LMSYS Chatbot Arena で見るChatGPTの実力、Elo・速度・API単価を比較 (2026年版)
この記事のポイント LMSYS Chatbot Arenaの総合ボードで、GPT-5.6はElo 1514（2026年8月時点）。トップとは差がありますが、出力速度は96トークン毎秒で上位勢の中では速い部類です。 ただしEloの差は数十ポイント。体感で分かるほどの開きではありません。順位より「速度」「API単価」「用途別ボード」の3つを見たほうが、選択を間違えません。 API単価は入力$5・出力$30（100万トークンあたり）。出力の多い使い方だと、ここが月のコストを決めます。
「AIモデルの順位表を見たけれど、結局ChatGPTは強いのか弱いのか分からない」。そう感じたなら、見る場所が1つ足りていません。
総合ボードの順位だけを見ると、ChatGPTは「1位ではない」で終わってしまいます。実際には、速度・単価・用途別ボードで評価が反転します。数字を並べて確認していきましょう。
LMSYS Chatbot Arenaとは、人間の投票で強さを決める仕組みです
LMSYS Chatbot Arenaとは、2つの匿名AIに同じ質問を投げて、人間が「良かったほう」を選ぶ評価サイトです。現在はarena.aiで運営されています。
仕組みはシンプル。あなたが質問を1つ入力すると、名前を伏せた2つのモデルが同時に答えます。どちらが良いかを選ぶと、そこで初めてモデル名が明かされる。この順番が肝心です。
ブランド名を見てから採点すると、人は無意識に有名なほうを選びます。名前を隠すことで、その偏りを消しています。
集まった票はElo（イロ）という点数に変換されます。Eloとは、チェスや将棋のレーティングと同じ考え方で、「強い相手に勝つほど大きく上がる点数」です。2026年4月時点で316モデル・530万票を超える規模になっています。
つまり、Arenaの点数は「専門家が採点した実力」ではなく「不特定多数が好んだ回答の割合」を表しています。ここを取り違えると、あとの読み方を全部間違えます。
Arenaのスコアは何を測っている？
一言で言えば、回答の好ましさです。正確さではありません。
同じ質問に対して、片方が簡潔で読みやすく、もう片方が正確だけど冗長だったとします。多くの人は前者に投票します。Eloは「読み手に受けがいいか」を強く反映する指標。ここが最大のクセです。
Arenaで測れるもの、測れないものを整理します。
| 測れるもの | 測りにくいもの |
|---|---|
| 対話の自然さ、読みやすさ | 長時間の作業を最後までやり切る力 |
| 一問一答での回答の質 | 社内データを読ませたときの精度 |
| 説明の分かりやすさ | 実運用でのコストと処理時間 |
| ジャンル別（コード等）の得意不得意 | 情報の鮮度、事実の裏取りの正確さ |
つまり、Arenaは「初対面の会話がうまいか」を測る場所です。長期プロジェクトの相棒として使えるかどうかは、別のボードと自分の業務で確かめる必要があります。
AIチャット全般の選び方をまとめて把握したいなら、会話型AIの実力を横断整理した記事を先に読むと、この後の数字の意味が早く飲み込めます。
ChatGPTは総合ボードでどの位置にいる？
2026年8月時点の総合ボードで、OpenAIのGPT-5.6はElo 1514。上位帯のなかほどに位置しています。
同じ帯の顔ぶれを並べると、差の小ささが見えてきます。
| モデル | Elo | 出力速度 | API単価（入力/出力） | コンテキスト |
|---|---|---|---|---|
| Claude Opus 5 | 1522 | 74 t/s | $5 / $25 | 100万トークン |
| GPT-5.6 | 1514 | 96 t/s | $5 / $30 | 100万トークン |
| Claude Opus 4.8 | 1512 | 72 t/s | $5 / 非公表 | 100万トークン |
単価は100万トークンあたりの金額です（2026年7月時点）。トークンとは、AIが文章を扱うときの文字のかたまりのこと。日本語だとおおよそ1文字が1トークン前後になります。
この表で目を引くのはEloではありません。速度差です。GPT-5.6は96トークン毎秒で、隣の2モデルより2割以上速い。一方でEloの差は8ポイントと2ポイント。誤差の範囲と言っていい水準です。
なお、総合ボードの首位はClaude Opus 4.8が約1580 Eloで押さえているとされています。首位とGPT-5.6の差はおよそ60ポイント。これは「たまに違いを感じる」くらいの開きです。
ここまでの整理: Arenaの順位は「会話の受けの良さ」の順位。ChatGPTは首位ではないものの、差は60ポイント以内で、速度では上位勢を上回っています。ここから先は、その差が実務でいくらのコストになるかの話です。
Eloの数字だけで選ぶと失敗する理由
順位表は分かりやすい。分かりやすすぎるのが問題です。
Eloを見るときに落とし穴になるのは、次の3点です。
- 点差が体感差と一致しない: 10ポイント差は、ほぼ引き分け。50ポイント超えて初めて「別物かも」と感じ始めます
- 票の中身が偏る: 投票するのは技術に関心のある層が中心。一般的な事務作業の質問とは分布がずれます
- ボードが1つではない: 総合、コード、日本語など複数あり、順位はボードごとに入れ替わります
3つ目が一番効きます。実際、2026年7月には総合ボードで6位前後だったモデルが、コード系のボードで1位を取っています。
決めるべきは「総合の何位か」ではなく、「自分の用途のボードで何位か」。ここだけ押さえれば、順位表に振り回されずに済みます。
出力速度で見ると評価が変わる
96トークン毎秒。この数字がどれくらいかというと、日本語でおおよそ1秒に90文字前後が流れてくる速さです。
体感で効くのは、長文を書かせるときです。3,000字の下書きを頼んだとして、96 t/sなら30秒台。72 t/sなら40秒台。1回では小さな差ですが、1日20回叩くと3分以上変わります。
速度がとくに効く使い方を挙げます。
- 会議のメモを毎回まとめさせる、定型の要約作業
- チャットで何度も往復しながら詰めていく壁打ち
- アプリに組み込んで、ユーザーの目の前で回答を出す使い方
- 大量の文章を1件ずつ処理するバッチ作業
逆に、じっくり考えさせる調査や設計では速度はほぼ関係ありません。待ち時間より、答えの筋の良さが勝ちます。
音声を絡めたワークフローだと、速度差はさらに露骨に出ます。読み上げまで含めた構成を考えている人は、ElevenLabsとChatGPTを組み合わせる手順が参考になります。
API単価はいくら？入力より出力で差が出る
GPT-5.6のAPI単価は、入力$5・出力$30（100万トークンあたり、2026年7月時点）。APIとは、他のソフトからAIを呼び出す窓口のことです。
ここで見落とされがちなのが、入力と出力で単価が違うという点。並べると差がはっきりします。
| 項目 | GPT-5.6 | Claude Opus 5 |
|---|---|---|
| 入力100万トークン | $5 | $5 |
| 出力100万トークン | $30 | $25 |
| 入力と出力の倍率 | 6倍 | 5倍 |
入力側は同額です。差がつくのは出力側だけ。つまり、長く書かせる使い方ほどGPT-5.6のほうが高くつきます。
逆に、長い資料を読ませて短く答えさせる使い方なら、単価差はほとんど出ません。入力が主役の使い方は、どちらを選んでも料金はほぼ同じ。ここは覚えておくと交渉材料になります。
月のコストはどれくらい違う？試算してみる
数字を入れて比べたほうが早いので、3つの使い方で概算してみます。為替は1ドル150円として計算しました。
| 使い方 | 月の入力 | 月の出力 | GPT-5.6 | Claude Opus 5 |
|---|---|---|---|---|
| 社内チャット（少人数） | 300万 | 60万 | 約$33（約5,000円） | 約$30（約4,500円） |
| 記事下書きの量産 | 200万 | 500万 | 約$160（約24,000円） | 約$135（約20,250円） |
| 資料読み込み中心 | 2,000万 | 100万 | 約$130（約19,500円） | 約$125（約18,750円） |
つまり、出力が多い2番目のケースだけ差が開きます。月2万4千円と2万円。年間で約4万5千円の違い。無視できる額ではないものの、モデルを乗り換えるほどの差かは微妙なところです。
このくらいの規模なら、単価より速度と運用の手間で選んだほうが得というのが実際です。開発者1人の時給を考えれば、月4千円の差はすぐ埋まります。
もっと規模が大きい場合は話が変わります。出力が月5,000万トークンを超えるあたりから、5ドル分の単価差が月4万円弱の差になり、選定理由として成立してきます。
コーディング用途では順位が入れ替わる
総合ボードだけを見ていると、完全に見落とす現象があります。
2026年7月、Moonshotの開放型モデルKimi K3がFrontend Code ArenaでElo 1,679を記録し、コード系ボードの首位に立ちました。重みが公開されたモデルがコーディングのボードで1位になったのは、これが初めてです。同じモデルの総合ボードでの位置は6位前後。ボードが違えば結論も違うという、いちばん分かりやすい実例になりました。
コード用途での選び方は、単純化するとこうなります。
- 複数手順を自走させるコーディングエージェントを作るなら、コード系ボードの上位から選ぶ
- 対話しながら少しずつ直す使い方なら、総合ボードの上位で十分足りる
- 自社サーバーで動かしたいなら、開放型モデルが選択肢に入る段階まで来た
開発ワークフローにAIを差し込む具体例としては、Linearとの連携で開発タスクを回す方法が実装イメージを掴みやすいはずです。コーディング用途のツールを横並びで見たい場合はAIコーディングのランキングから入るのが早道です。
日本語で使うときArenaの順位はあてになる？
半分あてになり、半分あてになりません。
Arenaの投票は多言語で行われ、日本語のプロンプトでも参加できます。ただし票の大半は英語圏から来ています。日本語特有の言い回し、敬語の使い分け、社内文書の型といった要素は、総合Eloにはほとんど反映されません。
日本語での実力を確かめるなら、自分の業務文書で試すのがいちばん確実です。判定に使う質問を3本用意しておくと比べやすくなります。
- 実際の議事録を渡して、A4半分に要約させる
- 取引先向けのお詫びメールを、敬語のレベルを指定して書かせる
- 社内規程のPDFを読ませて、条件つきの質問に答えさせる
この3本で差が出なければ、順位表の数十ポイントは気にしなくて構いません。会議の記録を主戦場にするなら、PLAUD Noteのような録音デバイスとChatGPTの組み合わせまで含めて設計したほうが効きます。
用途別、どれを選ぶかの早見表
ここまでの数字を、選択の形にまとめます。
| こういう使い方なら | 選ぶ基準 | 具体例 |
|---|---|---|
| 長文をたくさん書かせる | 出力単価の安いほうを優先 | Claude |
| 速度が体験に直結する | 出力トークン毎秒を優先 | ChatGPT |
| 大量の資料を読ませる | コンテキストの長さで判断 | どちらでも差は小さい |
| コーディングを自走させる | コード系ボードの順位で判断 | 開放型モデルも候補 |
| 検索と組み合わせたい | 出典の出し方で判断 | Perplexity |
つまり、迷ったら「出力が多いか、少ないか」の1点で切ってください。出力が多ければ単価、少なければ速度。これで8割の場面は決まります。
社内でAIチャットを本格導入する前に全体像を見ておきたいなら、AIチャットボットのカテゴリに並ぶ選択肢を眺めておくと相場観がつきます。
サブスクとAPI、どちらで契約すべきか
契約形態は大きく3つに分かれます。ここを間違えると、必要のない額を毎月払い続けることになります。
| 形態 | 向いている人 | 弱点 |
|---|---|---|
| 月額サブスク | 個人、画面から手で使う人 | 自動化に組み込めない |
| API（従量課金） | 開発、自動処理を組む人 | 使いすぎると青天井 |
| 開放型モデル | データを外に出せない組織 | サーバー運用の手間がかかる |
法人で広く使うなら、APIを土台にしつつ、部署ごとにサブスクを足す形が現実的です。全社員にAPIキーを配るのは管理が破綻します。
判断の目安を1つ。手作業で1日10回未満しか使わないなら、サブスクのほうが安く済みます。自動処理を組んだ瞬間に回数は跳ね上がるので、そこからAPIへ移す。この順番が無駄がありません。
SNS連携や社内ツールへの組み込みを検討しているなら、Meta AIとChatGPTの使い分けに載っている接続の考え方が応用できます。
Arenaの数字は自分で確認できます
順位は毎月動きます。記事の数字をそのまま信じるより、確認しに行くほうが確実です。
手順は3ステップだけ。
- arena.ai を開き、Leaderboardを選ぶ
- 総合ではなく、自分の用途に近いボードに切り替える
- Eloだけでなく、速度と単価の列を必ず一緒に見る
APIの単価は提供元の公式ページが正です。OpenAIの料金は openai.com の料金ページで確認できます。第三者のまとめ記事の数字は、更新が遅れていることがあります。
月に1回この確認をやるだけで、モデル選定の精度は目に見えて上がります。
AI PICKS編集部の判定
ChatGPTをArenaの順位だけで評価するのは、正直イマイチな見方です。
2026年8月時点の総合Elo 1514は首位ではありません。ただ、首位との差は約60ポイント。日々の業務で「明らかに違う」と感じる幅ではないというのが編集部の見立てです。それより、出力96トークン毎秒という速度のほうが実感として効きます。壁打ちの往復が速いのは、地味に効きます。
弱点も明確です。出力単価$30は上位帯のなかでは高いほう。長文を大量に吐かせる用途では、素直にコストが積み上がります。記事の量産や定型文書の大量生成が主戦場なら、出力$25のClaude Opus 5に分があります。
逆に、応答の速さがそのまま体験になる使い方、たとえば社内チャットやアプリ組み込みでは、ChatGPTが一択です。100万トークンのコンテキストもあり、長い資料を丸ごと渡す使い方にも耐えます。
まとめると、出力が多いならコスト重視で他を検討、対話が主体ならChatGPT。順位表の数ポイントで悩む時間があるなら、自社の文書3本で比べたほうが答えは早く出ます。
よくある質問（FAQ）
Q. Eloは何ポイント差から実力差と考えていいですか
おおむね50ポイントを超えたあたりから、体感できる差になります。10ポイント前後の差は、質問の内容や運によって簡単にひっくり返る範囲です。順位が1つ2つ違うだけなら、ほかの条件で決めてください。
Q. Arenaの投票には誰でも参加できますか
できます。アカウント登録なしで質問を投げ、2つの匿名モデルの回答を比べて投票する形式です。日本語で入力しても問題ありません。自分の業務に近い質問で試すと、順位表を読む感覚が身につきます。
Q. トークン毎秒（t/s）は、日本語だとどれくらいの速さですか
日本語ではおおよそ1文字が1トークン前後です。96トークン毎秒なら、1秒あたり90文字前後が流れてくる計算になります。ただし文章の内容によって前後するため、目安として捉えてください。
Q. コンテキスト100万トークンは、何ページ分に相当しますか
日本語の書籍換算で、おおよそ2,000ページ前後が目安です。実務では、社内規程一式や長い契約書を丸ごと渡しても収まる規模になります。ただし長く入れるほど入力側の料金が増えます。
Q. 開放型モデルを使えばAPI料金はゼロになりますか
料金の払い先が変わるだけです。自社サーバーやクラウドのGPU費用、運用担当者の工数がかかります。月の利用量が小さいうちは、API従量課金のほうが総額は安く済むケースが多いです。
Q. 総合ボードの1位を選んでおけば間違いないですか
用途が定まっていないうちは、その選び方でも大きく外しません。ただしコーディングのように専用ボードがある領域では、総合1位と専用ボード1位が別モデルになることがあります。用途が固まったら、専用ボードで選び直してください。
Q. Arenaのスコアはどれくらいの頻度で更新されますか
投票が集まり続けるため、スコアは継続的に動きます。新しいモデルが追加された直後は票数が少なく、順位が安定するまで時間がかかる点に注意してください。導入判断は、公開から数週間経った数字で行うのが安全です。
Q. 料金の記載はいつ時点のものですか
本記事の単価は2026年7月時点の公開値をもとにしています。APIの料金は改定されることがあるため、契約前には必ず提供元の公式料金ページで確認してください。
あわせて見たいツール・カテゴリ
比較の続きとして、実際の候補を見比べるならここからどうぞ。
- ChatGPT: 速度とコンテキストの長さで選ぶならまずここ
- Claude: 出力単価の安さと長文の安定感が効くタイプ
- Gemini: Google系のサービスと組み合わせる前提なら候補に入る
- Perplexity: 出典つきで答えてほしい調査用途向け
- Grok: SNS上の話題を拾わせる用途で使い分ける選択肢
カテゴリからまとめて眺めたい場合は、AIチャットボット、AI検索・リサーチ、AIライティングの3つが起点になります。順位形式で確認したいならAIチャットボットのランキングも併用してください。
次に読むなら、会話型AIの実力を横断整理した記事を。今日見たEloと速度の数字が、実際の使い勝手にどう変換されるかが繋がります。
各ツールの公式サイト（一次情報）
料金・機能・対応範囲は各社公式が一次情報です。本記事は公開時点の検証に基づきますが、最新かつ正確な条件は必ず各公式ページで確認してください。
- ChatGPT — 公式サイト（AI PICKSの詳細）
- Claude — 公式サイト（AI PICKSの詳細）
- Gemini — 公式サイト（AI PICKSの詳細）
