GPT-6.1 Terra vs Claude Opus 5.5：日本語12課題で比較
日本語12課題のテストでClaude Opus 5.5は70点、GPT-6.1 Terraは66点。Terraのコストは約6分の1で、敬語メールではTerraが上回りました。
更新（2026年11月9日）：Claude Fable 5.2とMythos 5.2がリリースされ、料金・提供範囲・ベンチマークはClaude Fable 5.2まとめで解説しています。
👁 112閲覧数
GPT-6.1 TerraとClaude Opus 5.5を、日本語で作った12課題で比べました。得点はOpusが72点中70点、Terraが66点。一方でコストはOpusが0.302 USD、Terraが0.049 USDで、Terraは約6分の1です。4点差をどう見るかで、選ぶべきモデルが変わります。
- 得点: Claude Opus 5.5が70/72、GPT-6.1 Terraが66/72。
- 12課題のコスト: 0.302 USD対0.049 USD（Opusは6.2倍）。
- 合計時間: Opus 104秒、Terra 56秒。
- 差がついた課題: 翻訳、慣用句とダジャレ、マイナンバーのコードのコメント。敬語メールではTerraが上回りました。
テストの方法
2026年10月26日、GPT-6.1 TerraをOpenRouter経由（OpenAIのStandardエンドポイント、推論medium、上限1万6000トークン、1課題1回）で実行し、10月24日にClaude Opus 5.5で使ったのと同じ日本語の課題セットで比べました。課題は翻訳ではなく日本語で一から作成しています。納期遅延のお詫びメール、慣用句とダジャレ、ニュース要約、「前向きに検討します」を含む翻訳、軽減税率が絡む消費税計算、日付と数字の書式、マイナンバー検証コード、論理パズル、JSON抽出、日本に関する事実、約3万トークンの議事録、校正の12課題です。
各課題は0-6点です。計算、JSON、事実、パズル、コード（隠しテストで実行）は自動採点、文章は2つのAI審査員がモデル名を伏せて採点しました。OpusはGPT-6.1 SolとGemini 4 Argonの平均、OpenAIのモデルであるTerraはGeminiのみの採点です。全モデルを同じ回で採点し直しています。
| 項目 | GPT-6.1 Terra | Claude Opus 5.5 |
|---|---|---|
| 得点 / 72 | 66.0 | 70.0 |
| 12問のコスト (USD) | 0.049 | 0.302 |
| 出力トークン | 3 879 | 9 464 |
| 合計時間 (秒) | 56 | 104 |
| tok/s 中央値 | 179 | 151 |
| 課題 | GPT-6.1 Terra | GPT-6.1 Sol | Claude Opus 5.5 |
|---|---|---|---|
| 敬語のビジネス文書 | 6.0 | 6.0 | 5.5 |
| 慣用句と言葉遊び | 4.0 | 4.0 | 5.0 |
| ニュース要約 | 6.0 | 6.0 | 6.0 |
| 落とし穴のある翻訳 | 3.0 | 3.0 | 5.5 |
| 消費税と円の計算 | 6.0 | 6.0 | 6.0 |
| 日付と数字の書式 | 6.0 | 6.0 | 6.0 |
| コード: マイナンバー検証 | 5.0 | 5.0 | 6.0 |
| 論理パズル | 6.0 | 6.0 | 6.0 |
| JSON抽出 | 6.0 | 6.0 | 6.0 |
| 日本の事実確認 | 6.0 | 6.0 | 6.0 |
| 長文コンテキスト (約3万トークン) | 6.0 | 6.0 | 6.0 |
| 校正 | 6.0 | 6.0 | 6.0 |
Claude Opus 5.5が勝った課題
- 翻訳（Opus 5.5、Terra 3）: Opusは「前向きに検討します」を引用符付きの“give it serious consideration”にして皮肉を残し、「出る杭は打たれる」も“the nail that sticks out gets hammered down”と訳しました。Terraは“that’s what happens when you stand out”と説明調で、英日の部分も「ぜひそうさせていただきたい」が直訳調と判定されました。
- 慣用句とダジャレ（Opus 5、Terra 4）: Opusは「気が置けない」の誤用まで説明し、ダジャレは「下記の牡蠣は夏期限定です。」。Terraは例文「猿も木から落ちるだね」が不自然で、ダジャレ「柿を食べながら、日記をかきかき」は擬音頼みとされました。
- マイナンバーのコード（Opus 6、Terra 5）: どちらも隠しテストを全部通過しました。Opusは計算方法をdocstringに丁寧に書き、全角ハイフンまで除去対象にしています。Terraはdocstringが1行だけでした。
Terraが勝った課題、並んだ課題
敬語のお詫びメールでは、Terraが6点、Opusが5.5点でした。Opusは本文がわずかに400字を超えたと判定され、Terraは件名「【お詫びとご確認】MS-220の納期変更および分納のお願い」から署名まで、字数内にまとめています。
残りの8課題（ニュース要約、消費税、書式、論理パズル、JSON、事実、長文コンテキスト、校正）は両者とも満点です。長文コンテキストでは、2回変更された駐輪場の暗証番号と、正しい屋根工事業者の違約金を、紛らわしい別の数字に引っかからずに答えました。
コスト差の主な理由は出力量です。Opusは12課題で9,464トークンを出力し、Terraは3,879トークンでした。出力単価も100万トークンあたり20 USD対5 USDなので、差が掛け算で広がります。
OpenAIの主張と私の計測
OpenAIによると、Agents’ Last Examのmax設定で、TerraはClaude Opus 5.5よりトークン効率が3倍以上高く、トークン単価は4分の1、タスクあたりのコストは約9分の1です。私のmedium設定の日本語テストでは、コスト差は6.2倍でした。方向は同じですが、得点ではOpusが4点上です。
Artificial AnalysisのIntelligence Index（2026年10月26日確認）でも、Opus 5.5が57.6、Terraがmaxで48.1と差があります。OpenAI自身も、最も難しいコーディングにはTerraではなくGPT-6.1 SolとGPT-6 Astraを勧めています。
使い分けの目安
- 請求書、フォーム、メールの大量処理: Terra。入力2,000トークン、出力500トークンを1,000回処理すると、料金表ではTerraが4.50 USD、Opusが18 USDです。
- ビジネスメールの下書き: 私のテストではTerraでも十分で、字数制限もきちんと守りました。
- 翻訳、コピー、言葉遊び: Opusのほうが自然でした。Terraを使うなら人の目で仕上げを。
- ChatGPTの中で使う場合: TerraはPlus、Pro、Enterprise、EduのWorkとCodexでのみ使えます。
Kimi、Gemini、DeepSeekを含む全モデルの順位はGPT-6.1 Terraのまとめページに載せています。同じ課題セットでの前回のテストはKimi K3.1 Pro 日本語実力テストです。
Google · あなたの情報源GoogleでKiramesuをもっと上位に表示-ワンクリックで設定お気に入りの情報源に追加 →出典
- OpenAI: Introducing GPT-6.1 Terra - 2026年10月26日確認
- OpenAI API: gpt-6.1-terra - 2026年10月26日確認
- Artificial Analysis: GPT-6.1 Terra - 2026年10月26日確認
- OpenRouter: Claude Opus 5.5 - 2026年10月26日確認
Kiramesuの関連記事
