DeepSeek V4.1 Flash 1017 vs GPT-5.6 Sol
詳しいプロフィール:DeepSeek V4.1 Flash 1017(DeepSeek)とGPT-5.6 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 · 14件の情報源のデータ
2026年11月16日時点で、品質ではGPT-5.6 SolがDeepSeek V4.1 Flashを上回ります(BenchLeader Indexで65.3 対 57.7)。ただし、価格はDeepSeek V4.1 Flashの方が15倍安く、100万トークンあたりのブレンド価格で$0.525 対 $8.00です。両方を測定できるすべてのカテゴリでGPT-5.6 Solがリードしています。DeepSeek V4.1 Flash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DeepSeek V4.1 Flashが57.7、GPT-5.6 Solが65.3です(BenchLeader、2026年11月16日)。
- DeepSeek V4.1 Flashの100万トークンあたりのブレンド価格は$0.525です(定価、2026年11月16日)。
- GPT-5.6 Solの100万トークンあたりのブレンド価格は$8.00です(定価、2026年11月16日)。
- DeepSeek V4.1 FlashはGPT-5.6 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36件のベンチマークのうち、GPT-5.6 Solが26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-5.6 Sol | カテゴリスコア66 対 63;SciCode 57.1% 対 55.9% | 中 |
| エージェント・ツール利用 | GPT-5.6 Sol | カテゴリスコア68 対 58;Terminal-Bench 38.5% 対 38.5% | 高 |
| 数学 | GPT-5.6 Sol | カテゴリスコア70 対 61;FrontierMath Tiers 1–3 89.1% 対 71.2% | 高 |
| 推論 | GPT-5.6 Sol | カテゴリスコア65 対 56;GPQA Diamond 93.5% 対 93.2% | 高 |
| 知識 | GPT-5.6 Sol | カテゴリスコア64 対 48;SimpleQA Verified 69.7% 対 42.5% | 高 |
| 長い文書 | どちらでも | カテゴリスコア66 対 67;AA-LCR v1.1 82.7% 対 84.0% | どちらでも |
| 画像などのメディア | GPT-5.6 Sol | カテゴリスコア66 対 63;MMMU-Pro 83.4% 対 80.6% | 中 |
| 最低コスト | DeepSeek V4.1 Flash 1017 | 100万トークンあたりブレンド価格$0.525 対 $8.00;エージェント型コーディングセッション$0.023 対 $0.320 | – |
| 回答開始の速さ | どちらでも | 最初の回答トークンまで39.7秒(DeepSeek V4.1 Flash 1017 (max))対 33.5秒(GPT-5.6 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-5.6 Sol (max)がリードしています:65.3 対 57.7。
- GPT-5.6 Sol (max)はエージェント・ツール、コーディング、知識、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。
- DeepSeek V4.1 Flash 1017 (max)の方が15倍安くなっています(100万トークンあたりブレンド価格$0.525 対 $8.00)。
- DeepSeek V4.1 Flash 1017 (max)の方が出力が1.7倍速くなっています(174 対 100トークン/秒)。
概要
| 仕様 | DeepSeek V4.1 Flash 1017 | GPT-5.6 Sol |
|---|---|---|
| プロバイダー | DeepSeek | OpenAI |
| リリース日 | 2026年10月17日 | 2026年7月9日 |
| コンテキストウィンドウ(トークン) | 1,048,576 | 1,050,000 |
| 比較した構成 | DeepSeek V4.1 Flash 1017 (max) | GPT-5.6 Sol (max) |
| オープンウェイト | あり | 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) | $0.300 / $1.20 / $0.0060 | $4.00 / $20.00 / $0.400 |
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 | DeepSeek V4.1 Flash 1017 (max) | GPT-5.6 Sol (max) | トップ |
|---|---|---|---|
| 推論 | 55.7 | 64.7 | GPT-5.6 Sol |
| コーディング | 63.0 | 65.8 | GPT-5.6 Sol |
| エージェント・ツール | 57.6 | 67.5 | GPT-5.6 Sol |
| 数学 | 60.9 | 70.0 | GPT-5.6 Sol |
| 知識 | 47.7 | 63.8 | GPT-5.6 Sol |
| 指示追従 | – | 71.2 | 比較不可 |
| マルチモーダル | 63.0 | 65.9 | GPT-5.6 Sol |
| 長文コンテキスト | 66.0 | 66.7 | 互角 |
| 総合 | 55.5 | – | 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。
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, 人間の評価。
情報源で評価が分かれる点
両方に結果がある36件のベンチマークのうち、DeepSeek V4.1 Flash 1017のリードが9件、GPT-5.6 Solのリードが26件、同点が1件です。両方を評価しているすべての総合指標で、GPT-5.6 Solが上回っています。
| 総合Index | DeepSeek V4.1 Flash 1017 (max) | GPT-5.6 Sol (max) | トップ |
|---|---|---|---|
| BenchLeader Index | 57.7 | 65.3 | GPT-5.6 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 | DeepSeek V4.1 Flash 1017 (max) | GPT-5.6 Sol (max) |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $0.525 | $8.00 |
| 100万トークンあたりの入力/出力 | $0.300 / $1.20 | $4.00 / $20.00 |
| 100万トークンあたりのキャッシュ入力 | $0.0060 | $0.400 |
| タスクあたりの価格:チャットの返答 | $0.0005 | $0.0076 |
| タスクあたりの価格:30ページのレポートを要約 | $0.0043 | $0.060 |
| タスクあたりの価格:コード編集 | $0.0036 | $0.054 |
| 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 | $0.023 | $0.320 |
| タスクあたりの価格:構造化データの抽出 | $0.0008 | $0.012 |
| 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) | $0.0096 | $0.158 |
| ベンチマークのタスクあたりのコスト(AA Index) | $0.602 | – |
| タスクあたりの出力トークン(AA Index) | 139k | – |
| うち推論 | 91k | – |
| タスクあたりの時間(AA Index) | 13 min | – |
| 出力速度 | 174 tok/s | 100 tok/s |
| 回答開始までの時間 | 39.7秒 | 33.5秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 91.2秒 | 157.3秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。DeepSeek V4.1 Flash 1017 (max)のスコアは57.7、最初の回答トークンまで40秒。DeepSeek V4.1 Flash 1017 (high)は51.2(20秒)、DeepSeek V4.1 Flash 1017 (推論なし)は44.9(1秒)。GPT-5.6 Sol (max)のスコアは65.3、最初の回答トークンまで34秒。GPT-5.6 Sol (xhigh)は63.9(17秒)、GPT-5.6 Sol (high)は63.4(10秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
187件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | DeepSeek V4.1 Flash 1017 (max) | GPT-5.6 Sol (max) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 57.7 | 65.3 |
| エージェント・ツールスコア | BenchLeader | 57.6 | 67.5 |
| コーディングスコア | BenchLeader | 63.0 | 65.8 |
| 総合スコア | BenchLeader | 55.5 | – |
| 知識スコア | BenchLeader | 47.7 | 63.8 |
| 長文コンテキストスコア | BenchLeader | 66.0 | 66.7 |
| 数学スコア | BenchLeader | 60.9 | 70.0 |
| マルチモーダルスコア | BenchLeader | 63.0 | 65.9 |
| 推論スコア | BenchLeader | 55.7 | 64.7 |
| 指示追従スコア | BenchLeader | – | 71.2 |
| ブレンド価格($/100万トークン) | BenchLeader | $0.525 | $8.00 |
| 出力速度 | BenchLeader | 174 tok/s | 100 tok/s |
| 回答開始までの時間 | BenchLeader | 39.7秒 | 33.5秒 |
| コンテキストウィンドウ | BenchLeader | 1,048,576トークン | 1,050,000トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 93.2% | 93.5% |
| SimpleBench | SimpleBench | – | 64.8%† |
| Arena Hard Prompts | Arena (LMArena) | – | 1511† |
| LiveBench 2.0 Reasoning | LiveBench | 89.1% | – |
| LiveBench 1.0 Reasoning | LiveBench | – | 91.7% |
| GPQA Diamond (AA) | Artificial Analysis | – | 94.1% |
| Humanity's Last Exam (AA) | Artificial Analysis | 43.3% | 49.5% |
| HLE-Diamond (AA) | Artificial Analysis | 25.3% | – |
| GPQA Diamond (Vals) | Vals AI | – | 95.2% |
| EnigmaEval | Scale AI SEAL | – | 37.1%† |
| Kagi LLM Benchmark | Kagi LLM Benchmark | – | 67.0%† |
| ARC-AGI-1 | ARC Prize | 93.5% | 96.5% |
| ARC-AGI-2 | ARC Prize | 78.1% | 92.5% |
| ARC-AGI-3 | ARC Prize | 5.8% | 7.8% |
| CritPt | Artificial Analysis | 24.0% | 32.3% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 25.0% | 60.0% |
| MysteryMechanism | Vals AI | – | 33.3% |
| HLE-Diamond (Scale) | Scale AI SEAL | 20.5%† | 31.2%† |
| Arena Expert | Arena (LMArena) | – | 1532† |
| Chess Puzzles | Epoch AI Benchmarking Hub | 46.0% | 59.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 49.0% | 58.0% |
| LMCA | Epoch AI Benchmarking Hub | – | 58.4% |
| DTBench | Epoch AI Benchmarking Hub | – | 95.5% |
| ForecastBench | ForecastBench | – | 65.7% |
| BTF-3 | Epoch AI Benchmarking Hub | – | 13.7% |
187件のベンチマークをすべて表示
| 指標 | 公開元 | DeepSeek V4.1 Flash 1017 (max) | GPT-5.6 Sol (max) |
|---|---|---|---|
| コーディング | |||
| SciCode | SciCode | 55.9% | 57.1% |
| WeirdML | WeirdML | – | 87.0% |
| FrontierCode | Cognition | – | 47.5%† |
| GSO-Bench | GSO-Bench | – | 76.5%† |
| Arena Coding | Arena (LMArena) | – | 1533† |
| Arena WebDev | Arena (LMArena) | 1664 | 1615† |
| LiveBench 2.0 Coding | LiveBench | 80.4% | – |
| LiveBench 1.0 Coding | LiveBench | – | 83.9% |
| LiveCodeBench | Vals AI | – | 82.6% |
| IOI | Vals AI | – | 91.2% |
| SWE-bench (Vals) | Vals AI | – | 96.2% |
| Code Migration | Vals AI | 44.2% | 52.9% |
| Code Migration v1.1 | Vals AI | 67.5% | – |
| ProgramBench | Vals AI | – | 1.5% |
| Vibe Code Bench 1-100 | Vals AI | – | 20.0% |
| Vibe Code Bench v1.1 | Vals AI | 87.7% | 80.5% |
| Vibe Code Bench 1-100 v1.1 | Vals AI | 26.1% | – |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | – | 46.0%† |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | – | 45.9%† |
| SWE-Bench Pro V2 | Scale AI SEAL | – | 95.5%† |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | – | 82.4%† |
| MirrorCode | Epoch AI Benchmarking Hub | – | 20.0%† |
| Surface Evolver Bench | Epoch AI Benchmarking Hub | – | 93.1%† |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | – | 72.7% |
| CursorBench | Cursor | 47.7% | 41.7% |
| ALE-Bench | Epoch AI Benchmarking Hub | 1622 | 2176.9 |
| FrontierSWE | Epoch AI Benchmarking Hub | – | 32.2% |
| WeirdML v3 | WeirdML | 9.2%† | 15.0%† |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 33.8% | 39.9% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | – | 88.0% |
| Startrise Frontend | Startrise | – | 66.2%† |
| GameBench 2 Overall | DuelLab GameBench 2 | 61.4† | 67.0† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 69.9 | 80.0† |
| Design Arena Website | Design Arena | 1295† | 1319† |
| FrontierCode 1.1 (AA) | Artificial Analysis | 43.7% | – |
| FrontierCode 2.0 (AA) | Artificial Analysis | 28.5% | – |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 38.5% | 38.5% |
| OSWorld-Verified 2.0 | OSWorld | – | 27.3% |
| APEX-Agents | Mercor | 69.8% | 51.4%† |
| Arena Agent | Arena (LMArena) | 2 | 4.6† |
| LiveBench Long Agentic | LiveBench | 38.8% | – |
| LiveBench Browser | LiveBench | 67.2% | – |
| LiveBench Agentic Coding | LiveBench | – | 56.2% |
| Terminal-Bench Hard | Artificial Analysis | – | 65.9% |
| τ²-Bench Telecom (AA) | Artificial Analysis | – | 85.1% |
| Terminal-Bench 2.1 (Vals) | Vals AI | – | 85.8% |
| HiL-Bench | Scale AI SEAL | – | 32.3%† |
| τ³-bench Banking | τ²-bench | – | 46.9%† |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 62.3% | – |
| GDPval-AA v2.1 | Artificial Analysis | 1746 | 1619 |
| τ³-Banking (AA) | Artificial Analysis | – | 44.3% |
| ITBench SRE (AA) | Artificial Analysis | – | 56.2% |
| Analyst Agent (AA) | Artificial Analysis | – | 47.5% |
| CUA-bench | Vals AI | – | 8.3% |
| CyberBench | Vals AI | – | 76.3% |
| Finance Agent v2 | Vals AI | 57.0% | 53.8% |
| Finance Agent v2.1 | Vals AI | 62.9% | – |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | 14.2% | – |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 9.2% | 2.5% |
| Legal Research Bench | Vals AI | 45.2% | 48.1% |
| SkillsBench | Vals AI | – | 54.1% |
| SREBench | Vals AI | – | 30.5% |
| Tax Agent Bench | Vals AI | 44.4% | 31.1% |
| Terminal-Bench 4.0 (Vals) | Vals AI | 31.8% | 37.9% |
| Terminal-Bench Science | Vals AI | – | 20.0% |
| Time Horizon Index: KSP | Vals AI | – | 23.8% |
| Web Search Index | Vals AI | – | 43.6% |
| Arena Search | Arena (LMArena) | – | 1255† |
| Arena Agent Task Completion | Arena (LMArena) | 2.3 | 2.3† |
| BALROG | BALROG | – | 60.0% |
| PostTrainBench | Epoch AI Benchmarking Hub | – | 31.0% |
| GBAEval | Epoch AI Benchmarking Hub | – | 52.6%† |
| Vending-Bench 2 | Andon Labs | – | 9619.4† |
| AutomationBench | Artificial Analysis | 66.6% | 60.1% |
| GDP.pdf (AA) | Artificial Analysis | 17.2% | 27.2% |
| EnterpriseOps-Gym | Artificial Analysis | – | 42.9% |
| AA-Briefcase v1.1 | Artificial Analysis | 1570 | 1479 |
| GDPx | GDPx by SemiAnalysis | 5.4% | – |
| Design Arena Agentic | Design Arena | 1282† | 1238† |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 12.9% | 22.4% |
| CWE-Bench (AA) | Artificial Analysis | 69.2% | – |
| DeepSec-Bench (AA) | Artificial Analysis | 24.9% | – |
| CyberGym end-to-end (AA) | Artificial Analysis | 76.3% | – |
| MKA (AA) | Artificial Analysis | 38.5% | – |
| FACTS Search | – | 92.9%† | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 71.2% | 89.1% |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 46.3% | 82.9% |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 99.4% | 100.0% |
| ProofBench | Vals AI | – | 83.0% |
| LiveBench Mathematics | LiveBench | – | 96.2% |
| ArXivMath | MathArena | 42.5% | – |
| BrokenArXiv | MathArena | 48.7% | – |
| Arena Maths | Arena (LMArena) | – | 1494† |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | – | 0.0% |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 42.5% | 69.7% |
| LiveBench 2.0 Data Analysis | LiveBench | 79.5% | – |
| LiveBench Research | LiveBench | 78.6% | – |
| LiveBench 1.0 Data Analysis | LiveBench | – | 79.8% |
| AA-Omniscience v1.1 | Artificial Analysis | 0.9 | – |
| MMLU-Pro | Vals AI | – | 89.1% |
| LegalBench | Vals AI | – | 87.0% |
| CorpFin | Vals AI | – | 64.4% |
| TaxEval | Vals AI | – | 74.8% |
| PRBench Finance | Scale AI SEAL | 47.1%† | 50.5% |
| PRBench Legal | Scale AI SEAL | 47.3%† | 50.5% |
| BioMysteryBench | Vals AI | – | 71.1% |
| Excel Modeling Benchmark | Vals AI | 61.8% | 72.3% |
| Excel Modeling Benchmark v1.1 | Vals AI | 69.2% | – |
| MedCode | Vals AI | – | 44.0% |
| MedScribe | Vals AI | – | 85.2% |
| Public Benefits Bench v1.1 | Vals AI | – | 66.5% |
| Access to Justice Benchmark | Vals AI | 73.1% | – |
| Financial Coaching Bench | Vals AI | – | 74.9% |
| DrugDiscoveryBench | Scale AI SEAL | 60.6%† | 56.5% |
| EBR-bench | Epoch AI Benchmarking Hub | – | 44.8% |
| GDP.pdf | Epoch AI Benchmarking Hub | – | 30.7% |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 39.6% | – |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 35.9% | – |
| FACTS Parametric | – | 81.1%† | |
| 指示追従 | |||
| LiveBench Language | LiveBench | – | 87.7% |
| LiveBench Instruction Following | LiveBench | – | 71.8% |
| IFBench | Artificial Analysis | – | 72.7% |
| MultiChallenge | Scale AI SEAL | 74.9%† | – |
| Arena Instruction Following | Arena (LMArena) | – | 1490† |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | – | 1485† |
| EQ-Bench 4 | EQ-Bench | – | 1236† |
| EQ-Bench Creative Writing v3 | EQ-Bench | – | 1974† |
| Arena Creative Writing | Arena (LMArena) | – | 1471† |
| Arena Multi-turn | Arena (LMArena) | – | 1491† |
| Arena Longer Queries | Arena (LMArena) | – | 1498† |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | – | 1282† |
| LiveBench Design | LiveBench | 79.8% | – |
| MMMU-Pro | Artificial Analysis | 80.6% | 83.4% |
| MMMU-Pro (Vals) | Vals AI | – | 88.8% |
| MortgageTax | Vals AI | – | 67.3% |
| Humanity's Sixth Sense | Scale AI SEAL | 30.1% | 30.0% |
| GeoBench | GeoBench | – | 73.0%† |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | – | 33.6%† |
| Furniture Assembly | Epoch AI Benchmarking Hub | – | 56.7% |
| VIALS-AA | Handshake AI | 40.4% | – |
| FACTS Multimodal | – | 46.4%† | |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 82.7% | 84.0% |
| Arena Document | Arena (LMArena) | – | 1487† |
| MLCR | Artificial Analysis | 26.7% | 30.0% |
| FACTS Grounding | – | 61.9%† | |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 159.4† | 163.0† |
| LiveBench 2.0 | LiveBench | 70.3% | – |
| LiveBench 1.0 | LiveBench | – | 81.0% |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 32.6 | – |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 45.1 | 47.0 |
| AA Progress Index v1 | Artificial Analysis | 323.7 | 331.5 |
| Vals Index | Vals AI | 61.3 | – |
| Vals Finance Index | Vals AI | 60.9% | – |
| Vals RSI Index | Vals AI | – | 23.9% |
| Vals Science Index | Vals AI | – | 41.5% |
| Vals Multimodal Index | Vals AI | – | 72.6% |
| Vals Router Index | Vals AI | 61.3%† | – |
| Vals Legal Index | Vals AI | 71.9% | – |
| AA Cyber Index | Artificial Analysis | 56.8 | – |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | 27.2%† | 20.1%† |
| DistressBench | Scale AI SEAL | – | 73.6%† |
| メタデータ | |||
| AA Openness Index | Artificial Analysis | 44.4 | – |
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
- DeepSeek V4.1 Flash 1017 (max):新しい結果8件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
- DeepSeek V4.1 Flash 1017 (max):BenchLeader Index 58.5 → 58.0。
- GPT-5.6 Sol (max):新しい結果1件(GDPval-AA v2.1)。
- DeepSeek V4.1 Flash 1017 (max):新しい結果1件(Terminal-Bench)、スコアの改訂1件。
- DeepSeek V4.1 Flash 1017 (max):BenchLeader Index 59.0 → 58.5。
- GPT-5.6 Sol (max):スコアの改訂1件。
- DeepSeek V4.1 Flash 1017 (max):スコアの改訂1件。
- GPT-5.6 Sol (max):BenchLeader Index 65.8 → 65.3。
- GPT-5.6 Sol (max):スコアの改訂1件。
- DeepSeek V4.1 Flash 1017 (max):スコアの改訂1件。
関連する比較
- DeepSeek V4.1 Flash 1017 vs Claude Fable 5.2
- DeepSeek V4.1 Flash 1017 vs Gemini 4 Carbon
- DeepSeek V4.1 Flash 1017 vs Claude Opus 5.5
- GPT-5.6 Sol vs Claude Fable 5.2
- GPT-5.6 Sol vs Gemini 4 Carbon
- GPT-5.6 Sol vs Claude Opus 5.5
- GPT-5.6 Sol vs GPT-6 Astra
- Deepseek v4 Flash Vision vs GPT-5.6 Sol
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
DeepSeek V4.1 Flash 1017 vs GPT-5.6 Sol:よくある質問
- GPT-5.6 SolはDeepSeek V4.1 Flash 1017より優れていますか?
- 品質ではGPT-5.6 Sol (max)がリードしています:65.3 対 57.7。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-5.6 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。
- DeepSeek V4.1 Flash 1017とGPT-5.6 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DeepSeek V4.1 Flash 1017の方が安く、100万トークンあたり$0.525 対 $8.00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DeepSeek V4.1 Flash 1017とGPT-5.6 Solのどちらが向いていますか?
- コーディングではGPT-5.6 Solの方がスコアが高くなっています(カテゴリ指標で66 対 63。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SciCodeでは、DeepSeek V4.1 Flash 1017が55.9%、GPT-5.6 Solが57.1%です。
- DeepSeek V4.1 Flash 1017とGPT-5.6 Solはどちらが速いですか?
- DeepSeek V4.1 Flash 1017の方が出力が約1.5倍速くなっています(出力174 対 100トークン/秒、Artificial Analysisの7日間の中央値)。
- DeepSeek V4.1 FlashとDeepSeek V4.1 Flash 1017は同じものですか?
- ここで比較しているチェックポイントはDeepSeek V4.1 Flash 1017です(BenchLeader Index 57.7)。以前のビルドを置き換えたため、DeepSeek V4.1 Flashで検索した方もこのページに案内しています。
ほかの質問(5件)
- エージェントやツール利用にはDeepSeek V4.1 Flash 1017とGPT-5.6 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GPT-5.6 Solの方がスコアが高くなっています(カテゴリ指標で68 対 58。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、DeepSeek V4.1 Flash 1017が38.5%、GPT-5.6 Solが38.5%です。
- 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(DeepSeek V4.1 Flash 1017は1,048,576、GPT-5.6 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-5.6 Solです。Artificial Analysisの測定では、最初の回答トークンまで33.5秒 対 39.7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。
- DeepSeek V4.1 Flash 1017とGPT-5.6 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36件のベンチマークのうち、DeepSeek V4.1 Flash 1017のリードが9件、GPT-5.6 Solのリードが26件、同点が1件です。両方を評価しているすべての総合指標で、GPT-5.6 Solが上回っています。
- DeepSeek V4.1 Flash 1017はいつリリースされましたか?
- DeepSeek V4.1 Flash 1017は2026年10月17日にリリースされました。