Gemini 3 Flash vs GPT-6.1 Sol
詳しいプロフィール:Gemini 3 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 · 14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 Flashを上回ります(BenchLeader Indexで66.6 対 58.9)。ただし、価格はGemini 3 Flashの方が3.6倍安く、100万トークンあたりのブレンド価格で$1.13 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。Gemini 3 Flash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Gemini 3 Flashが58.9、GPT-6.1 Solが66.6です(BenchLeader、2026年11月16日)。
- Gemini 3 Flashの100万トークンあたりのブレンド価格は$1.13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)。
- Gemini 3 FlashはGPT-6.1 Sol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 55 | 高 |
| 長い文書 | GPT-6.1 Sol | カテゴリスコア66 対 64;AA-LCR v1.1 83.0% 対 78.0% | 中 |
| 画像などのメディア | GPT-6.1 Sol | カテゴリスコア66 対 62;MMMU-Pro 86.0% 対 79.9% | 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 Flash | 100万トークンあたりブレンド価格$1.13 対 $4.00;エージェント型コーディングセッション$0.042 対 $0.160 | – |
| 回答開始の速さ | Gemini 3 Flash | 最初の回答トークンまで4.7秒(Gemini 3 Flash (thinking))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 58.9。
- GPT-6.1 Sol (max)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。
- Gemini 3 Flash (thinking)の方が3.6倍安くなっています(100万トークンあたりブレンド価格$1.13 対 $4.00)。
- Gemini 3 Flash (thinking)の方が出力が3.9倍速くなっています(196 対 50トークン/秒)。
概要
| 仕様 | Gemini 3 Flash | GPT-6.1 Sol |
|---|---|---|
| プロバイダー | OpenAI | |
| リリース日 | 2025年12月17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 Flash (thinking) | 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) | $0.500 / $3.00 / $0.050 | $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 3 Flash (thinking) | 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 | 55.1 | 64.3 | GPT-6.1 Sol |
| 数学 | – | 71.6 | 比較不可 |
| 知識 | – | 71.5 | 比較不可 |
| 指示追従 | 75.9 | – | 比較不可 |
| 人間の評価 | – | 67.1 | 比較不可 |
| マルチモーダル | 62.3 | 65.6 | GPT-6.1 Sol |
| 長文コンテキスト | 63.6 | 66.2 | GPT-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。
描画していないもの(測定済みのモデルが2つ未満):推論, コーディング, 数学, 知識, 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5件のベンチマークのうち、Gemini 3 Flashのリードが0件、GPT-6.1 Solのリードが5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Index | Gemini 3 Flash (thinking) | GPT-6.1 Sol (max) | トップ |
|---|---|---|---|
| BenchLeader Index | 58.9 | 66.6 | GPT-6.1 Sol |
| Arena Text | 1458† | 1481 | GPT-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 3 Flash (thinking) | GPT-6.1 Sol (max) |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $1.13 | $4.00 |
| 100万トークンあたりの入力/出力 | $0.500 / $3.00 | $2.00 / $10.00 |
| 100万トークンあたりのキャッシュ入力 | $0.050 | $0.100 |
| タスクあたりの価格:チャットの返答 | $0.0011 | $0.0038 |
| タスクあたりの価格:30ページのレポートを要約 | $0.0078 | $0.030 |
| タスクあたりの価格:コード編集 | $0.0075 | $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 | $0.042 | $0.160 |
| タスクあたりの価格:構造化データの抽出 | $0.0016 | $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) | $0.022 | $0.074 |
| ベンチマークのタスクあたりのコスト(AA Index) | – | $1.27 |
| タスクあたりの出力トークン(AA Index) | – | 68k |
| うち推論 | – | 49k |
| タスクあたりの時間(AA Index) | – | 23 min |
| 出力速度 | 196 tok/s | 50 tok/s |
| 回答開始までの時間 | 4.7秒 | 166.7秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 13.6秒 | 429.6秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Gemini 3 Flash (thinking)のスコアは58.9、最初の回答トークンまで5秒。Gemini 3 Flash (high)は57.4(1秒)、Gemini 3 Flashは56.5(1秒)。GPT-6.1 Sol (max)のスコアは66.6、最初の回答トークンまで167秒。GPT-6.1 Sol (xhigh)は63.6(68秒)、GPT-6.1 Sol (high)は63.4(33秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
198件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Gemini 3 Flash (thinking) | GPT-6.1 Sol (max) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 58.9 | 66.6 |
| エージェント・ツールスコア | BenchLeader | 55.1 | 64.3 |
| 指示追従スコア | BenchLeader | 75.9 | – |
| 長文コンテキストスコア | BenchLeader | 63.6 | 66.2 |
| マルチモーダルスコア | BenchLeader | 62.3 | 65.6 |
| コーディングスコア | BenchLeader | – | 71.1 |
| 総合スコア | BenchLeader | – | 67.9 |
| 人間の評価スコア | BenchLeader | – | 67.1 |
| 知識スコア | BenchLeader | – | 71.5 |
| 数学スコア | BenchLeader | – | 71.6 |
| 推論スコア | BenchLeader | – | 71.4 |
| ブレンド価格($/100万トークン) | BenchLeader | $1.13 | $4.00 |
| 出力速度 | BenchLeader | 196 tok/s | 50 tok/s |
| 回答開始までの時間 | BenchLeader | 4.7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 | 83.2%† | 95.4% |
| SimpleBench | SimpleBench | 61.1%† | 82.9%† |
| Arena Hard Prompts | Arena (LMArena) | 1493† | 1505 |
| LiveBench 2.0 Reasoning | LiveBench | – | 92.6% |
| LiveBench 1.0 Reasoning | LiveBench | – | 92.6% |
| GPQA Diamond (AA) | Artificial Analysis | 89.8% | – |
| Humanity's Last Exam (AA) | Artificial Analysis | 36.6% | 52.9% |
| HLE-Diamond (AA) | Artificial Analysis | – | 58.8% |
| GPQA Diamond (Vals) | Vals AI | 87.9%† | – |
| ARC-AGI-1 | ARC Prize | 84.7%† | 96.5% |
| ARC-AGI-2 | ARC Prize | 33.6%† | 94.2% |
| ARC-AGI-3 | ARC Prize | – | 96.2% |
| CritPt | Artificial Analysis | 8.6% | 31.7% |
| CritPt v2 hard subset (AA) | Artificial Analysis | – | 69.5% |
| MysteryMechanism | Vals AI | – | 46.4% |
| SciPredict | Scale AI SEAL | 22.2%† | – |
| Arena Expert | Arena (LMArena) | 1498† | 1525 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 40.0%† | 68.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 20.0%† | 80.0% |
| LMCA | Epoch AI Benchmarking Hub | 43.1%† | 62.8% |
| DTBench | Epoch AI Benchmarking Hub | 89.1%† | 96.5% |
| ForecastBench | ForecastBench | 64.4%† | – |
| コーディング | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | 75.4%† | – |
| SciCode | SciCode | – | 54.2% |
| WeirdML | WeirdML | 61.6%† | – |
198件のベンチマークをすべて表示
| 指標 | 公開元 | Gemini 3 Flash (thinking) | GPT-6.1 Sol (max) |
|---|---|---|---|
| コーディング | |||
| FrontierCode | Cognition | – | 50.2%† |
| GSO-Bench | GSO-Bench | 9.8%† | – |
| Arena Coding | Arena (LMArena) | 1505† | 1540 |
| Arena WebDev | Arena (LMArena) | 1440† | 1743 |
| LiveBench 2.0 Coding | LiveBench | – | 82.1% |
| LiveBench 1.0 Coding | LiveBench | – | 80.4% |
| LiveCodeBench | Vals AI | 85.6%† | – |
| IOI | Vals AI | – | 96.9% |
| SWE-bench (Vals) | Vals AI | 75.0%† | – |
| SWE-Bench Pro | Scale AI SEAL | 34.6%† | – |
| SWE-bench Verified (bash only) | SWE-bench | 75.8%† | – |
| SWE-bench Multilingual (bash only) | SWE-bench | 72.7%† | – |
| SWE-bench Verified (any scaffold) | SWE-bench | 75.8%† | – |
| Code Migration | Vals AI | 6.4%† | 65.1% |
| Code Migration v1.1 | Vals AI | – | 77.3% |
| ProgramBench | Vals AI | 0.0%† | 3.0% |
| SWE-bench Multimodal | Vals AI | – | 43.5% |
| Vibe Code Bench v1.1 | Vals AI | 20.2%† | 88.9% |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | 8.2%† | – |
| SWE Atlas v1.0: Refactoring | Scale AI SEAL | 10.0%† | – |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | 30.3%† | – |
| SWE Atlas v1.1 | Scale AI SEAL | – | 65.9%† |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | – | 71.0%† |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | – | 66.7%† |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | – | 60.0%† |
| SWE-Bench Pro V2 | Scale AI SEAL | – | 96.1%† |
| MirrorCode | Epoch AI Benchmarking Hub | – | 61.1% |
| ALE-Bench | Epoch AI Benchmarking Hub | 1367.2† | 2743.8 |
| WeirdML v3 | WeirdML | – | 38.3%† |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | – | 56.1% |
| Startrise Frontend | Startrise | – | 78.6%† |
| GameBench 2 Overall | DuelLab GameBench 2 | – | 84.9† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | – | 92.0† |
| Design Arena Website | Design Arena | 1188† | 1315† |
| FrontierCode 1.1 (AA) | Artificial Analysis | – | 49.1% |
| FrontierCode 2.0 (AA) | Artificial Analysis | – | 40.6% |
| LiveCodeBench (AA) | Artificial Analysis | 90.8% | – |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 64.3%† | 60.9% |
| APEX-Agents | Mercor | – | 60.0% |
| Arena Agent | Arena (LMArena) | – | 12.5 |
| LiveBench Long Agentic | LiveBench | – | 65.6% |
| LiveBench Browser | LiveBench | – | 93.3% |
| LiveBench Agentic Coding | LiveBench | – | 54.5% |
| Terminal-Bench Hard | Artificial Analysis | 38.6% | – |
| τ²-Bench Telecom (AA) | Artificial Analysis | 80.4% | – |
| Terminal-Bench 2.1 (Vals) | Vals AI | 53.9%† | – |
| MCP Atlas | Scale AI SEAL | 62.0%† | – |
| HiL-Bench | Scale AI SEAL | – | 62.3%† |
| τ²-bench | τ²-bench | 83.5%† | – |
| τ³-bench Banking | τ²-bench | 27.3%† | – |
| GDPval-AA v2.1, normalised score | Artificial Analysis | – | 54.8% |
| GDPval-AA v2.1 | Artificial Analysis | – | 1607 |
| τ³-Banking (AA) | Artificial Analysis | 20.8% | – |
| Analyst Agent (AA) | Artificial Analysis | – | 50.0% |
| APEX-Agents (AA) | Artificial Analysis | 27.7% | – |
| CyberBench | Vals AI | – | 39.3% |
| Finance Agent v2 | Vals AI | 42.5%† | 52.0% |
| Finance Agent v2.1 | Vals AI | – | 61.8% |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | – | 6.3% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 0.0%† | 5.4% |
| Legal Research Bench | Vals AI | 18.3%† | 38.5% |
| Poker Agent | Vals AI | 1100.2%† | – |
| Robo-bench | Vals AI | – | 28.3% |
| SREBench | Vals AI | – | 50.8% |
| Tax Agent Bench | Vals AI | 11.8%† | 21.8% |
| Terminal-Bench 2.0 (Vals) | Vals AI | 51.7%† | – |
| Terminal-Bench 4.0 (Vals) | Vals AI | – | 55.0% |
| Terminal-Bench Science | Vals AI | – | 52.9% |
| Arena Search | Arena (LMArena) | 1189† | 1249 |
| Arena Agent Task Completion | Arena (LMArena) | – | 11.7 |
| BALROG | BALROG | 48.1%† | – |
| DeepResearch Bench | DeepResearch Bench | 47.9%† | – |
| PostTrainBench | Epoch AI Benchmarking Hub | – | 38.8% |
| Vending-Bench 2 | Andon Labs | 3634.7† | 12860.6† |
| SpireClimb | Epoch AI Benchmarking Hub | – | 23.8% |
| AutomationBench | Artificial Analysis | – | 64.9% |
| GDP.pdf (AA) | Artificial Analysis | – | 31.0% |
| Harvey LAB-AA v1.1 | Harvey | – | 6.9% |
| AA-Briefcase v1.1 | Artificial Analysis | – | 1555 |
| GDPx | GDPx by SemiAnalysis | – | 8.4% |
| Design Arena Agentic | Design Arena | 1081† | 1375 |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | – | 58.1% |
| MKA (AA) | Artificial Analysis | – | 47.7% |
| BrowseComp | OpenAI | 16.9%† | – |
| FACTS Search | 84.5%† | 92.8%† | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 51.2%† | 93.7% |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 17.1%† | 100.0% |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 92.8%† | 100.0% |
| ProofBench | Vals AI | 15.0%† | 99.0%† |
| LiveBench Mathematics | LiveBench | – | 96.8% |
| AIME (Vals) | Vals AI | 95.6%† | – |
| MGSM | Vals AI | 93.3%† | – |
| AIME 2026 | MathArena | 96.7%† | – |
| HMMT February 2026 | MathArena | 89.4%† | – |
| MathArena Apex | MathArena | 15.6%† | – |
| ArXivMath | MathArena | – | 92.8% |
| BrokenArXiv | MathArena | – | 83.1% |
| Arena Maths | Arena (LMArena) | 1474† | 1499 |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | – | 4.4% |
| AIME 2025 (AA) | Artificial Analysis | 97.0% | – |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 66.8%† | 73.9% |
| LiveBench 2.0 Data Analysis | LiveBench | – | 82.7% |
| LiveBench Research | LiveBench | – | 90.0% |
| LiveBench 1.0 Data Analysis | LiveBench | – | 82.7% |
| AA-Omniscience v1.1 | Artificial Analysis | – | 42.0 |
| MMLU-Pro | Vals AI | 88.6%† | – |
| LegalBench | Vals AI | 86.9%† | – |
| CorpFin | Vals AI | 66.4%† | – |
| TaxEval | Vals AI | 73.9%† | – |
| MedQA | Vals AI | 95.8%† | – |
| PRBench Finance | Scale AI SEAL | – | 46.2%† |
| PRBench Legal | Scale AI SEAL | – | 47.9%† |
| BioMysteryBench | Vals AI | – | 79.6% |
| CaseLaw v2 | Vals AI | 55.8%† | – |
| ClaimBench | Vals AI | – | 100.0% |
| Excel Modeling Benchmark | Vals AI | 26.0%† | 70.8% |
| Excel Modeling Benchmark v1.1 | Vals AI | – | 71.1% |
| MedCode | Vals AI | 55.9%† | 48.8% |
| MedScribe | Vals AI | 69.9%† | 86.5% |
| Public Benefits Bench v1.1 | Vals AI | – | 59.3% |
| Access to Justice Benchmark | Vals AI | – | 65.8% |
| Financial Coaching Bench | Vals AI | – | 68.5% |
| Immigration Bench | Vals AI | – | 67.8% |
| EBR-bench | Epoch AI Benchmarking Hub | – | 54.3% |
| GDP.pdf | Epoch AI Benchmarking Hub | 10.0%† | 35.0% |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | – | 61.8% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | – | 48.1% |
| Global-MMLU-Lite (AA) | Artificial Analysis | 91.4% | – |
| HealthBench Professional (AA) | OpenAI | – | 65.1% |
| FACTS Parametric | 72.4%† | 83.8%† | |
| 指示追従 | |||
| LiveBench Language | LiveBench | – | 90.1% |
| LiveBench Instruction Following | LiveBench | – | 74.2% |
| IFBench | Artificial Analysis | 78.0% | – |
| MultiChallenge | Scale AI SEAL | – | 82.0%† |
| Arena Instruction Following | Arena (LMArena) | 1457† | 1482 |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1473† | 1481 |
| EQ-Bench 4 | EQ-Bench | – | 1272† |
| Arena Creative Writing | Arena (LMArena) | 1456† | 1449 |
| Arena Multi-turn | Arena (LMArena) | 1482† | 1486 |
| Arena Longer Queries | Arena (LMArena) | 1476† | 1488 |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1285† | 1286 |
| LiveBench Design | LiveBench | – | 79.6% |
| MMMU-Pro | Artificial Analysis | 79.9% | 86.0% |
| MMMU-Pro (Vals) | Vals AI | 87.6%† | – |
| MortgageTax | Vals AI | 68.7%† | – |
| SAGE | Vals AI | – | 90.5% |
| Humanity's Sixth Sense | Scale AI SEAL | – | 46.6% |
| GeoBench | GeoBench | 88.0%† | – |
| VPCT | Epoch AI Benchmarking Hub | 72.6%† | – |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 0.0%† | 43.2%† |
| Furniture Assembly | Epoch AI Benchmarking Hub | – | 80.0% |
| VIALS-AA | Handshake AI | – | 59.0% |
| Code2Video-AA | Artificial Analysis | – | 1369 |
| AA-3D | Artificial Analysis | – | 1121 |
| FACTS Multimodal | 49.7%† | 52.6%† | |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 78.0% | 83.0% |
| Arena Document | Arena (LMArena) | 1440† | – |
| MLCR | Artificial Analysis | – | 38.3% |
| FACTS Grounding | 48.6%† | 78.0%† | |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 152.3† | 168.5† |
| LiveBench 2.0 | LiveBench | – | 81.4% |
| LiveBench 1.0 | LiveBench | – | 81.6% |
| AA Intelligence Index v5.0.1 | Artificial Analysis | – | 54.6 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 26.3 | 51.8 |
| AA Progress Index v1 | Artificial Analysis | 290.1 | 348.5 |
| Vals Index | Vals AI | – | 63.9 |
| Vals Finance Index | Vals AI | – | 55.8% |
| Vals RSI Index | Vals AI | – | 26.6% |
| Vals Science Index | Vals AI | – | 59.6% |
| Vals Multimodal Index | Vals AI | 52.2%† | – |
| Vals Router Index | Vals AI | – | 63.9%† |
| Vals Legal Index | Vals AI | – | 68.7% |
| 安全性・誠実さ | |||
| DistressBench | Scale AI SEAL | – | 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
- 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 Flash (thinking):新しい結果2件(Global-MMLU-Lite (AA), AIME 2025 (AA))。
- 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。
関連する比較
- Gemini 3 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 Pro vs GPT-6.1 Sol
- Gemini 3 Flash vs Gemini 4 Argon
- Gemini 3 Flash vs Claude Sonnet 5.5
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 Flash vs GPT-6.1 Sol:よくある質問
- GPT-6.1 SolはGemini 3 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 58.9。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 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 Flashの方が安く、100万トークンあたり$1.13 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。
- Gemini 3 FlashとGPT-6.1 Solはどちらが速いですか?
- Gemini 3 Flashの方が出力が3倍以上速くなっています(出力196 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 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 55。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 64)。どちらも約1.1Mトークンです(Gemini 3 Flashは1,048,576、GPT-6.1 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Gemini 3 Flashです。Artificial Analysisの測定では、最初の回答トークンまで4.7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 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5件のベンチマークのうち、Gemini 3 Flashのリードが0件、GPT-6.1 Solのリードが5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。