Gemini 3.8 Flash vs GPT-6.1 Sol
詳しいプロフィール:Gemini 3.8 Flash(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 · 15件の情報源のデータ
2026年11月16日時点で、品質ではGPT-6.1 SolがGemini 3.8 Flashを上回ります(BenchLeader Indexで66.6 対 60.2)。ただし、価格はGemini 3.8 Flashの方が2.7倍安く、100万トークンあたりのブレンド価格で$1.50 対 $4.00です。エージェント・ツール(75 対 64)、マルチモーダル(67 対 66)を重視するならGemini 3.8 Flash、コーディング(71 対 52)、知識(72 対 58)、推論(71 対 59)を重視するならGPT-6.1 Solが向いています。回答開始までの時間はGemini 3.8 Flashの方が短く、14.8秒 対 166.7秒です。Gemini 3.8 Flashは出力が約2倍速い点も強みです。Gemini 3.8 Flashの現在の価格は2026年12月31日までで、その後は$3.00になります。
要点(2026年11月16日時点)
- BenchLeader IndexはGemini 3.8 Flashが60.2、GPT-6.1 Solが66.6です(BenchLeader、2026年11月16日)。
- Gemini 3.8 Flashの100万トークンあたりのブレンド価格は$1.50です(2026年12月31日まで。その後は$3.00)(https://ai.google.dev/gemini-api/docs/pricing、2026年10月20日確認)。
- 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)。
- Gemini 3.8 FlashはGPT-6.1 Sol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27件のベンチマークのうち、GPT-6.1 Solが23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-6.1 Sol | カテゴリスコア71 対 52;FrontierCode 2.0 (AA) 40.6% 対 16.5% | 高 |
| エージェント・ツール利用 | Gemini 3.8 Flash | カテゴリスコア75 対 64;GDPval-AA v2.1, normalised score 46.1% 対 54.8% | 高 |
| 推論 | GPT-6.1 Sol | カテゴリスコア71 対 59;HLE-Diamond (AA) 58.8% 対 29.1% | 高 |
| 知識 | GPT-6.1 Sol | カテゴリスコア72 対 58;AA-Omniscience v1.1 42.0 対 23.7 | 高 |
| 長い文書 | どちらでも | カテゴリスコア67 対 66;AA-LCR v1.1 84.0% 対 83.0% | どちらでも |
| 画像などのメディア | Gemini 3.8 Flash | カテゴリスコア67 対 66;MMMU-Pro 84.2% 対 86.0% | 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 | Gemini 3.8 Flash | 100万トークンあたりブレンド価格$1.50 対 $4.00;エージェント型コーディングセッション$0.060 対 $0.160;2027年1月1日以降:$3.00 対 $4.00 | – |
| 回答開始の速さ | Gemini 3.8 Flash | 最初の回答トークンまで14.8秒(Gemini 3.8 Flash (medium))対 166.7秒(GPT-6.1 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-6.1 Sol (max)がリードしています:66.6 対 60.2。
- Gemini 3.8 Flash (medium)はエージェント・ツール、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、推論で優れています。
- 2026年12月31日まではGemini 3.8 Flash (medium)の方が2.7倍安くなっています(100万トークンあたりブレンド価格$1.50 対 $4.00)。2027年1月1日からは$3.00 対 $4.00になります。
- Gemini 3.8 Flash (medium)の方が出力が2.3倍速くなっています(116 対 50トークン/秒)。
概要
| 仕様 | Gemini 3.8 Flash | GPT-6.1 Sol |
|---|---|---|
| プロバイダー | OpenAI | |
| リリース日 | 2026年9月2日 | 2026年9月29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 | Gemini 3.8 Flash (medium) | GPT-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) | $0.750 / $3.75 / $0.075 | $2.00 / $10.00 / $0.100 |
| 発表済みの価格変更 | 2027年1月1日から$1.50 / $7.50 | 発表なし |
上限、提供状況、発表済みの価格は各ベンダーの公式ページによるものです: ai.google.dev(料金) (2026年10月20日確認)。それ以外はすべて当日のデータです。
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 3.8 Flash (medium) | GPT-6.1 Sol (max) | トップ |
|---|---|---|---|
| 推論 | 58.7 | 71.4 | GPT-6.1 Sol |
| コーディング | 51.6 | 71.1 | GPT-6.1 Sol |
| エージェント・ツール | 75.0 | 64.3 | Gemini 3.8 Flash |
| 数学 | – | 71.6 | 比較不可 |
| 知識 | 57.7 | 71.5 | GPT-6.1 Sol |
| 人間の評価 | – | 67.1 | 比較不可 |
| マルチモーダル | 66.7 | 65.6 | Gemini 3.8 Flash |
| 長文コンテキスト | 66.7 | 66.2 | 互角 |
| 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。
描画していないもの(測定済みのモデルが2つ未満):数学, 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27件のベンチマークのうち、Gemini 3.8 Flashのリードが4件、GPT-6.1 Solのリードが23件です。第三者の総合指標でも評価が分かれ、Gemini 3.8 FlashはArena Textで、GPT-6.1 SolはBenchLeader Index、AA Intelligence Index v5.0.1、Vals Indexでリードしています。
| 総合Index | Gemini 3.8 Flash (medium) | GPT-6.1 Sol (max) | トップ |
|---|---|---|---|
| BenchLeader Index | 60.2 | 66.6 | GPT-6.1 Sol |
| AA Intelligence Index v5.0.1 | 30.1 | 54.6 | GPT-6.1 Sol |
| Vals Index | 56.0† | 63.9 | GPT-6.1 Sol |
| Arena Text | 1497† | 1481 | Gemini 3.8 Flash |
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 3.8 Flash (medium) | GPT-6.1 Sol (max) |
|---|---|---|
| 100万トークンあたりのブレンド価格(2026年12月31日まで) | $1.50 | $4.00 |
| 100万トークンあたりの入力/出力 | $0.750 / $3.75 | $2.00 / $10.00 |
| 2027年1月1日以降の100万トークンあたりのブレンド価格 | $3.00 | $4.00 |
| 2027年1月1日以降の100万トークンあたりの入力/出力 | $1.50 / $7.50 | $2.00 / $10.00 |
| 100万トークンあたりのキャッシュ入力 | $0.075 | $0.100 |
| タスクあたりの価格:チャットの返答 | $0.0014 | $0.0038 |
| タスクあたりの価格:30ページのレポートを要約 | $0.011 | $0.030 |
| タスクあたりの価格:コード編集 | $0.010 | $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 | $0.060 | $0.160 |
| タスクあたりの価格:構造化データの抽出 | $0.0023 | $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) | $0.030 | $0.074 |
| ベンチマークのタスクあたりのコスト(AA Index) | $6.26 | $1.27 |
| タスクあたりの出力トークン(AA Index) | 82k | 68k |
| うち推論 | 47k | 49k |
| タスクあたりの時間(AA Index) | 12 min | 23 min |
| 出力速度 | 116 tok/s | 50 tok/s |
| 回答開始までの時間 | 14.8秒 | 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) | 41.8秒 | 429.6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、Gemini 3.8 Flash (medium)で$6.26、GPT-6.1 Sol (max)で$1.27でした。同じ作業でGemini 3.8 Flash (medium)は1.2倍の出力トークンを書いています。
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Gemini 3.8 Flash (medium)のスコアは60.2、最初の回答トークンまで15秒。Gemini 3.8 Flash (high)は59.4(20秒)、Gemini 3.8 Flashは56.4(2秒)。GPT-6.1 Sol (max)のスコアは66.6、最初の回答トークンまで167秒。GPT-6.1 Sol (xhigh)は63.6(68秒)、GPT-6.1 Sol (high)は63.4(33秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
186件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Gemini 3.8 Flash (medium) | GPT-6.1 Sol (max) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 60.2 | 66.6 |
| エージェント・ツールスコア | BenchLeader | 75.0 | 64.3 |
| コーディングスコア | BenchLeader | 51.6 | 71.1 |
| 知識スコア | BenchLeader | 57.7 | 71.5 |
| 長文コンテキストスコア | BenchLeader | 66.7 | 66.2 |
| マルチモーダルスコア | BenchLeader | 66.7 | 65.6 |
| 推論スコア | BenchLeader | 58.7 | 71.4 |
| 総合スコア | BenchLeader | – | 67.9 |
| 人間の評価スコア | BenchLeader | – | 67.1 |
| 数学スコア | BenchLeader | – | 71.6 |
| ブレンド価格($/100万トークン) | BenchLeader | $1.50 | $4.00 |
| 出力速度 | BenchLeader | 116 tok/s | 50 tok/s |
| 回答開始までの時間 | BenchLeader | 14.8秒 | 166.7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 | 95.4%† | 95.4% |
| Humanity's Last Exam | Scale AI / CAIS | 44.5%† | – |
| SimpleBench | SimpleBench | 82.4%† | 82.9%† |
| Arena Hard Prompts | Arena (LMArena) | 1518† | 1505 |
| LiveBench 2.0 Reasoning | LiveBench | 89.3%† | 92.6% |
| LiveBench 1.0 Reasoning | LiveBench | 89.3%† | 92.6% |
| GPQA Diamond (AA) | Artificial Analysis | 93.5% | – |
| Humanity's Last Exam (AA) | Artificial Analysis | 42.1% | 52.9% |
| HLE-Diamond (AA) | Artificial Analysis | 29.1% | 58.8% |
| GPQA Diamond (Vals) | Vals AI | 94.4%† | – |
| ARC-AGI-1 | ARC Prize | 97.5% | 96.5% |
| ARC-AGI-2 | ARC Prize | 82.9% | 94.2% |
| ARC-AGI-3 | ARC Prize | 24.2% | 96.2% |
| CritPt | Artificial Analysis | 12.3% | 31.7% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 45.0% | 69.5% |
| MysteryMechanism | Vals AI | 36.5%† | 46.4% |
| HLE-Diamond (Scale) | Scale AI SEAL | 34.3%† | – |
| Arena Expert | Arena (LMArena) | 1527† | 1525 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 58.0%† | 68.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 47.0%† | 80.0% |
| LMCA | Epoch AI Benchmarking Hub | 52.9% | 62.8% |
| DTBench | Epoch AI Benchmarking Hub | 94.9% | 96.5% |
| コーディング | |||
| SciCode | SciCode | 55.1% | 54.2% |
| WeirdML | WeirdML | 84.8%† | – |
| FrontierCode | Cognition | 41.2% | 50.2%† |
186件のベンチマークをすべて表示
| 指標 | 公開元 | Gemini 3.8 Flash (medium) | GPT-6.1 Sol (max) |
|---|---|---|---|
| コーディング | |||
| Arena Coding | Arena (LMArena) | 1531† | 1540 |
| Arena WebDev | Arena (LMArena) | 1584† | 1743 |
| LiveBench 2.0 Coding | LiveBench | 73.3%† | 82.1% |
| LiveBench 1.0 Coding | LiveBench | 72.5%† | 80.4% |
| LiveCodeBench | Vals AI | 89.5%† | – |
| IOI | Vals AI | 56.9%† | 96.9% |
| SWE-bench (Vals) | Vals AI | 80.0%† | – |
| Code Migration | Vals AI | 36.5%† | 65.1% |
| Code Migration v1.1 | Vals AI | 38.6%† | 77.3% |
| ProgramBench | Vals AI | 1.0%† | 3.0% |
| SWE-bench Multimodal | Vals AI | 40.8%† | 43.5% |
| Vibe Code Bench 1-100 | Vals AI | 18.8%† | – |
| Vibe Code Bench v1.1 | Vals AI | 78.7%† | 88.9% |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | 47.0%† | – |
| SWE Atlas v1.0: Refactoring | Scale AI SEAL | 44.8%† | – |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | 53.7%† | – |
| SWE Atlas v1.1 | Scale AI SEAL | 57.3%† | 65.9%† |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | 45.2%† | 71.0%† |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | 71.1%† | 66.7%† |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | 55.7%† | 60.0%† |
| SWE-Bench Pro V2 | Scale AI SEAL | 94.9%† | 96.1%† |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | 58.8%† | – |
| MirrorCode | Epoch AI Benchmarking Hub | 38.9%† | 61.1% |
| Surface Evolver Bench | Epoch AI Benchmarking Hub | 76.9%† | – |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | 71.0% | – |
| CursorBench | Cursor | 37.3% | – |
| ALE-Bench | Epoch AI Benchmarking Hub | 1269.7† | 2743.8 |
| FrontierSWE | Epoch AI Benchmarking Hub | 19.6%† | – |
| WeirdML v3 | WeirdML | 7.4%† | 38.3%† |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 19.7% | 56.1% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 83.9% | – |
| Startrise Frontend | Startrise | 64.6%† | 78.6%† |
| GameBench 2 Overall | DuelLab GameBench 2 | 59.0† | 84.9† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 59.7 | 92.0† |
| Design Arena Website | Design Arena | 1291† | 1315† |
| FrontierCode 1.1 (AA) | Artificial Analysis | 37.1% | 49.1% |
| FrontierCode 2.0 (AA) | Artificial Analysis | 16.5% | 40.6% |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 18.2%† | 60.9% |
| Remote Labor Index | Scale AI / CAIS | 5.8%† | – |
| APEX-Agents | Mercor | 64.3%† | 60.0% |
| Arena Agent | Arena (LMArena) | 2.3† | 12.5 |
| LiveBench Long Agentic | LiveBench | 16.5%† | 65.6% |
| LiveBench Browser | LiveBench | 45.1%† | 93.3% |
| LiveBench Agentic Coding | LiveBench | 54.2%† | 54.5% |
| Terminal-Bench 2.1 (Vals) | Vals AI | 81.3%† | – |
| HiL-Bench | Scale AI SEAL | 41.5%† | 62.3%† |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 46.1% | 54.8% |
| GDPval-AA v2.1 | Artificial Analysis | 1432 | 1607 |
| τ³-Banking (AA) | Artificial Analysis | 45.8% | – |
| ITBench SRE (AA) | Artificial Analysis | 52.5%† | – |
| Analyst Agent (AA) | Artificial Analysis | 46.3%† | 50.0% |
| CUA-bench | Vals AI | 4.2%† | – |
| CyberBench | Vals AI | 43.8%† | 39.3% |
| Finance Agent v2 | Vals AI | 61.4%† | 52.0% |
| Finance Agent v2.1 | Vals AI | 65.8%† | 61.8% |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | 12.1%† | 6.3% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 10.0%† | 5.4% |
| Legal Research Bench | Vals AI | 38.9%† | 38.5% |
| Robo-bench | Vals AI | – | 28.3% |
| SkillsBench | Vals AI | 58.0%† | – |
| SREBench | Vals AI | 11.1%† | 50.8% |
| Tax Agent Bench | Vals AI | 32.1%† | 21.8% |
| Terminal-Bench 4.0 (Vals) | Vals AI | 19.7%† | 55.0% |
| Terminal-Bench Science | Vals AI | 8.6%† | 52.9% |
| Time Horizon Index: KSP | Vals AI | 18.8%† | – |
| Arena Search | Arena (LMArena) | – | 1249 |
| Arena Agent Task Completion | Arena (LMArena) | 1.3† | 11.7 |
| PostTrainBench | Epoch AI Benchmarking Hub | – | 38.8% |
| Vending-Bench 2 | Andon Labs | 5093.8† | 12860.6† |
| SpireClimb | Epoch AI Benchmarking Hub | – | 23.8% |
| AutomationBench | Artificial Analysis | 60.9% | 64.9% |
| GDP.pdf (AA) | Artificial Analysis | 22.8% | 31.0% |
| Harvey LAB-AA v1.1 | Harvey | 0.0%† | 6.9% |
| AA-Briefcase v1.1 | Artificial Analysis | 1183 | 1555 |
| GDPx | GDPx by SemiAnalysis | – | 8.4% |
| Design Arena Agentic | Design Arena | 1225† | 1375 |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 10.5% | 58.1% |
| CWE-Bench (AA) | Artificial Analysis | 52.5%† | – |
| DeepSec-Bench (AA) | Artificial Analysis | 14.5%† | – |
| CyberGym end-to-end (AA) | Artificial Analysis | 8.4%† | – |
| MKA (AA) | Artificial Analysis | 35.3%† | 47.7% |
| FACTS Search | 80.4%† | 92.8%† | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 68.4%† | 93.7% |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 21.9%† | 100.0% |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 98.9%† | 100.0% |
| ProofBench | Vals AI | 48.0%† | 99.0%† |
| LiveBench Mathematics | LiveBench | 91.6%† | 96.8% |
| ArXivMath | MathArena | – | 92.8% |
| BrokenArXiv | MathArena | – | 83.1% |
| Arena Maths | Arena (LMArena) | 1519† | 1499 |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | 0.0%† | 4.4% |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 69.7%† | 73.9% |
| LiveBench 2.0 Data Analysis | LiveBench | 54.0%† | 82.7% |
| LiveBench Research | LiveBench | 79.4%† | 90.0% |
| LiveBench 1.0 Data Analysis | LiveBench | 54.0%† | 82.7% |
| AA-Omniscience v1.1 | Artificial Analysis | 23.7 | 42.0 |
| MMLU-Pro | Vals AI | 90.2%† | – |
| LegalBench | Vals AI | 87.0%† | – |
| TaxEval | Vals AI | 74.5%† | – |
| PRBench Finance | Scale AI SEAL | 49.5%† | 46.2%† |
| PRBench Legal | Scale AI SEAL | 48.9%† | 47.9%† |
| BioMysteryBench | Vals AI | 62.2%† | 79.6% |
| ClaimBench | Vals AI | – | 100.0% |
| Excel Modeling Benchmark | Vals AI | 72.2%† | 70.8% |
| Excel Modeling Benchmark v1.1 | Vals AI | 72.9%† | 71.1% |
| MedCode | Vals AI | 48.1%† | 48.8% |
| MedScribe | Vals AI | 84.5%† | 86.5% |
| Public Benefits Bench v1.1 | Vals AI | 65.3%† | 59.3% |
| Access to Justice Benchmark | Vals AI | 67.1%† | 65.8% |
| Financial Coaching Bench | Vals AI | 66.3%† | 68.5% |
| Immigration Bench | Vals AI | 63.4%† | 67.8% |
| EBR-bench | Epoch AI Benchmarking Hub | – | 54.3% |
| GDP.pdf | Epoch AI Benchmarking Hub | 23.4% | 35.0% |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 49.6% | 61.8% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 48.5% | 48.1% |
| HealthBench Professional (AA) | OpenAI | 51.7%† | 65.1% |
| FACTS Parametric | 78.7%† | 83.8%† | |
| 指示追従 | |||
| LiveBench Language | LiveBench | 87.8%† | 90.1% |
| LiveBench Instruction Following | LiveBench | 81.4%† | 74.2% |
| MultiChallenge | Scale AI SEAL | – | 82.0%† |
| Arena Instruction Following | Arena (LMArena) | 1492† | 1482 |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1497† | 1481 |
| EQ-Bench 4 | EQ-Bench | – | 1272† |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1744† | – |
| Arena Creative Writing | Arena (LMArena) | 1488† | 1449 |
| Arena Multi-turn | Arena (LMArena) | 1505† | 1486 |
| Arena Longer Queries | Arena (LMArena) | 1511† | 1488 |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1317† | 1286 |
| LiveBench Design | LiveBench | 69.7%† | 79.6% |
| MMMU-Pro | Artificial Analysis | 84.2% | 86.0% |
| MMMU-Pro (Vals) | Vals AI | 89.1%† | – |
| MortgageTax | Vals AI | 65.3%† | – |
| SAGE | Vals AI | 88.2%† | 90.5% |
| AudioMC | Scale AI SEAL | 60.4%† | – |
| AudioMC (text output) | Scale AI SEAL | 60.4%† | – |
| Humanity's Sixth Sense | Scale AI SEAL | 41.6%† | 46.6% |
| GeoBench | GeoBench | 86.0%† | – |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 38.6%† | 43.2%† |
| Furniture Assembly | Epoch AI Benchmarking Hub | 31.7%† | 80.0% |
| VIALS-AA | Handshake AI | 41.0%† | 59.0% |
| Code2Video-AA | Artificial Analysis | 899† | 1369 |
| AA-3D | Artificial Analysis | 974† | 1121 |
| FACTS Multimodal | 57.6%† | 52.6%† | |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 84.0% | 83.0% |
| Arena Document | Arena (LMArena) | 1469† | – |
| MLCR | Artificial Analysis | 12.8% | 38.3% |
| FACTS Grounding | 68.2%† | 78.0%† | |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 158.8† | 168.5† |
| LiveBench 2.0 | LiveBench | 57.3%† | 81.4% |
| LiveBench 1.0 | LiveBench | 75.8%† | 81.6% |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 30.1 | 54.6 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 39.8 | 51.8 |
| AA Progress Index v1 | Artificial Analysis | 319.1 | 348.5 |
| Vals Index | Vals AI | 56.0† | 63.9 |
| Vals Finance Index | Vals AI | 60.5%† | 55.8% |
| Vals RSI Index | Vals AI | 19.9%† | 26.6% |
| Vals Science Index | Vals AI | 35.8%† | 59.6% |
| Vals Router Index | Vals AI | 56.0%† | 63.9%† |
| Vals Legal Index | Vals AI | 69.8%† | 68.7% |
| AA Cyber Index | Artificial Analysis | 25.1† | – |
| 安全性・誠実さ | |||
| DistressBench | Scale AI SEAL | 70.7%† | 74.2%† |
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
- Gemini 3.8 Flash:定価が100万トークンあたり入力$1.50/出力$7.50に変わります(発表済み)。
- 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。
- Gemini 3.8 Flash (medium):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。
- 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。
関連する比較
- Gemini 3.8 Flash vs Gemini 4 Carbon
- GPT-6.1 Sol vs Claude Fable 5.2
- GPT-6.1 Sol vs Gemini 4 Carbon
- GPT-6.1 Sol vs Claude Opus 5.5
- GPT-6.1 Sol vs GPT-6 Astra
- Gemini 3.7 Flash vs GPT-6.1 Sol
- Gemini 3.8 Flash vs Gemini 4 Argon
- Gemini 3.8 Flash vs Muse Wonder
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 3.8 Flash vs GPT-6.1 Sol:よくある質問
- GPT-6.1 SolはGemini 3.8 Flash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:66.6 対 60.2。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-6.1 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。
- Gemini 3.8 Flash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Gemini 3.8 Flashの方が安く、100万トークンあたり$1.50 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)。Gemini 3.8 Flashの現在の価格は2026年12月31日までで、その後は$3.00になります。
- コーディングにはGemini 3.8 Flash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71 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FrontierCode 2.0 (AA)では、Gemini 3.8 Flashが16.5%、GPT-6.1 Solが40.6%です。
- Gemini 3.8 FlashとGPT-6.1 Solはどちらが速いですか?
- Gemini 3.8 Flashの方が出力が約2倍速くなっています(出力116 対 50トークン/秒、Artificial Analysisの7日間の中央値)。
- エージェントやツール利用にはGemini 3.8 Flash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Gemini 3.8 Flashの方がスコアが高くなっています(カテゴリ指標で75 対 64。50が平均)。
ほかの質問(4件)
- 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(67 対 66)。どちらも約1.1Mトークンです(Gemini 3.8 Flashは1,048,576、GPT-6.1 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Gemini 3.8 Flashです。Artificial Analysisの測定では、最初の回答トークンまで14.8秒 対 166.7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。
- Gemini 3.8 Flash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27件のベンチマークのうち、Gemini 3.8 Flashのリードが4件、GPT-6.1 Solのリードが23件です。第三者の総合指標でも評価が分かれ、Gemini 3.8 FlashはArena Textで、GPT-6.1 SolはBenchLeader Index、AA Intelligence Index v5.0.1、Vals Indexでリードしています。
- 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。