BenchLeader

Claude Sonnet 5.5 vs GPT-6.1 Sol

詳しいプロフィール:Claude Sonnet 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 · 14件の情報源のデータ

2026年11月16日時点で、Claude Sonnet 5.5とGPT-6.1 Solの品質は互角です(BenchLeader Indexで64.2 対 66.6、±3.1の誤差範囲内)。価格はほぼ同じです(100万トークンあたりのブレンド価格で$4.00 対 $4.00)。エージェント・ツール(71 対 64)を重視するならClaude Sonnet 5.5、知識(72 対 57)、推論(71 対 68)を重視するならGPT-6.1 Solが向いています。回答開始までの時間はGPT-6.1 Solの方が短く、166.7秒 対 290.5秒です。Claude Sonnet 5.5は出力が約2倍速い点も強みです。

要点(2026年11月16日時点)

  • BenchLeader IndexはClaude Sonnet 5.5が64.2、GPT-6.1 Solが66.6です(BenchLeader、2026年11月16日)。
  • Claude Sonnet 5.5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)。
  • 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 Sonnet 5.5はGPT-6.1 Solより出力が約2倍速いです(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94件のベンチマークのうち、Claude Sonnet 5.5が50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
コーディングどちらでもカテゴリスコア70 対 71;FrontierCode 2.0 (AA) 41.7% 対 40.6%どちらでも
エージェント・ツール利用Claude Sonnet 5.5カテゴリスコア71 対 64;Terminal-Bench 63.9% 対 60.9%中
数学どちらでもカテゴリスコア71 対 72;FrontierMath Tiers 1–3 88.8% 対 93.7%どちらでも
推論GPT-6.1 Solカテゴリスコア71 対 68;HLE-Diamond (AA) 58.8% 対 53.3%中
知識GPT-6.1 Solカテゴリスコア72 対 57;SimpleQA Verified 73.9% 対 46.5%高
長い文書どちらでもカテゴリスコア66 対 66;AA-LCR v1.1 82.7% 対 83.0%どちらでも
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
最低コストどちらでも100万トークンあたりブレンド価格$4.00 対 $4.00;エージェント型コーディングセッション$0.160 対 $0.160–
回答開始の速さGPT-6.1 Sol最初の回答トークンまで166.7秒(GPT-6.1 Sol (max))対 290.5秒(Claude Sonnet 5.5 (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

  • Claude Sonnet 5.5 (max)とGPT-6.1 Sol (max)の品質は互角です(64.2 対 66.6、±3.1の誤差範囲内)。
  • Claude Sonnet 5.5 (max)はエージェント・ツールで優れています。
  • GPT-6.1 Sol (max)はコーディング、総合、知識、長文コンテキスト、数学、推論で優れています。
  • 価格はほぼ同じです(100万トークンあたりブレンド価格$4.00)。
  • Claude Sonnet 5.5 (max)の方が出力が3.1倍速くなっています(152 対 50トークン/秒)。

概要

仕様Claude Sonnet 5.5GPT-6.1 Sol
プロバイダーAnthropicOpenAI
リリース日2026年9月28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 Sonnet 5.5 (max)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)$2.00 / $10.00 / $0.100$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 Sonnet 5.5 (max)GPT-6.1 Sol (max)トップ
推論67.871.4GPT-6.1 Sol
コーディング70.271.1互角
エージェント・ツール70.564.3Claude Sonnet 5.5
数学71.371.6互角
知識57.471.5GPT-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66.066.2互角
総合63.067.9GPT-6.1 Sol

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推論コーディングエージェント・ツール数学知識長文コンテキストClaude Sonnet 5.5, 推論: 67.8Claude Sonnet 5.5, コーディング: 70.2Claude Sonnet 5.5, エージェント・ツール: 70.5Claude Sonnet 5.5, 数学: 71.3Claude Sonnet 5.5, 知識: 57.4Claude Sonnet 5.5, 長文コンテキスト: 66.0GPT-6.1 Sol, 推論: 71.4GPT-6.1 Sol, コーディング: 71.1GPT-6.1 Sol, エージェント・ツール: 64.3GPT-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):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94件のベンチマークのうち、Claude Sonnet 5.5のリードが50件、GPT-6.1 Solのリードが41件、同点が3件です。第三者の総合指標でも評価が分かれ、Claude Sonnet 5.5はVals Indexで、GPT-6.1 SolはAA Intelligence Index v5.0.1、Arena Textでリードしています。

総合IndexClaude Sonnet 5.5 (max)GPT-6.1 Sol (max)トップ
BenchLeader Index64.266.6互角
AA Intelligence Index v5.0.154.554.6GPT-6.1 Sol
Vals Index70.863.9Claude Sonnet 5.5
Arena Text1473†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 Sonnet 5.5 (max)GPT-6.1 Sol (max)
100万トークンあたりのブレンド価格$4.00$4.00
100万トークンあたりの入力/出力$2.00 / $10.00$2.00 / $10.00
100万トークンあたりのキャッシュ入力$0.100$0.100
タスクあたりの価格:チャットの返答$0.0038$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$0.030
タスクあたりの価格:コード編集$0.027$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$0.160
タスクあたりの価格:構造化データの抽出$0.0060$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)$0.074$0.074
ベンチマークのタスクあたりのコスト(AA Index)$10.02$1.27
タスクあたりの出力トークン(AA Index)285k68k
うち推論206k49k
タスクあたりの時間(AA Index)31 min23 min
出力速度152 tok/s50 tok/s
回答開始までの時間290.5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)487.7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 Sonnet 5.5 (max)で$10.02、GPT-6.1 Sol (max)で$1.27でした。同じ作業でClaude Sonnet 5.5 (max)は4.2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 Sonnet 5.5 (max)のスコアは64.2、最初の回答トークンまで291秒。Claude Sonnet 5.5 (xhigh)は62.5(27秒)、Claude Sonnet 5.5 (high)は59.5(9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 Sonnet 5.5 (max)GPT-6.1 Sol (max)
BenchLeader IndexBenchLeader64.266.6
エージェント・ツールスコアBenchLeader70.564.3
コーディングスコアBenchLeader70.271.1
総合スコアBenchLeader63.067.9
知識スコアBenchLeader57.471.5
長文コンテキストスコアBenchLeader66.066.2
数学スコアBenchLeader71.371.6
推論スコアBenchLeader67.871.4
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$4.00$4.00
出力速度BenchLeader152 tok/s50 tok/s
回答開始までの時間BenchLeader290.5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 Hub95.6%95.4%
Humanity's Last ExamScale AI / CAIS46.1%†–
SimpleBenchSimpleBench75.9%†82.9%†
Arena Hard PromptsArena (LMArena)1499†1505
LiveBench 2.0 ReasoningLiveBench91.6%92.6%
LiveBench 1.0 ReasoningLiveBench91.6%92.6%
Humanity's Last Exam (AA)Artificial Analysis55.0%52.9%
HLE-Diamond (AA)Artificial Analysis53.3%58.8%
ARC-AGI-1ARC Prize96.5%96.5%
ARC-AGI-2ARC Prize83.9%†94.2%
ARC-AGI-3ARC Prize72.4%†96.2%
CritPtArtificial Analysis31.4%31.7%
CritPt v2 hard subset (AA)Artificial Analysis59.0%69.5%
MysteryMechanismVals AI49.1%46.4%
HLE-Diamond (Scale)Scale AI SEAL37.5%†–
Arena ExpertArena (LMArena)1512†1525
Chess PuzzlesEpoch AI Benchmarking Hub59.0%68.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub65.0%80.0%
LMCAEpoch AI Benchmarking Hub68.3%62.8%
DTBenchEpoch AI Benchmarking Hub97.3%96.5%
コーディング
SciCodeSciCode61.0%54.2%
FrontierCodeCognition52.1%†50.2%†
Arena CodingArena (LMArena)1517†1540
Arena WebDevArena (LMArena)1772†1743
LiveBench 2.0 CodingLiveBench77.2%82.1%
154件のベンチマークをすべて表示
指標公開元Claude Sonnet 5.5 (max)GPT-6.1 Sol (max)
コーディング
LiveBench 1.0 CodingLiveBench91.4%80.4%
IOIVals AI83.1%96.9%
Code MigrationVals AI69.8%65.1%
Code Migration v1.1Vals AI86.9%77.3%
ProgramBenchVals AI6.5%3.0%
SWE-bench MultimodalVals AI58.3%43.5%
Vibe Code Bench v1.1Vals AI92.4%88.9%
SWE Atlas v1.1Scale AI SEAL68.3%†65.9%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL74.2%†71.0%†
SWE Atlas v1.1: Test WritingScale AI SEAL67.8%†66.7%†
SWE Atlas v1.1: RefactoringScale AI SEAL62.9%†60.0%†
SWE-Bench Pro V2Scale AI SEAL95.8%†96.1%†
SWE-Bench Pro V2 HARDScale AI SEAL70.6%†–
MirrorCodeEpoch AI Benchmarking Hub97.8%61.1%
CursorBenchCursor55.5%–
ALE-BenchEpoch AI Benchmarking Hub1819.1†2743.8
FrontierSWEEpoch AI Benchmarking Hub61.9%–
WeirdML v3WeirdML19.9%†38.3%†
Terminal-Bench 4.0 (AA)Artificial Analysis63.6%56.1%
Startrise FrontendStartrise75.9%†78.6%†
GameBench 2 OverallDuelLab GameBench 260.4†84.9†
GameBench 2 by reasoning settingDuelLab GameBench 291.4†92.0†
Design Arena WebsiteDesign Arena1309†1315†
FrontierCode 1.1 (AA)Artificial Analysis45.8%49.1%
FrontierCode 2.0 (AA)Artificial Analysis41.7%40.6%
エージェント・ツール
Terminal-BenchTerminal-Bench63.9%60.9%
APEX-AgentsMercor75.5%60.0%
Arena AgentArena (LMArena)1612.5
LiveBench Long AgenticLiveBench63.4%65.6%
LiveBench BrowserLiveBench89.3%93.3%
LiveBench Agentic CodingLiveBench56.3%54.5%
Terminal-Bench 2.1 (Vals)Vals AI83.2%†–
HiL-BenchScale AI SEAL–62.3%†
GDPval-AA v2.1, normalised scoreArtificial Analysis66.9%54.8%
GDPval-AA v2.1Artificial Analysis18381607
Analyst Agent (AA)Artificial Analysis57.5%50.0%
CyberBenchVals AI59.6%39.3%
Finance Agent v2Vals AI58.1%52.0%
Finance Agent v2.1Vals AI67.3%61.8%
Harvey's Legal Agent Benchmark v1.1Vals AI10.4%6.3%
Harvey's Legal Agent Benchmark v1Vals AI2.9%5.4%
Legal Research BenchVals AI48.1%38.5%
Robo-benchVals AI–28.3%
SREBenchVals AI30.1%50.8%
Tax Agent BenchVals AI42.0%21.8%
Terminal-Bench 4.0 (Vals)Vals AI64.1%55.0%
Terminal-Bench ScienceVals AI47.1%52.9%
Arena SearchArena (LMArena)–1249
Arena Agent Task CompletionArena (LMArena)19.511.7
PostTrainBenchEpoch AI Benchmarking Hub–38.8%
Vending-Bench 2Andon Labs11165.3†12860.6†
SpireClimbEpoch AI Benchmarking Hub1.3%23.8%
AutomationBenchArtificial Analysis71.8%64.9%
GDP.pdf (AA)Artificial Analysis25.8%31.0%
Harvey LAB-AA v1.1Harvey2.8%6.9%
AA-Briefcase v1.1Artificial Analysis18161555
GDPxGDPx by SemiAnalysis8.2%8.4%
Design Arena AgenticDesign Arena1293†1375
Terminal-Bench-Science 0.1 (AA)Artificial Analysis53.3%58.1%
MKA (AA)Artificial Analysis52.0%47.7%
FACTS SearchGoogle86.8%†92.8%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub88.8%93.7%
FrontierMath Tier 4Epoch AI Benchmarking Hub80.5%100.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%100.0%
ProofBenchVals AI100.0%99.0%†
LiveBench MathematicsLiveBench96.1%96.8%
ArXivMathMathArena–92.8%
BrokenArXivMathArena–83.1%
Arena MathsArena (LMArena)1486†1499
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%4.4%
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub46.5%73.9%
LiveBench 2.0 Data AnalysisLiveBench59.5%82.7%
LiveBench ResearchLiveBench88.0%90.0%
LiveBench 1.0 Data AnalysisLiveBench59.5%82.7%
AA-Omniscience v1.1Artificial Analysis30.542.0
PRBench FinanceScale AI SEAL–46.2%†
PRBench LegalScale AI SEAL–47.9%†
BioMysteryBenchVals AI81.1%79.6%
ClaimBenchVals AI100.0%100.0%
Excel Modeling BenchmarkVals AI75.7%70.8%
Excel Modeling Benchmark v1.1Vals AI75.9%71.1%
MedCodeVals AI52.9%48.8%
MedScribeVals AI91.1%86.5%
Public Benefits Bench v1.1Vals AI67.2%59.3%
Access to Justice BenchmarkVals AI74.9%65.8%
Financial Coaching BenchVals AI74.9%68.5%
Immigration BenchVals AI69.0%67.8%
EBR-benchEpoch AI Benchmarking Hub–54.3%
GDP.pdfEpoch AI Benchmarking Hub31.4%35.0%
AA-Omniscience v1.1: accuracyArtificial Analysis51.5%61.8%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis56.7%48.1%
HealthBench Professional (AA)OpenAI63.0%65.1%
FACTS ParametricGoogle35.1%†83.8%†
指示追従
LiveBench LanguageLiveBench78.0%90.1%
LiveBench Instruction FollowingLiveBench56.8%74.2%
MultiChallengeScale AI SEAL–82.0%†
Arena Instruction FollowingArena (LMArena)1482†1482
人間の評価
Arena TextArena (LMArena)1473†1481
EQ-Bench 4EQ-Bench–1272†
Arena Creative WritingArena (LMArena)1464†1449
Arena Multi-turnArena (LMArena)1469†1486
Arena Longer QueriesArena (LMArena)1491†1488
マルチモーダル
Arena VisionArena (LMArena)1284†1286
LiveBench DesignLiveBench81.3%79.6%
MMMU-ProArtificial Analysis–86.0%
SAGEVals AI88.0%90.5%
Humanity's Sixth SenseScale AI SEAL–46.6%
Blueprint-Bench 2Epoch AI Benchmarking Hub39.3%†43.2%†
Furniture AssemblyEpoch AI Benchmarking Hub75.0%80.0%
VIALS-AAHandshake AI59.6%59.0%
Code2Video-AAArtificial Analysis14431369
AA-3DArtificial Analysis12041121
FACTS MultimodalGoogle50.4%†52.6%†
長文コンテキスト
AA-LCR v1.1Artificial Analysis82.7%83.0%
MLCRArtificial Analysis41.7%38.3%
FACTS GroundingGoogle62.5%†78.0%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub166.6†168.5†
LiveBench 2.0LiveBench77.0%81.4%
LiveBench 1.0LiveBench75.7%81.6%
AA Intelligence Index v5.0.1Artificial Analysis54.554.6
AA Intelligence Index v4.3.2Artificial Analysis5651.8
AA Progress Index v1Artificial Analysis350.5348.5
Vals IndexVals AI70.863.9
Vals Finance IndexVals AI64.5%55.8%
Vals RSI IndexVals AI–26.6%
Vals Science IndexVals AI59.1%59.6%
Vals Router IndexVals AI69.0%†63.9%†
Vals Legal IndexVals AI68.0%68.7%
安全性・誠実さ
DistressBenchScale AI SEAL74.6%†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

  • Claude Sonnet 5.5 (max):新しい結果36件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • 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。
  • Claude Sonnet 5.5 (max):BenchLeader Index 65.1 → 64.6。
  • GPT-6.1 Sol (max):新しい結果1件(PostTrainBench)。
  • Claude Sonnet 5.5 (max):新しい結果1件(MirrorCode)。
  • 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 Sonnet 5.5 (max):スコアの改訂2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 Sonnet 5.5 vs GPT-6.1 Sol:よくある質問

Claude Sonnet 5.5はGPT-6.1 Solより優れていますか?
Claude Sonnet 5.5 (max)とGPT-6.1 Sol (max)の品質は互角です(64.2 対 66.6、±3.1の誤差範囲内)。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日時点では両者の差は誤差範囲内なので、用途に合わせてカテゴリ別のスコアを確認してください。
Claude Sonnet 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?
価格は同じで、100万トークンあたりのブレンド価格は$4.00です。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 Sonnet 5.5とGPT-6.1 Solのどちらが向いていますか?
コーディングでは互角です(カテゴリ指標で70 対 71)。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 Sonnet 5.5が41.7%、GPT-6.1 Solが40.6%です。
Claude Sonnet 5.5とGPT-6.1 Solはどちらが速いですか?
Claude Sonnet 5.5の方が出力が約2倍速くなっています(出力152 対 50トークン/秒、Artificial Analysisの7日間の中央値)。
エージェントやツール利用にはClaude Sonnet 5.5とGPT-6.1 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Claude Sonnet 5.5の方がスコアが高くなっています(カテゴリ指標で71 対 64。50が平均)。共通するエージェント・ツールベンチマークのうち最も重要なTerminal-Benchでは、Claude Sonnet 5.5が63.9%、GPT-6.1 Solが60.9%です。
ほかの質問(4件)
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 66)。どちらも約1.1Mトークンです(Claude Sonnet 5.5は1,000,000、GPT-6.1 Solは1,050,000)。
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GPT-6.1 Solです。Artificial Analysisの測定では、最初の回答トークンまで166.7秒 対 290.5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 Sonnet 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94件のベンチマークのうち、Claude Sonnet 5.5のリードが50件、GPT-6.1 Solのリードが41件、同点が3件です。第三者の総合指標でも評価が分かれ、Claude Sonnet 5.5はVals Indexで、GPT-6.1 SolはAA Intelligence Index v5.0.1、Arena Textでリードしています。
GPT-6.1 Solはいつリリースされましたか?
GPT-6.1 Solは2026年9月29日にリリースされました。