BenchLeader

DeepSeek V4 Pro 0424 vs GPT-6.1 Sol

詳しいプロフィール:DeepSeek V4 Pro 0424(DeepSeek)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、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DeepSeek V4 Pro 0424の方が1.9倍安く、100万トークンあたりのブレンド価格で$2.09 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。

要点(2026年11月16日時点)

  • DeepSeek V4 Pro 0424の100万トークンあたりのブレンド価格は$2.09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)。
  • 両モデルに結果がある5件のベンチマークのうち、GPT-6.1 Solが5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GPT-6.1 Solカテゴリスコア64 対 60;GDPval-AA v2.1 1607 対 1160中
長い文書GPT-6.1 Solカテゴリスコア66 対 60;AA-LCR v1.1 83.0% 対 70.3%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DeepSeek V4 Pro 0424100万トークンあたりブレンド価格$2.00 対 $4.00;エージェント型コーディングセッション$0.109 対 $0.160–
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。
  • GPT-6.1 Sol (max)はエージェント・ツール、長文コンテキストで優れています。
  • DeepSeek V4 Pro 0424 (high)の方が1.9倍安くなっています(100万トークンあたりブレンド価格$2.09 対 $4.00)。

概要

仕様DeepSeek V4 Pro 0424GPT-6.1 Sol
プロバイダーDeepSeekOpenAI
リリース日2026年4月24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DeepSeek V4 Pro 0424 (high)GPT-6.1 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)$1.60 / $3.20 / –$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DeepSeek V4 Pro 0424 (high)GPT-6.1 Sol (max)トップ
推論–71.4比較不可
コーディング–71.1比較不可
エージェント・ツール59.764.3GPT-6.1 Sol
数学–71.6比較不可
知識–71.5比較不可
指示追従70.0–比較不可
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59.666.2GPT-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・ツール数学知識指示追従長文コンテキストマルチモーダル人間の評価DeepSeek V4 Pro 0424, エージェント・ツール: 59.7DeepSeek V4 Pro 0424, 指示追従: 70.0DeepSeek V4 Pro 0424, 長文コンテキスト: 59.6GPT-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, 知識: 71.5GPT-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

破線:そのモデルは横切る軸の結果がなく、線は隣の軸同士をつないでいるだけです。

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5件のベンチマークのうち、DeepSeek V4 Pro 0424のリードが0件、GPT-6.1 Solのリードが5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DeepSeek V4 Pro 0424 (high)GPT-6.1 Sol (max)
100万トークンあたりのブレンド価格$2.00$4.00
100万トークンあたりの入力/出力$1.60 / $3.20$2.00 / $10.00
100万トークンあたりのキャッシュ入力–$0.100
タスクあたりの価格:チャットの返答$0.0016$0.0038
タスクあたりの価格:30ページのレポートを要約$0.021$0.030
タスクあたりの価格:コード編集$0.014$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$0.109$0.160
タスクあたりの価格:構造化データの抽出$0.0038$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
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–50 tok/s
回答開始までの時間–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)–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。DeepSeek V4 Pro 0424 (high)。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

159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 Pro 0424 (high)GPT-6.1 Sol (max)
BenchLeader IndexBenchLeader–66.6
エージェント・ツールスコアBenchLeader59.764.3
指示追従スコアBenchLeader70.0–
長文コンテキストスコアBenchLeader59.666.2
コーディングスコアBenchLeader–71.1
総合スコアBenchLeader–67.9
人間の評価スコアBenchLeader–67.1
知識スコアBenchLeader–71.5
数学スコアBenchLeader–71.6
マルチモーダルスコアBenchLeader–65.6
推論スコアBenchLeader–71.4
ブレンド価格($/100万トークン)BenchLeader$2.00$4.00
出力速度BenchLeader–50 tok/s
回答開始までの時間BenchLeader–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 Hub–95.4%
SimpleBenchSimpleBench–82.9%†
Arena Hard PromptsArena (LMArena)–1505
LiveBench 2.0 ReasoningLiveBench–92.6%
LiveBench 1.0 ReasoningLiveBench–92.6%
GPQA Diamond (AA)Artificial Analysis90.5%–
Humanity's Last Exam (AA)Artificial Analysis35.2%52.9%
HLE-Diamond (AA)Artificial Analysis–58.8%
ARC-AGI-1ARC Prize–96.5%
ARC-AGI-2ARC Prize–94.2%
ARC-AGI-3ARC Prize–96.2%
CritPtArtificial Analysis10.0%31.7%
CritPt v2 hard subset (AA)Artificial Analysis–69.5%
MysteryMechanismVals AI–46.4%
Arena ExpertArena (LMArena)–1525
Chess PuzzlesEpoch AI Benchmarking Hub–68.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub–80.0%
LMCAEpoch AI Benchmarking Hub–62.8%
DTBenchEpoch AI Benchmarking Hub–96.5%
コーディング
SciCodeSciCode–54.2%
FrontierCodeCognition–50.2%†
Arena CodingArena (LMArena)–1540
Arena WebDevArena (LMArena)–1743
LiveBench 2.0 CodingLiveBench–82.1%
LiveBench 1.0 CodingLiveBench–80.4%
159件のベンチマークをすべて表示
指標公開元DeepSeek V4 Pro 0424 (high)GPT-6.1 Sol (max)
コーディング
SciCode (AA)Artificial Analysis50.8%†54.2%
IOIVals AI–96.9%
Code MigrationVals AI–65.1%
Code Migration v1.1Vals AI–77.3%
ProgramBenchVals AI–3.0%
SWE-bench MultimodalVals AI–43.5%
Vibe Code Bench v1.1Vals AI–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 SEAL–96.1%†
MirrorCodeEpoch AI Benchmarking Hub–61.1%
ALE-BenchEpoch AI Benchmarking Hub–2743.8
WeirdML v3WeirdML–38.3%†
Terminal-Bench 4.0 (AA)Artificial Analysis14.7%†56.1%
Terminal-Bench 2.1 (AA)Artificial Analysis64.8%–
Startrise FrontendStartrise–78.6%†
GameBench 2 OverallDuelLab GameBench 2–84.9†
GameBench 2 by reasoning settingDuelLab GameBench 2–92.0†
Design Arena WebsiteDesign Arena–1315†
FrontierCode 1.1 (AA)Artificial Analysis–49.1%
FrontierCode 2.0 (AA)Artificial Analysis–40.6%
エージェント・ツール
Terminal-BenchTerminal-Bench–60.9%
APEX-AgentsMercor–60.0%
Arena AgentArena (LMArena)–12.5
LiveBench Long AgenticLiveBench–65.6%
LiveBench BrowserLiveBench–93.3%
LiveBench Agentic CodingLiveBench–54.5%
Terminal-Bench HardArtificial Analysis41.7%–
τ²-Bench Telecom (AA)Artificial Analysis94.2%–
HiL-BenchScale AI SEAL–62.3%†
GDPval-AA v2.1, normalised scoreArtificial Analysis–54.8%
GDPval-AA v2.1Artificial Analysis11601607
τ³-Banking (AA)Artificial Analysis26.2%–
ITBench SRE (AA)Artificial Analysis38.3%†–
Analyst Agent (AA)Artificial Analysis18.8%†50.0%
APEX-Agents (AA)Artificial Analysis24.3%†–
CyberBenchVals AI–39.3%
Finance Agent v2Vals AI–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 AI–5.4%
Legal Research BenchVals AI–38.5%
Robo-benchVals AI–28.3%
SREBenchVals AI–50.8%
Tax Agent BenchVals AI–21.8%
Terminal-Bench 4.0 (Vals)Vals AI–55.0%
Terminal-Bench ScienceVals AI–52.9%
Arena SearchArena (LMArena)–1249
Arena Agent Task CompletionArena (LMArena)–11.7
PostTrainBenchEpoch AI Benchmarking Hub–38.8%
Vending-Bench 2Andon Labs–12860.6†
SpireClimbEpoch AI Benchmarking Hub–23.8%
AutomationBenchArtificial Analysis56.3%†64.9%
GDP.pdf (AA)Artificial Analysis13.4%†31.0%
Harvey LAB-AA v1.1Harvey–6.9%
EnterpriseOps-GymArtificial Analysis40.4%†–
AA-Briefcase v1.1Artificial Analysis922†1555
GDPxGDPx by SemiAnalysis–8.4%
Design Arena AgenticDesign Arena–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 Hub–93.7%
FrontierMath Tier 4Epoch AI Benchmarking Hub–100.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub–100.0%
ProofBenchVals AI–99.0%†
LiveBench MathematicsLiveBench–96.8%
ArXivMathMathArena–92.8%
BrokenArXivMathArena–83.1%
Arena MathsArena (LMArena)–1499
FrontierMath ErdősEpoch AI Benchmarking Hub–4.4%
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub–73.9%
LiveBench 2.0 Data AnalysisLiveBench–82.7%
LiveBench ResearchLiveBench–90.0%
LiveBench 1.0 Data AnalysisLiveBench–82.7%
AA-Omniscience v1.1Artificial Analysis–42.0
PRBench FinanceScale AI SEAL–46.2%†
PRBench LegalScale AI SEAL–47.9%†
BioMysteryBenchVals AI–79.6%
ClaimBenchVals AI–100.0%
Excel Modeling BenchmarkVals AI–70.8%
Excel Modeling Benchmark v1.1Vals AI–71.1%
MedCodeVals AI–48.8%
MedScribeVals AI–86.5%
Public Benefits Bench v1.1Vals AI–59.3%
Access to Justice BenchmarkVals AI–65.8%
Financial Coaching BenchVals AI–68.5%
Immigration BenchVals AI–67.8%
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 ParametricGoogle–83.8%†
指示追従
LiveBench LanguageLiveBench–90.1%
LiveBench Instruction FollowingLiveBench–74.2%
IFBenchArtificial Analysis71.3%–
MultiChallengeScale AI SEAL–82.0%†
Arena Instruction FollowingArena (LMArena)–1482
人間の評価
Arena TextArena (LMArena)–1481
EQ-Bench 4EQ-Bench–1272†
Arena Creative WritingArena (LMArena)–1449
Arena Multi-turnArena (LMArena)–1486
Arena Longer QueriesArena (LMArena)–1488
マルチモーダル
Arena VisionArena (LMArena)–1286
LiveBench DesignLiveBench–79.6%
MMMU-ProArtificial Analysis–86.0%
SAGEVals AI–90.5%
Humanity's Sixth SenseScale AI SEAL–46.6%
Blueprint-Bench 2Epoch AI Benchmarking Hub–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 Analysis70.3%83.0%
MLCRArtificial Analysis9.4%†38.3%
FACTS GroundingGoogle–78.0%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–168.5†
LiveBench 2.0LiveBench–81.4%
LiveBench 1.0LiveBench–81.6%
AA Intelligence Index v5.0.1Artificial Analysis–54.6
AA Intelligence Index v4.3.2Artificial Analysis30.151.8
AA Progress Index v1Artificial Analysis287.7348.5
Vals IndexVals AI–63.9
Vals Finance IndexVals AI–55.8%
Vals RSI IndexVals AI–26.6%
Vals Science IndexVals AI–59.6%
Vals Router IndexVals AI–63.9%†
Vals Legal IndexVals AI–68.7%
安全性・誠実さ
DistressBenchScale AI SEAL–74.2%†
メタデータ
AA Openness IndexArtificial Analysis50–

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。
  • DeepSeek V4 Pro 0424 (high):新しい結果1件(GDPval-AA v2.1)。
  • 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。
  • GPT-6.1 Sol (max):新しい結果1件(PostTrainBench)。
  • 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。
  • GPT-6.1 Sol (max):スコアの改訂3件。
  • GPT-6.1 Sol (max):スコアの改訂1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

DeepSeek V4 Pro 0424 vs GPT-6.1 Sol:よくある質問

DeepSeek V4 Pro 0424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DeepSeek V4 Pro 0424の方が安く、100万トークンあたり$2.09 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DeepSeek V4 Pro 0424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 60。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GPT-6.1 Solの方がスコアが高くなっています(66 対 60)。どちらも約1.1Mトークンです(DeepSeek V4 Pro 0424は1,000,000、GPT-6.1 Solは1,050,000)。
DeepSeek V4 Pro 0424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5件のベンチマークのうち、DeepSeek V4 Pro 0424のリードが0件、GPT-6.1 Solのリードが5件です。
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。