更新（10月23日）： Antigravity も言語ごとに5回ずつに増やし、合計100回になりました。Antigravity の Opus はコード1,000文字あたり602（以前は596）で、Gemini・GPT との差は引き続き約60%です。100本中99本のゲームが動作しました。最新の数字：https://tokensave.app/data/output-tokens-per-character-by-model
昨日、Googleの新しいAntigravity CLIをClaude Code、Codexと比べたとき、ひとつ気になる数字がありました。Claude Opus 5.5はGeminiより短いゲームを作ったのに、出力トークンはその分減っていなかったのです。そこで、出力トークンを各実行が書いたファイルの大きさで割ってみました。ツールとモデルの組み合わせ4つ、プロンプトの言語5つです。
測り方
- 同じブロック崩しのタスク（「index.html 1ファイル、レベル2つ、スコア、ライフ3つ、キーボードとマウス」）を英語、韓国語、日本語、スペイン語、ウクライナ語で依頼
- Claude Code 2.1.295 + Opus 5.5、Codex CLI 0.162 + gpt-6-luna：各言語5回（以前のプロンプト言語の実測、同じバージョン）
- Antigravity CLI 1.4.5 + Gemini 4 Argon、+ Claude Opus 5.5：各言語3回（今日の新規24回と昨日の英語）
- すべてeffort medium、Windows 11、実行ごとに空のフォルダ
- できたゲームはすべてスクリプトがブラウザで実際に遊び、スコア、ステージ2、ライフ3→0を確認
結果：コード1,000文字あたりの出力トークン
| ツール + モデル | 英語 | 韓国語 | 日本語 | スペイン語 | ウクライナ語 | 平均 |
|---|---|---|---|---|---|---|
| Claude Code + Opus 5.5 | 554 | 624 | 581 | 614 | 584 | 591 |
| Antigravity + Opus 5.5 | 574 | 590 | 606 | 612 | 597 | 596 |
| Antigravity + Gemini 4 Argon | 367 | 380 | 370 | 364 | 378 | 372 |
| Codex + gpt-6-luna | 367 | 386 | 385 | 366 | 376 | 376 |
同じ量のコードを書くのに、OpusはGeminiより約60%、GPTより約57%多い出力トークンを使いました。面白いのは、Opusがまったく違う2つのツールでほぼ同じ値（591と596）になったことです。ツールではなく、モデルが文字をトークンに区切る方法（トークナイザー）の違いだということです。プロンプトの言語はほとんど関係ありませんでした。
出力トークンは高い方です。APIではOpus 5.5の出力は入力の5倍の価格なので、この差がそのまま費用に乗ります。モデルごとにどれだけ長いコードを書くかとは別にです。
以前、同じプログラムを10のプログラミング言語で数えたときも、ClaudeはGPTより43〜59%多くのトークンが必要で、同じ方向の結果です。
プロンプトの言語は入力トークンをほとんど変えない
| 入力トークン | 英語 | 韓国語 | 日本語 | スペイン語 | ウクライナ語 |
|---|---|---|---|---|---|
| Claude Code + Opus 5.5 | 96,462* | 78,638 | 79,266 | 79,030 | 79,787 |
| Codex + gpt-6-luna | 51,674 | 48,538 | 48,660 | 48,201 | 48,816 |
| Antigravity + Gemini 4 Argon | 13,041 | 13,289 | 12,408 | 12,629 | 13,447 |
| Antigravity + Opus 5.5 | 9,822 | 11,316 | 9,983 | 9,945 | 10,958 |
*英語のClaude Code 5回のうち2回は、やり取りが1回多かったため高くなっています。
プロンプト自体は数十トークンで、残りはツールが入れる指示文です。入力の大きさは何語で書くかではなく、どのツールを使うかで決まります。
もうひとつ：AntigravityのOpusは、韓国語とウクライナ語で頼むとゲームを長めに作りました（英語より文字数が約31%、20%多い）。そのため出力の合計は増えましたが、1,000文字あたりでは同じでした。
ゲームはちゃんと動いたか
80本中79本が正常で、すべてのゲームがプロンプトの言語で画面の文字を表示しました。動かなかった1本は、以前の実測のウクライナ語のCodexのゲームです。
今回の限界
- タスクは1つ（HTML、CSS、JavaScriptのブラウザゲーム）。ほかの種類のコードは違う区切られ方をするかもしれません
- 出力トークンにはコードだけでなく、短い最後の返答とファイルを書くツール呼び出しの部分も含まれます
- 各セル3〜5回、2026-10-18〜23に同じツールのバージョンで測定
データ
- 全データ、実行ごとのCSV、方法（CC BY 4.0、DOI 10.5281/zenodo.23585139）：https://tokensave.app/data/output-tokens-per-character-by-model
- 昨日の3ツール比較：https://tokensave.app/data/antigravity-cli-vs-claude-code-vs-codex