BenchLeader

Agnes 2.5 Pro Beta vs GPT-6 Sol

詳しいプロフィール:Agnes 2.5 Pro Beta(Sapiens AI)とGPT-6 Sol(OpenAI)。すべてのベンチマーク、価格、順位を掲載しています。

更新 · 11件の情報源のデータ

2026年11月16日時点で、共通するベンチマークが少なく、品質の判定はできません。価格はAgnes 2.5 Pro Betaの方が27倍安く、100万トークンあたりのブレンド価格で$0.150 対 $4.00です。エージェント・ツール(64 対 59)を重視するならAgnes 2.5 Pro Beta、マルチモーダル(61 対 58)を重視するならGPT-6 Solが向いています。

要点(2026年11月16日時点)

  • Agnes 2.5 Pro Betaの100万トークンあたりのブレンド価格は$0.150です(定価、2026年11月16日)。
  • GPT-6 Solの100万トークンあたりのブレンド価格は$4.00です(定価、2026年11月16日)。
  • 両モデルに結果がある7件のベンチマークのうち、GPT-6 Solが7件でリードしています(BenchLeader、2026年11月16日)。

用途別のおすすめ

おすすめ側の数値を先に示しています。カテゴリスコアはBenchLeaderの尺度(50が平均的なモデル、15ポイントが1標準偏差)です。標準偏差の半分以上の差があれば信頼度「高」、1ポイント未満の差は「どちらでも」としています。

用途おすすめ理由信頼度
エージェント・ツール利用Agnes 2.5 Pro Betaカテゴリスコア64 対 59;GDPval-AA v2.1 1335 対 1514中
長い文書どちらでもカテゴリスコア66 対 67;AA-LCR v1.1 83.0% 対 83.7%どちらでも
画像などのメディアGPT-6 Solカテゴリスコア61 対 58;MMMU-Pro 83.0% 対 75.4%中
チャットの質(人間の評価)–Arenaの評価があるのはGPT-6 Solのみです(カテゴリスコア64)比較不可
低予算での大量処理フラッグシップ以外小型モデルの方が適していることがほとんどです:安くて優秀なLLM、最速のLLM–

主な違い

  • 共通するベンチマークが少なく、判定できません。
  • Agnes 2.5 Pro Betaはエージェント・ツールで優れています。
  • GPT-6 Sol (max)は長文コンテキスト、マルチモーダルで優れています。
  • Agnes 2.5 Pro Betaの方が27倍安くなっています(100万トークンあたりブレンド価格$0.150 対 $4.00)。

概要

仕様Agnes 2.5 Pro BetaGPT-6 Sol
プロバイダーSapiens AIOpenAI
リリース日2026年8月26日2026年9月22日
コンテキストウィンドウ(トークン)1,000,0001,050,000
比較した構成Agnes 2.5 Pro BetaGPT-6 Sol (max)
オープンウェイトなしなし
100万トークンあたりの価格(入力/出力/キャッシュ入力)–$2.00 / $10.00 / $0.200

カテゴリ別の比較

カテゴリスコアはBenchLeaderの尺度で、50が評価対象モデルの平均、15ポイントが1標準偏差です。1ポイント未満の差は互角としています。

カテゴリAgnes 2.5 Pro BetaGPT-6 Sol (max)トップ
推論–66.0比較不可
コーディング–66.3比較不可
エージェント・ツール64.458.8Agnes 2.5 Pro Beta
数学–68.0比較不可
知識–60.6比較不可
人間の評価–64.2比較不可
マルチモーダル57.760.6GPT-6 Sol
長文コンテキスト66.266.6互角

1つのグラフで比較

各分野をIndexと同じ尺度(平均的なモデルが50)で示しています。分野をクリックすると、その元になったベンチマークが表示されます。 リストから最大5モデルまで選べます。

2550 avg75エージェント・ツール長文コンテキストマルチモーダルAgnes 2.5 Pro Beta, エージェント・ツール: 64.4Agnes 2.5 Pro Beta, 長文コンテキスト: 66.2Agnes 2.5 Pro Beta, マルチモーダル: 57.7GPT-6 Sol, エージェント・ツール: 58.8GPT-6 Sol, 長文コンテキスト: 66.6GPT-6 Sol, マルチモーダル: 60.6

描画していないもの(測定済みのモデルが2つ未満):推論, コーディング, 数学, 知識, 指示追従, 人間の評価。

モデル(クリックで追加・削除)Index

情報源で評価が分かれる点

両方に結果がある7件のベンチマークのうち、Agnes 2.5 Pro Betaのリードが0件、GPT-6 Solのリードが7件です。

公開元ごとにタスク、評価環境、エフォートの設定が異なるため、総合的な評価が食い違うことがあります。BenchLeaderはそれらを1つの尺度にそろえています。†は同じモデルの別のエフォート設定での測定値です(公開元がここで比較している設定をテストしていないため)。

価格・速度・レイテンシ

定価は、出力1トークンにつき入力3トークンの比率でブレンドしています。タスクあたりの価格は、算出方法のページに記載したトークン数で計算しています。ベンチマークのタスクあたりのコスト、トークン数、時間は実測値で、Artificial AnalysisのIntelligence Index全体の平均です。

指標Agnes 2.5 Pro BetaGPT-6 Sol (max)
100万トークンあたりのブレンド価格–$4.00
100万トークンあたりの入力/出力– / –$2.00 / $10.00
100万トークンあたりのキャッシュ入力–$0.200
タスクあたりの価格:チャットの返答–$0.0038
タスクあたりの価格:30ページのレポートを要約–$0.030
タスクあたりの価格:コード編集–$0.027
タスクあたりの価格:エージェント型コーディングセッション–$0.160
タスクあたりの価格:構造化データの抽出–$0.0060
エージェント型コーディングセッション(入力の大半がキャッシュ)–$0.079
ベンチマークのタスクあたりのコスト(AA Index)–$2.47
タスクあたりの出力トークン(AA Index)–54k
うち推論–35k
タスクあたりの時間(AA Index)–7 min
出力速度–127 tok/s
回答開始までの時間–36.9秒
回答が完了するまでの時間(最終測定2026年11月13日)–143.8秒

各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Agnes 2.5 Pro Beta。GPT-6 Sol (max)のスコアは62.6、最初の回答トークンまで37秒。GPT-6 Sol (xhigh)は58.4(19秒)、GPT-6 Sol (high)は58.1(6秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか

全ベンチマーク

120件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。

指標公開元Agnes 2.5 Pro BetaGPT-6 Sol (max)
BenchLeader IndexBenchLeader–62.6
エージェント・ツールスコアBenchLeader64.458.8
長文コンテキストスコアBenchLeader66.266.6
マルチモーダルスコアBenchLeader57.760.6
コーディングスコアBenchLeader–66.3
人間の評価スコアBenchLeader–64.2
知識スコアBenchLeader–60.6
数学スコアBenchLeader–68.0
推論スコアBenchLeader–66.0
ブレンド価格($/100万トークン)BenchLeader–$4.00
出力速度BenchLeader–127 tok/s
回答開始までの時間BenchLeader–36.9秒
コンテキストウィンドウBenchLeader1,000,000トークン1,050,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub–94.3%
SimpleBenchSimpleBench–73.1%†
Arena Hard PromptsArena (LMArena)–1483
LiveBench 1.0 ReasoningLiveBench–88.7%
GPQA Diamond (AA)Artificial Analysis90.5%–
Humanity's Last Exam (AA)Artificial Analysis37.5%47.9%
HLE-Diamond (AA)Artificial Analysis–45.2%
ARC-AGI-1ARC Prize–95.5%
ARC-AGI-2ARC Prize–89.6%
ARC-AGI-3ARC Prize–23.0%
CritPtArtificial Analysis15.7%30.9%
CritPt v2 hard subset (AA)Artificial Analysis–66.5%
MysteryMechanismVals AI–30.2%
HLE-Diamond (Scale)Scale AI SEAL–33.8%†
Arena ExpertArena (LMArena)–1496
Chess PuzzlesEpoch AI Benchmarking Hub–56.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub–56.0%
LMCAEpoch AI Benchmarking Hub–59.1%
DTBenchEpoch AI Benchmarking Hub–97.3%
コーディング
SciCodeSciCode–57.6%
FrontierCodeCognition–49.3%
Arena CodingArena (LMArena)–1521
Arena WebDevArena (LMArena)–1673
LiveBench 1.0 CodingLiveBench–81.8%
SciCode (AA)Artificial Analysis48.8%57.6%
120件のベンチマークをすべて表示
指標公開元Agnes 2.5 Pro BetaGPT-6 Sol (max)
コーディング
IOIVals AI–82.6%
Code MigrationVals AI–57.2%
ProgramBenchVals AI–2.0%
Vibe Code Bench v1.1Vals AI–87.8%
MirrorCodeEpoch AI Benchmarking Hub–48.9%
ALE-BenchEpoch AI Benchmarking Hub–2462
WeirdML v3WeirdML–19.7%†
Terminal-Bench 4.0 (AA)Artificial Analysis–43.9%
Terminal-Bench 2.1 (AA)Artificial Analysis69.7%–
GameBench 2 OverallDuelLab GameBench 2–73.0†
GameBench 2 by reasoning settingDuelLab GameBench 2–79.4†
Design Arena WebsiteDesign Arena–1290†
FrontierCode 2.0 (AA)Artificial Analysis–35.6%
エージェント・ツール
Terminal-BenchTerminal-Bench–50.3%
APEX-AgentsMercor–54.3%
Arena AgentArena (LMArena)–6.9
LiveBench Agentic CodingLiveBench–52.9%
Terminal-Bench 2.1 (Vals)Vals AI–83.2%
GDPval-AA v2.1, normalised scoreArtificial Analysis41.5%–
GDPval-AA v2.1Artificial Analysis13351514
τ³-Banking (AA)Artificial Analysis35.7%–
ITBench SRE (AA)Artificial Analysis–49.4%
CyberBenchVals AI–78.0%
Finance Agent v2Vals AI–49.0%
Harvey's Legal Agent Benchmark v1Vals AI–1.7%
Legal Research BenchVals AI–28.9%
SREBenchVals AI–30.5%
Tax Agent BenchVals AI–15.0%
Terminal-Bench 4.0 (Vals)Vals AI–44.4%
Terminal-Bench ScienceVals AI–30.0%
Arena SearchArena (LMArena)–1229
Arena Agent Task CompletionArena (LMArena)–4.5
Vending-Bench 2Andon Labs–14427.9†
SpireClimbEpoch AI Benchmarking Hub–9.2%
AutomationBenchArtificial Analysis–61.6%
GDP.pdf (AA)Artificial Analysis–25.2%
Harvey LAB-AA v1.1Harvey–3.6%
AA-Briefcase v1.1Artificial Analysis–1476
Design Arena AgenticDesign Arena–1218†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–30.0%
CWE-Bench (AA)Artificial Analysis–64.2%
DeepSec-Bench (AA)Artificial Analysis–46.3%
CyberGym end-to-end (AA)Artificial Analysis–0.0%
FACTS SearchGoogle–92.7%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub–89.8%
FrontierMath Tier 4Epoch AI Benchmarking Hub–90.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub–100.0%
ProofBenchVals AI–83.0%†
LiveBench MathematicsLiveBench–96.4%
Arena MathsArena (LMArena)–1440
FrontierMath ErdősEpoch AI Benchmarking Hub–1.5%
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub–60.7%
LiveBench 1.0 Data AnalysisLiveBench–81.2%
AA-Omniscience v1.1Artificial Analysis–21.4
PRBench LegalScale AI SEAL–38.6%†
BioMysteryBenchVals AI–74.8%
Excel Modeling BenchmarkVals AI–71.5%
MedCodeVals AI–47.1%
MedScribeVals AI–82.0%
Public Benefits Bench v1.1Vals AI–56.6%
Financial Coaching BenchVals AI–62.6%
EBR-benchEpoch AI Benchmarking Hub–53.3%
GDP.pdfEpoch AI Benchmarking Hub–26.4%
AA-Omniscience v1.1: accuracyArtificial Analysis–51.1%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–39.1%
HealthBench Professional (AA)OpenAI–62.3%
FACTS ParametricGoogle–76.1%†
指示追従
LiveBench LanguageLiveBench–85.3%
LiveBench Instruction FollowingLiveBench–68.6%
Arena Instruction FollowingArena (LMArena)–1449
人間の評価
Arena TextArena (LMArena)–1457
EQ-Bench Creative Writing v3EQ-Bench–2126†
Arena Creative WritingArena (LMArena)–1428
Arena Multi-turnArena (LMArena)–1468
Arena Longer QueriesArena (LMArena)–1466
マルチモーダル
Arena VisionArena (LMArena)–1233
MMMU-ProArtificial Analysis75.4%83.0%
Humanity's Sixth SenseScale AI SEAL–31.2%
Blueprint-Bench 2Epoch AI Benchmarking Hub–36.9%†
Furniture AssemblyEpoch AI Benchmarking Hub–58.3%
AA-3DArtificial Analysis–1131
FACTS MultimodalGoogle–43.9%†
長文コンテキスト
AA-LCR v1.1Artificial Analysis83.0%83.7%
MLCRArtificial Analysis–33.9%
FACTS GroundingGoogle–83.3%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–163.8†
LiveBench 1.0LiveBench–79.3%
AA Intelligence Index v5.0.1Artificial Analysis–44.2
AA Intelligence Index v4.3.2Artificial Analysis35.247.6
AA Progress Index v1Artificial Analysis299.1334
Vals RSI IndexVals AI–28.1%
Vals Science IndexVals AI–45.0%
AA Cyber IndexArtificial Analysis–36.8
安全性・誠実さ
FORTRESSScale AI SEAL–13.5%†
DistressBenchScale AI SEAL–68.0%†

データは2026年11月16日時点。各モデルの最良の構成で比較しています。すべてのスコアの出典はモデルのページにリンクしています。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

最近の変化

  • GPT-6 Sol (max):新しい結果1件(GDPval-AA v2.1)。
  • GPT-6 Sol (max):新しい結果1件(MirrorCode)。
  • GPT-6 Sol (max):BenchLeader Index 63.5 → 62.9。
  • GPT-6 Sol (max):スコアの改訂2件。
  • GPT-6 Sol (max):スコアの改訂1件。
  • GPT-6 Sol (max):スコアの改訂1件。
  • GPT-6 Sol (max):新しい結果6件(AA Intelligence Index v5.0.1, AA-Omniscience v1.1, CritPt v2 hard subset (AA)…)。
  • GPT-6 Sol (max):スコアの改訂1件。
  • GPT-6 Sol (max):スコアの改訂1件。
  • GPT-6 Sol (max):BenchLeader Index 64.1 → 63.5。

ランキング: 総合ベストLLM · エージェントに最適なLLM · 安くて優秀なLLM

Agnes 2.5 Pro Beta vs GPT-6 Sol:よくある質問

Agnes 2.5 Pro BetaとGPT-6 Solはどちらが安いですか?今後変わる予定はありますか?
現在はAgnes 2.5 Pro Betaの方が安く、100万トークンあたり$0.150 対 $4.00です(出力1トークンにつき入力3トークンでブレンド)。どちらも価格変更は発表されていません。
エージェントやツール利用にはAgnes 2.5 Pro BetaとGPT-6 Solのどちらが向いていますか?
エージェント型のタスクではAgnes 2.5 Pro Betaの方がスコアが高くなっています(カテゴリ指標で64 対 59。50が平均)。
長い文書にはどちらが向いていますか?
長文コンテキストのベンチマークでは互角です(66 対 67)。どちらも約1.1Mトークンです(Agnes 2.5 Pro Betaは1,000,000、GPT-6 Solは1,050,000)。
Agnes 2.5 Pro BetaとGPT-6 Solについて、第三者ベンチマークの評価は一致していますか?
両方に結果がある7件のベンチマークのうち、Agnes 2.5 Pro Betaのリードが0件、GPT-6 Solのリードが7件です。
GPT-6 Solはいつリリースされましたか?
GPT-6 Solは2026年9月22日にリリースされました。