BenchLeader

DeepSeek V4 Pro vs GPT-5.6 Sol

詳しいプロフィール:DeepSeek V4 Pro(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 · 12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 Proを上回ります(BenchLeader Indexで65.3 対 56.0)。ただし、価格はDeepSeek V4 Proの方が8.1倍安く、100万トークンあたりのブレンド価格で$0.990 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。GPT-5.6 Solの方が出力が約2倍速いです。

要点(2026年11月16日時点)

  • BenchLeader IndexはDeepSeek V4 Proが56.0、GPT-5.6 Solが65.3です(BenchLeader、2026年11月16日)。
  • DeepSeek V4 Proの100万トークンあたりのブレンド価格は$0.990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)。
  • GPT-5.6 SolはDeepSeek V4 Pro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19件のベンチマークのうち、GPT-5.6 Solが19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 52;SciCode 57.1% 対 46.4%高
数学GPT-5.6 Solカテゴリスコア70 対 65;OTIS Mock AIME 100.0% 対 95.6%中
推論GPT-5.6 Solカテゴリスコア65 対 56;GPQA Diamond 93.5% 対 90.9%高
知識GPT-5.6 Solカテゴリスコア64 対 41高
長い文書GPT-5.6 Solカテゴリスコア67 対 64;AA-LCR v1.1 84.0% 対 79.3%中
チャットの質(人間の評価)–Arenaの評価があるのはDeepSeek V4 Proのみです(カテゴリスコア65)比較不可
最低コストDeepSeek V4 Pro100万トークンあたりブレンド価格$1.98 対 $8.00;エージェント型コーディングセッション$0.095 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42.8秒(DeepSeek V4 Pro (high))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 56.0。
  • GPT-5.6 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。
  • DeepSeek V4 Pro (high)の方が8.1倍安くなっています(100万トークンあたりブレンド価格$0.990 対 $8.00)。

概要

仕様DeepSeek V4 ProGPT-5.6 Sol
プロバイダーDeepSeekOpenAI
リリース日2026年8月13日2026年7月9日
コンテキストウィンドウ(トークン)1,048,5761,050,000
比較した構成DeepSeek V4 Pro (high)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)$1.32 / $3.96 / $0.022$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 Pro (high)GPT-5.6 Sol (max)トップ
推論55.664.7GPT-5.6 Sol
コーディング51.565.8GPT-5.6 Sol
エージェント・ツール–67.5比較不可
数学64.570.0GPT-5.6 Sol
知識41.263.8GPT-5.6 Sol
指示追従–71.2比較不可
人間の評価65.0–比較不可
マルチモーダル–65.9比較不可
長文コンテキスト64.366.7GPT-5.6 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推論コーディング数学知識長文コンテキストDeepSeek V4 Pro, 推論: 55.6DeepSeek V4 Pro, コーディング: 51.5DeepSeek V4 Pro, 数学: 64.5DeepSeek V4 Pro, 知識: 41.2DeepSeek V4 Pro, 長文コンテキスト: 64.3GPT-5.6 Sol, 推論: 64.7GPT-5.6 Sol, コーディング: 65.8GPT-5.6 Sol, 数学: 70.0GPT-5.6 Sol, 知識: 63.8GPT-5.6 Sol, 長文コンテキスト: 66.7

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19件のベンチマークのうち、DeepSeek V4 Proのリードが0件、GPT-5.6 Solのリードが19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IndexDeepSeek V4 Pro (high)GPT-5.6 Sol (max)トップ
BenchLeader Index56.065.3GPT-5.6 Sol
Arena Text14641485†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 Pro (high)GPT-5.6 Sol (max)
100万トークンあたりのブレンド価格$1.98$8.00
100万トークンあたりの入力/出力$1.32 / $3.96$4.00 / $20.00
100万トークンあたりのキャッシュ入力$0.022$0.400
タスクあたりの価格:チャットの返答$0.0017$0.0076
タスクあたりの価格:30ページのレポートを要約$0.018$0.060
タスクあたりの価格:コード編集$0.014$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$0.095$0.320
タスクあたりの価格:構造化データの抽出$0.0034$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)$0.037$0.158
ベンチマークのタスクあたりのコスト(AA Index)$0.849–
タスクあたりの出力トークン(AA Index)70k–
うち推論45k–
タスクあたりの時間(AA Index)15 min–
出力速度80 tok/s100 tok/s
回答開始までの時間42.8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)–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 Pro (high)のスコアは56.0、最初の回答トークンまで43秒。DeepSeek V4 Pro (max)は54.7(47秒)、DeepSeek V4 Proは53.0(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

177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 (high)GPT-5.6 Sol (max)
BenchLeader IndexBenchLeader56.065.3
コーディングスコアBenchLeader51.565.8
人間の評価スコアBenchLeader65.0–
知識スコアBenchLeader41.263.8
長文コンテキストスコアBenchLeader64.366.7
数学スコアBenchLeader64.570.0
推論スコアBenchLeader55.664.7
エージェント・ツールスコアBenchLeader–67.5
指示追従スコアBenchLeader–71.2
マルチモーダルスコアBenchLeader–65.9
ブレンド価格($/100万トークン)BenchLeader$1.98$8.00
出力速度BenchLeader80 tok/s100 tok/s
回答開始までの時間BenchLeader42.8秒33.5秒
コンテキストウィンドウBenchLeader1,048,576トークン1,050,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub90.9%93.5%
SimpleBenchSimpleBench–64.8%†
Arena Hard PromptsArena (LMArena)14821511†
LiveBench 1.0 ReasoningLiveBench85.8%†91.7%
GPQA Diamond (AA)Artificial Analysis92.8%†94.1%
Humanity's Last Exam (AA)Artificial Analysis41.5%49.5%
HLE-Diamond (AA)Artificial Analysis20.5%–
GPQA Diamond (Vals)Vals AI92.4%†95.2%
EnigmaEvalScale AI SEAL–37.1%†
Kagi LLM BenchmarkKagi LLM Benchmark53.5%†67.0%†
ARC-AGI-1ARC Prize87.2%96.5%
ARC-AGI-2ARC Prize59.7%92.5%
ARC-AGI-3ARC Prize–7.8%
CritPtArtificial Analysis18.6%32.3%
CritPt v2 hard subset (AA)Artificial Analysis28.5%60.0%
MysteryMechanismVals AI–33.3%
HLE-Diamond (Scale)Scale AI SEAL13.4%†31.2%†
Arena ExpertArena (LMArena)14811532†
Chess PuzzlesEpoch AI Benchmarking Hub16.0%59.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub43.0%†58.0%
CL-bench LifeEpoch AI Benchmarking Hub13.5%–
LMCAEpoch AI Benchmarking Hub45.5%†58.4%
DTBenchEpoch AI Benchmarking Hub93.9%†95.5%
ForecastBenchForecastBench60.7%†65.7%
BTF-3Epoch AI Benchmarking Hub–13.7%
177件のベンチマークをすべて表示
指標公開元DeepSeek V4 Pro (high)GPT-5.6 Sol (max)
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub77.6%†–
SciCodeSciCode46.4%57.1%
WeirdMLWeirdML46.5%87.0%
FrontierCodeCognition28.6%47.5%†
GSO-BenchGSO-Bench–76.5%†
Arena CodingArena (LMArena)15031533†
Arena WebDevArena (LMArena)15811615†
LiveBench 1.0 CodingLiveBench77.2%†83.9%
SciCode (AA)Artificial Analysis51.7%57.1%
LiveCodeBenchVals AI87.5%†82.6%
IOIVals AI51.6%†91.2%
SWE-bench (Vals)Vals AI96.4%†96.2%
Code MigrationVals AI41.5%†52.9%
Code Migration v1.1Vals AI52.0%†–
ProgramBenchVals AI0.0%†1.5%
Vibe Code Bench 1-100Vals AI17.5%†20.0%
Vibe Code Bench v1.1Vals AI82.3%†80.5%
SWE Atlas v1.0: Codebase QnAScale AI SEAL27.1%†46.0%†
SWE Atlas v1.0: Test WritingScale AI SEAL27.1%†45.9%†
SWE-Bench Pro V2Scale AI SEAL–95.5%†
SWE-Bench Pro V2 HARDScale AI SEAL–82.4%†
MirrorCodeEpoch AI Benchmarking Hub33.3%†20.0%†
Surface Evolver BenchEpoch AI Benchmarking Hub40.0%93.1%†
DeepSWE v1.1Epoch AI Benchmarking Hub–72.7%
CursorBenchCursor–41.7%
ALE-BenchEpoch AI Benchmarking Hub1006.12176.9
FrontierSWEEpoch AI Benchmarking Hub–32.2%
WeirdML v3WeirdML–15.0%†
Terminal-Bench 4.0 (AA)Artificial Analysis6.1%39.9%
Terminal-Bench 2.1 (AA)Artificial Analysis78.7%†88.0%
Startrise FrontendStartrise62.7%†66.2%†
GameBench 2 OverallDuelLab GameBench 241.9†67.0†
GameBench 2 by reasoning settingDuelLab GameBench 245.180.0†
Design Arena WebsiteDesign Arena1227†1319†
FrontierCode 1.1 (AA)Artificial Analysis38.8%†–
FrontierCode 2.0 (AA)Artificial Analysis16.7%–
エージェント・ツール
Terminal-BenchTerminal-Bench6.7%†38.5%
OSWorld-Verified 2.0OSWorld–27.3%
APEX-AgentsMercor47.3%†51.4%†
Arena AgentArena (LMArena)–4.6†
LiveBench Agentic CodingLiveBench55.0%†56.2%
Terminal-Bench HardArtificial Analysis–65.9%
τ²-Bench Telecom (AA)Artificial Analysis–85.1%
Terminal-Bench 2.1 (Vals)Vals AI50.2%†85.8%
HiL-BenchScale AI SEAL38.5%†32.3%†
τ³-bench Bankingτ²-bench–46.9%†
GDPval-AA v2.1, normalised scoreArtificial Analysis47.5%†–
GDPval-AA v2.1Artificial Analysis13361619
τ³-Banking (AA)Artificial Analysis39.6%†44.3%
ITBench SRE (AA)Artificial Analysis–56.2%
Analyst Agent (AA)Artificial Analysis–47.5%
CUA-benchVals AI–8.3%
CyberBenchVals AI72.9%†76.3%
Finance Agent v2Vals AI50.4%†53.8%
Finance Agent v2.1Vals AI57.1%†–
Harvey's Legal Agent Benchmark v1.1Vals AI10.8%†–
Harvey's Legal Agent Benchmark v1Vals AI7.5%†2.5%
Legal Research BenchVals AI40.9%†48.1%
SkillsBenchVals AI53.8%†54.1%
SREBenchVals AI1.9%†30.5%
Tax Agent BenchVals AI26.8%†31.1%
Terminal-Bench 2.0 (Vals)Vals AI56.2%†–
Terminal-Bench 4.0 (Vals)Vals AI14.1%†37.9%
Terminal-Bench ScienceVals AI4.3%†20.0%
Time Horizon Index: KSPVals AI–23.8%
Web Search IndexVals AI–43.6%
Arena SearchArena (LMArena)–1255†
Arena Agent Task CompletionArena (LMArena)–2.3†
BALROGBALROG–60.0%
PostTrainBenchEpoch AI Benchmarking Hub–31.0%
GBAEvalEpoch AI Benchmarking Hub–52.6%†
Vending-Bench 2Andon Labs3284.5†9619.4†
AutomationBenchArtificial Analysis46.2%60.1%
GDP.pdf (AA)Artificial Analysis10.4%27.2%
EnterpriseOps-GymArtificial Analysis49.6%†42.9%
AA-Briefcase v1.1Artificial Analysis11481479
Design Arena AgenticDesign Arena927†1238†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis1.9%22.4%
FACTS SearchGoogle–92.9%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub64.6%†89.1%
FrontierMath Tier 4Epoch AI Benchmarking Hub26.8%†82.9%
OTIS Mock AIMEEpoch AI Benchmarking Hub95.6%100.0%
ProofBenchVals AI50.0%†83.0%
LiveBench MathematicsLiveBench95.1%†96.2%
AIME 2026MathArena96.7%†–
HMMT February 2026MathArena93.9%†–
USAMO 2026MathArena60.7%†–
MathArena ApexMathArena28.1%†–
Arena MathsArena (LMArena)14651494†
FrontierMath ErdősEpoch AI Benchmarking Hub–0.0%
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub52.9%†69.7%
LiveBench 1.0 Data AnalysisLiveBench79.2%†79.8%
AA-Omniscience v1.1Artificial Analysis-6.5–
MMLU-ProVals AI87.3%†89.1%
LegalBenchVals AI82.4%†87.0%
CorpFinVals AI65.4%†64.4%
TaxEvalVals AI73.1%†74.8%
PRBench FinanceScale AI SEAL–50.5%
PRBench LegalScale AI SEAL–50.5%
BioMysteryBenchVals AI–71.1%
CaseLaw v2Vals AI59.4%†–
Excel Modeling BenchmarkVals AI52.8%†72.3%
Excel Modeling Benchmark v1.1Vals AI65.1%†–
MedCodeVals AI42.5%†44.0%
MedScribeVals AI80.2%†85.2%
Public Benefits Bench v1.1Vals AI62.9%†66.5%
Financial Coaching BenchVals AI–74.9%
Immigration BenchVals AI61.7%†–
DrugDiscoveryBenchScale AI SEAL31.7%†56.5%
EBR-benchEpoch AI Benchmarking Hub–44.8%
GDP.pdfEpoch AI Benchmarking Hub–30.7%
AA-Omniscience v1.1: accuracyArtificial Analysis45.1%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis5.9%–
FACTS ParametricGoogle–81.1%†
指示追従
LiveBench LanguageLiveBench82.1%†87.7%
LiveBench Instruction FollowingLiveBench67.7%†71.8%
IFBenchArtificial Analysis–72.7%
Arena Instruction FollowingArena (LMArena)14611490†
人間の評価
Arena TextArena (LMArena)14641485†
EQ-Bench 4EQ-Bench1156†1236†
EQ-Bench Creative Writing v3EQ-Bench1553†1974†
Arena Creative WritingArena (LMArena)14441471†
Arena Multi-turnArena (LMArena)14691491†
Arena Longer QueriesArena (LMArena)14741498†
マルチモーダル
Arena VisionArena (LMArena)–1282†
MMMU-ProArtificial Analysis–83.4%
MMMU-Pro (Vals)Vals AI–88.8%
MortgageTaxVals AI–67.3%
Humanity's Sixth SenseScale AI SEAL–30.0%
GeoBenchGeoBench–73.0%†
Blueprint-Bench 2Epoch AI Benchmarking Hub–33.6%†
Furniture AssemblyEpoch AI Benchmarking Hub–56.7%
FACTS MultimodalGoogle–46.4%†
長文コンテキスト
AA-LCR v1.1Artificial Analysis79.3%84.0%
Arena DocumentArena (LMArena)–1487†
MLCRArtificial Analysis–30.0%
FACTS GroundingGoogle–61.9%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub155.9†163.0†
LiveBench 1.0LiveBench77.4%†81.0%
AA Intelligence Index v5.0.1Artificial Analysis20.8–
AA Intelligence Index v4.3.2Artificial Analysis36†47.0
AA Progress Index v1Artificial Analysis311.5†331.5
Vals IndexVals AI53.0†–
Vals Finance IndexVals AI52.9%†–
Vals RSI IndexVals AI–23.9%
Vals Science IndexVals AI–41.5%
Vals Multimodal IndexVals AI–72.6%
Vals Router IndexVals AI53.0%†–
Vals Legal IndexVals AI69.0%†–
安全性・誠実さ
FORTRESSScale AI SEAL–20.1%†
DistressBenchScale AI SEAL–73.6%†
メタデータ
AA Openness IndexArtificial Analysis44.4–

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

  • GPT-5.6 Sol (max):新しい結果1件(GDPval-AA v2.1)。
  • DeepSeek V4 Pro (high):BenchLeader Index 59.1 → 56.0。
  • DeepSeek V4 Pro (high):新しい結果17件(AA Intelligence Index v5.0.1, Humanity's Last Exam (AA), HLE-Diamond (AA)…)、入力価格 $0.66/M → $1.32/M、出力価格 $1.98/M → $3.96/M。
  • GPT-5.6 Sol (max):スコアの改訂1件。
  • GPT-5.6 Sol (max):BenchLeader Index 65.8 → 65.3。
  • DeepSeek V4 Pro (high):BenchLeader Index 57.5 → 59.1。
  • GPT-5.6 Sol (max):スコアの改訂1件。
  • DeepSeek V4 Pro (high):スコアの改訂1件。
  • DeepSeek V4 Pro (high):スコアの改訂1件。
  • GPT-5.6 Sol (max):スコアの改訂1件。

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 Pro vs GPT-5.6 Sol:よくある質問

GPT-5.6 SolはDeepSeek V4 Pro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 56.0。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-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 Pro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 Proの方が安く、100万トークンあたり$0.990 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 Pro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 52。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 Proが46.4%、GPT-5.6 Solが57.1%です。
DeepSeek V4 ProとGPT-5.6 Solはどちらが速いですか?
GPT-5.6 Solの方が出力が約2倍速くなっています(出力100 対 80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-5.6 Solの方がスコアが高くなっています(67 対 64)。どちらも約1.1Mトークンです(DeepSeek V4 Proは1,048,576、GPT-5.6 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 42.8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 Pro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19件のベンチマークのうち、DeepSeek V4 Proのリードが0件、GPT-5.6 Solのリードが19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 Proはいつリリースされましたか?
DeepSeek V4 Proは2026年8月13日にリリースされました。