GPT-6.1 Terra vs Claude Sonnet 5.5：日本語以外のテスト結果を比較

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 Sonnet 5.5は、OpenAIとAnthropicの中価格帯モデルです。API料金はTerraがSonnetのちょうど半額で、100万トークンあたり入力1 USD / 出力5 USD、Sonnetは入力2 USD / 出力10 USDです。2026年10月26日、両モデルに同じ課題を与えました。テストはすべてポーランド語で実施し、ポーランド語の課題12件、業務タスク4件（技術図面、見積もり、フォーム）、法令についての質問20件、税務署宛ての同じ文書10回を含みます。ポーランド語テストの合計はTerraが65点、Sonnetが64.5点でほぼ同点でした。税務関連のテストでは、Sonnetは毎回誤った条文番号を答えました。

API料金と利用方法

Terraの料金はOpenAIの料金表、Sonnet 5.5の料金と両モデルのコンテキスト長はOpenRouterのモデル一覧から確認しました。確認日は2026年10月26日です。Terraは通常のChatGPTチャットでは利用できず、Plus、Pro、Enterprise、EduプランのWorkとCodexで利用できます。272,000トークンの料金区分やFastモードを含むTerraの料金表は、GPT-6.1 Terraの料金で紹介しています。

ポーランド語の12課題：65対64.5点

ここで使ったのは、GPT-6.1 Terraのガイドで紹介したものと同じ課題です。税務署宛ての文書、慣用句、語数制限付きの要約、紛らわしい語を含む翻訳、VATの計算、日付形式、PESELコード、論理パズル、JSON、事実確認、28,000トークンの文章からの情報検索、校正を含みます。テストはポーランド語で行いました。各課題は0〜6点で、一部は自動採点し、残りは2つのAI評価者（GPT-6.1 SolとGemini 4 Argon）がブラインド評価しました。OpenAIのモデルの回答はGeminiのみが評価しています。両モデルにはOpenRouter経由でmediumの推論設定を使用しました。

訂正：2026年10月26日の最初の集計では、Terraは72点中69点でした。Sonnetを加えて比較した際に論理パズルを手作業で確認したところ、Terraは答えを1つに絞らず、「B：2、3、または4」という3つの候補を挙げており、自動採点では正解扱いになっていました。正解は1つなので、Terraの得点を6点中2点に修正し、合計を72点中65点としました。

12課題の費用はTerraが0.0641 USDで、出力トークン数は5,873。Sonnetは0.1678 USDで、出力トークン数は8,099でした。所要時間はそれぞれ85秒と65秒です。問い合わせは並行して行ったため、時間は目安です。Sonnetの回答は、以前の11モデルと合わせて同じ評価者が新しいラウンドで採点しました。Terraは2026年10月26日の結果と同じ点数だったため、結果を比較できると判断しています。0.5点差は同点として扱います。

翻訳の違いを一例で見てみます。テストしたポーランド語の原文に含まれていた英語の「sympathetic」は、Sonnetによって「新しいマネージャーはかなり感じがよい」と訳されました。この語は文脈によって「理解のある」という意味になります。Terraはこのひっかけを正しく処理しました。校正ではSonnetが「空手で」を「手ぶらで」に置き換え、どちらも正しい表現であるにもかかわらず、修正すべき誤りとして挙げました。ここで紹介した日本語は、ポーランド語で行ったテストの例を翻訳したもので、日本語で再テストした結果ではありません。

業務タスク：図面、見積もり、フォーム

Terraの発表日に実施したものと同じ4つのタスクを与えました。内容は、質量計算を含む技術図面2件、VATと割引を含むクリニック向け印刷会社の見積もり、顧客メールのひっかけを含む16項目のフォームです。テストはポーランド語で実施しました。

• プレートの質量。Sonnetは寸法をすべて読み取ったものの、質量を333.5 gと回答しました。正解は408.2 gです（鋼の密度は7.85 g/cm³、寸法は120 x 80 x 6 mm、穴5つを差し引く計算）。Terraは正しく計算しました。
• 見積もりに残った英語由来の表現。指示には「英語由来の表現を使わない」とありました。Sonnetは表に「Roll-up 85×200 cm with bag」に相当する表現を残しましたが、Terraは「巻き取り式広告スタンド」としました。一方、Sonnetは最後に具体的な回答依頼を書き、Terraは「何かございましたらお申し付けください」にあたる定型句で締めくくりました。評価者はTerraから1点を減点しました。引用した表現は、ポーランド語でのテスト内容を日本語に翻訳したものです。

税務関連テスト：Sonnetは毎回条文番号を誤答

最初の課題は、納付期限を過ぎた税金の分割払いを求める文書です。ポーランドの税法では、該当する根拠は「税法典」第67a条第1項第2号です。同項第1号は税金の納期限延長と分割納付、第3号は納税義務の免除に関する規定です。同じ指示を複数回与えました。このテストはポーランド法を対象とし、ポーランド語で行ったものです。

Sonnetは毎回、「1997年8月29日付税法典第67a条第1項第1号に基づき、未納税額を6か月の分割払いとするよう申請します」という趣旨の文を書きました。20問の法令テストでも同じ誤りがあり、Sonnetは20問中19問、Terraは20問中20問正解でした。Sonnetの誤りは繰り返し発生するため見つけやすい一方、一度正しい回答を確認しただけでは、後の誤答を見逃すおそれがあります。引用した文は、ポーランド語でのテスト回答を日本語に翻訳したものです。

どちらを選ぶべきか

• Terra：ポーランド語で文書や見積もり、メールを書き、図面やフォームを扱う場合や、多くのタスクを処理する場合に向いていました。同じポーランド語テストの費用はSonnetの約2.6分の1、業務タスクでは約2.9分の1でした。
• Sonnet 5.5：コードの説明コメントや、明確に1つの答えを求めるパズルを重視する場合に向いていました。論理パズルではSonnetが正解を1つ挙げた一方、Terraは候補を3つ示しました。
• どちらを使う場合も：税務文書の法的根拠は確認してください。両モデルとも、ほかの文章と同じ自信のある調子で条文番号を誤ることがありました。

Terraと、より高価格帯のAnthropicモデルとの比較は、GPT-6.1 TerraとClaude Opus 5.5の比較で紹介しています。

よくある質問

GPT-6.1 TerraはClaude Sonnet 5.5より優れていますか？

ポーランド語で行った私のテストでは、72点中65点対64.5点でほぼ同点でした。業務タスクではTerraが51点中50点、Sonnetが48.5点でした。API料金はTerraがトークンあたり半額です。

API料金が安いのはどちらですか？

Terraは100万トークンあたり入力1 USD / 出力5 USDで、Sonnet 5.5は入力2 USD / 出力10 USDです。私の12課題では、Terraの費用は0.064 USD、Sonnetは0.168 USDでした。

ポーランド語の文章作成が得意なのはどちらですか？

Terraは主に論理パズルとコードコメントで減点され、Sonnetは翻訳、語数制限、校正時の不要な修正で減点されました。顧客向け文書では、Terraのほうが修正を少なく済ませました。いずれもポーランド語で行ったテストの結果であり、日本語の性能を示すものではありません。

出典と確認日

• OpenAI：GPT-6.1 Terraの発表 - 提供状況と料金（2026年10月26日確認）
• OpenAI API：GPT-6.1 Terraモデル - StandardおよびBatchの料金（2026年10月26日確認）
• OpenRouter：モデル一覧（API） - Claude Sonnet 5.5の料金は入力2 USD / 出力10 USD、Batchは入力1 USD / 出力5 USD、コンテキスト長は100万トークン（2026年10月26日確認）
• OpenLEX：税務債務の納付に関する救済措置 - ポーランド税法典第67a条第1項第2号および第3号の条文（2026年10月26日確認）
• 私のテスト：OpenRouter、medium推論、2026年10月26日、約20:05〜21:45。評価者はGPT-6.1 SolとGemini 4 Argon。

// 続きを読むPerplexity Decider v1.1 27Bの性能と料金、ベンチマークを解説ベンチマークKandinsky 6とWan 2.2でAIインフルエンサー動画をローカル生成ベンチマークAIインフルエンサーを自然に作る方法：5モデルを比較ベンチマーク