AI model cheat sheet, November 2026 editionWhat the 9 models we use at work are good at, and what they cost
This page summarizes the 9 models Dorado uses for research, writing, and development, across 3 vendors: Anthropic, OpenAI, and Google. For each model, we separate what the vendor says it does best from what we saw when we gave several models the same task. Prices and third-party benchmark figures were checked on 21 Nov 2026.
No single model is best at everything. For important research where thorough coverage matters, we use more than one model.
- No single model is best at everything.
- For important research where thorough coverage matters, we use more than one model (20 Nov 2026 comparison).
- When we hit a wall, we try another model to see whether a different angle comes out (18 Nov 2026 comparison).
- Every model still needs a source check. In the 18 Nov test, 3 of 30 cited passages had numbers or headings that did not match the source, and in the 20 Nov test, 6 of 19 did.
What the 9 models do best, and what our tests showed
Vendor is the vendor's description. Our test is what we saw when we sent the same Japanese research request to several models. We compared only research tasks that use web search, not coding. Every model ran at the "high" reasoning level.
TestedTested with an earlier version (GPT-6 Astra, GPT-6.1 Sol)Not testedInput priceOutput price (right end of bar is $40)Vals rank strip: #1 on the left, #22 on the right
| Model | VendorVendor description | Our testRuns tested 11/1211/1411/1811/20 | Our testWhat our tests showed | API priceInput / Output | Default reasoning | Vals rank |
|---|---|---|---|---|---|---|
| VendorLong-running agentic coding and knowledge work. | 11/1211/1411/1811/20 | Our test14 Nov: Strong at deep research. Too thorough for broad discovery. | $4 / $20 | medium | #5 | |
| VendorBest mix of speed and intelligence. Faster, cheaper companion to Opus 5.5. | 11/1211/1411/1811/20 | Our test14 Nov: Broad, low-cost research. 28 min, 48 facts, estimated cost $2.35. | $2 / $10 | high | #3 | |
| VendorHard reasoning and long-running agentic work. | 11/1211/1411/1811/20 | Our test18 and 20 Nov: Most facts in its notes, and also the most time and tokens. | $8 / $40 | high | #1 | |
| VendorHigh-volume, fast tasks such as classification, extraction, and routing. | 11/1211/1411/1811/20 | Our testNot tested. | $0.10 / $0.50Up to 100K tokens | medium | #22 | |
| VendorOpenAI's most capable model. For difficult projects from start to finish. | 11/12 (earlier version)11/14 (earlier version)11/1811/20 | Our test18 and 20 Nov: Fastest in both runs (7 min 30 s, 6 min 40 s). | $8 / $40 | mediumOpenAI recommended | #8 | |
| VendorThe everyday workhorse. From coding to high-volume agents. | 11/1211/14 (earlier version)11/1811/20 | Our test18 Nov: 8 min 24 s, 2.67M tokens. All 6 cited passages were backed. | $2 / $10 | mediumOpenAI recommended | #10 | |
| VendorFast, efficient model for visual reasoning, computer use, and natural writing. | 11/1211/1411/1811/20 | Our testNot tested. | $1 / $5 | medium | #17 | |
| VendorComplex coding, analytical reasoning, and production enterprise work. | 11/1211/1411/1811/20 | Our test20 Nov: Most readable writing, and hit the key points. | $3 / $15 | high | #2 | |
| VendorPractical coding, enterprise knowledge work, and cyber defense. | 11/1211/1411/1811/20 | Our testNot used. | $2 / $10Until 30 Nov. $4 / $20 from 1 Dec | Unknown | #6 |
API prices are standard rates in US dollars per 1M tokens. Vals ranks are as shown on 19 Nov 2026. All 9 models take a context window of about 1M tokens. Figures from our tests come from 1 run per model in each comparison.
Which model to try first, by task
We regrouped the comparison results above by task. For models we have not tested, we follow the vendor's description.
- Get an overview fastGPT-6.2 Astra. It finished fastest in both the 18 Nov and 20 Nov comparisons.
- Gather the most factsClaude Fable 5.2. It put the most facts in its notes, and also used the most time and tokens.
- Dig deep into a fixed scopeClaude Opus 5.5. To keep costs lower, try GPT-6.2 Sol (the 14 Nov test used the earlier 6.1 Sol).
- Turn findings into a readable reportGemini 4 Neon. Its writing was the easiest to read in the 20 Nov comparison. One option is to research with several models and then edit the report with Neon.
- High-volume classification or extractionClaude Haiku 5.5 or GPT-6.1 Terra. Based on vendor descriptions; we have not tested either.
- Important researchSend the same request to more than one model. When you hit a wall, try another model.
Descriptions and test results, model by model
Here are the full notes behind each row of the cheat sheet above.
Claude Opus 5.5Anthropic · 2026-09-22 $4 / $20 · medium
VendorBuilt for long-running agentic coding and knowledge work. Matches Fable 5.1 on many tasks.
Our test14 Nov: Strong at deep research. It logged every citation location and pulled profit margins from financial filings. Too thorough for broad discovery.
18 Nov: 9 min 13 s, 4.56M tokens, 13 facts in the note.
Claude Sonnet 5.5Anthropic · 2026-09-28 $2 / $10 · high
VendorBest mix of speed and intelligence. A faster, cheaper companion to Opus 5.5. Anthropic itself states that Opus 5.5 is stronger on complex, open-ended work.
Our test14 Nov: Broad, low-cost research. 28 min, 48 facts, estimated cost $2.35.
In our Claude runs, it also served as the child task handling web searches and page reads.
Claude Fable 5.2Anthropic · 2026-11-09 $8 / $40 · high
VendorBuilt for hard reasoning and long-running agentic work. Even so, Anthropic advises starting with Opus 5.5 for most tasks.
Our test12 Nov: Detailed coverage of 31 trade shows, down to visitor breakdowns and exhibitor names. Used 5.8x as many tokens as Astra.
14 Nov: Strong at broad, fast research. 16 min, 98 facts.
18 and 20 Nov: Put the most facts in its notes, and also used the most time and tokens (18 min 20 s and 7.17M; 17 min 45 s and 7.64M).
Claude Haiku 5.5Anthropic · 2026-10-07 $0.10 / $0.50 (up to 100K tokens) · medium
VendorBuilt for high-volume, speed-sensitive tasks such as classification, extraction, and routing. Anthropic recommends Sonnet 5.5 or Opus 5.5 for complex agentic coding.
Our testNot tested.
GPT-6.2 AstraOpenAI · 2026-11-17 (reported) $8 / $40 · medium (OpenAI recommended)
VendorOpenAI's most capable model. Intended for difficult projects from start to finish.
Our test18 Nov: Fastest at 7 min 30 s and 2.58M tokens. It went looking for what client-side and vendor-side contacts actually say and do with each other, which the other 3 models did not look for.
20 Nov: Fastest at 6 min 40 s, and all 5 cited passages were backed.
The earlier GPT-6 Astra cast a wide net of 54 trade-show candidates on 12 Nov, and got a quick overview on 14 Nov.
GPT-6.2 SolOpenAI · 2026-11-17 (reported) $2 / $10 · medium (OpenAI recommended)
VendorThe everyday workhorse. From coding to high-volume agents.
Our test18 Nov: 8 min 24 s, 2.67M tokens. All 6 cited passages were backed.
The earlier GPT-6.1 Sol ran deep research at low cost on 14 Nov: 48 min, estimated cost $0.83.
GPT-6.1 TerraOpenAI · 2026-10-26 (reported) $1 / $5 · medium
VendorA fast, efficient model for visual reasoning, computer use, and natural writing. OpenAI itself states that GPT-6.1 Sol and GPT-6 Astra are better for the most complex coding.
Our testNot tested.
Gemini 4 NeonGoogle · 2026-11-18 $3 / $15 · high
VendorBuilt for complex coding, analytical reasoning, and production enterprise work. In Google's lineup, it sits between Carbon (the hardest long-running tasks) and Hydrogen (fast everyday tasks).
Our test20 Nov: Produced the most readable writing and hit the key points. 13 min 35 s, 4.60M tokens. 4 of 7 cited passages were fully backed (the same share as Fable).
Gemini 4 ArgonGoogle · 2026-09-30 $2 / $10 (until 30 Nov; $4 / $20 from 1 Dec) · unknown
VendorBuilt for practical coding, enterprise knowledge work, and cyber defense. Responds faster than Carbon and uses fewer tokens per turn. Maximum output is 1M tokens, up from 64K in earlier Gemini models.
Our testNot used.
Higher reasoning levels take more time and money, and do not always bring matching gains
All 3 vendors let you choose in steps how much a model thinks before answering. Tokens spent thinking are billed at the output rate.
| Vendor | Levels | Vendor guidance |
|---|---|---|
| Anthropic | low, medium, high, xhigh, max | low saves a large share of tokens in exchange for a small drop in capability. high uses as many tokens as the task requires. xhigh is for agentic work and coding that run past 30 minutes. max is slower and more expensive than xhigh, and the extra gain is often small. Fable 5.2 already delivers most of its capability gain at high. |
| OpenAI | low, medium, high, xhigh, maxTerra also offers none | Start new workloads at medium, which balances speed, quality, and cost. Use high when quality matters more than speed. Use xhigh only when testing shows a gain worth the extra time and cost. |
| Low, Medium, High, Extra HighNeon. Not documented for Argon | Capability rises steadily with each step. High is the default. Extra High adds further rounds of thinking for the hardest tasks. |
Scores at the top of Vals are close, while cost runs from $0.41 to $26.54 per task
Figures from 3 benchmarks. Each reflects a point in time, and rankings shift month by month. Artificial Analysis cost is in US dollars per task. Vals cost is per test.
Vals Index score
Right end of bar is 100%. Ordered by Vals rank
Artificial Analysis cost (per task)
Right end of bar is $26.54. Ordered by Vals rank
| Model | Artificial Analysis Score (reasoning) · Cost | Vals Index Rank · Score · Cost | LMArena (Text) Rank |
|---|---|---|---|
| Claude Fable 5.2 | 65 (max) · $26.54 | #1 · 71.31% · $17.94 | #7 |
| GPT-6.2 Astra | 62 (max) · $4.00 | #8 · 67.66% · $10.68 | Outside top 15 |
| Gemini 4 Neon | 61 (xhigh) · $6.44 | #2 · 70.87% · $7.40 | #3 |
| Claude Opus 5.5 | 59 (max) · $10.04 | #5 · 70.14% · $24.77 | #5 |
| GPT-6.2 Sol | 57 (max) · $1.01 | #10 · 66.06% · $3.18 | Outside top 15 |
| Claude Sonnet 5.5 | 55 (max) · $10.02 | #3 · 70.85% · $16.18 | Outside top 15 |
| GPT-6.1 Terra | 51 (max) · $0.96 | #17 · 60.54% · $2.94 | Outside top 15 |
| Gemini 4 Argon | 50 (high) · $9.95 | #6 · 69.39% · $13.37 | #2 |
| Claude Haiku 5.5 | 36 (max) · $0.41 | #22 · 58.73% · $3.17 | Outside top 15 |
In the Vals breakdown, every model scored low on the legal benchmark (HLAB), with Fable 5.2 at 5.0%. On the tax benchmark (Tax Agent Bench), Astra scored 21.8% and Sol 24.8%, well below Neon's 54.9%. On Vals's coding benchmark (Terminal-Bench 4), Argon scored lowest among the 9 models at 57.6%.
Things to know before using them
- In the Gemini app's model picker, Argon was reportedly replaced by Neon (9to5Google, 18 Nov 2026). Argon's API price doubles on 1 Dec.
- Users have reportedly complained that GPT-6.2 Astra stops partway through long tasks to ask odd questions or repeats the same step. An OpenAI representative said changes added in the last 3 or 4 days before launch were not retested (Wccftech).
- Anthropic itself states that Claude Opus 5.5 and Fable 5.2 sometimes suspect they are being tested, which makes their behavior in real use harder to predict.
- Most benchmark scores published by vendors are measured in-house. The table above includes only 3 third-party benchmarks.
- Claude Haiku 5.5 counts the same text as about 30% more tokens than Haiku 4.5.
4 comparisons, all research on Japan
- Our results come from 4 comparisons, with 1 run per model in each. Every topic was research on Japan using web search. We did not compare coding, images, or long-document writing.
- The 12 Nov and 14 Nov comparisons used the earlier versions, GPT-6 Astra and GPT-6.1 Sol.
- Model names, prices, and rankings change month by month. This sheet reflects values as of 21 Nov 2026.
Comparison articles behind this cheat sheet
| Date | Topic | Models compared |
|---|---|---|
| 2026-11-20 | Communication styles that leave a good impression in Japanese business | Gemini 4 Neon, Claude Fable 5.2, GPT-6.2 Astra |
| 2026-11-18 | Workplace and business-partner relationships in Japan | GPT-6.2 Astra, GPT-6.2 Sol, Claude Opus 5.5, Claude Fable 5.2 |
| 2026-11-14 | Japan's growth industries by CAGR | Claude Fable 5.2, GPT-6 Astra, Claude Opus 5.5, Claude Sonnet 5.5, GPT-6.1 Sol |
| 2026-11-12 | Major trade shows in Japan | Claude Fable 5.2, GPT-6 Astra |
Check date, scope, and sources
- Checked
- 21 Nov 2026
- Scope
- 9 models: Claude Opus 5.5, Sonnet 5.5, Fable 5.2, Haiku 5.5, GPT-6.2 Astra, GPT-6.2 Sol, GPT-6.1 Terra, Gemini 4 Neon, Gemini 4 Argon
- Selection
- The 8 models other than Gemini 4 Argon are the ones we used most over the past 30 days. We added Argon as Google's top model released on 30 Sep
- Sources
- Official vendor pages, 3 third-party benchmarks (Artificial Analysis, Vals, LMArena), and 4 of our own comparison articles
- Pricing
- Standard API rates, in US dollars per 1M tokens
- Editing
- Vendor descriptions are summarized from the originals. You can open the originals from the sources below
Sources (checked 21 Nov 2026)
- Anthropic: Effort, Claude Opus 5.5, Opus 5.5 announcement, Claude Sonnet 5.5, Sonnet 5.5 announcement, Claude Fable 5.2, Fable and Mythos 5.2 announcement, Claude Haiku 5.5, Haiku 5.5 announcement
- OpenAI: Reasoning, Latest model, GPT-6.2 Astra, GPT-6.2 Sol, GPT-6.1 Terra, GPT-6.1 Terra announcement
- Google: Gemini 4 Neon announcement, Gemini 4 Argon announcement, AI Studio models, AI Studio pricing
- Benchmarks: Artificial Analysis, Vals Index, LMArena Text
- Reporting: RuntimeWire (GPT-6.2 launch date), 9to5Mac (GPT-6.1 Terra), 9to5Google (Gemini 4 Neon and Argon), Wccftech (user reports on GPT-6.2 Astra)
- Our comparisons: the 4 comparison articles above
AIモデル早見表 2026年11月版私たちが仕事で使っている9つのモデルの、得意な仕事と費用
Doradoが調査や文章作り、開発に使っている9つのモデルを1枚にまとめました。Anthropic、OpenAI、Googleの3社です。各モデルについて、メーカーが説明する得意な仕事と、私たちが同じ依頼を出して比べた結果を、分けて並べています。価格と外部の評価は、2026年11月21日に確かめた値です。
どれか1つが一番いい、というモデルはありません。重要な調査で網羅性を重視するときは、複数のモデルを使います。
- どれか1つが一番いい、というモデルはありません。
- 重要な調査で網羅性を重視するときは、複数のモデルを使います(2026年11月20日の比較)。
- 壁にぶつかったら、別のモデルで試して、異なる方向性が出るか出ないかを見ます(2026年11月18日の比較)。
- どのモデルでも、出典の確認は要ります。11月18日は引用30件中3件、11月20日は19件中6件で、書き添えた数値や見出しが出典とずれていました。
9つのモデルの得意な仕事と、私たちの比較で見えたこと
公式はメーカーの説明です。比較は、私たちが同じ日本語の調査依頼を複数のモデルに出した結果です。比べたのはWeb検索を使う調査だけで、コーディングは比べていません。思考レベルは、比較ではどれも「high」です。
比べた回前の版(GPT-6 Astra、GPT-6.1 Sol)で比べた回比べていない回入力の価格出力の価格(棒の右端が $40)Vals 順位の線は、左が1位、右が22位
| モデル | 公式メーカーの説明 | 比較比べた回 11/1211/1411/1811/20 | 比較私たちの比較で見えたこと | API価格入力 / 出力 | 既定の 思考レベル | Vals 順位 |
|---|---|---|---|---|---|---|
| 公式長時間のエージェント型のコーディングと、知識労働向け。 | 11/1211/1411/1811/20 | 比較11月14日:深く調べるのに向く。広く探す調査には丁寧すぎる。 | $4 / $20 | medium | 5位 | |
| 公式速さと賢さの組み合わせが最もよい。Opus 5.5 より速く安い補完役。 | 11/1211/1411/1811/20 | 比較11月14日:広く、安く調べる。28分、事実48件、推定費用2.35ドル。 | $2 / $10 | high | 3位 | |
| 公式難しい推論と、長時間のエージェント作業向け。 | 11/1211/1411/1811/20 | 比較11月18日と20日:ノートの事実は最も多く、時間とトークンも最も多い。 | $8 / $40 | high | 1位 | |
| 公式分類、抽出、振り分けなど、量が多く速さが要る作業向け。 | 11/1211/1411/1811/20 | 比較比べていません。 | $0.10 / $0.5010万トークンまで | medium | 22位 | |
| 公式OpenAIで最も能力が高いモデル。難しいプロジェクトを最初から最後まで任せる用途。 | 11/12(前の版)11/14(前の版)11/1811/20 | 比較11月18日と20日:最も速かった(7分30秒、6分40秒)。 | $8 / $40 | mediumOpenAIの推奨 | 8位 | |
| 公式日常の仕事の定番。コーディングから、大量に動かすエージェントまで。 | 11/1211/14(前の版)11/1811/20 | 比較11月18日:8分24秒、267万トークン。引用6件はすべて裏付けがあった。 | $2 / $10 | mediumOpenAIの推奨 | 10位 | |
| 公式速く効率的なモデル。画像を見て考える作業、コンピューターの操作、自然な文章向け。 | 11/1211/1411/1811/20 | 比較比べていません。 | $1 / $5 | medium | 17位 | |
| 公式複雑なコーディング、分析的な推論、本番の企業業務向け。 | 11/1211/1411/1811/20 | 比較11月20日:文章が最も読みやすく、要点を押さえていた。 | $3 / $15 | high | 2位 | |
| 公式実務のコーディング、企業の知識労働、サイバー防御向け。 | 11/1211/1411/1811/20 | 比較使っていません。 | $2 / $1011月30日まで。12月1日から $4 / $20 | 不明 | 6位 |
API価格は標準料金で、100万トークンあたりの米ドルです。Vals の順位は2026年11月19日の表示です。9モデルとも、一度に読める量(コンテキスト)は約100万トークンです。比較の数値は、各比較で1回ずつ走らせた結果です。
目的ごとに、どのモデルから試すか
上の比較結果を、目的ごとに並べ直しました。比べていないモデルは、メーカーの説明に従っています。
- 概要を早くつかむGPT-6.2 Astra。11月18日と20日の比較で最も速く終わった。
- 事実を多く集めるClaude Fable 5.2。ノートの事実は最も多いが、時間とトークンも最も多い。
- 決まった範囲を深く調べるClaude Opus 5.5。費用を抑えるなら GPT-6.2 Sol(11月14日は前の版の 6.1 Sol)。
- 読みやすい報告に直すGemini 4 Neon。11月20日の比較で文章が最も読みやすかった。複数のモデルで調べたあと、Neon で編集する方法も考えられる。
- 大量の分類や抽出Claude Haiku 5.5 か GPT-6.1 Terra。メーカーの説明による。私たちは比べていない。
- 重要な調査複数のモデルに同じ依頼を出す。壁にぶつかったら、別のモデルで試す。
モデルごとの、説明と比較の結果
上の早見表の各行を、短くする前の文で載せています。
Claude Opus 5.5Anthropic · 2026-09-22 $4 / $20 · medium
公式長時間のエージェント型のコーディングと、知識労働向け。多くの仕事で Fable 5.1 と同じ水準。
比較11月14日:深く調べるのに向く。引用の場所をすべて記録し、決算資料から利益率を取った。広く探す調査には丁寧すぎる。
11月18日:9分13秒、456万トークン、ノートの事実13件。
Claude Sonnet 5.5Anthropic · 2026-09-28 $2 / $10 · high
公式速さと賢さの組み合わせが最もよい。Opus 5.5 より速く安い補完役。複雑で答えの決まっていない仕事は Opus 5.5 のほうが強い、とメーカー自身が書いている。
比較11月14日:広く、安く調べる。28分、事実48件、推定費用2.35ドル。
Claude の調査では、検索とページ読みを受け持つ子タスクにも使われた。
Claude Fable 5.2Anthropic · 2026-11-09 $8 / $40 · high
公式難しい推論と、長時間のエージェント作業向け。ただし、多くの仕事はまず Opus 5.5 から始めるよう案内している。
比較11月12日:展示会31件について、来場者の内訳や出展社名まで詳しい。トークンはAstraの5.8倍。
11月14日:広く、速く調べるのに向く。16分、事実98件。
11月18日と20日:ノートの事実は最も多く、時間とトークンも最も多い(18分20秒で717万、17分45秒で764万)。
Claude Haiku 5.5Anthropic · 2026-10-07 $0.10 / $0.50(10万トークンまで) · medium
公式分類、抽出、振り分けなど、量が多く速さが要る作業向け。複雑なエージェント型コーディングには Sonnet 5.5 か Opus 5.5 を勧めている。
比較比べていません。
GPT-6.2 AstraOpenAI · 2026-11-17(報道) $8 / $40 · medium(OpenAIの推奨)
公式OpenAIで最も能力が高いモデル。難しいプロジェクトを最初から最後まで任せる用途。
比較11月18日:7分30秒、258万トークンで最も速かった。ほかの3つが探さなかった、取引先の担当者どうしの言動を探しに行った。
11月20日:6分40秒で最も速く、引用5件はすべて裏付けがあった。
前の版の GPT-6 Astra は、11月12日に展示会の候補を54件と広く拾い、11月14日には概要を早くつかんだ。
GPT-6.2 SolOpenAI · 2026-11-17(報道) $2 / $10 · medium(OpenAIの推奨)
公式日常の仕事の定番。コーディングから、大量に動かすエージェントまで。
比較11月18日:8分24秒、267万トークン。引用6件はすべて裏付けがあった。
前の版の GPT-6.1 Sol は、11月14日に費用を抑えて深く調べた。48分、推定費用0.83ドル。
GPT-6.1 TerraOpenAI · 2026-10-26(報道) $1 / $5 · medium
公式速く効率的なモデル。画像を見て考える作業、コンピューターの操作、自然な文章向け。最も複雑なコーディングは GPT-6.1 Sol と GPT-6 Astra のほうが上、とメーカー自身が書いている。
比較比べていません。
Gemini 4 NeonGoogle · 2026-11-18 $3 / $15 · high
公式複雑なコーディング、分析的な推論、本番の企業業務向け。Googleの中では、Carbon(最も難しい長時間の仕事)と Hydrogen(速い日常作業)の間に位置する。
比較11月20日:文章が最も読みやすく、要点を押さえていた。13分35秒、460万トークン。引用7件中4件が全面的に裏付けあり(Fableと同じ割合)。
Gemini 4 ArgonGoogle · 2026-09-30 $2 / $10(11月30日まで。12月1日から $4 / $20) · 不明
公式実務のコーディング、企業の知識労働、サイバー防御向け。Carbon より応答が速く、1回あたりのトークンが少ない。出力は最大100万トークンで、以前のGeminiの6万4千から増えた。
比較使っていません。
思考レベルを上げると、時間と費用が増える。上げた分だけよくなるとは限らない
3社とも、モデルがどれだけ考えてから答えるかを段階で選べます。考えた分のトークンは、出力の料金で請求されます。
| メーカー | 段階 | メーカーの説明 |
|---|---|---|
| Anthropic | low、medium、high、xhigh、max | low はトークンを大きく節約する代わりに、能力が少し落ちる。high は課題に必要なだけトークンを使う。xhigh は30分を超える長いエージェント作業やコーディング向け。 max は xhigh より遅く高く、得られる差は小さいことが多い。Fable 5.2 は、能力の伸びのほとんどが high の時点で出ている。 |
| OpenAI | low、medium、high、xhigh、maxTerra は none も選べる | 新しく使い始めるときは medium から。medium は速さ、性能、費用のつり合いがよい。high は速さより質が大事なとき。 xhigh は、試した結果で追加の時間と費用に見合う差が出たときだけ使う。 |
| Low、Medium、High、Extra HighNeon。Argon は記載なし | 段階を上げるほど、能力は着実に上がる。High が既定。Extra High は、最も難しい仕事のために、さらに何段階も考える。 |
Vals では上位の差が小さい。費用は1課題0.41ドルから26.54ドルまで開く
3つのベンチマークの値です。どれも測った時点の値で、順位は月単位で入れ替わります。Artificial Analysis の費用は、1課題あたりの米ドルです。Vals の費用は1テストあたりです。
Vals Index の点数
棒の右端が100%。Vals の順位の順
Artificial Analysis の費用(1課題あたり)
棒の右端が $26.54。Vals の順位の順
| モデル | Artificial Analysis 点数(思考レベル)· 費用 | Vals Index 順位 · 点数 · 費用 | LMArena(文章) 順位 |
|---|---|---|---|
| Claude Fable 5.2 | 65(max)· $26.54 | 1位 · 71.31% · $17.94 | 7位 |
| GPT-6.2 Astra | 62(max)· $4.00 | 8位 · 67.66% · $10.68 | 上位15位の外 |
| Gemini 4 Neon | 61(xhigh)· $6.44 | 2位 · 70.87% · $7.40 | 3位 |
| Claude Opus 5.5 | 59(max)· $10.04 | 5位 · 70.14% · $24.77 | 5位 |
| GPT-6.2 Sol | 57(max)· $1.01 | 10位 · 66.06% · $3.18 | 上位15位の外 |
| Claude Sonnet 5.5 | 55(max)· $10.02 | 3位 · 70.85% · $16.18 | 上位15位の外 |
| GPT-6.1 Terra | 51(max)· $0.96 | 17位 · 60.54% · $2.94 | 上位15位の外 |
| Gemini 4 Argon | 50(high)· $9.95 | 6位 · 69.39% · $13.37 | 2位 |
| Claude Haiku 5.5 | 36(max)· $0.41 | 22位 · 58.73% · $3.17 | 上位15位の外 |
Vals の内訳では、法務の課題(HLAB)がどのモデルも低く、Fable 5.2 は5.0%でした。税務の課題(Tax Agent Bench)は、Astra が21.8%、Sol が24.8%で、Neon の54.9%を大きく下回ります。Argon は、Vals のコーディングの課題(Terminal-Bench 4)で、9つの中で最も低い57.6%でした。
使う前に知っておきたいこと
- Gemini アプリのモデル選択では、Argon が Neon に置き換わったと報じられています(9to5Google、2026年11月18日)。Argon のAPI料金は、12月1日に2倍になります。
- GPT-6.2 Astra は、長い作業の途中で変わった質問をして止まる、同じ処理を繰り返す、という利用者の不満が報じられています。OpenAI の担当者は、公開前の最後の3、4日に入れた変更を再テストしていないと話しています(Wccftech)。
- Claude Opus 5.5 と Fable 5.2 は、テストされていると疑うことがある、とメーカー自身が書いています。そのため、実際の使い方での振る舞いは予測しにくくなります。
- メーカーが出すベンチマークの多くは、自社で測った値です。上の表は、外部の3つの値だけを載せました。
- Claude Haiku 5.5 は、同じ文章を Haiku 4.5 より約30%多いトークンとして数えます。
比較は4回、どれも日本についての調査
- 私たちの比較は4回で、各モデル1回ずつ走らせた結果です。テーマはすべて日本についての調査で、Web検索を使います。コーディング、画像、長い文書の作成は比べていません。
- 11月12日と14日の比較は、前の版の GPT-6 Astra と GPT-6.1 Sol です。
- モデルの名前、価格、順位は月単位で変わります。この表は2026年11月21日の値です。
この早見表のもとになった比較記事
| 日付 | テーマ | 比べたモデル |
|---|---|---|
| 2026-11-20 | 日本のビジネスで好印象を与える伝え方 | Gemini 4 Neon、Claude Fable 5.2、GPT-6.2 Astra |
| 2026-11-18 | 日本の職場と取引先の人間関係 | GPT-6.2 Astra、GPT-6.2 Sol、Claude Opus 5.5、Claude Fable 5.2 |
| 2026-11-14 | CAGRで見る日本の成長産業 | Claude Fable 5.2、GPT-6 Astra、Claude Opus 5.5、Claude Sonnet 5.5、GPT-6.1 Sol |
| 2026-11-12 | 日本の主な展示会 | Claude Fable 5.2、GPT-6 Astra |
確認日、対象、根拠
- 確認日
- 2026年11月21日
- 対象
- 9モデル。Claude Opus 5.5、Sonnet 5.5、Fable 5.2、Haiku 5.5、GPT-6.2 Astra、GPT-6.2 Sol、GPT-6.1 Terra、Gemini 4 Neon、Gemini 4 Argon
- 選び方
- Gemini 4 Argon 以外の8つは、直近30日に私たちがよく使ったモデルです。Argon は、9月30日に出たGoogleの最上位モデルとして加えました
- 根拠
- メーカーの公式ページ、外部のベンチマーク3つ(Artificial Analysis、Vals、LMArena)、私たちの比較記事4本
- 価格
- APIの標準料金。100万トークンあたりの米ドル
- 編集
- メーカーの説明は要約して日本語にしています。原文は下の出典から開けます
出典(2026年11月21日に確認)
- Anthropic:Effort、Claude Opus 5.5、Opus 5.5 の発表、Claude Sonnet 5.5、Sonnet 5.5 の発表、Claude Fable 5.2、Fable と Mythos 5.2 の発表、Claude Haiku 5.5、Haiku 5.5 の発表
- OpenAI:Reasoning、Latest model、GPT-6.2 Astra、GPT-6.2 Sol、GPT-6.1 Terra、GPT-6.1 Terra の発表
- Google:Gemini 4 Neon の発表、Gemini 4 Argon の発表、AI Studio のモデル一覧、AI Studio の料金
- ベンチマーク:Artificial Analysis、Vals Index、LMArena Text
- 報道:RuntimeWire(GPT-6.2 の公開日)、9to5Mac(GPT-6.1 Terra)、9to5Google(Gemini 4 Neon と Argon)、Wccftech(GPT-6.2 Astra への利用者の声)
- 私たちの比較:上の比較記事4本
AI模型速查表 2026年11月版我們在工作中使用的9個模型:各自擅長的工作與費用
本頁整理了Dorado用於調查、撰文與開發的9個模型,分別來自Anthropic、OpenAI與Google這3家廠商。針對每個模型,我們將廠商說明的擅長工作,與我們送出同一份請求實測比較的結果分開並列。價格與外部評測皆為2026年11月21日確認的數值。
沒有哪一個模型在所有方面都是最好的。在重視涵蓋全面性的重要調查中,我們會併用多個模型。
- 沒有哪一個模型在所有方面都是最好的。
- 在重視涵蓋全面性的重要調查中,我們會併用多個模型(2026年11月20日的比較)。
- 遇到瓶頸時,我們會換另一個模型試試看,觀察能否得出不同的方向(2026年11月18日的比較)。
- 無論使用哪個模型,都需要確認出處。11月18日的比較中,30處引用裡有3處;11月20日的比較中,19處引用裡有6處,附帶寫上的數字或標題與出處不符。
9個模型各自擅長的工作,與我們實測比較看到的結果
官方是廠商的說明。比較是我們將同一份日文調查請求送給多個模型實測的結果。我們只比較了使用網路搜尋的調查任務,沒有比較程式開發。比較時的思考等級一律設為「high」。
有比較的場次以前一版(GPT-6 Astra、GPT-6.1 Sol)比較的場次未比較的場次輸入價格輸出價格(橫條右端為 $40)Vals 排名線:左端為第1名,右端為第22名
| 模型 | 官方廠商說明 | 比較比較場次 11/1211/1411/1811/20 | 比較我們實測看到的結果 | API定價輸入 / 輸出 | 預設 思考等級 | Vals 排名 |
|---|---|---|---|---|---|---|
| 官方長時間的Agent程式開發與知識工作。 | 11/1211/1411/1811/20 | 比較11月14日:適合深入調查。對廣度探索型調查來說過於細緻。 | $4 / $20 | medium | 第5名 | |
| 官方速度與智慧的最佳平衡,是比 Opus 5.5 更快、更便宜的互補角色。 | 11/1211/1411/1811/20 | 比較11月14日:以較低成本廣泛調查。28分鐘、48項事實、預估費用2.35美元。 | $2 / $10 | high | 第3名 | |
| 官方高難度推論與長時間的Agent作業。 | 11/1211/1411/1811/20 | 比較11月18日與20日:筆記中的事實最多,時間與tokens也最多。 | $8 / $40 | high | 第1名 | |
| 官方分類、擷取、分流等量大且講求速度的作業。 | 11/1211/1411/1811/20 | 比較未比較。 | $0.10 / $0.5010萬tokens以內 | medium | 第22名 | |
| 官方OpenAI能力最強的模型,適合將高難度專案從頭到尾交付執行。 | 11/12(前一版)11/14(前一版)11/1811/20 | 比較11月18日與20日:速度最快(7分30秒、6分40秒)。 | $8 / $40 | mediumOpenAI建議 | 第8名 | |
| 官方日常工作的主力首選,涵蓋程式開發到大量執行的Agent。 | 11/1211/14(前一版)11/1811/20 | 比較11月18日:8分24秒、267萬tokens。6處引用全數獲得支持。 | $2 / $10 | mediumOpenAI建議 | 第10名 | |
| 官方快速且高效率的模型,適用於看圖推理、電腦操作與自然書寫。 | 11/1211/1411/1811/20 | 比較未比較。 | $1 / $5 | medium | 第17名 | |
| 官方複雜程式開發、分析型推論與企業正式環境的業務。 | 11/1211/1411/1811/20 | 比較11月20日:文章最易讀,也最能抓住重點。 | $3 / $15 | high | 第2名 | |
| 官方實務程式開發、企業知識工作與資安防禦。 | 11/1211/1411/1811/20 | 比較尚未使用。 | $2 / $10至11月30日止,12月1日起為 $4 / $20 | 不明 | 第6名 |
API定價為標準費率,單位為每100萬tokens的美元價格。Vals 排名為2026年11月19日顯示的結果。9個模型一次可讀取的上限(上下文)皆約為100萬tokens。比較的數值皆為各場次中每個模型執行1次的結果。
依不同目的,先從哪個模型開始試
以下將上述比較結果依目的重新整理。尚未比較的模型,則依照廠商的說明列舉。
- 快速掌握概要GPT-6.2 Astra。在11月18日與20日的比較中最快完成。
- 蒐集最多事實Claude Fable 5.2。筆記中的事實最多,但耗費的時間與tokens也最多。
- 在固定範圍內深入調查Claude Opus 5.5。若想控制費用,可選 GPT-6.2 Sol(11月14日測試的是前一版 6.1 Sol)。
- 整理成易讀的報告Gemini 4 Neon。在11月20日的比較中文章最易讀。也可以考慮先讓多個模型調查,再交由 Neon 編輯整理。
- 大量分類或擷取Claude Haiku 5.5 或 GPT-6.1 Terra。此為廠商說明,我們尚未實測比較。
- 重要調查將同一份請求送給多個模型。遇到瓶頸時,換另一個模型試試看。
各模型的官方說明與比較結果
這裡列出上方速查表各列精簡前的完整說明。
Claude Opus 5.5Anthropic · 2026-09-22 $4 / $20 · medium
官方適用於長時間的Agent程式開發與知識工作。在許多任務上達到與 Fable 5.1 同等的水準。
比較11月14日:適合深入調查。完整記錄每一處引用的位置,並從財報資料中擷取了利潤率。對廣度探索型調查來說過於細緻。
11月18日:9分13秒、456萬tokens、筆記中13項事實。
Claude Sonnet 5.5Anthropic · 2026-09-28 $2 / $10 · high
官方速度與智慧的最佳平衡,是比 Opus 5.5 更快、更便宜的互補角色。廠商本身也指出,面對複雜且沒有標準答案的工作時,Opus 5.5 更強。
比較11月14日:以較低成本廣泛調查。28分鐘、48項事實、預估費用2.35美元。
在 Claude 的調查中,也用於負責搜尋與閱讀網頁的子任務。
Claude Fable 5.2Anthropic · 2026-11-09 $8 / $40 · high
官方適用於高難度推論與長時間的Agent作業。不過廠商建議,多數工作先從 Opus 5.5 開始。
比較11月12日:針對31場展覽,連參觀者組成與參展商名稱都整理得很詳細。tokens用量為Astra的5.8倍。
11月14日:適合快速且廣泛地調查。16分鐘、98項事實。
11月18日與20日:筆記中的事實最多,時間與tokens也最多(18分20秒、717萬;17分45秒、764萬)。
Claude Haiku 5.5Anthropic · 2026-10-07 $0.10 / $0.50(10萬tokens以內) · medium
官方適用於分類、擷取、分流等量大且講求速度的作業。複雜的Agent程式開發方面,廠商建議使用 Sonnet 5.5 或 Opus 5.5。
比較未比較。
GPT-6.2 AstraOpenAI · 2026-11-17(媒體報導) $8 / $40 · medium(OpenAI建議)
官方OpenAI能力最強的模型,適合將高難度專案從頭到尾交付執行。
比較11月18日:以7分30秒、258萬tokens最快完成,並主動去查了其他3個模型沒找的「往來廠商窗口之間的言行」。
11月20日:以6分40秒最快完成,5處引用全數獲得支持。
前一版 GPT-6 Astra 在11月12日廣泛蒐羅了54場展覽候選名單,11月14日則快速掌握了概要。
GPT-6.2 SolOpenAI · 2026-11-17(媒體報導) $2 / $10 · medium(OpenAI建議)
官方日常工作的主力首選,涵蓋程式開發到大量執行的Agent。
比較11月18日:8分24秒、267萬tokens。6處引用全數獲得支持。
前一版 GPT-6.1 Sol 在11月14日以較低費用完成了深入調查:48分鐘、預估費用0.83美元。
GPT-6.1 TerraOpenAI · 2026-10-26(媒體報導) $1 / $5 · medium
官方快速且高效率的模型,適用於看圖推理、電腦操作與自然書寫。廠商本身也指出,最複雜的程式開發仍以 GPT-6.1 Sol 與 GPT-6 Astra 更勝一籌。
比較未比較。
Gemini 4 NeonGoogle · 2026-11-18 $3 / $15 · high
官方適用於複雜程式開發、分析型推論與企業正式環境的業務。在Google產品線中,定位介於 Carbon(最高難度的長時間工作)與 Hydrogen(快速日常作業)之間。
比較11月20日:文章最易讀,也最能抓住重點。13分35秒、460萬tokens。7處引用中有4處完全獲得支持(與Fable比例相同)。
Gemini 4 ArgonGoogle · 2026-09-30 $2 / $10(至11月30日止,12月1日起為 $4 / $20) · 不明
官方適用於實務程式開發、企業知識工作與資安防禦。回應速度比 Carbon 快,單次使用的tokens較少。輸出上限提高至100萬tokens,較先前Gemini的6萬4千大幅增加。
比較尚未使用。
調高思考等級會增加時間與費用,品質未必等比例提升
3家廠商都提供分級選項,讓使用者決定模型回答前要花多少功夫思考。思考所消耗的tokens一律按輸出費率計價。
| 廠商 | 等級 | 廠商說明 |
|---|---|---|
| Anthropic | low、medium、high、xhigh、max | low 可大幅節省tokens,但能力會略微下降。high 會視任務需要投入足夠的tokens。xhigh 適用於超過30分鐘的長時間Agent作業或程式開發。 max 比 xhigh 更慢也更貴,但多出來的差異通常很小。Fable 5.2 的能力提升大多在 high 時就已經發揮出來。 |
| OpenAI | low、medium、high、xhigh、maxTerra 也可選 none | 初次使用建議從 medium 開始,它在速度、表現與費用之間最均衡。重視品質勝過速度時再選 high。 只有在實測確認差異值得額外的時間與費用時,才使用 xhigh。 |
| Low、Medium、High、Extra HighNeon。Argon 無相關記載 | 等級越高,能力越穩定提升。High 為預設值。Extra High 針對最高難度的工作,會再多進行好幾層思考。 |
Vals 前幾名差距極小,費用卻從每題0.41美元拉開到26.54美元
以下為3項基準測試的數值,皆為量測當下的結果,排名會按月變動。Artificial Analysis 的費用為每道任務的美元成本;Vals 的費用為每項測試的成本。
Vals Index 分數
橫條右端為100%。依 Vals 排名排序
Artificial Analysis 費用(每道任務)
橫條右端為 $26.54。依 Vals 排名排序
| 模型 | Artificial Analysis 分數(思考等級)· 費用 | Vals Index 排名 · 分數 · 費用 | LMArena(文字) 排名 |
|---|---|---|---|
| Claude Fable 5.2 | 65(max)· $26.54 | 第1名 · 71.31% · $17.94 | 第7名 |
| GPT-6.2 Astra | 62(max)· $4.00 | 第8名 · 67.66% · $10.68 | 15名以外 |
| Gemini 4 Neon | 61(xhigh)· $6.44 | 第2名 · 70.87% · $7.40 | 第3名 |
| Claude Opus 5.5 | 59(max)· $10.04 | 第5名 · 70.14% · $24.77 | 第5名 |
| GPT-6.2 Sol | 57(max)· $1.01 | 第10名 · 66.06% · $3.18 | 15名以外 |
| Claude Sonnet 5.5 | 55(max)· $10.02 | 第3名 · 70.85% · $16.18 | 15名以外 |
| GPT-6.1 Terra | 51(max)· $0.96 | 第17名 · 60.54% · $2.94 | 15名以外 |
| Gemini 4 Argon | 50(high)· $9.95 | 第6名 · 69.39% · $13.37 | 第2名 |
| Claude Haiku 5.5 | 36(max)· $0.41 | 第22名 · 58.73% · $3.17 | 15名以外 |
從 Vals 的細項來看,法務項目(HLAB)各模型得分都很低,Fable 5.2 為5.0%。稅務項目(Tax Agent Bench)方面,Astra 為21.8%、Sol 為24.8%,大幅低於 Neon 的54.9%。Argon 在 Vals 的程式開發項目(Terminal-Bench 4)得分為57.6%,在9個模型中最低。
使用前需要知道的事
- 據報導,在 Gemini App 的模型選單中,Argon 已被 Neon 取代(9to5Google,2026年11月18日)。Argon 的API費率將於12月1日調漲為2倍。
- 有報導指出,使用者反映 GPT-6.2 Astra 在長時間作業中途會提出奇怪的問題並停下來,或重複執行相同的步驟。OpenAI 的相關人員表示,上線前最後3、4天加入的變更並未重新測試(Wccftech)。
- 廠商本身也指出,Claude Opus 5.5 與 Fable 5.2 有時會懷疑自己正在接受測試,因此實際使用時的表現會較難預測。
- 廠商公布的基準測試數據大多為自行量測。上表只收錄了3個外部評測的數值。
- 對於同一段文字,Claude Haiku 5.5 計算出的tokens數量比 Haiku 4.5 多約30%。
共4次比較,主題皆為日本相關調查
- 我們的比較共進行4次,每次各模型僅執行1次。主題皆為使用網路搜尋的日本相關調查,未比較程式開發、圖像或長篇文件撰寫。
- 11月12日與14日的比較使用的是前一版的 GPT-6 Astra 與 GPT-6.1 Sol。
- 模型名稱、價格與排名會按月變動。本表為2026年11月21日的數值。
本速查表依據的比較文章
| 日期 | 主題 | 比較的模型 |
|---|---|---|
| 2026-11-20 | 日本商務場合中給人好印象的表達方式 | Gemini 4 Neon、Claude Fable 5.2、GPT-6.2 Astra |
| 2026-11-18 | 日本職場與往來廠商的人際關係 | GPT-6.2 Astra、GPT-6.2 Sol、Claude Opus 5.5、Claude Fable 5.2 |
| 2026-11-14 | 從CAGR看日本成長產業 | Claude Fable 5.2、GPT-6 Astra、Claude Opus 5.5、Claude Sonnet 5.5、GPT-6.1 Sol |
| 2026-11-12 | 日本主要展覽 | Claude Fable 5.2、GPT-6 Astra |
確認日、對象與依據
- 確認日
- 2026年11月21日
- 對象
- 9個模型:Claude Opus 5.5、Sonnet 5.5、Fable 5.2、Haiku 5.5、GPT-6.2 Astra、GPT-6.2 Sol、GPT-6.1 Terra、Gemini 4 Neon、Gemini 4 Argon
- 挑選方式
- 除 Gemini 4 Argon 外的8個模型,是我們近30天最常使用的模型。Argon 則是作為Google於9月30日推出的最高階模型而納入
- 依據
- 廠商官方頁面、3項外部基準測試(Artificial Analysis、Vals、LMArena)以及我們的4篇比較文章
- 價格
- API標準費率,每100萬tokens的美元價格
- 編輯
- 廠商說明經摘要並翻譯為繁體中文,原文可由下方出處開啟
出處(2026年11月21日確認)
- Anthropic:Effort、Claude Opus 5.5、Opus 5.5 發表公告、Claude Sonnet 5.5、Sonnet 5.5 發表公告、Claude Fable 5.2、Fable 與 Mythos 5.2 發表公告、Claude Haiku 5.5、Haiku 5.5 發表公告
- OpenAI:Reasoning、Latest model、GPT-6.2 Astra、GPT-6.2 Sol、GPT-6.1 Terra、GPT-6.1 Terra 發表公告
- Google:Gemini 4 Neon 發表公告、Gemini 4 Argon 發表公告、AI Studio 模型清單、AI Studio 定價
- 基準測試:Artificial Analysis、Vals Index、LMArena Text
- 媒體報導:RuntimeWire(GPT-6.2 上線日期)、9to5Mac(GPT-6.1 Terra)、9to5Google(Gemini 4 Neon 與 Argon)、Wccftech(使用者對 GPT-6.2 Astra 的意見)
- 我們的比較:上方4篇比較文章