BenchLeader

Gemini 2.5 Pro Preview 0325 vs GPT-6.1 Sol

詳しいプロフィール:Gemini 2.5 Pro Preview 0325(Google)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 · 17件の情報源のデータ

2026年11月22日時点で、品質ではGPT-6.1 SolがGemini 2.5 Pro Preview 0325を上回ります(BenchLeader Indexで65.8 対 59.7)。長文コンテキスト(73 対 66)、マルチモーダル(71 対 65)を重視するならGemini 2.5 Pro Preview 0325、推論(70 対 52)、知識(70 対 56)、数学(71 対 59)を重視するならGPT-6.1 Solが向いています。

要点(2026年11月22日時点)

  • BenchLeader IndexはGemini 2.5 Pro Preview 0325が59.7、GPT-6.1 Solが65.8です(BenchLeader、2026年11月22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22日)。
  • 両モデルに結果がある3件のベンチマークのうち、GPT-6.1 Solが3件でリードしています(BenchLeader、2026年11月22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-6.1 Solカテゴリスコア70 対 61高
数学GPT-6.1 Solカテゴリスコア71 対 59高
推論GPT-6.1 Solカテゴリスコア70 対 52;GPQA Diamond 95.4% 対 83.8%高
知識GPT-6.1 Solカテゴリスコア70 対 56高
長い文書Gemini 2.5 Pro Preview 0325カテゴリスコア73 対 66中
画像などのメディアGemini 2.5 Pro Preview 0325カテゴリスコア71 対 65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
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:65.8 対 59.7。
  • Gemini 2.5 Pro Preview 0325は長文コンテキスト、マルチモーダルで優れています。
  • GPT-6.1 Sol (max)はコーディング、知識、数学、推論で優れています。

概要

仕様Gemini 2.5 Pro Preview 0325GPT-6.1 Sol
プロバイダーGoogleOpenAI
リリース日2025年3月25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Gemini 2.5 Pro Preview 0325GPT-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 / $0.100

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Gemini 2.5 Pro Preview 0325GPT-6.1 Sol (max)トップ
推論52.170.0GPT-6.1 Sol
コーディング61.170.1GPT-6.1 Sol
エージェント・ツール–62.7比較不可
数学58.971.1GPT-6.1 Sol
知識56.270.2GPT-6.1 Sol
指示追従57.9–比較不可
人間の評価–67.2比較不可
マルチモーダル70.865.4Gemini 2.5 Pro Preview 0325
長文コンテキスト72.866.2Gemini 2.5 Pro Preview 0325
総合–65.5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。

2550 avg75推論コーディング数学知識長文コンテキストマルチモーダルGemini 2.5 Pro Preview 0325, 推論: 52.1Gemini 2.5 Pro Preview 0325, コーディング: 61.1Gemini 2.5 Pro Preview 0325, 数学: 58.9Gemini 2.5 Pro Preview 0325, 知識: 56.2Gemini 2.5 Pro Preview 0325, 長文コンテキスト: 72.8Gemini 2.5 Pro Preview 0325, マルチモーダル: 70.8GPT-6.1 Sol, 推論: 70.0GPT-6.1 Sol, コーディング: 70.1GPT-6.1 Sol, 数学: 71.1GPT-6.1 Sol, 知識: 70.2GPT-6.1 Sol, 長文コンテキスト: 66.2GPT-6.1 Sol, マルチモーダル: 65.4

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, 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3件のベンチマークのうち、Gemini 2.5 Pro Preview 0325のリードが0件、GPT-6.1 Solのリードが3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IndexGemini 2.5 Pro Preview 0325GPT-6.1 Sol (max)トップ
BenchLeader Index59.765.8GPT-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Gemini 2.5 Pro Preview 0325GPT-6.1 Sol (max)
100万トークンあたりのブレンド価格–$4.00
100万トークンあたりの入力/出力– / –$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–$0.0038
タスクあたりの価格:30ページのレポートを要約–$0.030
タスクあたりの価格:コード編集–$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
タスクあたりの価格:構造化データの抽出–$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)–24 min
出力速度–47 tok/s
回答開始までの時間–121.6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。Gemini 2.5 Pro Preview 0325のスコアは59.7。GPT-6.1 Sol (max)のスコアは65.8、最初の回答トークンまで122秒。GPT-6.1 Sol (high)は63.8(26秒)、GPT-6.1 Sol (xhigh)は62.3(63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

188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Gemini 2.5 Pro Preview 0325GPT-6.1 Sol (max)
BenchLeader IndexBenchLeader59.765.8
コーディングスコアBenchLeader61.170.1
指示追従スコアBenchLeader57.9–
知識スコアBenchLeader56.270.2
長文コンテキストスコアBenchLeader72.866.2
数学スコアBenchLeader58.971.1
マルチモーダルスコアBenchLeader70.865.4
推論スコアBenchLeader52.170.0
エージェント・ツールスコアBenchLeader–62.7
総合スコアBenchLeader–65.5
人間の評価スコアBenchLeader–67.2
ブレンド価格($/100万トークン)BenchLeader–$4.00
出力速度BenchLeader–47 tok/s
回答開始までの時間BenchLeader–121.6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 Hub83.8%95.4%
Humanity's Last ExamScale AI / CAIS18.2%–
SimpleBenchSimpleBench51.6%82.9%†
Arena Hard PromptsArena (LMArena)–1507
LiveBench 2.0 ReasoningLiveBench–92.6%
LiveBench 1.0 ReasoningLiveBench–92.6%
GPQA Diamond (AA)Artificial Analysis83.6%–
Humanity's Last Exam (AA)Artificial Analysis18.0%52.9%
HLE-Diamond (AA)Artificial Analysis–58.8%
GPQA Diamond (Vals)Vals AI80.8%–
GPQA Diamond (HELM)HELM Capabilities74.9%–
ARC-AGI-1ARC Prize–96.5%
ARC-AGI-2ARC Prize–94.2%
ARC-AGI-3ARC Prize–96.2%
CritPtArtificial Analysis–31.7%
CritPt v2 hard subset (AA)Artificial Analysis–69.5%
MysteryMechanismVals AI–46.4%
HLE-Diamond (Scale)Scale AI SEAL–53.6%†
HLE Text-Only (Scale)Scale AI SEAL18.4%–
Arena ExpertArena (LMArena)–1528
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%
ForecastBenchForecastBench64.0%–
188件のベンチマークをすべて表示
指標公開元Gemini 2.5 Pro Preview 0325GPT-6.1 Sol (max)
コーディング
SciCodeSciCode–54.2%
FrontierCodeCognition–50.2%†
Arena CodingArena (LMArena)–1545
Arena WebDevArena (LMArena)–1743
LiveBench 2.0 CodingLiveBench–82.1%
LiveBench 1.0 CodingLiveBench–80.4%
LiveCodeBenchVals AI79.2%–
IOIVals AI–96.9%
Aider PolyglotAider polyglot leaderboard72.9%–
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%
CadEvalEpoch AI Benchmarking Hub64.0%–
ALE-BenchEpoch AI Benchmarking Hub–2743.8
WeirdML v3WeirdML–38.3%†
Terminal-Bench 4.0 (AA)Artificial Analysis–56.1%
Startrise FrontendStartrise–78.6%†
GameBench 2 OverallDuelLab GameBench 2–85†
GameBench 2 by reasoning settingDuelLab GameBench 2–91.8†
Design Arena WebsiteDesign Arena–1311†
Design Arena CodeDesign Arena–1353†
FrontierCode 1.1 (AA)Artificial Analysis–49.1%
FrontierCode 2.0 (AA)Artificial Analysis–40.6%
LiveCodeBench (AA)Artificial Analysis77.8%–
エージェント・ツール
Terminal-BenchTerminal-Bench–60.9%
APEX-AgentsMercor–60.0%
Arena AgentArena (LMArena)–11.3
LiveBench Long AgenticLiveBench–64.7%
LiveBench BrowserLiveBench–93.3%
LiveBench Agentic CodingLiveBench–54.5%
HiL-BenchScale AI SEAL–62.3%†
GDPval-AA v2.1, normalised scoreArtificial Analysis–54.8%
GDPval-AA v2.1Artificial Analysis–1607
Analyst Agent (AA)Artificial Analysis–50.0%
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)–11.6
Arena Search FactualityArena (LMArena)–1236
BALROGBALROG43.3%–
PostTrainBenchEpoch AI Benchmarking Hub–38.8%
GBAEvalEpoch AI Benchmarking Hub–81.9%†
Vending-Bench 2Andon Labs–12860.6†
SpireClimbEpoch AI Benchmarking Hub–23.8%
AutomationBenchArtificial Analysis–64.9%
GDP.pdf (AA)Artificial Analysis–31.0%
Harvey LAB-AA v1.1Harvey–6.9%
AA-Briefcase v1.1Artificial Analysis–1557
GDPxGDPx by SemiAnalysis–8.4%
Design Arena AgenticDesign Arena–1356
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%
MATH Level 5Epoch AI Benchmarking Hub95.6%–
ProofBenchVals AI–99.0%†
LiveBench MathematicsLiveBench–96.8%
AIME (Vals)Vals AI85.8%–
ArXivMathMathArena–92.8%
BrokenArXivMathArena–83.1%
Omni-MATH (HELM)HELM Capabilities41.6%–
MATH 500Vals AI95.2%–
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
MMLU-ProVals AI84.1%–
LegalBenchVals AI84.3%–
CorpFinVals AI59.8%–
TaxEvalVals AI72.9%–
MedQAVals AI93.1%–
PRBench FinanceScale AI SEAL–46.2%†
PRBench LegalScale AI SEAL–47.9%†
MMLU-Pro (HELM)HELM Capabilities86.3%–
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%
Arena Text FactualityArena (LMArena)–1470
EBR-benchEpoch AI Benchmarking Hub–54.3%
GDP.pdfEpoch AI Benchmarking Hub–51.6%
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%
MultiChallengeScale AI SEAL–82.0%†
IFEval (HELM)HELM Capabilities84.0%–
WildBench (HELM)HELM Capabilities85.7%–
Arena Instruction FollowingArena (LMArena)–1484
人間の評価
Arena TextArena (LMArena)–1483
EQ-Bench 4EQ-Bench–1272†
EQ-Bench Creative Writing v3EQ-Bench1396–
EQ-Bench Longform WritingEQ-Bench58.8–
Arena Creative WritingArena (LMArena)–1450
Arena Multi-turnArena (LMArena)–1487
Arena Longer QueriesArena (LMArena)–1489
Lech Mazur Creative WritingLech Mazur80.5%–
マルチモーダル
Arena VisionArena (LMArena)–1284
LiveBench DesignLiveBench–79.6%
MMMU-ProArtificial Analysis–86.0%
VISTAScale AI SEAL54.6%–
MMMU-Pro (Vals)Vals AI81.3%–
MortgageTaxVals AI67.2%–
SAGEVals AI–90.5%
Humanity's Sixth SenseScale AI SEAL–46.6%
GeoBenchGeoBench84.0%–
VPCTEpoch AI Benchmarking Hub48.0%–
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
Fiction.LiveBench 120kFiction.live90.6%–
AA-LCR v1.1Artificial Analysis–83.0%
MLCRArtificial Analysis–38.3%
FACTS GroundingGoogle–78.0%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub144.0168.6†
LiveBench 2.0LiveBench–81.2%
LiveBench 1.0LiveBench–81.6%
AA Intelligence Index v5.0.1Artificial Analysis–54.6
AA Intelligence Index v4.3.2Artificial Analysis15.051.8
AA Progress Index v1Artificial Analysis245.9348.5
Vals IndexVals AI–63.9
HELM Capabilities meanHELM Capabilities74.5%–
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
FORTRESSScale AI SEAL54.9%14.7%†
MASKScale AI SEAL55.9%–
DistressBenchScale AI SEAL–74.2%†

データは2026年11月22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 gb2-20261119-1d7fd529faf6 (https://benchmarks.duellab.org/releases/gb2-20261119-1d7fd529faf6/), 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):スコアの改訂1件。
  • GPT-6.1 Sol (max):新しい結果4件(SWE Atlas v1.1, SWE Atlas v1.1: Codebase QnA, SWE Atlas v1.1: Test Writing…)、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):スコアの改訂2件。
  • GPT-6.1 Sol (max):BenchLeader Index 66.9 → 66.1。
  • GPT-6.1 Sol (max):スコアの改訂1件。
  • GPT-6.1 Sol (max):スコアの改訂3件。
  • 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。
  • 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。

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

Gemini 2.5 Pro Preview 0325 vs GPT-6.1 Sol:よくある質問

GPT-6.1 SolはGemini 2.5 Pro Preview 0325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:65.8 対 59.7。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22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。
コーディングにはGemini 2.5 Pro Preview 0325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70 対 61。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Gemini 2.5 Pro Preview 0325の方がスコアが高くなっています(73 対 66)。どちらも約1.1Mトークンです(Gemini 2.5 Pro Preview 0325は1,000,000、GPT-6.1 Solは1,050,000)。
Gemini 2.5 Pro Preview 0325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3件のベンチマークのうち、Gemini 2.5 Pro Preview 0325のリードが0件、GPT-6.1 Solのリードが3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。