五週間で三つのフロンティアモデル：DeepSeek V4、GPT-5.5、Claude Opus 4.8

2026年の春、三つの企業がわずか五週間のうちに最強のモデルを相次いで発表しました。OpenAIが4月23日にGPT-5.5をリリースし、続いてDeepSeekが4月24日にDeepSeek V4を、そしてAnthropicが5月28日にClaude Opus 4.8を投入しました。三つとも同じ領域、つまりコーディング、自律型エージェント、ナレッジワークで競い合っていますが、その思想は三者三様です。オープンで安価なもの、クローズドで推論に強いもの、そしてクローズドで長時間のタスクに信頼できるものです。この実践ガイドでは、キャッチコピーではなく公式の数字に基づいて比較します。

方法についての注意：異なる企業間のベンチマーク比較はあくまで概算にとどまります。各ベンダーが使うテスト環境やベンチマークのバージョンが異なる（たとえばTerminal-Bench 2.0と2.1）ため、わずかな差から確定的な結論を導くべきではありません。以下では、公式発表と独立系のベンチマーク集計サイトから集めた、本当に比較可能な数字に焦点を当てます。

簡易比較表

項目DeepSeek V4GPT-5.5Claude Opus 4.8
開発元DeepSeekOpenAIAnthropic
リリース日2026年4月24日2026年4月23日2026年5月28日
ライセンスオープンウェイト（MIT）クローズドクローズド
コンテキストウィンドウ1Mトークン約1Mトークン1Mトークン
1Mトークンあたりの料金（入力/出力）Flash：$0.14/$0.28 — Pro：$0.435/$0.87$5/$30$5/$25
SWE-Bench Pro（実務でのコーディング）—58.6%69.2%
OSWorld-Verified（コンピューター操作）—78.7%83.4%
GPQA Diamond（科学的推論）90.1%93.6%—
最大の強みオープン性とコスト推論と効率コーディングと長時間タスク

DeepSeek V4：クローズドモデルを追うオープンな挑戦者

DeepSeekは、Mixture-of-Experts（MoE）設計に基づく二つのバリアントをリリースしました。総パラメータ数1.6兆（トークンごとに490億がアクティブ）のV4-Proと、総パラメータ数2840億、アクティブ130億のV4-Flashです。後者は高速で経済的な選択肢です。どちらも100万トークンのコンテキストウィンドウ、最大384Kトークンの出力、二つの実行モード（思考あり／思考なし）、そして長いコンテキストでの計算コストを削減する新しいアテンション方式（DeepSeek Sparse Attention）をサポートしています。

決定的な利点は、MITライセンスのオープンウェイトであることです。ダウンロードして自社のサーバーで実行でき、データを第三者に送る必要がありません。これは、サウジアラビアの個人データ保護法（PDPL）のもとでデータプライバシーを重視するあらゆる組織にとって重要です。DeepSeekはこのモデルを、エージェント型コーディングにおける最高のオープンソースモデルであり、世界知識ではモデルの中でGemini 3.1 Proに次ぐ位置にあると説明しています。

GPT-5.5：科学的推論と効率

OpenAIはこれを同社史上最も賢いモデルと呼んでおり、長時間のエージェント型タスク、つまりコーディング、コンピューター操作、そしてタスクが完了するまでツール間を行き来する作業に重点を置いています。約百万トークンのコンテキストウィンドウ、最大128Kトークンの出力、テキストと画像の入力に対応し、知識のカットオフは2025年12月です。OpenAIによれば、Artificial AnalysisのCoding Indexにおいて、競合するフロンティアのコーディングモデルの半分のコストで最先端の知能を提供し、同じタスクをより少ないトークンで完了できるとのことです。ただし、272Kトークンを超えるコンテキストには割増料金がかかります。

Claude Opus 4.8：実務のソフトウェアエンジニアリングと長時間タスク

Opus 4.8は、AnthropicのOpusクラスで最も強力なモデルです（その上には、最も難しい作業向けに、より高価なClaude Fable 5があります）。長期にわたるタスクでの高い自律性と判断の質が際立っており、適切な質問を投げかけ、自分のミスに気づき、計画に無理があるときには異議を唱えます。100万トークンのコンテキストウィンドウに標準料金で対応し、長いコンテキストへの割増はなく、出力は最大128Kトークンです。Anthropicのサイトで紹介されているあるテストパートナーによると、Opus 4.8はSuper-Agentベンチマークのすべてのケースを最初から最後までやり遂げた唯一のモデルで、同等のコストでGPT-5.5を上回りました。

料金：三つの中で最もはっきりした差

100万トークンあたりの料金（入力/出力）、公式情報より：

  • DeepSeek V4-Flash：入力$0.14／出力$0.28で、群を抜いて最安です（キャッシュヒット時には入力が$0.0028まで下がります）。Pro版：入力$0.435／出力$0.87。
  • Claude Opus 4.8：入力$5／出力$25で、1Mトークンのウィンドウを追加料金なしの標準料金で利用できます。
  • GPT-5.5：入力$5／出力$30で、入力料金はOpusと同じですが出力は高く、272Kトークンを超えるコンテキストでは料金が二倍になります。
  • 参考：Claude Fable 5（Anthropicの最上位クラス）は入力$10／出力$50です。

料金のまとめ：GPT-5.5とOpus 4.8は入力料金が同じで、出力はOpusのほうが安価です。DeepSeekはおよそ10倍から35倍安く、自社ホスティングすれば限界コストはほぼゼロに近づきます。

性能：どこで誰がリードしているのか？

本当に比較可能な数字がある分野（成功率、高いほど良い）：

  • 実際のGitHubイシュー（SWE-Bench Pro）：Opus 4.8が69.2%でリードし、GPT-5.5は58.6%です。実際のソフトウェアエンジニアリングにおけるClaudeの明確な優位です。
  • コンピューター操作（OSWorld-Verified）：Opus 4.8が83.4%、GPT-5.5が78.7%です。
  • 科学的推論（GPQA Diamond、博士レベルの問題）：GPT-5.5が93.6%でリードし、DeepSeek V4-Proが90.1%で僅差で続いています。オープンモデルとしては驚くべき数字です。
  • ターミナルでのコーディング（Terminal-Bench）：GPT-5.5は82.7%（バージョン2.0）、Opus 4.8は74.6%（バージョン2.1）です。バージョンが異なるため、数字を直接比較することはできません。

まとめると、GPT-5.5は科学的推論と効率に、Opus 4.8は実務のコーディングと信頼できる長時間タスクに、DeepSeek V4はコストとオープン性に最も強く、性能もクローズドモデルに迫っています。

2026年に絶対的な「最高のモデル」は存在しません。あるのは、あなたのタスク、予算、そしてデータの機密性に最も適したモデルだけです。

どれを選ぶべきか？

  • 機密性の高いデータ、限られた予算、または完全なコントロールを望む場合は？ → DeepSeek V4：自社のサーバーで実行するか、はるかに安いAPIを利用しましょう。
  • 本格的なコーディング、何時間も働き続けるエージェント、長いコンテキストでの信頼性が必要なタスクなら？ → Claude Opus 4.8。
  • 科学研究、複雑な分析、効率を重視したターミナル作業なら？ → GPT-5.5。
  • 大規模な本番環境の製品なら？ まず三つすべてを実際のタスクで測定してください。公開されている数字が、あなたの具体的なケースを反映しているとは限りません。

Origamiがお手伝いできること

Origamiではカスタムソフトウェアと AI システムを構築しており、流行ではなくお客様のタスクに基づいてモデルを選びます。プライバシーとコストが優先されるなら自社ホスティングのオープンモデルを、タスクが可能な限り高い能力を求めるなら最先端のクローズドモデルを選びます。目指すのは、華やかな名前にお金を払うことではなく、最適なコストで正しい結果を得ることです。

出典

性能の比較数値は、上記の公式発表と公開されている独立系のベンチマーク集計サイトから集めたものです。異なるテスト環境間の比較は、あくまで概算にとどまります。