BenchLeader

Claude Sonnet 5 vs GPT-6.1 Sol

詳しいプロフィール:Claude Sonnet 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、品質ではGPT-6.1 SolがClaude Sonnet 5を上回ります(BenchLeader Indexで66.6 対 59.0)。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)。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 Sonnet 5の方が出力が約1.5倍速いです。

要点(2026年11月16日時点)

  • BenchLeader IndexはClaude Sonnet 5が59.0、GPT-6.1 Solが66.6です(BenchLeader、2026年11月16日)。
  • Claude Sonnet 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はGPT-6.1 Solより出力が約1.5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26件のベンチマークのうち、GPT-6.1 Solが25件でリードしています(BenchLeader、2026年11月16日)。
  • Arena WebDevでの評価はClaude Sonnet 5が1539、GPT-6.1 Solが1743です(LMArena、2026年11月16日までの公開値)。

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 60;Arena WebDev 1743 対 1539高
エージェント・ツール利用GPT-6.1 Solカテゴリスコア64 対 53;Arena Agent 12.5 対 2高
数学GPT-6.1 Solカテゴリスコア72 対 65;Arena Maths 1499 対 1472中
推論GPT-6.1 Solカテゴリスコア71 対 65;Arena Hard Prompts 1505 対 1490中
長い文書GPT-6.1 Solカテゴリスコア66 対 63;AA-LCR v1.1 83.0% 対 76.7%中
画像などのメディアGPT-6.1 Solカテゴリスコア66 対 61;Arena Vision 1286 対 1272中
チャットの質(人間の評価)GPT-6.1 SolArenaの投票で67 対 65中
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Claude Sonnet 5最初の回答トークンまで15.8秒(Claude Sonnet 5 (high))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 59.0。
  • GPT-6.1 Sol (max)はエージェント・ツール、コーディング、人間の評価、長文コンテキスト、数学、マルチモーダル、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 (high)の方が出力が2.0倍速くなっています(99 対 50トークン/秒)。

概要

仕様Claude Sonnet 5GPT-6.1 Sol
プロバイダーAnthropicOpenAI
リリース日2026年6月30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 (high)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 / $0.200$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 (high)GPT-6.1 Sol (max)トップ
推論65.471.4GPT-6.1 Sol
コーディング59.971.1GPT-6.1 Sol
エージェント・ツール52.964.3GPT-6.1 Sol
数学65.371.6GPT-6.1 Sol
知識–71.5比較不可
人間の評価64.667.1GPT-6.1 Sol
マルチモーダル60.965.6GPT-6.1 Sol
長文コンテキスト62.966.2GPT-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推論コーディングエージェント・ツール数学長文コンテキストマルチモーダル人間の評価Claude Sonnet 5, 推論: 65.4Claude Sonnet 5, コーディング: 59.9Claude Sonnet 5, エージェント・ツール: 52.9Claude Sonnet 5, 数学: 65.3Claude Sonnet 5, 長文コンテキスト: 62.9Claude Sonnet 5, マルチモーダル: 60.9Claude Sonnet 5, 人間の評価: 64.6GPT-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, 長文コンテキスト: 66.2GPT-6.1 Sol, マルチモーダル: 65.6GPT-6.1 Sol, 人間の評価: 67.1

描画していないもの(測定済みのモデルが2つ未満):知識, 指示追従。

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26件のベンチマークのうち、Claude Sonnet 5のリードが1件、GPT-6.1 Solのリードが25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 Sonnet 5 (high)GPT-6.1 Sol (max)トップ
BenchLeader Index59.066.6GPT-6.1 Sol
Arena Text14611481GPT-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 (high)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$0.200$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)$0.079$0.074
ベンチマークのタスクあたりのコスト(AA Index)–$1.27
タスクあたりの出力トークン(AA Index)–68k
うち推論–49k
タスクあたりの時間(AA Index)–23 min
出力速度99 tok/s50 tok/s
回答開始までの時間15.8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)40.7秒429.6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。Claude Sonnet 5 (high)のスコアは59.0、最初の回答トークンまで16秒。Claude Sonnet 5 (max)は56.1(158秒)、Claude Sonnet 5 (xhigh)は55.4(32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

178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 (high)GPT-6.1 Sol (max)
BenchLeader IndexBenchLeader59.066.6
エージェント・ツールスコアBenchLeader52.964.3
コーディングスコアBenchLeader59.971.1
人間の評価スコアBenchLeader64.667.1
長文コンテキストスコアBenchLeader62.966.2
数学スコアBenchLeader65.371.6
マルチモーダルスコアBenchLeader60.965.6
推論スコアBenchLeader65.471.4
総合スコアBenchLeader–67.9
知識スコアBenchLeader–71.5
ブレンド価格($/100万トークン)BenchLeader$4.00$4.00
出力速度BenchLeader99 tok/s50 tok/s
回答開始までの時間BenchLeader15.8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 Hub80.3%†95.4%
SimpleBenchSimpleBench60.6%†82.9%†
Arena Hard PromptsArena (LMArena)14901505
LiveBench 2.0 ReasoningLiveBench–92.6%
LiveBench 1.0 ReasoningLiveBench88.7%†92.6%
GPQA Diamond (AA)Artificial Analysis91.1%†–
Humanity's Last Exam (AA)Artificial Analysis35.7%52.9%
HLE-Diamond (AA)Artificial Analysis–58.8%
GPQA Diamond (Vals)Vals AI88.9%†–
ARC-AGI-1ARC Prize–96.5%
ARC-AGI-2ARC Prize–94.2%
ARC-AGI-3ARC Prize–96.2%
CritPtArtificial Analysis15.1%31.7%
CritPt v2 hard subset (AA)Artificial Analysis–69.5%
MysteryMechanismVals AI–46.4%
Arena ExpertArena (LMArena)15091525
Chess PuzzlesEpoch AI Benchmarking Hub45.0%†68.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub16.0%†80.0%
LMCAEpoch AI Benchmarking Hub50.0%62.8%
DTBenchEpoch AI Benchmarking Hub84.5%96.5%
ForecastBenchForecastBench63.1%†–
BTF-3Epoch AI Benchmarking Hub14.2%†–
コーディング
SciCodeSciCode54.3%54.2%
WeirdMLWeirdML68.8%–
FrontierCodeCognition42.7%†50.2%†
178件のベンチマークをすべて表示
指標公開元Claude Sonnet 5 (high)GPT-6.1 Sol (max)
コーディング
GSO-BenchGSO-Bench37.3%†–
Arena CodingArena (LMArena)15201540
Arena WebDevArena (LMArena)15391743
LiveBench 2.0 CodingLiveBench–82.1%
LiveBench 1.0 CodingLiveBench80.7%†80.4%
LiveCodeBenchVals AI82.4%†–
IOIVals AI45.0%†96.9%
SWE-bench (Vals)Vals AI79.6%†–
Code MigrationVals AI44.4%†65.1%
Code Migration v1.1Vals AI–77.3%
ProgramBenchVals AI0.0%†3.0%
SWE-bench MultimodalVals AI–43.5%
Vibe Code Bench 1-100Vals AI13.8%†–
Vibe Code Bench v1.1Vals AI81.3%†88.9%
SWE Atlas v1.1Scale AI SEAL–65.9%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–71.0%†
SWE Atlas v1.1: Test WritingScale AI SEAL–66.7%†
SWE Atlas v1.1: RefactoringScale AI SEAL–60.0%†
SWE-Bench Pro V2Scale AI SEAL93.2%†96.1%†
SWE-Bench Pro V2 HARDScale AI SEAL88.2%†–
MirrorCodeEpoch AI Benchmarking Hub63.3%†61.1%
Surface Evolver BenchEpoch AI Benchmarking Hub60.0%†–
DeepSWE v1.1Epoch AI Benchmarking Hub48.2%–
CursorBenchCursor30.8%–
ALE-BenchEpoch AI Benchmarking Hub1463.12743.8
WeirdML v3WeirdML–38.3%†
Terminal-Bench 4.0 (AA)Artificial Analysis5.0%56.1%
Terminal-Bench 2.1 (AA)Artificial Analysis80.5%†–
Startrise FrontendStartrise66.6%†78.6%†
GameBench 2 OverallDuelLab GameBench 246.6†84.9†
GameBench 2 by reasoning settingDuelLab GameBench 254.4†92.0†
Design Arena WebsiteDesign Arena1268†1315†
FrontierCode 1.1 (AA)Artificial Analysis–49.1%
FrontierCode 2.0 (AA)Artificial Analysis17.8%†40.6%
エージェント・ツール
Terminal-BenchTerminal-Bench12.1%†60.9%
APEX-AgentsMercor54.5%†60.0%
Arena AgentArena (LMArena)212.5
LiveBench Long AgenticLiveBench–65.6%
LiveBench BrowserLiveBench–93.3%
LiveBench Agentic CodingLiveBench59.4%†54.5%
Terminal-Bench 2.1 (Vals)Vals AI74.5%†–
HiL-BenchScale AI SEAL–62.3%†
GDPval-AA v2.1, normalised scoreArtificial Analysis–54.8%
GDPval-AA v2.1Artificial Analysis12621607
τ³-Banking (AA)Artificial Analysis37.3%†–
Analyst Agent (AA)Artificial Analysis46.3%†50.0%
CyberBenchVals AI61.9%†39.3%
Finance Agent v2Vals AI53.9%†52.0%
Finance Agent v2.1Vals AI–61.8%
Harvey's Legal Agent Benchmark v1.1Vals AI–6.3%
Harvey's Legal Agent Benchmark v1Vals AI5.0%†5.4%
Legal Research BenchVals AI41.8%†38.5%
Robo-benchVals AI–28.3%
SkillsBenchVals AI46.5%†–
SREBenchVals AI0.4%†50.8%
Tax Agent BenchVals AI29.4%†21.8%
Terminal-Bench 4.0 (Vals)Vals AI10.6%†55.0%
Terminal-Bench ScienceVals AI5.7%†52.9%
Arena SearchArena (LMArena)1191†1249
Arena Agent Task CompletionArena (LMArena)-0.611.7
PostTrainBenchEpoch AI Benchmarking Hub–38.8%
GBAEvalEpoch AI Benchmarking Hub65.3%†–
Vending-Bench 2Andon Labs6377.7†12860.6†
SpireClimbEpoch AI Benchmarking Hub–23.8%
AutomationBenchArtificial Analysis32.1%64.9%
GDP.pdf (AA)Artificial Analysis9.4%31.0%
Harvey LAB-AA v1.1Harvey–6.9%
EnterpriseOps-GymArtificial Analysis44.7%†–
AA-Briefcase v1.1Artificial Analysis11771555
GDPxGDPx by SemiAnalysis–8.4%
Design Arena AgenticDesign Arena1222†1375
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–58.1%
MKA (AA)Artificial Analysis–47.7%
FACTS SearchGoogle–92.8%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub65.6%†93.7%
FrontierMath Tier 4Epoch AI Benchmarking Hub29.3%†100.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub80.0%†100.0%
ProofBenchVals AI77.0%†99.0%†
LiveBench MathematicsLiveBench92.9%†96.8%
ArXivMathMathArena–92.8%
BrokenArXivMathArena–83.1%
Arena MathsArena (LMArena)14721499
FrontierMath ErdősEpoch AI Benchmarking Hub–4.4%
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub33.7%†73.9%
LiveBench 2.0 Data AnalysisLiveBench–82.7%
LiveBench ResearchLiveBench–90.0%
LiveBench 1.0 Data AnalysisLiveBench71.7%†82.7%
AA-Omniscience v1.1Artificial Analysis–42.0
MMLU-ProVals AI87.5%†–
LegalBenchVals AI83.9%†–
CorpFinVals AI67.0%†–
TaxEvalVals AI75.6%†–
PRBench FinanceScale AI SEAL–46.2%†
PRBench LegalScale AI SEAL–47.9%†
BioMysteryBenchVals AI–79.6%
ClaimBenchVals AI–100.0%
Excel Modeling BenchmarkVals AI66.3%†70.8%
Excel Modeling Benchmark v1.1Vals AI–71.1%
MedCodeVals AI47.5%†48.8%
MedScribeVals AI76.0%†86.5%
Public Benefits Bench v1.1Vals AI66.0%†59.3%
Access to Justice BenchmarkVals AI–65.8%
Financial Coaching BenchVals AI–68.5%
Immigration BenchVals AI–67.8%
DrugDiscoveryBenchScale AI SEAL50.0%†–
EBR-benchEpoch AI Benchmarking Hub–54.3%
GDP.pdfEpoch AI Benchmarking Hub–35.0%
AA-Omniscience v1.1: accuracyArtificial Analysis–61.8%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–48.1%
HealthBench Professional (AA)OpenAI–65.1%
FACTS ParametricGoogle20.5%†83.8%†
指示追従
LiveBench LanguageLiveBench75.0%†90.1%
LiveBench Instruction FollowingLiveBench63.9%†74.2%
MultiChallengeScale AI SEAL–82.0%†
Arena Instruction FollowingArena (LMArena)14671482
人間の評価
Arena TextArena (LMArena)14611481
EQ-Bench 4EQ-Bench1221†1272†
EQ-Bench Creative Writing v3EQ-Bench1798†–
Arena Creative WritingArena (LMArena)14341449
Arena Multi-turnArena (LMArena)14731486
Arena Longer QueriesArena (LMArena)14811488
マルチモーダル
Arena VisionArena (LMArena)12721286
LiveBench DesignLiveBench–79.6%
MMMU-ProArtificial Analysis77.3%†86.0%
MMMU-Pro (Vals)Vals AI83.0%†–
MortgageTaxVals AI70.0%†–
SAGEVals AI–90.5%
Humanity's Sixth SenseScale AI SEAL24.8%†46.6%
GeoBenchGeoBench74.0%–
Blueprint-Bench 2Epoch AI Benchmarking Hub24.9%†43.2%†
Furniture AssemblyEpoch AI Benchmarking Hub–80.0%
VIALS-AAHandshake AI–59.0%
Code2Video-AAArtificial Analysis–1369
AA-3DArtificial Analysis–1121
FACTS MultimodalGoogle–52.6%†
長文コンテキスト
AA-LCR v1.1Artificial Analysis76.7%83.0%
Arena DocumentArena (LMArena)1469–
MLCRArtificial Analysis4.4%38.3%
FACTS GroundingGoogle–78.0%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.9†168.5†
LiveBench 2.0LiveBench–81.4%
LiveBench 1.0LiveBench76.0%†81.6%
AA Intelligence Index v5.0.1Artificial Analysis–54.6
AA Intelligence Index v4.3.2Artificial Analysis31.751.8
AA Progress Index v1Artificial Analysis296.8348.5
Vals IndexVals AI–63.9
Vals Finance IndexVals AI–55.8%
Vals RSI IndexVals AI–26.6%
Vals Science IndexVals AI–59.6%
Vals Multimodal IndexVals AI68.8%†–
Vals Router IndexVals AI–63.9%†
Vals Legal IndexVals AI–68.7%
安全性・誠実さ
DistressBenchScale AI SEAL68.0%†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。
  • Claude Sonnet 5 (high):新しい結果2件(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • 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 (high):BenchLeader Index 59.5 → 59.0。
  • GPT-6.1 Sol (max):新しい結果1件(PostTrainBench)。
  • Claude Sonnet 5 (high):新しい結果1件(GeoBench)。
  • 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。
  • GPT-6.1 Sol (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 vs GPT-6.1 Sol:よくある質問

GPT-6.1 SolはClaude Sonnet 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 59.0。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 Sonnet 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 60。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Arena WebDevでは、Claude Sonnet 5が1539、GPT-6.1 Solが1743です。
Claude Sonnet 5とGPT-6.1 Solはどちらが速いですか?
Claude Sonnet 5の方が出力が約1.5倍速くなっています(出力99 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64 対 53。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Arena Agentでは、Claude Sonnet 5が2、GPT-6.1 Solが12.5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GPT-6.1 Solの方がスコアが高くなっています(66 対 63)。どちらも約1.1Mトークンです(Claude Sonnet 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Claude Sonnet 5です。Artificial Analysisの測定では、最初の回答トークンまで15.8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 Sonnet 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26件のベンチマークのうち、Claude Sonnet 5のリードが1件、GPT-6.1 Solのリードが25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。
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。