧠

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v3.0は、10種類の評価を統合しています:

MMLU-Pro
GPQA Diamond
Humanity's Last Exam
LiveCodeBench
SciCode
AIME 2025
IFBench
AA-LCR
Terminal-Bench Hard
𝜏²-Bench Telecom

333モデル中23モデルを表示

モデル名	スコア
GPT-5.1(high)	70
GPT-5 Codex(high)	68
Kimi K2 Thinking	67
Grok 4	65
Claude 4.5 Sonnet	63
MiniMax-M2	61
gpt-oss-120B(high)	61
Grok 4 Fast	60
Gemini 2.5 Pro	60
Qwen3 235B A22B 2507	57
DeepSeek V3.2 Exp	57
GLM-4.6	56
Claude 4.5 Haiku	55
Gemini 2.5 Flash(Sep)	54
gpt-oss-20B(high)	52
Magistral Medium 1.2	52
DeepSeek R1 0528	52
Apriel-v1.5-15B-Thinker	52
Kimi K2 0905	50
Llama Nemotron Super 49B v1.5	45
GPT-5.1	43
EXAONE 4.0 32B	43
Llama 4 Maverick	36

Artificial Analysis Intelligence Indexについて

複数のインテリジェンス次元をカバーする複合メトリクスで、モデルの賢さを比較する最もシンプルな方法です。バージョン3.0は2025年9月にリリースされ、10種類の評価を統合しています。各評価の詳細と実行方法については、Intelligence Index方法論をご覧ください。

オープンウェイト vs. プロプライエタリ 📦

オープンウェイトとは:

モデルの重みが利用可能かどうかを示します。重みは利用可能だが商用利用が制限されている場合(通常、有償ライセンスの取得が必要)、モデルには「商用利用制限あり」とラベル付けされます。

インテリジェンス評価項目詳細 📝

Artificial Analysisによって独立して測定されたインテリジェンス評価(数値が高いほど優れています)

10評価項目のうち10項目、333モデル中23モデルを表示

1. Terminal-Bench Hard(エージェンティックコーディング&ターミナル使用)

モデル名	スコア
GPT-5.1(high)	43%
Grok 4	38%
GPT-5 Codex(high)	36%
Claude 4.5 Sonnet	33%
DeepSeek V3.2 Exp	29%
Kimi K2 Thinking	29%
Claude 4.5 Haiku	26%
Gemini 2.5 Pro	25%
MiniMax-M2	24%
GLM-4.6	23%
Kimi K2 0905	23%
gpt-oss-120B(high)	22%

2. 𝜏²-Bench Telecom(エージェンティックツール使用) 🔧

モデル名	スコア
Kimi K2 Thinking	93%
GPT-5 Codex(high)	87%
MiniMax-M2	87%
GPT-5.1(high)	82%
Claude 4.5 Sonnet	78%
Grok 4	75%
Kimi K2 0905	73%
GLM-4.6	71%
Apriel-v1.5-15B-Thinker	68%
gpt-oss-120B(high)	66%
Grok 4 Fast	66%
gpt-oss-20B(high)	60%

3. AA-LCR(長文コンテキスト推論) 💡

モデル名	スコア
GPT-5.1(high)	75%
Claude 4.5 Haiku	70%
GPT-5 Codex(high)	69%
DeepSeek V3.2 Exp	69%
Grok 4	68%
Qwen3 235B A22B 2507	67%
Kimi K2 Thinking	66%
Gemini 2.5 Pro	66%
Claude 4.5 Sonnet	66%
Grok 4 Fast	65%
Gemini 2.5 Flash(Sep)	64%
MiniMax-M2	61%

4. Humanity's Last Exam(推論と知識) ⚠️

モデル名	スコア
GPT-5.1(high)	26.5%
GPT-5 Codex(high)	25.6%
Grok 4	23.9%
Kimi K2 Thinking	22.3%
Gemini 2.5 Pro	21.1%
gpt-oss-120B(high)	18.5%
Claude 4.5 Sonnet	17.3%
Grok 4 Fast	17.0%
Qwen3 235B A22B 2507	15.0%
DeepSeek R1 0528	14.9%

5. MMLU-Pro(推論と知識)

モデル名	スコア
Claude 4.5 Sonnet	88%
GPT-5.1(high)	87%
Grok 4	87%
GPT-5 Codex(high)	87%
Gemini 2.5 Pro	86%
DeepSeek V3.2 Exp	85%
Grok 4 Fast	85%
DeepSeek R1 0528	85%
Kimi K2 Thinking	85%
Qwen3 235B A22B 2507	84%

6. GPQA Diamond(科学的推論)

モデル名	スコア
Grok 4	88%
GPT-5.1(high)	87%
Grok 4 Fast	85%
Gemini 2.5 Pro	84%
Kimi K2 Thinking	84%
GPT-5 Codex(high)	84%
Claude 4.5 Sonnet	83%
DeepSeek R1 0528	81%
DeepSeek V3.2 Exp	80%
Gemini 2.5 Flash(Sep)	79%

7. LiveCodeBench(コーディング)

モデル名	スコア
gpt-oss-120B(high)	88%
GPT-5.1(high)	87%
Kimi K2 Thinking	85%
GPT-5 Codex(high)	84%
Grok 4 Fast	83%
MiniMax-M2	83%
Grok 4	82%
Gemini 2.5 Pro	80%
DeepSeek V3.2 Exp	79%
Qwen3 235B A22B 2507	79%

8. SciCode(コーディング)

モデル名	スコア
Grok 4	46%
Claude 4.5 Sonnet	45%
Grok 4 Fast	44%
GPT-5.1(high)	43%
Claude 4.5 Haiku	43%
Gemini 2.5 Pro	43%
Kimi K2 Thinking	42%
Qwen3 235B A22B 2507	42%
GPT-5 Codex(high)	41%
Gemini 2.5 Flash(Sep)	41%

9. IFBench(指示追従)

モデル名	スコア
GPT-5 Codex(high)	74%
GPT-5.1(high)	73%
MiniMax-M2	72%
gpt-oss-120B(high)	69%
Kimi K2 Thinking	68%
gpt-oss-20B(high)	65%
Apriel-v1.5-15B-Thinker	62%
Claude 4.5 Sonnet	57%
Claude 4.5 Haiku	54%
DeepSeek V3.2 Exp	54%

10. AIME 2025(競技数学)

モデル名	スコア
GPT-5 Codex(high)	99%
Kimi K2 Thinking	95%
GPT-5.1(high)	94%
gpt-oss-120B(high)	93%
Grok 4	93%
Qwen3 235B A22B 2507	91%
Grok 4 Fast	90%
gpt-oss-20B(high)	89%
Claude 4.5 Sonnet	88%
Gemini 2.5 Pro	88%

Intelligence Index比較分析

インテリジェンス vs. 価格

Artificial Analysis Intelligence Index; 価格:100万トークンあたりのUSD

333モデル中23モデルを表示

最も魅力的な象限:

価格とインテリジェンスのバランスを示すグラフでは、以下のようなモデルの分布が確認できます:

高インテリジェンス・高価格帯: GPT-5.1(high)、Grok 4、Claude 4.5 Sonnet
高インテリジェンス・中価格帯: Kimi K2 Thinking、Gemini 2.5 Pro
中インテリジェンス・低価格帯: Gemini 2.5 Flash(Sep)、DeepSeek V3.2 Exp、Llama 4 Maverick

価格品質の変動

高インテリジェンスモデルは通常より高価ですが、すべてが同じ価格品質曲線に従うわけではありません。一部のモデルは、コストパフォーマンスにおいて優れた価値を提供しています。

Intelligence Indexトークン使用量とコスト

Intelligence Indexトークン使用量

Artificial Analysis Intelligence Indexを実行するために使用された出力トークン数

すべての評価を実行するために使用されたトークン数(333モデル中23モデル)

モデル名	合計トークン	回答トークン	推論トークン
Kimi K2 Thinking	140M	130M	10M(推定)
Grok 4	120M	120M	-
MiniMax-M2	120M	110M	10M(推定)
gpt-oss-120B(high)	110M	110M	-
Apriel-v1.5-15B-Thinker	110M	110M	-
Llama Nemotron Super 49B v1.5	110M	100M	10M(推定)
Qwen3 235B A22B 2507	110M	100M	10M(推定)
EXAONE 4.0 32B	100M	96M	4M(推定)
Gemini 2.5 Pro	100M	89M	11M(推定)
DeepSeek R1 0528	99M	91M	8M(推定)

Intelligence Indexコスト

Artificial Analysis Intelligence Indexを実行するためのコスト(USD)

すべての評価を実行するためのコスト(333モデル中23モデル)

モデル名	合計コスト
Grok 4	$1,888
Gemini 2.5 Pro	$1,068
Qwen3 235B A22B 2507	$934
GPT-5.1(high)	$859
GPT-5 Codex(high)	$829
Claude 4.5 Sonnet	$817
Magistral Medium 1.2	$497
DeepSeek R1 0528	$440

コンテキストウィンドウ分析

インテリジェンス vs. コンテキストウィンドウ

コンテキストウィンドウ:トークン上限(数値が高いほど優れています)

333モデル中23モデル

モデル名	コンテキストウィンドウ
Grok 4 Fast	2.00M
Llama 4 Maverick	1.00M
Kimi K2 Thinking	1.00M
Kimi K2 0905	1.00M
Qwen3 235B A22B 2507	1.00M
MiniMax-M2	400k
Claude 4.5 Haiku	400k
GLM-4.6	400k
gpt-oss-20B(high)	256k
gpt-oss-120B(high)	256k
EXAONE 4.0 32B	256k
Magistral Medium 1.2	256k
DeepSeek R1 0528	205k
DeepSeek V3.2 Exp	200k
Llama Nemotron Super 49B v1.5	200k
Apriel-v1.5-15B-Thinker	131k
Gemini 2.5 Flash(Sep)	131k
Gemini 2.5 Pro	128k
Claude 4.5 Sonnet	128k
GPT-5.1	128k
GPT-5.1(high)	128k
GPT-5 Codex(high)	128k
Grok 4	128k

コンテキストウィンドウとRAGワークフロー 🤖

より大きなコンテキストウィンドウは、RAG(Retrieval Augmented Generation)を活用したLLMワークフローにおいて重要な役割を果たします。これらのワークフローでは、通常、膨大なデータの推論と情報検索が伴います。

コンテキストウィンドウとは:

入力トークンと出力トークンを合わせた最大数。出力トークンは通常、モデルによって異なりますが、入力トークンよりも大幅に低い制限があります。

価格設定 💰

入力・出力価格

価格:100万トークンあたりのUSD

333モデル中23モデル

モデル名	入力価格 ($)	出力価格 ($)
gpt-oss-20B(high)	0.06	0.20
Llama Nemotron Super 49B v1.5	0.10	0.40
DeepSeek V3.2 Exp	0.28	0.42
Grok 4 Fast	0.20	0.50
gpt-oss-120B(high)	0.15	0.60
Llama 4 Maverick	0.27	0.85
MiniMax-M2	0.30	1.20
EXAONE 4.0 32B	0.60	1.00
GLM-4.6	0.60	2.20
Gemini 2.5 Flash(Sep)	0.30	2.50
Kimi K2 Thinking	0.60	2.50
Kimi K2 0905	0.99	2.50
DeepSeek R1 0528	1.35	4.00
Claude 4.5 Haiku	1.00	5.00
Magistral Medium 1.2	2.00	5.00
Qwen3 235B A22B 2507	0.70	8.40
GPT-5.1	1.25	10.00
GPT-5.1(high)	1.25	10.00
GPT-5 Codex(high)	1.25	10.00
Gemini 2.5 Pro	1.25	10.00
Claude 4.5 Sonnet	3.00	15.00
Grok 4	3.00	15.00

入力価格について:

APIに送信されるリクエスト/メッセージに含まれるトークンあたりの価格。100万トークンあたりのUSDで表示されます。

速度分析 🚀

出力速度

1秒あたりの出力トークン数(高いほど良い)

333モデル中23モデル

モデル名	出力速度 (t/s)
gpt-oss-120B(high)	350
Gemini 2.5 Flash(Sep)	267
gpt-oss-20B(high)	239
Grok 4 Fast	223
GPT-5.1(high)	196
Gemini 2.5 Pro	148
Apriel-v1.5-15B-Thinker	144
GPT-5 Codex(high)	131
GPT-5.1	125
Llama 4 Maverick	121
GLM-4.6	109
MiniMax-M2	99
Magistral Medium 1.2	94
EXAONE 4.0 32B	92
Kimi K2 Thinking	84
Qwen3 235B A22B 2507	82
Llama Nemotron Super 49B v1.5	72
Claude 4.5 Sonnet	62
Kimi K2 0905	60
Claude 4.5 Haiku	52
Grok 4	39
DeepSeek V3.2 Exp	28

出力速度について:

モデルがトークンを生成している間に1秒あたりに受信されるトークン数(つまり、ストリーミングをサポートするモデルの場合、APIから最初のチャンクが受信された後)。

レイテンシ分析 ⚡

最初の回答トークンまでの時間

最初の回答トークンを受信するまでの秒数(低いほど良い)

333モデル中23モデル

モデル名	レイテンシ (秒)	思考時間 (秒)
Kimi K2 0905	0.5	-
Llama 4 Maverick	0.6	-
GPT-5.1	0.7	-
Grok 4 Fast	3.1	-
gpt-oss-120B(high)	6.2	-
Grok 4	6.7	-
gpt-oss-20B(high)	8.7	-
Gemini 2.5 Flash(Sep)	13.9	-
Apriel-v1.5-15B-Thinker	14.1	-
GLM-4.6	18.9	-
GPT-5.1(high)	20.2	8.4
MiniMax-M2	21.4	13.9
Magistral Medium 1.2	21.8	-
EXAONE 4.0 32B	22.1	-
Kimi K2 Thinking	24.4	18.4
Qwen3 235B A22B 2507	25.5	20.3
GPT-5 Codex(high)	26.0	21.3
Llama Nemotron Super 49B v1.5	28.0	21.8
Claude 4.5 Sonnet	34.2	23.8
Gemini 2.5 Pro	38.0	24.3
Claude 4.5 Haiku	39.1	27.8
DeepSeek V3.2 Exp	73.1	71.9

最初の回答トークンまでの時間について:

APIリクエスト送信後、最初の回答トークンを受信するまでの時間(秒)。推論モデルの場合、これには回答を提供する前のモデルの「思考」時間が含まれます。

エンドツーエンド応答時間

500トークンを出力するまでの秒数(低いほど良い)

333モデル中23モデル

モデル名	合計時間 (秒)	思考時間 (秒)	入力処理 (秒)	出力時間 (秒)
Llama 4 Maverick	4.7	-	-	4.7
GPT-5.1	4.7	-	-	4.7
Grok 4 Fast	5.3	-	-	5.3
gpt-oss-120B(high)	7.6	-	-	7.6
Kimi K2 0905	8.9	-	-	8.9
gpt-oss-20B(high)	10.8	-	-	10.8
Gemini 2.5 Flash(Sep)	15.8	-	13.9	-
Apriel-v1.5-15B-Thinker	17.6	-	-	17.6
Grok 4	19.7	-	-	19.7
GPT-5.1(high)	22.7	20.2	-	-
GLM-4.6	23.5	-	18.0	-
MiniMax-M2	26.5	26.0	-	-
Magistral Medium 1.2	27.1	-	-	27.1
EXAONE 4.0 32B	27.6	-	-	27.6
GPT-5 Codex(high)	29.8	-	-	29.8
Kimi K2 Thinking	30.4	-	-	30.4
Qwen3 235B A22B 2507	31.6	-	-	31.6
Llama Nemotron Super 49B v1.5	35.0	-	-	35.0
Gemini 2.5 Pro	41.4	38.0	-	-
Claude 4.5 Sonnet	42.3	-	-	42.3
Claude 4.5 Haiku	48.7	-	-	48.7
DeepSeek V3.2 Exp	91.1	71.9	-	-

エンドツーエンド応答時間について:

500トークンの応答を受信するまでの秒数。主要な構成要素:

入力時間: 最初の応答トークンを受信するまでの時間
思考時間(推論モデルのみ): 推論モデルが回答を提供する前に推論するためにトークンを出力するのに費やす時間
回答時間: 出力速度に基づいて500個の出力トークンを生成するまでの時間

モデルサイズ(オープンウェイトモデルのみ) 🔧

総パラメータ数とアクティブパラメータ数

モデルの総パラメータ数と推論時にアクティブなパラメータ数の比較

333モデル中23モデル

モデル名	総パラメータ (B)	アクティブパラメータ (B)	パッシブパラメータ (B)
Kimi K2 Thinking	1000	1000	-
Kimi K2 0905	1000	1000	-
DeepSeek R1 0528	685	685	-
DeepSeek V3.2 Exp	685	685	-
Llama 4 Maverick	402	370	32
GLM-4.6	357	325	32
Qwen3 235B A22B 2507	235	235	-
MiniMax-M2	230	208	22
gpt-oss-120B(high)	117	117	-
Llama Nemotron Super 49B v1.5	49	39	10
EXAONE 4.0 32B	32	27	5
gpt-oss-20B(high)	21	17	4
Apriel-v1.5-15B-Thinker	15	15	-

用語解説:

総パラメータ数: モデル内の訓練可能な重みとバイアスの総数を10億単位で表現したもの。これらのパラメータはトレーニング中に学習され、モデルが応答を処理および生成する能力を決定します。
推論時のアクティブパラメータ数: 各推論フォワードパス中に実際に実行されるパラメータの数を10億単位で表現したもの。Mixture of Experts(MoE)モデルの場合、ルーティングメカニズムがトークンごとにエキスパートのサブセットを選択するため、アクティブパラメータは総パラメータよりも少なくなります。デンスモデルはすべてのパラメータを使用するため、アクティブパラメータは総パラメータと等しくなります。

まとめ

この包括的な分析により、各AIモデルの強みと弱みが明確になりました。モデル選択の際は、以下の要素を考慮してください:

インテリジェンス要件: タスクの複雑さに応じて適切なモデルを選択
予算制約: コストパフォーマンスのバランスを評価
速度要件: リアルタイム応答が必要かバッチ処理で十分か
コンテキストサイズ: 処理する必要のあるデータ量
専門性: 特定のタスク(コーディング、推論、ツール使用など)における性能

最適なモデルは、ユースケースによって異なります。この分析データを活用して、ニーズに最適なモデルを選択してください。

You get articles that match your needs
You can efficiently read back useful information
You can use dark theme

What you can do with signing up