Gemini 4 Neon、Claude Opus 5.5、GPT-6.2 Solを比べると?ベンチマークの条件とタスク単価まで確認

GoogleによるNeon・Opus 5.5・GPT-6.2 Solの比較表を、ハーネスや設定の表記ごと再構成。独立機関のコスト・速度・ハルシネーションのデータ、公式料金、利用できる場所、用途別の選び方をまとめます。

グレー、青、オレンジに塗られた3本のレーンがカーブする陸上トラックの線画。スタート台の位置がずれており、公平な比較は各レーンの出発点しだいだと示している。

Googleが公開した19行の比較表では、Gemini 4 Neonが16行でトップ、Claude Opus 5.5が2行(Terminal-Bench 4.1とFrontierCode 2.0)、GPT-6.2 Solが1行(Chartography)でトップです。 第三者のArtificial Analysisのデータでも、3モデルのうちIntelligence Indexが最も高いのはNeon(61、59、57の順)で、ハルシネーション率も群を抜いて低くなっています。ただし、ベンダーの表には載っていない事実もあります。同じIndexのタスクを、Solは1件あたり約1.01ドル、8.5分で終えました。Neonは6.44ドル、21.5分、Opusは10.04ドル、24.5分です。机上の数字ではNeonが最も強い汎用モデルです。OpusはGoogleの表のTerminal-Bench 4.1とFrontierCode 2.0でわずかに上回りますが、AA自身が実施したTerminal-Bench 4.0では3モデル中最下位です。Solは、ほぼすべての項目で数ポイント劣る代わりに、安くて速い選択肢です。

この記事で扱う内容:

  • Googleの比較表を、行ごとのハーネス、思考レベル、データの出どころを付けて再構成したもの(出典はGoogleの評価方法論PDF(英語))
  • 2026年11月19日に取得したArtificial Analysisの数値(Index、タスクあたりのコスト、タスクあたりの所要時間、ハルシネーション)
  • Google、Anthropic、OpenAIが公表しているトークン単価
  • 各モデルを現時点でどこから呼び出せるかの正確な整理
  • OfoxでOpus 5.5とSolを3つのコーディングタスクで動かした小規模テスト

この記事はOfoxが発行しています。OfoxはOpus 5.5とSolを提供していますが、Neonは提供していません。ベンチマークの各行は他者による結果であり、Ofoxの測定ではありません。Ofoxが自分で測定したのは小規模テストの節の結果だけで、そのテストも参考程度のものです。モデルの順位付けには使えません。

Googleの比較表(表記はすべてそのまま)

3モデルを並べて比較している公式資料は、2026年11月18日に公開されたGoogleのGemini 4 Neonモデルカード(英語)だけです。スコアと同じくらい重要なのが評価方法論のPDFです。そこには、Neonは “with the highest thinking settings unless indicated otherwise”(特記がない限り最も高い思考設定で)実行したと書かれており、これは xhigh を指します。Opus 5.5とGPT-6.2 Solについては、利用できる最大の推論設定の結果を、最大設定の結果が公表されていない場合は入手できる最良の結果を載せています。行内に別の記載がない限り、競合モデルの数値はAnthropicとOpenAIの自己申告値です。Googleが実行したものではありません。

カテゴリベンチマーク(設定)NeonOpus 5.5GPT-6.2 Sol行のトップ数値の出どころ
IndexAA Index v5.0.1615957NeonArtificial Analysis
IndexVals Index v2.270.9%70.1%66.1%NeonVals AI
エージェント型コーディングCursorBench 4.165.4%58.1%—NeonCursor
エージェント型コーディングTerminal-Bench 4.1, cheating-adjusted accuracy65.2%65.8%61.5%OpusNeon:Artificial Analysis(Antigravity-CLI 1.5.9)、他:公開リーダーボード
エージェント型コーディングFrontierCode 2.0, main score46.2%47.3%43.8%Opus公開リーダーボード。Neonは xhigh ではなく high
エージェント型コーディングSWE-sweep, provider harness39.0%10.1%8.3%NeonGoogleが自ら算出:Antigravity-CLI 1.5.9 / Claude Code / Codex
エージェント型コーディングSWE-sweep, Mini-SWE harness12.8%3.6%11.6%NeonGoogleが自ら算出、mini-swe-agent vision harness
ナレッジワークAutomationBench56.3%42.5%41.3%Neon公開リーダーボード
ナレッジワークAgents’ Last Exam v1.175.8%71.6%73.0%NeonNeon:Google、Antigravity-CLI 1.4.8、5時間枠。Sol:OpenAIのシステムカード。Opus:リーダーボード
科学・数学RiemannBench84.0%80.0%80.0%Neon公開リーダーボード
科学・数学Terminal-Bench-Science 0.170.5%63.3%68.0%NeonNeon:Google、mini-swe-agent vision harness、5回試行の平均。他:リーダーボード
推論HLE-Diamond71.3%67.9%64.0%NeonArtificial Analysis
マルチモーダルMKA, Climb WSR56.5%53.0%52.7%NeonArtificial Analysis
マルチモーダルChartography73.5%66.3%75.1%SolNeonとSol:Google、ツールなし。Opus:Anthropicのシステムカード
マルチモーダルLVBench89.0%83.7%87.6%NeonGoogle。モデルごとにフレーム数の上限が異なる
長文コンテキストGraphWalks, 256k–1M BFS (F1)95.2%66.8%80.1%NeonGoogleが自ら算出、200問
サイバーセキュリティCWE-Bench v270.7%67.1%66.0%Neon公開リーダーボード(Collinear)
サイバーセキュリティSEC-bench Pro90.5%—88.3%NeonNeon:Google、Antigravityハーネス。Sol:OpenAIのレポート
サイバーセキュリティWebExploitBench v1.251.3%37.1%—NeonGoogleが自ら評価し、AgentCyberRangeが検証

出典:Neonモデルカード(英語)と評価方法論(英語)。いずれも2026年11月19日に確認しました。「—」は、Googleがそのモデルの数値を公表していないことを示します。0点という意味ではありません。

Neonの優位がはっきりしている行と、僅差の行

いくつかの行は、別の実行なら順位が入れ替わってもおかしくないほどの僅差です。Vals IndexでのNeonのOpusに対するリードは0.8ポイント、Agents’ Last ExamでのSolに対するリードは2.8ポイントです。Terminal-Bench 4.1ではNeonがOpusを下回っていますが、その差は0.6ポイントにすぎません。エージェント系のベンチマークでは、約2ポイント未満の差はハーネスのバージョン、リトライ、タイムアウトで動く範囲です。計画を立てるうえでは、これらの行は引き分けとみなしてください。

Neonのリードが最も大きいのは、GraphWalks(Neon 95.2%、Sol 80.1%、Opus 66.8%)、AutomationBench(約14ポイント差)、CursorBench(Opusに7.3ポイント差)、そしてprovider harnessでのSWE-sweepです。最後の行は特に注意して読む必要があります。

SWE-sweepの39.0%は主にハーネスの結果

GoogleはSWE-sweepを2通りの条件で実行しました。provider harness の行では、各モデルがそれぞれのベンダーのエージェントを使っています。NeonはAntigravity-CLI、OpusはClaude Code、SolはCodexです。Googleの方法論には、公開版のAntigravity-CLIにはコードベース全体に並列で探索を広げるサブエージェントツールが標準で含まれていると書かれており、Googleはこれを “particularly suited to bug finding tasks like SWE-sweep”(SWE-sweepのようなバグ発見タスクに特に適している)と説明しています。

Neonはこの条件で39.0%、共通の Mini-SWE ハーネスでは12.8%です。OpusはClaude Codeでの10.1%から3.6%に下がります。Solは逆の動きで、Codexでは8.3%、Mini-SWEでは11.6%です。Googleの発表自体も、NeonのスコアはAntigravityで “more than triples”(3倍以上になる)と書いています。つまり39.0%は、Googleのエージェント製品の中で動かしたNeonの数字です。モデル自体が競合の3〜4倍強いことを示すものではありません。条件をそろえたMini-SWEの行では、NeonのSolに対するリードは1.2ポイントです。

ほかにも、行の読み方を変える表記が2つあります。FrontierCodeでは、Neonは xhigh ではなく既定の high で評価されています。Terminal-Benchは、3モデルともcheating-adjusted(不正行為を補正した)正答率で報告されていますが、方法論にはこの補正の詳しい定義がありません。Googleの発表では、Terminal-Bench 4.0でのNeonの不正行為率は0.0%とされています。LVBenchの行では、モデルごとに入力条件も異なります。Geminiは低解像度で毎秒1フレーム、Solは500フレーム、Opusは600フレームで、いずれも “due to API limitations”(APIの制約のため)と説明されています。

ベンダーの比較表を読むときの一般的な注意点

  • 比較対象を選んだのはベンダーです。 GoogleはNeonをOpus 5.5、GPT-6.2 Solと比べました。Claude Fable 5.2とGPT-6.2 Astraは含まれていません。この2モデルは100万トークンあたり8ドル/40ドルで、Artificial AnalysisのIntelligence Indexでは11月19日時点で最高設定時に64.6と62.1と、Neonより高いスコアです。この表から分かるのは、同価格帯のモデルと比べたNeonの位置です。最上位層の中での位置は分かりません。
  • 出どころの異なる数値が同じ列に並んでいます。 Google自身が実行したセルもあれば、競合のシステムカードから転記したセルもあります。後者はハードウェア、プロンプト、実施時期が異なります。
  • 設定がそろっていません。 Neonはほとんどの行で xhigh、競合は最大設定の結果が報告されていればその設定、そしてFrontierCodeではNeonは high です。
  • ベンチマークは学習後に選ばれています。 発表時の表に載るのは、ベンダーが公開すると決めたベンチマークだけです。載せなかったベンチマークの結果は表からは分かりません。

これは表が間違っているという意味ではありません。何を試すかを決める材料として使い、最終的な答えとしては扱わない、ということです。

独立データで分かること:コスト、時間、ハルシネーション

Artificial Analysis(AA)は、すべてのモデルを同じハーネスで実行し、モデルカードには載っていないタスクあたりのコストと時間を公開しています。Ofoxでは、Neon、Opus 5.5、GPT-6.2 Solの各ページとAA-Omniscienceの評価(いずれも英語)を、2026年11月19日 03:20 UTCごろに確認しました。AAはこれらのページを更新するため、判断の前に改めて確認してください。

AAの指標(最上位の推論設定)Neon(xhigh)Opus 5.5(max)GPT-6.2 Sol(max)
Intelligence Index v5.0.161.459.157.3
Intelligence Indexのタスク1件あたりのコスト$6.44$10.04$1.01
タスク1件あたりの所要時間21.5分24.5分8.5分
タスク1件あたりの出力トークン(推論+回答)約142k約173k約40k
回答の最初のトークンまでの時間56.5秒335.8秒75.1秒
Terminal-Bench 4.0(AAの実行)63.6%59.6%60.1%
FrontierCode 2.0(AAの実行)44.4%46.4%44.4%
AA-Omniscience正答率60.5%65.5%61.6%
AA-Omniscienceハルシネーション率14.4%50.3%55.4%
AA-Omniscience回答率67.5%86.7%85.4%
HLE-Diamond71.3%67.9%64.0%

3列の設定は異なります。Neonは xhigh、ほかの2モデルはmaxです。設定を下げればスコアもコストも下がります。既定の high でのNeonについて、AAのデータではIndexが59.6、タスク1件あたり3.74ドル、14.8分、ハルシネーション率は13.9%です。それでもIndexはmax設定のSolより高く、タスクあたりのコストはSolの3倍を超えます。AAはOpusの xhigh を57.4(タスクあたり6.05ドル、16.1分)、Solの high を54.9(タスクあたり0.56ドル、4.6分)としています。AnthropicのドキュメントではOpus 5.5の既定のeffortは medium で、medium のOpusはAAでIndex 48.2、タスクあたり2.45ドルです。

特に目立つ点は3つです。

  1. トークン単価の比率では、タスクあたりのコスト差を小さく見積もってしまいます。 Opusのトークン単価はSolの2倍ですが、AAのタスクあたりのコストは約10倍でした。出力トークンも約4倍に達しています。Neonの単価はSolの1.5倍で、タスクあたりでは約6.4倍です。料金表の単価より、モデルが消費するトークン数のほうが効いてきます。
  2. ハルシネーション率が低いことは、正答率が高いことを意味しません。 AAはハルシネーション率を、誤答の数を、正解以外のすべての応答の数で割った値と定義しています。Neonが最も低い(14.4%)のは、主に回答を控える頻度が高いためです。Neonが回答したのは質問の67.5%で、ほかの2モデルは約86%でした。正答率が最も高いのはOpus(65.5%)ですが、Opusは分からないときにも推測で答えます。誤答のほうが「分かりません」より損失が大きい場面ではNeonの特性が向いています。網羅性を重視するなら、正しく答えられる質問はOpusのほうが多くなります。
  3. Solの速さの優位は大きいです。 タスクあたりの所要時間はほかの2モデルの半分未満で、最初の回答トークンまでの時間も、336秒かかったmax設定のOpusよりはるかに短くなっています。

AA自身のコーディング評価は、Googleが示すコーディング面の評価を両方向から複雑にしています。AAのFrontierCode 2.0ではOpusが46.4%でトップ、NeonとSolはともに44.4%で、Googleの表と同じくOpusが1位です。一方、AAのTerminal-Bench 4.0ではNeonが63.6%でトップ、Opusは59.6%で、Solの60.1%も下回る最下位です。これはGoogleの表のTerminal-Bench 4.1の行とは逆の結果で、Opusのターミナル系での優位は、どのベンチマークのバージョンとハーネスを見るかで変わります。また、Googleの発表では、NeonはAA Coding Agent Indexで58.6を記録して総合1位だとしています。これはGoogleの主張です。確認したAAのページにはモデルごとのCoding Agent Indexの値が表示されていなかったため、Ofoxでは検証していません。

公式のトークン単価

料金はすべてStandardティア、100万トークンあたりの米ドルで、2026年11月19日に確認しました。各プロバイダー自身の価格です。Ofoxの価格は各Ofoxモデルページに掲載しているため、ここでは繰り返しません。

Gemini 4 NeonClaude Opus 5.5GPT-6.2 Sol
入力$3.00$4.00$2.00
出力(思考を含む)$15.00$20.00$10.00
キャッシュ入力$0.15(暗黙的キャッシュのみ)キャッシュヒット $0.20$0.10
キャッシュ書き込み個別の記載なし$5(5分)、$8(1時間)$2.50(30分)、$5(12時間)
非常に長いプロンプト1Mのコンテキスト全体で同一料金1Mのコンテキスト全体で標準料金入力272K超:入力とキャッシュの料金が2倍、出力が1.5倍
Batch$1.50 / $7.50(Flexも同額)50%引き:$2 / $1050%引き:$1 / $5
無料枠なし——
出典Gemini APIの料金(英語)Anthropicの料金(英語)GPT-6.2 Solのモデルページ(英語)

トークン単価だけでは足りない理由は、簡単な計算で分かります。キャッシュなしで入力50,000トークン、出力10,000トークンのリクエストを1回送るとします。料金表どおりなら、Neonは0.30ドル、Opusは0.40ドル、Solは0.20ドルです。しかし、同じテキストでもモデルによってトークン数は変わります。後述の小規模テストでは、まったく同じプロンプトがOpusでは入力139トークン、Solでは98トークンでした。出力の長さもモデルによって異なります。請求額を比べる前に、モデルごとに自分のトークン数を測ってください。キャッシュと思考レベルの詳細は、Claude Opus 5.5の料金ガイドとGemini 4 Neonの料金解説で扱っています。

Neonの$3/$15という料金は、Geminiファミリーの中でも意味を持ちます。CarbonとArgonは2026年12月1日に$2/$10から$4/$20に上がり、その後はNeonのほうが両方より安くなります。12月の料金変更で何が変わるかとNeonとCarbonの比較も参照してください。

各モデルを実際に使える場所

Gemini 4 NeonClaude Opus 5.5GPT-6.2 Sol
APIのモデルIDgemini-4-neonclaude-opus-5-5gpt-6.2-sol
APIの提供状況Gemini APIの有料ティア(generateContent とInteractions API)Claude API、Bedrock、Google Cloud、Microsoft Foundry2026年11月17日からOpenAI APIで提供。Responses APIとChat Completions
一般向けアプリ・IDEGeminiアプリ(AI ProとUltra)、AI Studio、Google Antigravity(有料のProとUltra)、Gemini for businessClaudeアプリ、Claude Code(利用条件と制限)ChatGPT WorkとCodexデスクトップでプレビュー(PlusとPro。管理されたワークスペースではシート設定による)。通常のChatには非搭載
Ofoxでの提供(2026年11月19日確認)なしあり:anthropic/claude-opus-5.5あり:openai/gpt-6.2-sol
コンテキストウィンドウ1,048,576トークン(入力と出力の合計)1M1,050,000(最大入力922K)
最大出力同期処理では既定で64K。long decodeで最大1M128K(ベータヘッダー付きのBatchで300K)128K
入力の種類テキスト、画像、音声、動画テキスト、画像テキスト、画像
知識のカットオフ2026年3月2026年6月(信頼できる範囲)2026年6月1日

GPT-6.2 Solの「プレビュー」表記の意味。 2026年11月17日付のOpenAIのChatGPTリリースノート(英語)には、GPT-6.2 AstraとSolは “available in preview in Work and Codex desktop”(WorkとCodexデスクトップでプレビュー提供)であり、“Regular Chat keeps its existing model choices.”(通常のChatは既存のモデル選択を維持する)と書かれています。このプレビュー表記はChatGPTに対するものです。開発者向けには、OpenAI APIの変更履歴(英語)で gpt-6.2-sol が11月17日にResponses APIとChat Completions向けにリリースされたと記載されています。モデルページにはBuildからGrowまでの各利用ティアの料金とレート制限が公開されており、いずれにもプレビューの表記はありません。実務上は次のようになります。

  • APIを使った開発は今すぐ始められます。
  • ツール呼び出しにはResponses APIが必要です。
  • APIは reasoning.effort: none を受け付けません。
  • ChatGPTでは、SolはWorkとCodexのモデル選択画面にしか表示されません。

GPT-6 Solから移行する場合は、Responses APIのツール呼び出し移行メモが引き続き当てはまります。

OfoxでのNeon。 2026年11月19日時点で、google/gemini-4-neon は GET https://api.ofox.ai/v1/models の結果になく、https://ofox.ai/models/google/gemini-4-neon は404を返しました。Neonを使うにはGoogleを直接呼び出してください。設定方法はNeon APIガイドで説明しています。Ofoxでは現在、Gemini 4 HydrogenとArgonをGeminiネイティブのエンドポイントから利用できます。

小規模テスト:3つのコーディングタスクでOpus 5.5とSolを比較

この記事でOfoxが自ら測定したのはこの節だけです。参考程度の結果です。簡単なタスク3つを2回ずつ実行しただけでは、2つのフロンティアモデルに順位は付けられませんし、実際に両モデルともすべてのテストに合格しました。それでも載せるのは、AAのコストデータが示唆する出力量とレイテンシの違いを、誰でも再現できる規模で示せるからです。

設定(2026年11月19日):

  • エンドポイント:Ofox https://api.ofox.ai/v1/chat/completions
  • モデル:anthropic/claude-opus-5.5 と openai/gpt-6.2-sol
  • パラメーター:max_tokens: 16000。推論やeffortのパラメーターは送っていないため、各モデルはルートの既定値で動作しています。

タスク:

  • T1:ページネーションのoff-by-oneバグを修正し、入力検証を追加する
  • T2:9種類の不正入力を含む厳密な仕様に従って parse_duration("1h30m") を書く
  • T3:時計を注入できる TokenBucket を実装する

各回答は、ローカルで実行する非公開のユニットテスト(それぞれ5件、16件、5件)で採点しました。呼び出しは合計12回で、タスクとモデルの組み合わせごとに2回ずつです。

タスクテスト合格数(2回とも)Opus 5.5のレイテンシSolのレイテンシOpusの出力トークンSolの出力トークン
T1 ページネーションの修正両モデルとも5/5、5/53.4 / 3.9秒3.5 / 3.1秒142 / 142184 / 181
T2 期間文字列のパーサー両モデルとも16/166.2 / 5.9秒2.5 / 2.4秒471 / 438119 / 117
T3 トークンバケット両モデルとも5/59.0 / 8.6秒2.7 / 3.6秒656 / 756253 / 268

合計では、Opusが入力1,136トークン、出力2,605トークン、Solが入力804トークン、出力1,122トークンでした。各プロバイダーの公表価格で計算すると、6回の呼び出し全体でOpusは約0.057ドル、Solは約0.013ドルです。この金額はOfoxによる計算で、Ofoxの請求書の金額ではありません。レイテンシの中央値はOpusが6.0秒、Solが2.9秒でした。

合否以外に観察できたこと:

  • T3でOpusは仕様を超えた実装をしました。 2回とも threading.Lock、capacity プロパティ、clock が呼び出し可能かどうかのチェックを追加しています。どれも要求されていません。ロックは本番環境では妥当な選択ですが、レビューすべき範囲が増えます。Solは要求されたインターフェースだけを実装しました。
  • 簡単なバグ修正(T1)では、Solの出力が少し多くなりました。 スライスですでに処理される start >= len(items) の早期リターンを明示的に追加しています。差はどちらの方向でも小さなものでした。
  • 同じプロンプトでも入力トークン数が異なりました。 Opusは139〜234トークン、Solは98〜153トークンで、Opusのほうが約40%多くなりました。長いプロンプトでトークン単価を比べる際に影響します。

このテストから分からないこと:Ofoxで提供していないNeonについては何も分かりません。Opusのベンチマーク上の優位が効いてくる、難しい複数ファイルにまたがる作業についても分かりません。多数回実行したときの安定性も分かりません。スクリプト、プロンプト、テスト、生のレスポンス(キーは伏せ字)はレポートとともに保管しており、テストを再実行できます。Ofox経由で自分でも比較したい場合は、統合ドキュメントでClaude Code、Codex、Cursorなどのクライアントの設定を説明しています。

3モデルの呼び出し方

Opus 5.5とSolは、OfoxではOpenAI互換のクライアント1つで呼び出せます。Opus 5.5のモデルページには openai と anthropic の両方のプロトコルが、Solには openai が記載されています。

from openai import OpenAI
import os, time

client = OpenAI(base_url="https://api.ofox.ai/v1", api_key=os.environ["OFOX_API_KEY"])

for model in ["anthropic/claude-opus-5.5", "openai/gpt-6.2-sol"]:
    t = time.time()
    r = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": "Write parse_duration('1h30m') -> 5400 in Python. Code only."}],
        max_tokens=16000,
    )
    print(model, round(time.time() - t, 1), "s", r.usage)

NeonはGoogleのネイティブAPIを使います。次の例はGoogleのNeonガイドに沿ったものです。

from google import genai

client = genai.Client()  # GEMINI_API_KEY を読み込む。Neon には有料ティアが必要
interaction = client.interactions.create(
    model="gemini-4-neon",
    input="Write parse_duration('1h30m') -> 5400 in Python. Code only.",
)
print(interaction.output_text)

よくあるエラー:

タスク別のモデルの選び方

以下は根拠に基づく出発点であり、測定に基づく順位ではありません。各行に、どの根拠によるものかを記載しています。

タスクまず試すモデル理由根拠
数ポイントの差が重要になる、難しい複数ファイルのソフトウェア開発Opus 5.5(Neonも試す)Googleの表とAAの実行の両方でFrontierCode 2.0のトップ。Googleの表ではTerminal-Bench 4.1でもトップだが、AAのTerminal-Bench 4.0では最下位Googleの表とAA(結果が分かれる)
Googleのツール内で大規模リポジトリのバグを探すAntigravityでのNeonGoogleのサブエージェント付きハーネスでSWE-sweep 39.0%。Mini-SWEでは優位がほぼ消えるGoogleの表(ハーネスに依存)
大量に回すコーディングエージェント、CIの修正、日常的なPRSolAAのタスクあたりコストはNeonの約1/6、Opusの約1/10で、所要時間は半分未満。AAのIntelligence Indexは57(他は59と61)AAとOfoxの小規模テスト
長文コンテキストの分析(256K〜1Mトークン)NeonGraphWalksで95.2%(他は80.1%と66.8%)。Solは入力272K超で料金が上がるGoogleの表(自ら算出)と料金ページ
誤答のコストが大きい調査・ナレッジワークNeonハルシネーション率14.4%(他は50%以上)。回答を控える場面は増えるAA-Omniscience
網羅性を最も重視するナレッジQ&AOpus 5.5AA-Omniscienceの正答率が最高の65.5%AA-Omniscience
グラフや情報量の多い図の読み取りSolまたはNeonChartographyではSolがトップで75.1%、Neonは73.5%。Opusは66.3%Googleの表
音声・動画の入力Neon3モデルのうち音声と動画を受け付けるのはNeonだけ各社の公式ドキュメント
業務ワークフローの自動化NeonAutomationBenchで56.3%(他は約42%)Google経由の公開リーダーボード
ゲートウェイとキーを1つにまとめたいOpus 5.5またはSolどちらもOfoxで利用可能。Neonは非対応Ofoxのモデル一覧(2026年11月19日)

各モデルが苦手なこと

Gemini 4 Neon

  • Googleの表のTerminal-Bench 4.1とFrontierCode 2.0、AAの実行のFrontierCodeで、Opusをわずかに下回っています。
  • 回答を控える質問が多いため、AA-Omniscienceの正答率はOpusより低くなっています。
  • 目玉となるSWE-sweepのスコアはGoogleのハーネスに依存しています。
  • xhigh では、AAのワークロードでタスク1件に約21分、約6.44ドルかかります。
  • 知識のカットオフは3モデルの中で最も古い2026年3月です。
  • 無料ティアはなく、Ofoxでは利用できません。

Claude Opus 5.5

  • max設定では、AAのタスクあたりのコストが最も高く、最も遅いモデルです(10.04ドル、24.5分、最初の回答トークンまで336秒)。
  • Googleの表ではTerminal-Bench 4.1でトップですが、AAのTerminal-Bench 4.0では3モデル中最下位(59.6%)です。
  • GraphWalksの長文コンテキスト(66.8%)、Chartography(66.3%)、Mini-SWEでのSWE-sweep(3.6%)では3モデル中最も低いスコアです。
  • ハルシネーション率は約50%です。
  • 音声と動画の入力には対応していません。
  • Ofoxの小規模テストでは、要求されていない範囲まで実装を広げました。

GPT-6.2 Sol

  • AAのIntelligence Indexは3モデル中最も低い57です。
  • ハルシネーション率は最も高い55.4%です。
  • Googleの表のTerminal-Bench 4.1、FrontierCode、Vals、HLE-Diamondでは3モデル中最下位です。
  • 272Kトークンを超える入力には高い料金がかかります。
  • GoogleはSolのCursorBenchとWebExploitBenchの数値を公表していません。
  • ChatGPTではまだプレビューで、WorkとCodexに限られます。

どのモデルから試すかはGoogleの表で決め、コスト、速度、ハルシネーションはArtificial Analysisで確認してください。最終的な判断は、自分のタスクでの自分の合格率で下すべきです。この3モデルより上位・下位のモデルについては、Gemini 4のモデルの選び方、以前のGPT-6 SolとClaude Opus 5.5のコーディングコスト比較、複雑なコーディングでのClaude Opus 5.5とGPT-6 Astraの比較を参照してください。

関連ドキュメント

よくある質問

GPT-6.2 Solはまだプレビュー版ですか?
プレビューなのはChatGPTの中だけです。2026年11月17日付のOpenAIのChatGPTリリースノートには、GPT-6.2 AstraとSolがChatGPT WorkとCodexデスクトップでプレビュー提供され、通常のChatでは既存のモデルが引き続き使われると書かれています。一方、OpenAI APIの変更履歴では、gpt-6.2-solは同日にResponses APIとChat Completions向けにリリースされたと記載されており、料金とレート制限も公開されています。こちらにはプレビューの表記はありません。
Gemini 4 NeonはOfox経由で呼び出せますか?
2026年11月19日時点では呼び出せません。google/gemini-4-neonはOfoxのモデル一覧になく、Ofoxのモデルページもありません。Gemini APIの有料ティアを直接使ってください。Claude Opus 5.5とGPT-6.2 SolはどちらもOfoxで利用できます。