BenchLeader

DeepSeek V4 Pro vs GPT-6 Sol

詳しいプロフィール:DeepSeek V4 Pro(DeepSeek)とGPT-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-6 SolがDeepSeek V4 Proを上回ります(BenchLeader Indexで62.6 対 56.0)。ただし、価格はDeepSeek V4 Proの方が4.0倍安く、100万トークンあたりのブレンド価格で$0.990 対 $4.00です。両方を測定できるすべてのカテゴリでGPT-6 Solがリードしています。GPT-6 Solの方が出力が3倍以上速いです。

要点(2026年11月16日時点)

  • BenchLeader IndexはDeepSeek V4 Proが56.0、GPT-6 Solが62.6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-6 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)。
  • GPT-6 SolはDeepSeek V4 Proより出力が3倍以上速いです(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33件のベンチマークのうち、GPT-6 Solが28件でリードしています(BenchLeader、2026年11月16日)。
  • Arena WebDevでの評価はDeepSeek V4 Proが1581、GPT-6 Solが1673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 Solカテゴリスコア66 対 52;Arena WebDev 1673 対 1581高
数学GPT-6 Solカテゴリスコア68 対 65;OTIS Mock AIME 100.0% 対 95.6%中
推論GPT-6 Solカテゴリスコア66 対 56;GPQA Diamond 94.3% 対 90.9%高
知識GPT-6 Solカテゴリスコア61 対 41;AA-Omniscience v1.1 21.4 対 -6.5高
長い文書GPT-6 Solカテゴリスコア67 対 64;AA-LCR v1.1 83.7% 対 79.3%中
チャットの質(人間の評価)どちらでもArenaの投票で65 対 64どちらでも
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 $4.00;エージェント型コーディングセッション$0.095 対 $0.160–
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 36.9秒(GPT-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-6 Sol (max)がリードしています:62.6 対 56.0。
  • DeepSeek V4 Pro (high)は人間の評価で優れています。
  • GPT-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4.0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 $4.00)。
  • GPT-6 Sol (max)の方が出力が1.6倍速くなっています(127 対 80トークン/秒)。

概要

仕様DeepSeek V4 ProGPT-6 Sol
プロバイダーDeepSeekOpenAI
リリース日2026年8月13日2026年9月22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-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$2.00 / $10.00 / $0.200

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-6 Sol (max)トップ
推論55.666.0GPT-6 Sol
コーディング51.566.3GPT-6 Sol
エージェント・ツール–58.8比較不可
数学64.568.0GPT-6 Sol
知識41.260.6GPT-6 Sol
人間の評価65.064.2互角
マルチモーダル–60.6比較不可
長文コンテキスト64.366.6GPT-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人間の評価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: 64.3DeepSeek V4 Pro, 人間の評価: 65.0GPT-6 Sol, 推論: 66.0GPT-6 Sol, コーディング: 66.3GPT-6 Sol, 数学: 68.0GPT-6 Sol, 知識: 60.6GPT-6 Sol, 長文コンテキスト: 66.6GPT-6 Sol, 人間の評価: 64.2

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。

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33件のベンチマークのうち、DeepSeek V4 Proのリードが5件、GPT-6 Solのリードが28件です。第三者の総合指標でも評価が分かれ、DeepSeek V4 ProはArena Textで、GPT-6 SolはBenchLeader Index、AA Intelligence Index v5.0.1でリードしています。

総合IndexDeepSeek V4 Pro (high)GPT-6 Sol (max)トップ
BenchLeader Index56.062.6GPT-6 Sol
AA Intelligence Index v5.0.120.844.2GPT-6 Sol
Arena Text14641457DeepSeek V4 Pro

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-6 Sol (max)
100万トークンあたりのブレンド価格$1.98$4.00
100万トークンあたりの入力/出力$1.32 / $3.96$2.00 / $10.00
100万トークンあたりのキャッシュ入力$0.022$0.200
タスクあたりの価格:チャットの返答$0.0017$0.0038
タスクあたりの価格:30ページのレポートを要約$0.018$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$0.095$0.160
タスクあたりの価格:構造化データの抽出$0.0034$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)$0.037$0.079
ベンチマークのタスクあたりのコスト(AA Index)$0.849$2.47
タスクあたりの出力トークン(AA Index)70k54k
うち推論45k35k
タスクあたりの時間(AA Index)15 min7 min
出力速度80 tok/s127 tok/s
回答開始までの時間42.8秒36.9秒
回答が完了するまでの時間(最終測定2026年11月13日)–143.8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、DeepSeek V4 Pro (high)で$0.849、GPT-6 Sol (max)で$2.47でした。同じ作業でDeepSeek V4 Pro (high)は1.3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。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-6 Sol (max)のスコアは62.6、最初の回答トークンまで37秒。GPT-6 Sol (xhigh)は58.4(19秒)、GPT-6 Sol (high)は58.1(6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 (high)GPT-6 Sol (max)
BenchLeader IndexBenchLeader56.062.6
コーディングスコアBenchLeader51.566.3
人間の評価スコアBenchLeader65.064.2
知識スコアBenchLeader41.260.6
長文コンテキストスコアBenchLeader64.366.6
数学スコアBenchLeader64.568.0
推論スコアBenchLeader55.666.0
エージェント・ツールスコアBenchLeader–58.8
マルチモーダルスコアBenchLeader–60.6
ブレンド価格($/100万トークン)BenchLeader$1.98$4.00
出力速度BenchLeader80 tok/s127 tok/s
回答開始までの時間BenchLeader42.8秒36.9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%94.3%
SimpleBenchSimpleBench–73.1%†
Arena Hard PromptsArena (LMArena)14821483
LiveBench 1.0 ReasoningLiveBench85.8%†88.7%
GPQA Diamond (AA)Artificial Analysis92.8%†–
Humanity's Last Exam (AA)Artificial Analysis41.5%47.9%
HLE-Diamond (AA)Artificial Analysis20.5%45.2%
GPQA Diamond (Vals)Vals AI92.4%†–
Kagi LLM BenchmarkKagi LLM Benchmark53.5%†–
ARC-AGI-1ARC Prize87.2%95.5%
ARC-AGI-2ARC Prize59.7%89.6%
ARC-AGI-3ARC Prize–23.0%
CritPtArtificial Analysis18.6%30.9%
CritPt v2 hard subset (AA)Artificial Analysis28.5%66.5%
MysteryMechanismVals AI–30.2%
HLE-Diamond (Scale)Scale AI SEAL13.4%†33.8%†
Arena ExpertArena (LMArena)14811496
Chess PuzzlesEpoch AI Benchmarking Hub16.0%56.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub43.0%†56.0%
CL-bench LifeEpoch AI Benchmarking Hub13.5%–
LMCAEpoch AI Benchmarking Hub45.5%†59.1%
DTBenchEpoch AI Benchmarking Hub93.9%†97.3%
ForecastBenchForecastBench60.7%†–
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub77.6%†–
SciCodeSciCode46.4%57.6%
159件のベンチマークをすべて表示
指標公開元DeepSeek V4 Pro (high)GPT-6 Sol (max)
コーディング
WeirdMLWeirdML46.5%–
FrontierCodeCognition28.6%49.3%
Arena CodingArena (LMArena)15031521
Arena WebDevArena (LMArena)15811673
LiveBench 1.0 CodingLiveBench77.2%†81.8%
SciCode (AA)Artificial Analysis51.7%57.6%
LiveCodeBenchVals AI87.5%†–
IOIVals AI51.6%†82.6%
SWE-bench (Vals)Vals AI96.4%†–
Code MigrationVals AI41.5%†57.2%
Code Migration v1.1Vals AI52.0%†–
ProgramBenchVals AI0.0%†2.0%
Vibe Code Bench 1-100Vals AI17.5%†–
Vibe Code Bench v1.1Vals AI82.3%†87.8%
SWE Atlas v1.0: Codebase QnAScale AI SEAL27.1%†–
SWE Atlas v1.0: Test WritingScale AI SEAL27.1%†–
MirrorCodeEpoch AI Benchmarking Hub33.3%†48.9%
Surface Evolver BenchEpoch AI Benchmarking Hub40.0%–
ALE-BenchEpoch AI Benchmarking Hub1006.12462
WeirdML v3WeirdML–19.7%†
Terminal-Bench 4.0 (AA)Artificial Analysis6.1%43.9%
Terminal-Bench 2.1 (AA)Artificial Analysis78.7%†–
Startrise FrontendStartrise62.7%†–
GameBench 2 OverallDuelLab GameBench 241.9†73.0†
GameBench 2 by reasoning settingDuelLab GameBench 245.179.4†
Design Arena WebsiteDesign Arena1227†1290†
FrontierCode 1.1 (AA)Artificial Analysis38.8%†–
FrontierCode 2.0 (AA)Artificial Analysis16.7%35.6%
エージェント・ツール
Terminal-BenchTerminal-Bench6.7%†50.3%
APEX-AgentsMercor47.3%†54.3%
Arena AgentArena (LMArena)–6.9
LiveBench Agentic CodingLiveBench55.0%†52.9%
Terminal-Bench 2.1 (Vals)Vals AI50.2%†83.2%
HiL-BenchScale AI SEAL38.5%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis47.5%†–
GDPval-AA v2.1Artificial Analysis13361514
τ³-Banking (AA)Artificial Analysis39.6%†–
ITBench SRE (AA)Artificial Analysis–49.4%
CyberBenchVals AI72.9%†78.0%
Finance Agent v2Vals AI50.4%†49.0%
Finance Agent v2.1Vals AI57.1%†–
Harvey's Legal Agent Benchmark v1.1Vals AI10.8%†–
Harvey's Legal Agent Benchmark v1Vals AI7.5%†1.7%
Legal Research BenchVals AI40.9%†28.9%
SkillsBenchVals AI53.8%†–
SREBenchVals AI1.9%†30.5%
Tax Agent BenchVals AI26.8%†15.0%
Terminal-Bench 2.0 (Vals)Vals AI56.2%†–
Terminal-Bench 4.0 (Vals)Vals AI14.1%†44.4%
Terminal-Bench ScienceVals AI4.3%†30.0%
Arena SearchArena (LMArena)–1229
Arena Agent Task CompletionArena (LMArena)–4.5
Vending-Bench 2Andon Labs3284.5†14427.9†
SpireClimbEpoch AI Benchmarking Hub–9.2%
AutomationBenchArtificial Analysis46.2%61.6%
GDP.pdf (AA)Artificial Analysis10.4%25.2%
Harvey LAB-AA v1.1Harvey–3.6%
EnterpriseOps-GymArtificial Analysis49.6%†–
AA-Briefcase v1.1Artificial Analysis11481476
Design Arena AgenticDesign Arena927†1218†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis1.9%30.0%
CWE-Bench (AA)Artificial Analysis–64.2%
DeepSec-Bench (AA)Artificial Analysis–46.3%
CyberGym end-to-end (AA)Artificial Analysis–0.0%
FACTS SearchGoogle–92.7%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub64.6%†89.8%
FrontierMath Tier 4Epoch AI Benchmarking Hub26.8%†90.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub95.6%100.0%
ProofBenchVals AI50.0%†83.0%†
LiveBench MathematicsLiveBench95.1%†96.4%
AIME 2026MathArena96.7%†–
HMMT February 2026MathArena93.9%†–
USAMO 2026MathArena60.7%†–
MathArena ApexMathArena28.1%†–
Arena MathsArena (LMArena)14651440
FrontierMath ErdősEpoch AI Benchmarking Hub–1.5%
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub52.9%†60.7%
LiveBench 1.0 Data AnalysisLiveBench79.2%†81.2%
AA-Omniscience v1.1Artificial Analysis-6.521.4
MMLU-ProVals AI87.3%†–
LegalBenchVals AI82.4%†–
CorpFinVals AI65.4%†–
TaxEvalVals AI73.1%†–
PRBench LegalScale AI SEAL–38.6%†
BioMysteryBenchVals AI–74.8%
CaseLaw v2Vals AI59.4%†–
Excel Modeling BenchmarkVals AI52.8%†71.5%
Excel Modeling Benchmark v1.1Vals AI65.1%†–
MedCodeVals AI42.5%†47.1%
MedScribeVals AI80.2%†82.0%
Public Benefits Bench v1.1Vals AI62.9%†56.6%
Financial Coaching BenchVals AI–62.6%
Immigration BenchVals AI61.7%†–
DrugDiscoveryBenchScale AI SEAL31.7%†–
EBR-benchEpoch AI Benchmarking Hub–53.3%
GDP.pdfEpoch AI Benchmarking Hub–26.4%
AA-Omniscience v1.1: accuracyArtificial Analysis45.1%51.1%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis5.9%39.1%
HealthBench Professional (AA)OpenAI–62.3%
FACTS ParametricGoogle–76.1%†
指示追従
LiveBench LanguageLiveBench82.1%†85.3%
LiveBench Instruction FollowingLiveBench67.7%†68.6%
Arena Instruction FollowingArena (LMArena)14611449
人間の評価
Arena TextArena (LMArena)14641457
EQ-Bench 4EQ-Bench1156†–
EQ-Bench Creative Writing v3EQ-Bench1553†2126†
Arena Creative WritingArena (LMArena)14441428
Arena Multi-turnArena (LMArena)14691468
Arena Longer QueriesArena (LMArena)14741466
マルチモーダル
Arena VisionArena (LMArena)–1233
MMMU-ProArtificial Analysis–83.0%
Humanity's Sixth SenseScale AI SEAL–31.2%
Blueprint-Bench 2Epoch AI Benchmarking Hub–36.9%†
Furniture AssemblyEpoch AI Benchmarking Hub–58.3%
AA-3DArtificial Analysis–1131
FACTS MultimodalGoogle–43.9%†
長文コンテキスト
AA-LCR v1.1Artificial Analysis79.3%83.7%
MLCRArtificial Analysis–33.9%
FACTS GroundingGoogle–83.3%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub155.9†163.8†
LiveBench 1.0LiveBench77.4%†79.3%
AA Intelligence Index v5.0.1Artificial Analysis20.844.2
AA Intelligence Index v4.3.2Artificial Analysis36†47.6
AA Progress Index v1Artificial Analysis311.5†334
Vals IndexVals AI53.0†–
Vals Finance IndexVals AI52.9%†–
Vals RSI IndexVals AI–28.1%
Vals Science IndexVals AI–45.0%
Vals Router IndexVals AI53.0%†–
Vals Legal IndexVals AI69.0%†–
AA Cyber IndexArtificial Analysis–36.8
安全性・誠実さ
FORTRESSScale AI SEAL–13.5%†
DistressBenchScale AI SEAL–68.0%†
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-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-6 Sol (max):新しい結果1件(MirrorCode)。
  • DeepSeek V4 Pro (high):BenchLeader Index 57.5 → 59.1。
  • GPT-6 Sol (max):BenchLeader Index 63.5 → 62.9。
  • GPT-6 Sol (max):スコアの改訂2件。
  • GPT-6 Sol (max):スコアの改訂1件。
  • DeepSeek V4 Pro (high):スコアの改訂1件。
  • GPT-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-6 Sol:よくある質問

GPT-6 SolはDeepSeek V4 Proより優れていますか?
品質ではGPT-6 Sol (max)がリードしています:62.6 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-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-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 $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。
コーディングにはDeepSeek V4 ProとGPT-6 Solのどちらが向いていますか?
コーディングではGPT-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Arena WebDevでは、DeepSeek V4 Proが1581、GPT-6 Solが1673です。
DeepSeek V4 ProとGPT-6 Solはどちらが速いですか?
GPT-6 Solの方が出力が3倍以上速くなっています(出力127 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-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-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-6 Solです。Artificial Analysisの測定では、最初の回答トークンまで36.9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-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33件のベンチマークのうち、DeepSeek V4 Proのリードが5件、GPT-6 Solのリードが28件です。第三者の総合指標でも評価が分かれ、DeepSeek V4 ProはArena Textで、GPT-6 SolはBenchLeader Index、AA Intelligence Index v5.0.1でリードしています。
GPT-6 Solはいつリリースされましたか?
GPT-6 Solは2026年9月22日にリリースされました。