BenchLeader

Claude Haiku 5.5 vs GPT-6.1 Sol

詳しいプロフィール:Claude Haiku 5.5(Anthropic)とGPT-6.1 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 · 15件の情報源のデータ

2026年11月16日時点で、品質ではGPT-6.1 SolがClaude Haiku 5.5を上回ります(BenchLeader Indexで66.6 対 56.7)。ただし、価格はClaude Haiku 5.5の方が20倍安く、100万トークンあたりのブレンド価格で$0.200 対 $4.00です。両方を測定できるすべてのカテゴリでGPT-6.1 Solがリードしています。Claude Haiku 5.5の方が出力が3倍以上速いです。

要点(2026年11月16日時点)

  • BenchLeader IndexはClaude Haiku 5.5が56.7、GPT-6.1 Solが66.6です(BenchLeader、2026年11月16日)。
  • Claude Haiku 5.5の100万トークンあたりのブレンド価格は$0.200です(定価、2026年11月16日)。
  • GPT-6.1 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)。
  • Claude Haiku 5.5はGPT-6.1 Solより出力が3倍以上速いです(Artificial Analysis、7日間の中央値、2026年11月16日)。
  • 両モデルに結果がある34件のベンチマークのうち、GPT-6.1 Solが33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
コーディングGPT-6.1 Solカテゴリスコア71 対 59;FrontierCode 2.0 (AA) 40.6% 対 29.9%高
数学GPT-6.1 Solカテゴリスコア72 対 66;OTIS Mock AIME 100.0% 対 98.9%中
推論GPT-6.1 Solカテゴリスコア71 対 57;HLE-Diamond (AA) 58.8% 対 28.8%高
知識GPT-6.1 Solカテゴリスコア72 対 49;AA-Omniscience v1.1 42.0 対 7.8高
長い文書GPT-6.1 Solカテゴリスコア66 対 64;AA-LCR v1.1 83.0% 対 78.3%中
チャットの質(人間の評価)–Arenaの評価があるのはGPT-6.1 Solのみです(カテゴリスコア67)比較不可
最低コストClaude Haiku 5.5100万トークンあたりブレンド価格$0.200 対 $4.00;エージェント型コーディングセッション$0.008 対 $0.160–
回答開始の速さClaude Haiku 5.5最初の回答トークンまで50.5秒(Claude Haiku 5.5 (xhigh))対 166.7秒(GPT-6.1 Sol (max))–
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

  • 品質ではGPT-6.1 Sol (max)がリードしています:66.6 対 56.7。
  • GPT-6.1 Sol (max)はコーディング、知識、長文コンテキスト、数学、推論で優れています。
  • Claude Haiku 5.5 (xhigh)の方が20倍安くなっています(100万トークンあたりブレンド価格$0.200 対 $4.00)。
  • Claude Haiku 5.5 (xhigh)の方が出力が4.6倍速くなっています(231 対 50トークン/秒)。

概要

仕様Claude Haiku 5.5GPT-6.1 Sol
プロバイダーAnthropicOpenAI
リリース日2026年10月7日2026年9月29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Claude Haiku 5.5 (xhigh)GPT-6.1 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)$0.100 / $0.500 / $0.010$2.00 / $10.00 / $0.100

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Claude Haiku 5.5 (xhigh)GPT-6.1 Sol (max)トップ
推論57.371.4GPT-6.1 Sol
コーディング58.771.1GPT-6.1 Sol
エージェント・ツール–64.3比較不可
数学66.171.6GPT-6.1 Sol
知識49.071.5GPT-6.1 Sol
人間の評価–67.1比較不可
マルチモーダル–65.6比較不可
長文コンテキスト63.866.2GPT-6.1 Sol
総合–67.9比較不可

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推論コーディング数学知識長文コンテキストClaude Haiku 5.5, 推論: 57.3Claude Haiku 5.5, コーディング: 58.7Claude Haiku 5.5, 数学: 66.1Claude Haiku 5.5, 知識: 49.0Claude Haiku 5.5, 長文コンテキスト: 63.8GPT-6.1 Sol, 推論: 71.4GPT-6.1 Sol, コーディング: 71.1GPT-6.1 Sol, 数学: 71.6GPT-6.1 Sol, 知識: 71.5GPT-6.1 Sol, 長文コンテキスト: 66.2

描画していないもの(測定済みのモデルが2つ未満):エージェント・ツール, 指示追従, マルチモーダル, 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34件のベンチマークのうち、Claude Haiku 5.5のリードが1件、GPT-6.1 Solのリードが33件です。両方を評価しているすべての総合指標で、GPT-6.1 Solが上回っています。

総合IndexClaude Haiku 5.5 (xhigh)GPT-6.1 Sol (max)トップ
BenchLeader Index56.766.6GPT-6.1 Sol
AA Intelligence Index v5.0.134.654.6GPT-6.1 Sol
Vals Index58.7†63.9GPT-6.1 Sol
Arena Text1421†1481GPT-6.1 Sol

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Claude Haiku 5.5 (xhigh)GPT-6.1 Sol (max)
100万トークンあたりのブレンド価格$0.200$4.00
100万トークンあたりの入力/出力$0.100 / $0.500$2.00 / $10.00
100万トークンあたりのキャッシュ入力$0.010$0.100
タスクあたりの価格:チャットの返答$0.0002$0.0038
タスクあたりの価格:30ページのレポートを要約$0.0015$0.030
タスクあたりの価格:コード編集$0.0014$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$0.0080$0.160
タスクあたりの価格:構造化データの抽出$0.0003$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)$0.0040$0.074
ベンチマークのタスクあたりのコスト(AA Index)$0.248$1.27
タスクあたりの出力トークン(AA Index)136k68k
うち推論97k49k
タスクあたりの時間(AA Index)10 min23 min
出力速度231 tok/s50 tok/s
回答開始までの時間50.5秒166.7秒
回答が完了するまでの時間(最終測定2026年11月13日)110.1秒429.6秒

トークン単価とタスクあたりのコストは別物です。Artificial AnalysisのIntelligence Indexの平均的なタスクにかかったコストは、Claude Haiku 5.5 (xhigh)で$0.248、GPT-6.1 Sol (max)で$1.27でした。同じ作業でClaude Haiku 5.5 (xhigh)は2.0倍の出力トークンを書いています。これはトークン単価だけでは見えない差です。

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。Claude Haiku 5.5 (xhigh)のスコアは56.7、最初の回答トークンまで50秒。Claude Haiku 5.5 (high)は55.3(18秒)、Claude Haiku 5.5 (max)は55.3(185秒)。GPT-6.1 Sol (max)のスコアは66.6、最初の回答トークンまで167秒。GPT-6.1 Sol (xhigh)は63.6(68秒)、GPT-6.1 Sol (high)は63.4(33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

154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Claude Haiku 5.5 (xhigh)GPT-6.1 Sol (max)
BenchLeader IndexBenchLeader56.766.6
コーディングスコアBenchLeader58.771.1
知識スコアBenchLeader49.071.5
長文コンテキストスコアBenchLeader63.866.2
数学スコアBenchLeader66.171.6
推論スコアBenchLeader57.371.4
エージェント・ツールスコアBenchLeader–64.3
総合スコアBenchLeader–67.9
人間の評価スコアBenchLeader–67.1
マルチモーダルスコアBenchLeader–65.6
ブレンド価格($/100万トークン)BenchLeader$0.200$4.00
出力速度BenchLeader231 tok/s50 tok/s
回答開始までの時間BenchLeader50.5秒166.7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 Hub89.7%†95.4%
Humanity's Last ExamScale AI / CAIS30.1%†–
SimpleBenchSimpleBench–82.9%†
Arena Hard PromptsArena (LMArena)1449†1505
LiveBench 2.0 ReasoningLiveBench82.4%†92.6%
LiveBench 1.0 ReasoningLiveBench81.2%92.6%
Humanity's Last Exam (AA)Artificial Analysis42.7%52.9%
HLE-Diamond (AA)Artificial Analysis28.8%58.8%
ARC-AGI-1ARC Prize87.5%96.5%
ARC-AGI-2ARC Prize61.3%94.2%
ARC-AGI-3ARC Prize2.8%†96.2%
CritPtArtificial Analysis22.6%31.7%
CritPt v2 hard subset (AA)Artificial Analysis47.5%69.5%
MysteryMechanismVals AI35.1%†46.4%
Arena ExpertArena (LMArena)1465†1525
Chess PuzzlesEpoch AI Benchmarking Hub55.0%†68.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub30.0%†80.0%
LMCAEpoch AI Benchmarking Hub48.0%62.8%
DTBenchEpoch AI Benchmarking Hub87.2%96.5%
コーディング
SciCodeSciCode51.7%54.2%
FrontierCodeCognition46.4%†50.2%†
Arena CodingArena (LMArena)1489†1540
Arena WebDevArena (LMArena)1593†1743
LiveBench 2.0 CodingLiveBench77.6%†82.1%
LiveBench 1.0 CodingLiveBench76.4%80.4%
154件のベンチマークをすべて表示
指標公開元Claude Haiku 5.5 (xhigh)GPT-6.1 Sol (max)
コーディング
IOIVals AI47.3%†96.9%
Code MigrationVals AI44.6%†65.1%
Code Migration v1.1Vals AI52.4%†77.3%
ProgramBenchVals AI2.5%†3.0%
SWE-bench MultimodalVals AI44.0%†43.5%
Vibe Code Bench 1-100Vals AI20.4%†–
Vibe Code Bench v1.1Vals AI90.4%†88.9%
SWE Atlas v1.1Scale AI SEAL59.4%†65.9%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL62.1%†71.0%†
SWE Atlas v1.1: Test WritingScale AI SEAL63.3%†66.7%†
SWE Atlas v1.1: RefactoringScale AI SEAL52.9%†60.0%†
SWE-Bench Pro V2Scale AI SEAL87.2%†96.1%†
SWE-Bench Pro V2 HARDScale AI SEAL52.9%†–
MirrorCodeEpoch AI Benchmarking Hub78.9%†61.1%
CursorBenchCursor44.3%–
ALE-BenchEpoch AI Benchmarking Hub1587†2743.8
FrontierSWEEpoch AI Benchmarking Hub43.8%†–
WeirdML v3WeirdML11.7%38.3%†
Terminal-Bench 4.0 (AA)Artificial Analysis29.3%56.1%
Startrise FrontendStartrise–78.6%†
GameBench 2 OverallDuelLab GameBench 256.0†84.9†
GameBench 2 by reasoning settingDuelLab GameBench 275.192.0†
Design Arena WebsiteDesign Arena1253†1315†
FrontierCode 1.1 (AA)Artificial Analysis45.5%49.1%
FrontierCode 2.0 (AA)Artificial Analysis29.9%40.6%
エージェント・ツール
Terminal-BenchTerminal-Bench40.0%†60.9%
APEX-AgentsMercor56.1%†60.0%
Arena AgentArena (LMArena)0.5†12.5
LiveBench Long AgenticLiveBench47.9%†65.6%
LiveBench BrowserLiveBench69.5%†93.3%
LiveBench Agentic CodingLiveBench51.4%54.5%
HiL-BenchScale AI SEAL–62.3%†
GDPval-AA v2.1, normalised scoreArtificial Analysis50.7%54.8%
GDPval-AA v2.1Artificial Analysis15231607
Analyst Agent (AA)Artificial Analysis53.8%†50.0%
CyberBenchVals AI75.5%†39.3%
Finance Agent v2Vals AI54.1%†52.0%
Finance Agent v2.1Vals AI65.4%†61.8%
Harvey's Legal Agent Benchmark v1.1Vals AI4.2%†6.3%
Harvey's Legal Agent Benchmark v1Vals AI1.3%†5.4%
Legal Research BenchVals AI43.8%†38.5%
Robo-benchVals AI–28.3%
SREBenchVals AI5.7%†50.8%
Tax Agent BenchVals AI31.9%†21.8%
Terminal-Bench 4.0 (Vals)Vals AI36.4%†55.0%
Terminal-Bench ScienceVals AI10.0%†52.9%
Arena SearchArena (LMArena)–1249
Arena Agent Task CompletionArena (LMArena)1.6†11.7
PostTrainBenchEpoch AI Benchmarking Hub–38.8%
Vending-Bench 2Andon Labs3602.5†12860.6†
SpireClimbEpoch AI Benchmarking Hub–23.8%
AutomationBenchArtificial Analysis36.0%64.9%
GDP.pdf (AA)Artificial Analysis18.2%31.0%
Harvey LAB-AA v1.1Harvey2.8%6.9%
AA-Briefcase v1.1Artificial Analysis15231555
GDPxGDPx by SemiAnalysis4.9%†8.4%
Design Arena AgenticDesign Arena–1375
Terminal-Bench-Science 0.1 (AA)Artificial Analysis18.1%58.1%
MKA (AA)Artificial Analysis41.0%†47.7%
FACTS SearchGoogle80.3%†92.8%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub75.1%†93.7%
FrontierMath Tier 4Epoch AI Benchmarking Hub46.3%†100.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub98.9%100.0%
ProofBenchVals AI89.0%†99.0%†
LiveBench MathematicsLiveBench92.8%96.8%
ArXivMathMathArena–92.8%
BrokenArXivMathArena–83.1%
Arena MathsArena (LMArena)1451†1499
FrontierMath ErdősEpoch AI Benchmarking Hub–4.4%
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub23.8%†73.9%
LiveBench 2.0 Data AnalysisLiveBench53.1%†82.7%
LiveBench ResearchLiveBench84.3%†90.0%
LiveBench 1.0 Data AnalysisLiveBench72.8%82.7%
AA-Omniscience v1.1Artificial Analysis7.842.0
PRBench FinanceScale AI SEAL–46.2%†
PRBench LegalScale AI SEAL–47.9%†
BioMysteryBenchVals AI70.4%†79.6%
ClaimBenchVals AI100.0%†100.0%
Excel Modeling BenchmarkVals AI59.0%†70.8%
Excel Modeling Benchmark v1.1Vals AI65.5%†71.1%
MedCodeVals AI51.5%†48.8%
MedScribeVals AI89.5%†86.5%
Public Benefits Bench v1.1Vals AI63.2%†59.3%
Access to Justice BenchmarkVals AI–65.8%
Financial Coaching BenchVals AI–68.5%
Immigration BenchVals AI61.8%†67.8%
EBR-benchEpoch AI Benchmarking Hub43.8%†54.3%
GDP.pdfEpoch AI Benchmarking Hub–35.0%
AA-Omniscience v1.1: accuracyArtificial Analysis33.8%61.8%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis60.9%48.1%
HealthBench Professional (AA)OpenAI58.4%†65.1%
FACTS ParametricGoogle13.1%†83.8%†
指示追従
LiveBench LanguageLiveBench63.5%90.1%
LiveBench Instruction FollowingLiveBench66.5%74.2%
MultiChallengeScale AI SEAL67.7%†82.0%†
Arena Instruction FollowingArena (LMArena)1426†1482
人間の評価
Arena TextArena (LMArena)1421†1481
EQ-Bench 4EQ-Bench–1272†
Arena Creative WritingArena (LMArena)1361†1449
Arena Multi-turnArena (LMArena)1412†1486
Arena Longer QueriesArena (LMArena)1419†1488
マルチモーダル
Arena VisionArena (LMArena)–1286
LiveBench DesignLiveBench79.3%†79.6%
MMMU-ProArtificial Analysis–86.0%
SAGEVals AI89.8%†90.5%
Humanity's Sixth SenseScale AI SEAL–46.6%
Blueprint-Bench 2Epoch AI Benchmarking Hub33.0%†43.2%†
Furniture AssemblyEpoch AI Benchmarking Hub47.5%†80.0%
VIALS-AAHandshake AI49.1%†59.0%
Code2Video-AAArtificial Analysis1192†1369
AA-3DArtificial Analysis998†1121
FACTS MultimodalGoogle38.9%†52.6%†
長文コンテキスト
AA-LCR v1.1Artificial Analysis78.3%83.0%
MLCRArtificial Analysis15.0%38.3%
FACTS GroundingGoogle57.0%†78.0%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub160.4†168.5†
LiveBench 2.0LiveBench68.9%†81.4%
LiveBench 1.0LiveBench72.1%81.6%
AA Intelligence Index v5.0.1Artificial Analysis34.654.6
AA Intelligence Index v4.3.2Artificial Analysis41.351.8
AA Progress Index v1Artificial Analysis322.2348.5
Vals IndexVals AI58.7†63.9
Vals Finance IndexVals AI57.5%†55.8%
Vals RSI IndexVals AI–26.6%
Vals Science IndexVals AI38.5%†59.6%
Vals Router IndexVals AI58.7%†63.9%†
Vals Legal IndexVals AI70.3%†68.7%
安全性・誠実さ
FORTRESSScale AI SEAL9.5%†–
DistressBenchScale AI SEAL71.7%†74.2%†

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-6.1 Sol (max):新しい結果8件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)、スコアの改訂1件。
  • GPT-6.1 Sol (max):スコアの改訂1件。
  • GPT-6.1 Sol (max):スコアの改訂1件。
  • GPT-6.1 Sol (max):新しい結果1件(PostTrainBench)。
  • Claude Haiku 5.5 (xhigh):新しい結果1件(GameBench 2 by reasoning setting)。
  • GPT-6.1 Sol (max):新しい結果1件(MirrorCode)、スコアの改訂1件。
  • GPT-6.1 Sol (max):BenchLeader Index 67.4 → 66.9。
  • Claude Haiku 5.5 (xhigh):BenchLeader Index 57.3 → 56.8。
  • GPT-6.1 Sol (max):スコアの改訂2件。
  • GPT-6.1 Sol (max):スコアの改訂3件。

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

Claude Haiku 5.5 vs GPT-6.1 Sol:よくある質問

GPT-6.1 SolはClaude Haiku 5.5より優れていますか?
品質ではGPT-6.1 Sol (max)がリードしています:66.6 対 56.7。BenchLeader Indexは第三者による品質ベンチマークをすべて統合した指標です。2026年11月16日時点では総合でGPT-6.1 Sol (max)が上回っていますが、用途に合わせてカテゴリ別のスコアも確認してください。
Claude Haiku 5.5とGPT-6.1 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Claude Haiku 5.5の方が安く、100万トークンあたり$0.200 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。
コーディングにはClaude Haiku 5.5とGPT-6.1 Solのどちらが向いていますか?
コーディングではGPT-6.1 Solの方がスコアが高くなっています(カテゴリ指標で71 対 59。50が平均)。共通するコーディングベンチマークのうち最も重要なFrontierCode 2.0 (AA)では、Claude Haiku 5.5が29.9%、GPT-6.1 Solが40.6%です。
Claude Haiku 5.5とGPT-6.1 Solはどちらが速いですか?
Claude Haiku 5.5の方が出力が3倍以上速くなっています(出力231 対 50トークン/秒、Artificial Analysisの7日間の中央値)。
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GPT-6.1 Solの方がスコアが高くなっています(66 対 64)。どちらも約1.1Mトークンです(Claude Haiku 5.5は1,000,000、GPT-6.1 Solは1,050,000)。
ほかの質問(3件)
レイテンシが低いのはどちらですか?
先に回答を始めるのはClaude Haiku 5.5です。Artificial Analysisの測定では、最初の回答トークンまで50.5秒 対 166.7秒です。この差の大部分は推論エフォートによるもので、設定が高いほど回答前に長く考えます。
Claude Haiku 5.5とGPT-6.1 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34件のベンチマークのうち、Claude Haiku 5.5のリードが1件、GPT-6.1 Solのリードが33件です。両方を評価しているすべての総合指標で、GPT-6.1 Solが上回っています。
Claude Haiku 5.5はいつリリースされましたか?
Claude Haiku 5.5は2026年10月7日にリリースされました。