BenchLeader

Gemini 4 Hydrogen vs GPT-6.1 Sol

詳しいプロフィール:Gemini 4 Hydrogen(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 4 Hydrogenを上回ります(BenchLeader Indexで66.6 対 63.4)。ただし、価格はGemini 4 Hydrogenの方が1.3倍安く、100万トークンあたりのブレンド価格で$3.00 対 $4.00です。人間の評価(68 対 67)を重視するならGemini 4 Hydrogen、数学(72 対 68)、知識(72 対 69)、エージェント・ツール(64 対 62)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 4 Hydrogenの方が短く、16.2秒 対 166.7秒です。Gemini 4 Hydrogenは出力が3倍以上速い点も強みです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGemini 4 Hydrogenが63.4、GPT-6.1 Solが66.6です(BenchLeader、2026年11月16日)。
  • Gemini 4 Hydrogenの100万トークンあたりのブレンド価格は$3.00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 4 Hydrogen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21件のベンチマークのうち、GPT-6.1 Solが13件でリードしています(BenchLeader、2026年11月16日)。
  • Arena WebDevでの評価はGemini 4 Hydrogenが1704、GPT-6.1 Solが1743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-6.1 Solカテゴリスコア71 対 69;Arena WebDev 1743 対 1704中
エージェント・ツール利用GPT-6.1 Solカテゴリスコア64 対 62;Terminal-Bench 60.9% 対 56.4%中
数学GPT-6.1 Solカテゴリスコア72 対 68;Arena Maths 1499 対 1495中
推論GPT-6.1 Solカテゴリスコア71 対 70;HLE-Diamond (AA) 58.8% 対 54.9%中
知識GPT-6.1 Solカテゴリスコア72 対 69;AA-Omniscience v1.1 42.0 対 43.7中
チャットの質(人間の評価)Gemini 4 HydrogenArenaの投票で68 対 67中
最低コストGemini 4 Hydrogen100万トークンあたりブレンド価格$3.00 対 $4.00;エージェント型コーディングセッション$0.120 対 $0.160–
回答開始の速さGemini 4 Hydrogen最初の回答トークンまで16.2秒(Gemini 4 Hydrogen (high))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 63.4。
  • Gemini 4 Hydrogen (high)は人間の評価で優れています。
  • GPT-6.1 Sol (max)はエージェント・ツール、コーディング、知識、数学、推論で優れています。
  • Gemini 4 Hydrogen (high)の方が1.3倍安くなっています(100万トークンあたりブレンド価格$3.00 対 $4.00)。
  • Gemini 4 Hydrogen (high)の方が出力が3.4倍速くなっています(170 対 50トークン/秒)。

概要

仕様Gemini 4 HydrogenGPT-6.1 Sol
プロバイダーGoogleOpenAI
リリース日2026年11月12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 4 Hydrogen (high)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)$1.50 / $7.50 / $0.075$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 4 Hydrogen (high)GPT-6.1 Sol (max)トップ
推論69.671.4GPT-6.1 Sol
コーディング68.871.1GPT-6.1 Sol
エージェント・ツール61.764.3GPT-6.1 Sol
数学67.871.6GPT-6.1 Sol
知識68.571.5GPT-6.1 Sol
人間の評価68.267.1Gemini 4 Hydrogen
マルチモーダル–65.6比較不可
長文コンテキスト–66.2比較不可
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推論コーディングエージェント・ツール数学知識人間の評価Gemini 4 Hydrogen, 推論: 69.6Gemini 4 Hydrogen, コーディング: 68.8Gemini 4 Hydrogen, エージェント・ツール: 61.7Gemini 4 Hydrogen, 数学: 67.8Gemini 4 Hydrogen, 知識: 68.5Gemini 4 Hydrogen, 人間の評価: 68.2GPT-6.1 Sol, 推論: 71.4GPT-6.1 Sol, コーディング: 71.1GPT-6.1 Sol, エージェント・ツール: 64.3GPT-6.1 Sol, 数学: 71.6GPT-6.1 Sol, 知識: 71.5GPT-6.1 Sol, 人間の評価: 67.1

描画していないもの(測定済みのモデルが2つ未満):指示追従, 長文コンテキスト, 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21件のベンチマークのうち、Gemini 4 Hydrogenのリードが8件、GPT-6.1 Solのリードが13件です。第三者の総合指標でも評価が分かれ、Gemini 4 HydrogenはVals Index、Arena Textで、GPT-6.1 SolはBenchLeader Index、AA Intelligence Index v5.0.1でリードしています。

総合IndexGemini 4 Hydrogen (high)GPT-6.1 Sol (max)トップ
BenchLeader Index63.466.6GPT-6.1 Sol
AA Intelligence Index v5.0.150.854.6GPT-6.1 Sol
Vals Index68.5†63.9Gemini 4 Hydrogen
Arena Text14901481Gemini 4 Hydrogen

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 4 Hydrogen (high)GPT-6.1 Sol (max)
100万トークンあたりのブレンド価格$3.00$4.00
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$0.0029$0.0038
タスクあたりの価格:30ページのレポートを要約$0.022$0.030
タスクあたりの価格:コード編集$0.020$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$0.120$0.160
タスクあたりの価格:構造化データの抽出$0.0045$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)$0.056$0.074
ベンチマークのタスクあたりのコスト(AA Index)$1.87$1.27
タスクあたりの出力トークン(AA Index)85k68k
うち推論48k49k
タスクあたりの時間(AA Index)8 min23 min
出力速度170 tok/s50 tok/s
回答開始までの時間16.2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)63.3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 4 Hydrogen (high)で$1.87、GPT-6.1 Sol (max)で$1.27でした。同じ作業でGemini 4 Hydrogen (high)は1.3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 4 Hydrogen (high)のスコアは63.4、最初の回答トークンまで16秒。Gemini 4 Hydrogen (xhigh)は61.8(42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

148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 4 Hydrogen (high)GPT-6.1 Sol (max)
BenchLeader IndexBenchLeader63.466.6
エージェント・ツールスコアBenchLeader61.764.3
コーディングスコアBenchLeader68.871.1
人間の評価スコアBenchLeader68.267.1
知識スコアBenchLeader68.571.5
数学スコアBenchLeader67.871.6
推論スコアBenchLeader69.671.4
総合スコアBenchLeader–67.9
長文コンテキストスコアBenchLeader–66.2
マルチモーダルスコアBenchLeader–65.6
ブレンド価格($/100万トークン)BenchLeader$3.00$4.00
出力速度BenchLeader170 tok/s50 tok/s
回答開始までの時間BenchLeader16.2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 Hub–95.4%
SimpleBenchSimpleBench–82.9%†
Arena Hard PromptsArena (LMArena)15141505
LiveBench 2.0 ReasoningLiveBench88.6%†92.6%
LiveBench 1.0 ReasoningLiveBench–92.6%
Humanity's Last Exam (AA)Artificial Analysis–52.9%
HLE-Diamond (AA)Artificial Analysis54.9%58.8%
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 Analysis61.5%69.5%
MysteryMechanismVals AI–46.4%
Arena ExpertArena (LMArena)15421525
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%
コーディング
SciCodeSciCode–54.2%
FrontierCodeCognition–50.2%†
Arena CodingArena (LMArena)15181540
Arena WebDevArena (LMArena)17041743
LiveBench 2.0 CodingLiveBench78.5%†82.1%
LiveBench 1.0 CodingLiveBench–80.4%
IOIVals AI–96.9%
148件のベンチマークをすべて表示
指標公開元Gemini 4 Hydrogen (high)GPT-6.1 Sol (max)
コーディング
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 AI87.8%†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%
ALE-BenchEpoch AI Benchmarking Hub–2743.8
WeirdML v3WeirdML–38.3%†
Terminal-Bench 4.0 (AA)Artificial Analysis54.0%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 Arena1320†1315†
FrontierCode 1.1 (AA)Artificial Analysis–49.1%
FrontierCode 2.0 (AA)Artificial Analysis36.3%40.6%
エージェント・ツール
Terminal-BenchTerminal-Bench56.4%60.9%
APEX-AgentsMercor–60.0%
Arena AgentArena (LMArena)–12.5
LiveBench Long AgenticLiveBench61.8%†65.6%
LiveBench BrowserLiveBench77.1%†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 AI65.1%†61.8%
Harvey's Legal Agent Benchmark v1.1Vals AI11.3%†6.3%
Harvey's Legal Agent Benchmark v1Vals AI–5.4%
Legal Research BenchVals AI53.9%†38.5%
Robo-benchVals AI–28.3%
SREBenchVals AI–50.8%
Tax Agent BenchVals AI52.3%†21.8%
Terminal-Bench 4.0 (Vals)Vals AI54.0%†55.0%
Terminal-Bench ScienceVals AI–52.9%
Arena SearchArena (LMArena)–1249
Arena Agent Task CompletionArena (LMArena)–11.7
PostTrainBenchEpoch AI Benchmarking Hub–38.8%
Vending-Bench 2Andon Labs–12860.6†
SpireClimbEpoch AI Benchmarking Hub–23.8%
AutomationBenchArtificial Analysis74.4%64.9%
GDP.pdf (AA)Artificial Analysis30.0%31.0%
Harvey LAB-AA v1.1Harvey–6.9%
AA-Briefcase v1.1Artificial Analysis14971555
GDPxGDPx by SemiAnalysis–8.4%
Design Arena AgenticDesign Arena1262†1375
Terminal-Bench-Science 0.1 (AA)Artificial Analysis41.4%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%
ProofBenchVals AI–99.0%†
LiveBench MathematicsLiveBench–96.8%
ArXivMathMathArena–92.8%
BrokenArXivMathArena–83.1%
Arena MathsArena (LMArena)14951499
FrontierMath ErdősEpoch AI Benchmarking Hub–4.4%
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub–73.9%
LiveBench 2.0 Data AnalysisLiveBench83.2%†82.7%
LiveBench ResearchLiveBench86.8%†90.0%
LiveBench 1.0 Data AnalysisLiveBench–82.7%
AA-Omniscience v1.1Artificial Analysis43.742.0
PRBench FinanceScale AI SEAL–46.2%†
PRBench LegalScale AI SEAL–47.9%†
BioMysteryBenchVals AI–79.6%
ClaimBenchVals AI–100.0%
Excel Modeling BenchmarkVals AI–70.8%
Excel Modeling Benchmark v1.1Vals AI75.8%†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%
EBR-benchEpoch AI Benchmarking Hub–54.3%
GDP.pdfEpoch AI Benchmarking Hub–35.0%
AA-Omniscience v1.1: accuracyArtificial Analysis48.2%61.8%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis91.3%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%†
Arena Instruction FollowingArena (LMArena)15031482
人間の評価
Arena TextArena (LMArena)14901481
EQ-Bench 4EQ-Bench–1272†
Arena Creative WritingArena (LMArena)14921449
Arena Multi-turnArena (LMArena)14761486
Arena Longer QueriesArena (LMArena)15141488
マルチモーダル
Arena VisionArena (LMArena)–1286
LiveBench DesignLiveBench77.3%†79.6%
MMMU-ProArtificial Analysis–86.0%
SAGEVals AI–90.5%
Humanity's Sixth SenseScale AI SEAL–46.6%
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
AA-LCR v1.1Artificial Analysis–83.0%
MLCRArtificial Analysis21.1%†38.3%
FACTS GroundingGoogle–78.0%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–168.5†
LiveBench 2.0LiveBench77.0%†81.4%
LiveBench 1.0LiveBench–81.6%
AA Intelligence Index v5.0.1Artificial Analysis50.854.6
AA Intelligence Index v4.3.2Artificial Analysis–51.8
AA Progress Index v1Artificial Analysis–348.5
Vals IndexVals AI68.5†63.9
Vals Finance IndexVals AI66.1%†55.8%
Vals RSI IndexVals AI–26.6%
Vals Science IndexVals AI–59.6%
Vals Router IndexVals AI–63.9%†
Vals Legal IndexVals AI73.6%†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。
  • GPT-6.1 Sol (max):スコアの改訂1件。
  • Gemini 4 Hydrogen (high):新しい結果10件(Arena Text, Arena Hard Prompts, Arena Coding…)。
  • 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 4 Hydrogen vs GPT-6.1 Sol:よくある質問

GPT-6.1 SolはGemini 4 Hydrogen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 63.4。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 4 Hydrogen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 4 Hydrogenの方が安く、100万トークンあたり$3.00 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Gemini 4 Hydrogen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 69。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、Gemini 4 Hydrogenが1704、GPT-6.1 Solが1743です。
Gemini 4 HydrogenとGPT-6.1 Solはどちらが速いですか?
Gemini 4 Hydrogenの方が出力が3倍以上速くなっています(出力170 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 4 Hydrogen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 62。50が平均)。共通するエージェント・ツールベンチマークのうち最も重要なTerminal-Benchでは、Gemini 4 Hydrogenが56.4%、GPT-6.1 Solが60.9%です。
ほかの質問(4件)
長い文書にはどちらが向いていますか?
どちらも約1.1Mトークンです(Gemini 4 Hydrogen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 4 Hydrogenです。Artificial Analysisの測定では、最初の回答トークンまで16.2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 4 Hydrogen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21件のベンチマークのうち、Gemini 4 Hydrogenのリードが8件、GPT-6.1 Solのリードが13件です。第三者の総合指標でも評価が分かれ、Gemini 4 HydrogenはVals Index、Arena Textで、GPT-6.1 SolはBenchLeader Index、AA Intelligence Index v5.0.1でリードしています。
Gemini 4 Hydrogenはいつリリースされましたか?
Gemini 4 Hydrogenは2026年11月12日にリリースされました。