2026年のエージェント向けベストAIモデル：テスト、投票、利用で選ぶ上位10

同じ質問に Claude だけが答えたものです。上の最終リストはすべての AI をまとめています。

1. 1
   Claude Mythos 5（アンソロピック）

   Swfte の2026年10月のランキングで首位。さらに以前の Mythos Preview は、SWE-bench Pro で77.8%を記録し、挙げられた次の2モデルより約20ポイント上だった。

   出典 ↗
2. 2
   Claude Opus 5.5（アンソロピック）

   2026年10月17日時点で LMArena の WebDev ボードの首位。実用的なコーディングの選択肢と言える。

   出典 ↗
3. 3
   Gemini 4 Argon（グーグル）

   LMArena Text で人間の投票により首位だが、1524±9 のスコアは暫定値。

   出典 ↗
4. 4
   Claude Opus 4.8（アンソロピック）

   2026年6月のガイドでは、SWE-bench Verified で88.6%、より難しい Pro では69.2%。ただ、そのガイドがリーダーボードの結果かベンダーの数字かは書かれていない。

   出典 ↗
5. 5
   DeepSeek V4.1 Flash

   2026年10月20日付のレポートでも、OpenRouter で32.8兆トークンで首位のまま。利用量は20%減った。

6. 6
   GPT-5.4（OpenAI）

   SWE-bench Pro で57.7%（BenchLM、2026年4月）。2026年10月のOpenAIのデータは見つからず、これが確認できた最後の順位。

   出典 ↗
7. 7
   GLM-5.1（智譜AI）

   BenchLM の表で GPT-5.4 より上の、SWE-bench Pro で58.4%を記録したオープンウェイトモデル。

   出典 ↗
8. 8
   GLM 5.3 Flash（智譜AI）

   OpenRouter で12.2兆トークンのまま横ばい。DeepSeek が減るなか、エージェント開発者が選ぶ安価な層のモデル。

9. 9
   Kimi K2.6（ムーンショットAI）

   情報源は、2026年のエージェント作業向けで最も強いオープンウェイトの選択肢と名指ししている。ただスコアは確認できなかった。

   出典 ↗
10. 10
    MiMo V2.5 Pro（シャオミ）

    SWE-bench Pro でエージェント型コーディングの首位と報じられているが、それはシャオミ自身の主張で、独立して検証はできなかった。

    出典 ↗

同じ質問に ChatGPT だけが答えたものです。上の最終リストはすべての AI をまとめています。

1. 1
   Claude Opus 5.5（2026）

   30日間で26.6兆 OpenRouter トークン。安いモデルが多いなかでも、観測された需要が大きいプレミアムモデル。

   出典 ↗
2. 2
   GPT-6.1 Sol（2026）

   フロンティアのオーケストレーション候補だが、公開トラフィックを占める、トークンを大量に使う低コストモデルよりも採用状況は判断しにくい。

   出典 ↗
3. 3
   Claude Fable 5（2026）

   SWE-rebench で64.5%の解決率、1問あたり4.40ドル。完成度は高いが、コストの割り増しが大きい。

4. 4
   GPT-6 Astra（2026）

   知能指数の結果は56.9で、GPT-6.1 Sol の54.5を上回るが、総合スコアが高くても、エージェントの実行が安くなるとは限らない。

   出典 ↗
5. 5
   DeepSeek V4.1 Flash（2026）

   30日間で116兆トークン。公開された推論料金は、100万トークンあたり入力0.13ドル、出力0.52ドルから。

   出典 ↗
6. 6
   GLM 5.3 Flash（2026）

   月間55.3兆トークン。GLMの経済的な Flash 層は、観測されたAPIの利用量で、より有名なフロンティアモデルの多くを上回る。

   出典 ↗
7. 7
   Grok 4.5（2026）

   SWE-rebench で63.8%の解決、1問あたり1.47ドル。コストを考慮すると、Grok は本格的なコーディングの対抗馬だ。

8. 8
   Gemini 4 Argon（2026）

   知能指数50.4により、グーグルのフロンティアモデルは競争力を保つが、総合能力だけではエージェントの信頼性は決まらない。

   出典 ↗
9. 9
   Kimi K3 Max（2026）

   IT特化のアリーナで1529の人間選好レーティング。市場での立ち位置は大きく異なるが、Kimi を Claude Fable 5 の1540に近づけている。

   出典 ↗
10. 10
    MiniMax M3（2026）

    SWE-rebench で47.2%の解決、1問あたり0.95ドル。低コストのエージェントの選択肢だが、成功率は先頭のフロンティアシステムに及ばない。

同じ質問に Meta だけが答えたものです。上の最終リストはすべての AI をまとめています。

1. 1
   Claude Opus 5.5（アンソロピック、2026年9月22日）

   SWE-bench Pro で89.9%。Sonnet 5.5 より8.6ポイント上。ただし OpenRouter では6.91Tトークンで、DeepSeek の47.8T には及ばない。入力4ドル/出力20ドルで、フロンティア並みの品質。

2. 2
   Claude Sonnet 5.5（アンソロピック、2026）

   SWE-bench Pro で81.3%。Opus 5.5 より8.6ポイント下だが、価格は半額の入力2ドル/出力10ドル。2.61Tトークンで、日常のエージェントに最もバランスが良い。

3. 3
   Gemini 4 Carbon（グーグル・ディープマインド、2026年10月28日）

   LMArena Text Arena で1528 Eloの1位。Opus 5.5 より20ポイント上で勝率53%。4,403票による暫定値。知能指数は59。

   出典 ↗
4. 4
   DeepSeek V4.1 Flash（DeepSeek、2026年10月17日のスナップショット）

   直近7日間で47.8Tトークン。上位20のうち29.4%。1017のスナップショットだけで、上位20の43.6%は DeepSeek のモデル。入力0.30ドル、出力1.2ドル。

5. 5
   GPT-6 Luna（OpenAI、2026）

   OpenRouter で10.3Tトークンの4位。出力は100万トークンあたり0.5ドルで、最安のフロンティア級。OSWorld でのエージェントタスク1件あたり0.07ドル、Fable 5.1 は14.19ドル。

   出典 ↗
6. 6
   GLM 5.3 Flash（智譜AI、2026）

   OpenRouter で15.7Tトークンの2位。出力は100万トークンあたり0.5ドル。上位50のトークンに占めるオープンウェイトの割合が、前年の27%から72%へ急伸。

7. 7
   Claude Fable 5.1（アンソロピック、2026年9月1日）

   SWE-bench Pro で81.2%。Sonnet 5.5 にわずか0.1ポイント差。SWE-bench Verified では95.0%で1位。ただし1タスクあたり7.63ドル、Astra は3.26ドル。

8. 8
   Gemini 4 Argon（グーグル、2026年10月）

   LMArena で1524 Eloの2位。Carbon と4ポイント差。High reasoning 層、出力は100万トークンあたり10ドル。11月30日まで入力2ドル/出力10ドルの導入価格。

   出典 ↗
9. 9
   Kimi K3（ムーンショットAI、2026）

   LMArena で#18、1488のベストのオープンウェイト。K3.1 Pro は入力3ドル/出力15ドル。1.97Tトークン。Turiloop の予算向けの選択では、Arena のフルスタックで1664の1位。

   出典 ↗
10. 10
    Muse Spark 1.1（メタ、2026）

    Scale の公式公開リーダーボードで61.5% ±3.1。最も標準化されたスコア。入力は100万トークンあたり0.2ドルで、トップ20で最安。Contributor 層。

    出典 ↗

同じ質問に Grok だけが答えたものです。上の最終リストはすべての AI をまとめています。

1. 1
   DeepSeek V4.1 Flash

   Hermes Agent は今月、DeepSeek V4.1 Flash で11.8兆トークンを処理。長いコーディングセッションのコストは約0.047ドル。

   出典 ↗
2. 2
   Claude Opus 5.5

   ブラインド投票者は、エージェントタスクで Opus 5.5 を20.9で1位にした。ただ、長いコーディングセッションは今も約1.39ドルかかる。

   出典 ↗
3. 3
   GLM 5.3

   Flash版は今週のトラフィックで16.1兆トークンの2位。一方、フルの GLM-5.3 は、非公開の SWE-Bench Pro V2 の272タスクのうち211を解いた。

   出典 ↗
4. 4
   GPT-6 Luna

   GPT-6 Luna での長いコーディングセッションは約0.024ドルで、OpenRouter の比較で最安。今週は10.9兆トークン。

   出典 ↗
5. 5
   Claude Opus 5

   Scale は Opus 5 について、公開の SWE-Bench Pro V2 の642タスク中638、非公開の272中222を解いたと数える。

   出典 ↗
6. 6
   Gemini 4 Carbon

   投票者は Gemini 4 Carbon を日常の回答で1位、エージェントタスクで2位とした。今週のトークン上位10には入っていない。

   出典 ↗
7. 7
   Kimi K3

   非公開の SWE-Bench Pro V2 の数で、Kimi K3 は272タスク中214を解いた。Opus 5 より2つ少ない。

   出典 ↗
8. 8
   Gemini 4 Argon

   Gemini 4 Argon は公開の Pro V2 ボードで99.22%。Opus 5 に0.18ポイント届かない。Scale は、このテストは上限近くにあるとしている。

   出典 ↗
9. 9
   Claude Sonnet 5.5

   OpenRouter 独自のフライト予約エージェントテストで、Sonnet 5.5 は78.7%を記録し、Opus 5.5 の75.5%を上回った。トークン料金は半分。

   出典 ↗
10. 10
    Muse Spark

    Muse Spark 1.1 は、Scale の旧い非公開 SWE-Bench Pro ボードで61.5%の首位。今週のトークン上位10には入っていない。

    出典 ↗

同じ質問に Gemini だけが答えたものです。上の最終リストはすべての AI をまとめています。

1. 1
   Claude 3.5 Sonnet

   OpenRouter のエージェント型コーディングトークンの28%超を処理し、ベンチマークを決める SWE-bench Verified の解決率は49%〜54%。

   出典 ↗
2. 2
   OpenAI o1

   ネイティブのテスト時推論計算を導入し、複雑な SWE の課題で自律的なソフトウェア修復を48%超に押し上げる。ただし推論の連鎖ごとに割り増し料金がかかる。

3. 3
   DeepSeek-V3

   SWE-bench の性能42%を、フロンティア独自モデルのトークン単価のおよそ10分の1で提供し、エージェントの統括コストを大きく下げた。

   出典 ↗
4. 4
   GPT-4o

   マルチエージェントの監督役にとって、最も汎用性の高いマルチモーダルの土台であり続ける。一般のエージェントトラフィックの15%〜20%を担い、最初のトークンまでの時間は1秒未満。

5. 5
   Qwen 2.5 Coder 32B

   SWE-bench で35%を出し、デュアルGPUのワークステーション1台に収まる、最高のローカル・エージェント・エンジン。クラウドAPIの定期料金はかからない。

   出典 ↗
6. 6
   Claude 3.5 Haiku

   サブエージェントの振り分けやリンティングのループで好まれる働き者。Sonnet の3倍速く、推論力は40%。

   出典 ↗
7. 7
   Gemini 1.5 Pro

   200万トークンのコンテキストウィンドウで、複数リポジトリのコードベース全体を一度に読み込み、包括的なエージェント計画のための RAG の断片化を避ける。

   出典 ↗
8. 8
   GPT-4o mini

   反復の多いエージェントの状態チェッカーや要約係を担い、入力100万トークンあたり0.15ドル未満。高スループットの商用の群れを支える。

9. 9
   Llama 3.1 405B

   企業向けのオープンウェイトの王者。主権的なオンプレミス展開で、従量課金なし、プライバシー基準に適合したエージェント実行を提供する。

10. 10
    Nous Hermes 3（Llama-3.1-8B/70B）

    オープン・エージェント・コミュニティで人気のファインチューン。整列されていない関数呼び出し、JSONスキーマの適合、自律的なマルチエージェントのシミュレーションに対応。

    出典 ↗

同じ質問に Kimi だけが答えたものです。上の最終リストはすべての AI をまとめています。

1. 1
   Claude Opus 5.5（アンソロピック、2026年9月22日）

   エージェント分野の三冠を、旧フラッグシップの半額で。SWE-bench Pro 89.9%、Arena WebDev 1位（1807）、Agent Arena 1位（確認済みの成功率21.4%）。そして入力4ドル/出力20ドルで、従来の10ドル/50ドルではない初のAnthropicのフラッグシップ。

2. 2
   Claude Sonnet 5.5（アンソロピック、2026年9月28日）

   開発者が実際にトークンを費やすモデル。Terminal-Bench 4.0（70.6%）と LiveBench Coding（91.4）で首位で、Opus の半額の価格。フロンティア層で、ドルあたりのエージェント性能は最高。

   出典 ↗
3. 3
   GPT-6 Astra（OpenAI、2026年9月3日）

   人の投票の人気者、トークン代の悪役。Frontend Code Arena で1位（1793）、WebDev で2位（1774）。ただし入力10ドル/出力50ドルで、Opus 5.5 の2.5倍の価格。OpenAI の、稼働中のエージェントトークンに占める割合は7.8%だけ。

4. 4
   Kimi K3.1 Pro（ムーンショットAI、2026年10月）

   オープンウェイトの驚き。独立した Terminal-Bench 4.0 の実行（10月23日、67.2%）で、サイバー用途にロックされた Gemini 4 Carbon を除く、使える閉じたモデルのすべてを上回り首位。入力2ドル/出力10ドル。大手が得意なエージェントテストで、大手を上回る。

   出典 ↗
5. 5
   Gemini 4 Argon（グーグル、2026年10月13日に一般公開）

   人には好かれるが、研究室のテストでは負ける。LMArena のテキストで1位（1517.2）、測定された中で最も低い幻覚率（4%）。ただし Intelligence Index v5 では50.4で、使えるモデルの中で6位。

   出典 ↗
6. 6
   GPT-6.1 Sol（OpenAI、2026年9月29日）

   Codex の中の大量処理エージェント。10月7日から Codex CLI の標準で、Terminal-Bench 4.0 で56.1%。Astra の5分の1の価格で Astra に迫り、知能指数で50を超える最も安い道。

   出典 ↗
7. 7
   DeepSeek V4.1 Flash（DeepSeek、2026年9月10日、オープンウェイト）

   トークン経済の王様。DeepSeek は稼働中のエージェントトークンのシェア39.1%で第1位のプロバイダー。Anthropic と Google を合わせたより多い。このモデルはオフピーク時に入力0.15ドル/出力0.60ドル。

   出典 ↗
8. 8
   Grok 4.7（xAI、2026年9月21日）

   最も安いフロンティア風エージェント。入力2ドル/出力6ドル、EQ-Bench の上位10（2012.2）、Grok Build ハーネスで Terminal-Bench 4.0 の38%。ただしアリーナの人間の投票者は、その文章を78位と評価し、Grok 4.6 より下。

9. 9
   GLM-5.3（智譜AI、オープンウェイト）

   自前のサーバーで動かせる主力。アーカイブされた SWE-bench Verified のボードで95.4%。Kimi K3 の93.4%より上で、平易な MIT ライセンス。ホスト型では入力1.19ドル/出力6ドル。

10. 10
    Gemini 3.8 Flash（グーグル、2026年9月2日）

    エージェントの短距離走者。出力308トークン/秒、入力0.75ドル/出力3.75ドル、100万コンテキスト。大量のエージェントループの後ろに置くモデルで、Terminal-Bench での20ポイントの差が、スループットの4倍に相当する場面で役立つ。

    出典 ↗

同じ質問に DeepSeek だけが答えたものです。上の最終リストはすべての AI をまとめています。

1. 1
   Claude Opus 5.5

   Claude Opus 5.5 は、ベンダー集計の SWE-bench Pro で89.9%、Hermes エージェントのベンチで76.7%と首位。2026年10月時点で最も完成度の高い「タスクをこなす」エージェントモデルで、成功した1タスクあたり4.19〜5.98ドル。

   出典 ↗
2. 2
   Gemini 4 Argon

   Gemini 4 Argon は人々の選択。LMArena のテキストで1位（1517）、マルチターンでは1544。成功した1タスクあたり1.80ドルで、Claude Opus 5.5 のコストのおよそ4分の1。

   出典 ↗
3. 3
   Claude Fable 5.1

   Claude Fable 5.1 は LiveBench の総合首位（88.0）で、ブラウザ操作は満点の100。最高の「コンピュータ操作」エージェントモデルだが、成功した1タスクあたり5.10ドルで、このトップグループでは最も高い。

4. 4
   GPT-6 Astra

   GPT-6 Astra はバランス型のフロンティアエージェント。LiveBench 総合86.1、エージェント82.4、成功した1タスクあたり3.81ドル。エージェントタスクでは Gemini 4 Argon より強く、Claude Fable 5.1 より安い。

5. 5
   DeepSeek V4 Flash 0731

   DeepSeek V4 Flash は現実のエージェント量の王様。OpenRouter で週11.4兆トークン、成功した1タスクあたり0.028ドル。Claude Fable 5.1 より約180倍安いが、難しいコーディングのベンチマークでは先頭に後れを取る。

   出典 ↗
6. 6
   Claude Sonnet 5.5

   Claude Sonnet 5.5 は、Claude Opus 5.5 の SWE-bench Pro スコアの81.3%を、タスクあたりのコストのおよそ84%で提供する。Claude ファミリーの中で、本番のエージェントループに向いたコスパの選択。

   出典 ↗
7. 7
   Muse Spark 1.1（メタ）

   Muse Spark 1.1 は、Scale の公開セットで61.5%という、標準化された SWE-bench Pro の唯一の首位スコアを持つ。ただし商用セットでの51.5%は、足場とデータ分割でどれだけ数字が動くかを示す。

8. 8
   Qwen3.8-Flash-Next

   Qwen3.8-Flash-Next は、SWE-bench Pro で62.5%の最良のオープンウェイト・エージェントコーダー。GLM-5.2 の62.1%より上で、その Flash の兄弟は、LiveBench のタスク1件あたり約0.196ドルで動く。

   出典 ↗
9. 9
   GLM-5.2

   GLM-5.2 は SWE-bench Pro で62.1%。Qwen3.8-Flash-Next のすぐ後ろで、出力トークンの価格は2.40ドル。コストに敏感なエージェント群にとって、2番目に良いオープンウェイトの選択肢。

10. 10
    Kimi K3

    Kimi K3 はオーケストレーション向け。300のサブエージェントと4,000の調整ステップまで拡張でき、エージェントの仕事が他のエージェントを管理することである場合の専門の選択。

    出典 ↗

同じ質問に Wenxin だけが答えたものです。上の最終リストはすべての AI をまとめています。

1. 1
   OpenAI GPT-5 / o3（2026）

   SWE-bench Pro で71%合格、そして最も重いトークン負荷。ただしタスクあたりのコストは今も開発者を悩ませる

   出典 ↗
2. 2
   アンソロピック Claude 4 Opus（2026）

   LMArena の人の投票での最高 Elo（1392）。開発者は長い文脈のエージェント実行にこれを選ぶ

   出典 ↗
3. 3
   グーグル Gemini 2.5 Pro（2026）

   トークンシェア21%、マルチモーダルのエージェント性能は強い。ネイティブのツール使用に賭けるGoogle

   出典 ↗
4. 4
   メタ Llama 4 405B（2026）

   オープンウェイトの王者。トークンシェア18%、開発者は自社環境で動かす。ただしエージェントのコーディングでは閉じたモデルに遅れる

5. 5
   ミストラルAI Mistral Large 3（2026）

   トークンシェア9%のヨーロッパの人気者。コードエージェントでは、ドルあたりの性能が値段以上

6. 6
   xAI Grok 4（2026）

   トークンシェア7%。速いが、エージェントのコーディングは今も遅れ気味。ファンはリアルタイムデータの強みを挙げる

7. 7
   DeepSeek V4（2026）

   中国のオープンモデル、トークンシェア6%。SWE-bench 55%を、コーヒー1杯分の値段で

8. 8
   コヒア Command R+ 2026（エージェント向けに最適化）

   RAG とツール使用のエージェント向け。トークンシェア5%だが、LangSmith では上位4分の1に入る

9. 9
   マイクロソフト Phi-5（2026）

   小型のオンデバイスモデル（70億パラメータ）で、トークンシェア3%。トークンあたりは最速だが、タスクあたりでは最良ではない

10. 10
    スタビリティAI Stable Code 3（2026）

    コード特化モデル、トークンシェア2%。ニッチだが、オープンソースのエージェント開発者に愛されている

同じ質問に Qwen だけが答えたものです。上の最終リストはすべての AI をまとめています。

1. 1
   Claude Opus 5.5

   SWE-bench Pro で89.9%。この市場を先導し、現実の GitHub の課題を最も多く解決していることを示す。

   出典 ↗
2. 2
   Claude Sonnet 5.5

   Hermes Agent にとって最も総合力の高いモデル。長いタスクの Terminal-Bench 4.0 で70.6%に達する。

3. 3
   GPT-5.6 Sol

   LMArena の人の選好投票で、Elo 1485 で首位。厳格なコーディングテストで高得点のモデルを上回る。

   出典 ↗
4. 4
   Claude Fable 5.1

   SWE-bench Pro で81.2%。Sonnet 5.5 とほぼ並ぶが、完了したタスク1件あたりのコストは低い。

   出典 ↗
5. 5
   DeepSeek V4.1 Flash

   OpenRouter で53.1兆トークンを処理し、エージェントのトラフィックを振り分ける開発者にとって、実際の作業量の王者。

   出典 ↗
6. 6
   Gemini 4 Argon

   SWE-bench Pro V2 で99.2%。グーグルのフロンティアモデルは、長期のエンジニアリングで Anthropic に追いつきつつあることを示す。

   出典 ↗
7. 7
   Qwen 3 Max

   OpenRouter のトレンドチャートで77.3Bトークンの1位。アリババのモデルが、アジアで大量のエージェントの仕事を扱えることを示す。

8. 8
   GLM-5.2 Max

   Code Arena: Frontend で Elo 1595 の2位。UI のエージェントタスクで人の選好を支配している。

   出典 ↗
9. 9
   Llama 4 Maverick

   コンテキストウィンドウ130万、入力100万トークンあたり0.20ドル。大規模なエージェントの統括を最も安く回せる方法。

   出典 ↗
10. 10
    Claude Fable 5

    SWE-bench Pro で80.3%。新しいモデルに抜かれても、エージェントのコーディングの上位層に留まる。

    出典 ↗