BenchLeader

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 Flash100万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 FlashGPT-6.1 Sol
プロバイダーGoogleOpenAI
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)1,048,5761,050,000
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55.164.3GPT-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62.365.6GPT-6.1 Sol
長文コンテキスト63.666.2GPT-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。

2550 avg75エージェント・ツール長文コンテキストマルチモーダルGemini 3 Flash, エージェント・ツール: 55.1Gemini 3 Flash, 長文コンテキスト: 63.6Gemini 3 Flash, マルチモーダル: 62.3GPT-6.1 Sol, エージェント・ツール: 64.3GPT-6.1 Sol, 長文コンテキスト: 66.2GPT-6.1 Sol, マルチモーダル: 65.6

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。

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IndexGemini 3 Flash (thinking)GPT-6.1 Sol (max)トップ
BenchLeader Index58.966.6GPT-6.1 Sol
Arena Text1458†1481GPT-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/s50 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 IndexBenchLeader58.966.6
エージェント・ツールスコアBenchLeader55.164.3
指示追従スコアBenchLeader75.9–
長文コンテキストスコアBenchLeader63.666.2
マルチモーダルスコアBenchLeader62.365.6
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BenchLeader196 tok/s50 tok/s
回答開始までの時間BenchLeader4.7秒166.7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 Hub83.2%†95.4%
SimpleBenchSimpleBench61.1%†82.9%†
Arena Hard PromptsArena (LMArena)1493†1505
LiveBench 2.0 ReasoningLiveBench–92.6%
LiveBench 1.0 ReasoningLiveBench–92.6%
GPQA Diamond (AA)Artificial Analysis89.8%–
Humanity's Last Exam (AA)Artificial Analysis36.6%52.9%
HLE-Diamond (AA)Artificial Analysis–58.8%
GPQA Diamond (Vals)Vals AI87.9%†–
ARC-AGI-1ARC Prize84.7%†96.5%
ARC-AGI-2ARC Prize33.6%†94.2%
ARC-AGI-3ARC Prize–96.2%
CritPtArtificial Analysis8.6%31.7%
CritPt v2 hard subset (AA)Artificial Analysis–69.5%
MysteryMechanismVals AI–46.4%
SciPredictScale AI SEAL22.2%†–
Arena ExpertArena (LMArena)1498†1525
Chess PuzzlesEpoch AI Benchmarking Hub40.0%†68.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub20.0%†80.0%
LMCAEpoch AI Benchmarking Hub43.1%†62.8%
DTBenchEpoch AI Benchmarking Hub89.1%†96.5%
ForecastBenchForecastBench64.4%†–
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub75.4%†–
SciCodeSciCode–54.2%
WeirdMLWeirdML61.6%†–
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
FrontierCodeCognition–50.2%†
GSO-BenchGSO-Bench9.8%†–
Arena CodingArena (LMArena)1505†1540
Arena WebDevArena (LMArena)1440†1743
LiveBench 2.0 CodingLiveBench–82.1%
LiveBench 1.0 CodingLiveBench–80.4%
LiveCodeBenchVals AI85.6%†–
IOIVals AI–96.9%
SWE-bench (Vals)Vals AI75.0%†–
SWE-Bench ProScale AI SEAL34.6%†–
SWE-bench Verified (bash only)SWE-bench75.8%†–
SWE-bench Multilingual (bash only)SWE-bench72.7%†–
SWE-bench Verified (any scaffold)SWE-bench75.8%†–
Code MigrationVals AI6.4%†65.1%
Code Migration v1.1Vals AI–77.3%
ProgramBenchVals AI0.0%†3.0%
SWE-bench MultimodalVals AI–43.5%
Vibe Code Bench v1.1Vals AI20.2%†88.9%
SWE Atlas v1.0: Codebase QnAScale AI SEAL8.2%†–
SWE Atlas v1.0: RefactoringScale AI SEAL10.0%†–
SWE Atlas v1.0: Test WritingScale AI SEAL30.3%†–
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%
ALE-BenchEpoch AI Benchmarking Hub1367.2†2743.8
WeirdML v3WeirdML–38.3%†
Terminal-Bench 4.0 (AA)Artificial Analysis–56.1%
Startrise FrontendStartrise–78.6%†
GameBench 2 OverallDuelLab GameBench 2–84.9†
GameBench 2 by reasoning settingDuelLab GameBench 2–92.0†
Design Arena WebsiteDesign Arena1188†1315†
FrontierCode 1.1 (AA)Artificial Analysis–49.1%
FrontierCode 2.0 (AA)Artificial Analysis–40.6%
LiveCodeBench (AA)Artificial Analysis90.8%–
エージェント・ツール
Terminal-BenchTerminal-Bench64.3%†60.9%
APEX-AgentsMercor–60.0%
Arena AgentArena (LMArena)–12.5
LiveBench Long AgenticLiveBench–65.6%
LiveBench BrowserLiveBench–93.3%
LiveBench Agentic CodingLiveBench–54.5%
Terminal-Bench HardArtificial Analysis38.6%–
τ²-Bench Telecom (AA)Artificial Analysis80.4%–
Terminal-Bench 2.1 (Vals)Vals AI53.9%†–
MCP AtlasScale AI SEAL62.0%†–
HiL-BenchScale AI SEAL–62.3%†
τ²-benchτ²-bench83.5%†–
τ³-bench Bankingτ²-bench27.3%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis–54.8%
GDPval-AA v2.1Artificial Analysis–1607
τ³-Banking (AA)Artificial Analysis20.8%–
Analyst Agent (AA)Artificial Analysis–50.0%
APEX-Agents (AA)Artificial Analysis27.7%–
CyberBenchVals AI–39.3%
Finance Agent v2Vals AI42.5%†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 AI0.0%†5.4%
Legal Research BenchVals AI18.3%†38.5%
Poker AgentVals AI1100.2%†–
Robo-benchVals AI–28.3%
SREBenchVals AI–50.8%
Tax Agent BenchVals AI11.8%†21.8%
Terminal-Bench 2.0 (Vals)Vals AI51.7%†–
Terminal-Bench 4.0 (Vals)Vals AI–55.0%
Terminal-Bench ScienceVals AI–52.9%
Arena SearchArena (LMArena)1189†1249
Arena Agent Task CompletionArena (LMArena)–11.7
BALROGBALROG48.1%†–
DeepResearch BenchDeepResearch Bench47.9%†–
PostTrainBenchEpoch AI Benchmarking Hub–38.8%
Vending-Bench 2Andon Labs3634.7†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–1555
GDPxGDPx by SemiAnalysis–8.4%
Design Arena AgenticDesign Arena1081†1375
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–58.1%
MKA (AA)Artificial Analysis–47.7%
BrowseCompOpenAI16.9%†–
FACTS SearchGoogle84.5%†92.8%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub51.2%†93.7%
FrontierMath Tier 4Epoch AI Benchmarking Hub17.1%†100.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub92.8%†100.0%
ProofBenchVals AI15.0%†99.0%†
LiveBench MathematicsLiveBench–96.8%
AIME (Vals)Vals AI95.6%†–
MGSMVals AI93.3%†–
AIME 2026MathArena96.7%†–
HMMT February 2026MathArena89.4%†–
MathArena ApexMathArena15.6%†–
ArXivMathMathArena–92.8%
BrokenArXivMathArena–83.1%
Arena MathsArena (LMArena)1474†1499
FrontierMath ErdősEpoch AI Benchmarking Hub–4.4%
AIME 2025 (AA)Artificial Analysis97.0%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub66.8%†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 AI88.6%†–
LegalBenchVals AI86.9%†–
CorpFinVals AI66.4%†–
TaxEvalVals AI73.9%†–
MedQAVals AI95.8%†–
PRBench FinanceScale AI SEAL–46.2%†
PRBench LegalScale AI SEAL–47.9%†
BioMysteryBenchVals AI–79.6%
CaseLaw v2Vals AI55.8%†–
ClaimBenchVals AI–100.0%
Excel Modeling BenchmarkVals AI26.0%†70.8%
Excel Modeling Benchmark v1.1Vals AI–71.1%
MedCodeVals AI55.9%†48.8%
MedScribeVals AI69.9%†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%
EBR-benchEpoch AI Benchmarking Hub–54.3%
GDP.pdfEpoch AI Benchmarking Hub10.0%†35.0%
AA-Omniscience v1.1: accuracyArtificial Analysis–61.8%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–48.1%
Global-MMLU-Lite (AA)Artificial Analysis91.4%–
HealthBench Professional (AA)OpenAI–65.1%
FACTS ParametricGoogle72.4%†83.8%†
指示追従
LiveBench LanguageLiveBench–90.1%
LiveBench Instruction FollowingLiveBench–74.2%
IFBenchArtificial Analysis78.0%–
MultiChallengeScale AI SEAL–82.0%†
Arena Instruction FollowingArena (LMArena)1457†1482
人間の評価
Arena TextArena (LMArena)1473†1481
EQ-Bench 4EQ-Bench–1272†
Arena Creative WritingArena (LMArena)1456†1449
Arena Multi-turnArena (LMArena)1482†1486
Arena Longer QueriesArena (LMArena)1476†1488
マルチモーダル
Arena VisionArena (LMArena)1285†1286
LiveBench DesignLiveBench–79.6%
MMMU-ProArtificial Analysis79.9%86.0%
MMMU-Pro (Vals)Vals AI87.6%†–
MortgageTaxVals AI68.7%†–
SAGEVals AI–90.5%
Humanity's Sixth SenseScale AI SEAL–46.6%
GeoBenchGeoBench88.0%†–
VPCTEpoch AI Benchmarking Hub72.6%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub0.0%†43.2%†
Furniture AssemblyEpoch AI Benchmarking Hub–80.0%
VIALS-AAHandshake AI–59.0%
Code2Video-AAArtificial Analysis–1369
AA-3DArtificial Analysis–1121
FACTS MultimodalGoogle49.7%†52.6%†
長文コンテキスト
AA-LCR v1.1Artificial Analysis78.0%83.0%
Arena DocumentArena (LMArena)1440†–
MLCRArtificial Analysis–38.3%
FACTS GroundingGoogle48.6%†78.0%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub152.3†168.5†
LiveBench 2.0LiveBench–81.4%
LiveBench 1.0LiveBench–81.6%
AA Intelligence Index v5.0.1Artificial Analysis–54.6
AA Intelligence Index v4.3.2Artificial Analysis26.351.8
AA Progress Index v1Artificial Analysis290.1348.5
Vals IndexVals AI–63.9
Vals Finance IndexVals AI–55.8%
Vals RSI IndexVals AI–26.6%
Vals Science IndexVals AI–59.6%
Vals Multimodal IndexVals AI52.2%†–
Vals Router IndexVals AI–63.9%†
Vals Legal IndexVals AI–68.7%
安全性・誠実さ
DistressBenchScale 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。

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。