BenchLeader

Gemini 4 Hydrogen vs GPT-6.1 Terra

詳しいプロフィール:Gemini 4 Hydrogen(Google)とGPT-6.1 Terra(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 · 10件の情報源のデータ

2026年11月16日時点で、Gemini 4 HydrogenとGPT-6.1 Terraの品質は互角です(BenchLeader Indexで63.4 対 64.1、±2.8の誤差範囲内)。価格はGPT-6.1 Terraの方が1.5倍安く、100万トークンあたりのブレンド価格で$2.00 対 $3.00です。知識(69 対 61)、推論(70 対 68)を重視するならGemini 4 Hydrogen、数学(72 対 68)、エージェント・ツール(63 対 62)を重視するならGPT-6.1 Terra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 150.9秒です。Gemini 4 Hydrogenは出力が約2倍速い点も強みです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGemini 4 Hydrogenが63.4、GPT-6.1 Terraが64.1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 Terraの100万トークンあたりのブレンド価格は$2.00です(定価、2026年11月16日)。
  • Gemini 4 HydrogenはGPT-6.1 Terra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13件のベンチマークのうち、Gemini 4 Hydrogenが9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 Terraが1678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
コーディングどちらでもカテゴリスコア69 対 69;Arena WebDev 1704 対 1678どちらでも
エージェント・ツール利用GPT-6.1 Terraカテゴリスコア63 対 62;Terminal-Bench 53.3% 対 56.4%中
数学GPT-6.1 Terraカテゴリスコア72 対 68中
推論Gemini 4 Hydrogenカテゴリスコア70 対 68;HLE-Diamond (AA) 54.9% 対 47.3%中
知識Gemini 4 Hydrogenカテゴリスコア69 対 61;AA-Omniscience v1.1 43.7 対 29.6中
チャットの質(人間の評価)–Arenaの評価があるのはGemini 4 Hydrogenのみです(カテゴリスコア68)比較不可
最低コストGPT-6.1 Terra100万トークンあたりブレンド価格$2.00 対 $3.00;エージェント型コーディングセッション$0.080 対 $0.120–
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 150.9秒(GPT-6.1 Terra (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

  • Gemini 4 Hydrogen (high)とGPT-6.1 Terra (max)の品質は互角です(63.4 対 64.1、±2.8の誤差範囲内)。
  • Gemini 4 Hydrogen (high)は知識、推論で優れています。
  • GPT-6.1 Terra (max)はエージェント・ツール、コーディング、数学で優れています。
  • GPT-6.1 Terra (max)の方が1.5倍安くなっています(100万トークンあたりブレンド価格$2.00 対 $3.00)。
  • Gemini 4 Hydrogen (high)の方が出力が2.4倍速くなっています(170 対 72トークン/秒)。

概要

仕様Gemini 4 HydrogenGPT-6.1 Terra
プロバイダーGoogleOpenAI
リリース日2026年11月12日2026年10月26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 Terra (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$1.00 / $5.00 / $0.050

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 Terra (max)トップ
推論69.668.4Gemini 4 Hydrogen
コーディング68.869.3互角
エージェント・ツール61.763.4GPT-6.1 Terra
数学67.871.7GPT-6.1 Terra
知識68.561.4Gemini 4 Hydrogen
人間の評価68.2–比較不可
マルチモーダル–67.2比較不可
長文コンテキスト–66.0比較不可
総合–65.0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: 68.5GPT-6.1 Terra, 推論: 68.4GPT-6.1 Terra, コーディング: 69.3GPT-6.1 Terra, エージェント・ツール: 63.4GPT-6.1 Terra, 数学: 71.7GPT-6.1 Terra, 知識: 61.4

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, 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13件のベンチマークのうち、Gemini 4 Hydrogenのリードが9件、GPT-6.1 Terraのリードが4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で、GPT-6.1 TerraはAA Intelligence Index v5.0.1でリードしています。

総合IndexGemini 4 Hydrogen (high)GPT-6.1 Terra (max)トップ
BenchLeader Index63.464.1互角
AA Intelligence Index v5.0.150.851.3GPT-6.1 Terra
Vals Index68.5†60.5Gemini 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 Terra (max)
100万トークンあたりのブレンド価格$3.00$2.00
100万トークンあたりの入力/出力$1.50 / $7.50$1.00 / $5.00
100万トークンあたりのキャッシュ入力$0.075$0.050
タスクあたりの価格:チャットの返答$0.0029$0.0019
タスクあたりの価格:30ページのレポートを要約$0.022$0.015
タスクあたりの価格:コード編集$0.020$0.013
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$0.080
タスクあたりの価格:構造化データの抽出$0.0045$0.0030
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$0.037
ベンチマークのタスクあたりのコスト(AA Index)$1.87$0.961
タスクあたりの出力トークン(AA Index)85k60k
うち推論48k39k
タスクあたりの時間(AA Index)8 min14 min
出力速度170 tok/s72 tok/s
回答開始までの時間16.2秒150.9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375.7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 Terra (max)で$0.961でした。同じ作業でGemini 4 Hydrogen (high)は1.4倍の出力トークンを書いています。これはトークン単価だけでは見えない差です。

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 Terra (max)のスコアは64.1、最初の回答トークンまで151秒。GPT-6.1 Terra (xhigh)は60.0(30秒)、GPT-6.1 Terra (high)は59.6(10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

90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 Terra (max)
BenchLeader IndexBenchLeader63.464.1
エージェント・ツールスコアBenchLeader61.763.4
コーディングスコアBenchLeader68.869.3
人間の評価スコアBenchLeader68.2–
知識スコアBenchLeader68.561.4
数学スコアBenchLeader67.871.7
推論スコアBenchLeader69.668.4
総合スコアBenchLeader–65.0
長文コンテキストスコアBenchLeader–66.0
マルチモーダルスコアBenchLeader–67.2
ブレンド価格($/100万トークン)BenchLeader$3.00$2.00
出力速度BenchLeader170 tok/s72 tok/s
回答開始までの時間BenchLeader16.2秒150.9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–94.3%
SimpleBenchSimpleBench–72.2%†
Arena Hard PromptsArena (LMArena)1514–
LiveBench 2.0 ReasoningLiveBench88.6%†88.7%
Humanity's Last Exam (AA)Artificial Analysis–46.3%
HLE-Diamond (AA)Artificial Analysis54.9%47.3%
CritPtArtificial Analysis–28.0%
CritPt v2 hard subset (AA)Artificial Analysis61.5%68.0%
HLE-Diamond (Scale)Scale AI SEAL–35.7%†
Arena ExpertArena (LMArena)1542–
Mystery Game PuzzlesEpoch AI Benchmarking Hub–74.0%
コーディング
SciCodeSciCode–55.1%
Arena CodingArena (LMArena)1518–
Arena WebDevArena (LMArena)17041678
LiveBench 2.0 CodingLiveBench78.5%†89.2%
Vibe Code Bench v1.1Vals AI87.8%†84.0%
SWE Atlas v1.1Scale AI SEAL–57.7%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–54.0%†
SWE Atlas v1.1: Test WritingScale AI SEAL–63.3%†
SWE Atlas v1.1: RefactoringScale AI SEAL–55.7%†
MirrorCodeEpoch AI Benchmarking Hub–76.7%
ALE-BenchEpoch AI Benchmarking Hub–2608.8
WeirdML v3WeirdML–28.1%†
Terminal-Bench 4.0 (AA)Artificial Analysis54.0%55.6%
GameBench 2 OverallDuelLab GameBench 2–81.2†
90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 Terra (max)
コーディング
GameBench 2 by reasoning settingDuelLab GameBench 2–85.8†
Design Arena WebsiteDesign Arena1320†1286†
FrontierCode 1.1 (AA)Artificial Analysis–36.0%
FrontierCode 2.0 (AA)Artificial Analysis36.3%42.3%
エージェント・ツール
Terminal-BenchTerminal-Bench56.4%53.3%
APEX-AgentsMercor–68.3%
Arena AgentArena (LMArena)–12
LiveBench Long AgenticLiveBench61.8%†56.2%
LiveBench BrowserLiveBench77.1%†93.1%
HiL-BenchScale AI SEAL–68.0%†
GDPval-AA v2.1Artificial Analysis–1476
Finance Agent v2.1Vals AI65.1%†56.0%
Harvey's Legal Agent Benchmark v1.1Vals AI11.3%†1.7%
Legal Research BenchVals AI53.9%†26.0%
Tax Agent BenchVals AI52.3%†17.1%
Terminal-Bench 4.0 (Vals)Vals AI54.0%†49.5%
Arena Agent Task CompletionArena (LMArena)–9.7
Vending-Bench 2Andon Labs–9107.5†
SpireClimbEpoch AI Benchmarking Hub–22.3%
AutomationBenchArtificial Analysis74.4%60.2%
GDP.pdf (AA)Artificial Analysis30.0%28.6%
AA-Briefcase v1.1Artificial Analysis14971401
GDPxGDPx by SemiAnalysis–8.5%
Design Arena AgenticDesign Arena1262†1192†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis41.4%57.6%
MKA (AA)Artificial Analysis–43.8%
FACTS SearchGoogle–92.7%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub–90.9%
FrontierMath Tier 4Epoch AI Benchmarking Hub–92.7%
OTIS Mock AIMEEpoch AI Benchmarking Hub–100.0%
Arena MathsArena (LMArena)1495–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub–57.3%
LiveBench 2.0 Data AnalysisLiveBench83.2%†82.3%
LiveBench ResearchLiveBench86.8%†79.1%
AA-Omniscience v1.1Artificial Analysis43.729.6
Excel Modeling Benchmark v1.1Vals AI75.8%†73.3%
EBR-benchEpoch AI Benchmarking Hub–78.1%
AA-Omniscience v1.1: accuracyArtificial Analysis48.2%47.6%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis91.3%65.5%
FACTS ParametricGoogle–70.8%†
指示追従
MultiChallengeScale AI SEAL–74.2%†
Arena Instruction FollowingArena (LMArena)1503–
人間の評価
Arena TextArena (LMArena)1490–
Arena Creative WritingArena (LMArena)1492–
Arena Multi-turnArena (LMArena)1476–
Arena Longer QueriesArena (LMArena)1514–
マルチモーダル
LiveBench DesignLiveBench77.3%†79.7%
MMMU-ProArtificial Analysis–84.7%
Blueprint-Bench 2Epoch AI Benchmarking Hub–42.1%†
Furniture AssemblyEpoch AI Benchmarking Hub–79.2%
VIALS-AAHandshake AI–60.3%
FACTS MultimodalGoogle–48.8%†
長文コンテキスト
AA-LCR v1.1Artificial Analysis–82.7%
MLCRArtificial Analysis21.1%†30.6%
FACTS GroundingGoogle–84.2%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–167.7†
LiveBench 2.0LiveBench77.0%†78.8%
AA Intelligence Index v5.0.1Artificial Analysis50.851.3
AA Intelligence Index v4.3.2Artificial Analysis–48.1
AA Progress Index v1Artificial Analysis–345.2
Vals IndexVals AI68.5†60.5
Vals Finance IndexVals AI66.1%†53.3%
Vals Legal IndexVals AI73.6%†58.8%
安全性・誠実さ
FORTRESSScale AI SEAL–18.2%†
DistressBenchScale AI SEAL–65.9%†

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 Terra (max):新しい結果8件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • GPT-6.1 Terra (max):BenchLeader Index 64.7 → 64.1。
  • Gemini 4 Hydrogen (high):新しい結果10件(Arena Text, Arena Hard Prompts, Arena Coding…)。
  • GPT-6.1 Terra (max):新しい結果1件(Terminal-Bench)。
  • GPT-6.1 Terra (max):BenchLeader Index 65.2 → 64.7。
  • GPT-6.1 Terra (max):新しい結果1件(MirrorCode)。
  • GPT-6.1 Terra (max):スコアの改訂1件。
  • GPT-6.1 Terra (max):スコアの改訂1件。
  • GPT-6.1 Terra (max):スコアの改訂1件。
  • GPT-6.1 Terra (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 Terra:よくある質問

Gemini 4 HydrogenはGPT-6.1 Terraより優れていますか?
Gemini 4 Hydrogen (high)とGPT-6.1 Terra (max)の品質は互角です(63.4 対 64.1、±2.8の誤差範囲内)。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日時点では両者の差は誤差範囲内なので、用途に合わせてカテゴリ別のスコアを確認してください。
Gemini 4 HydrogenとGPT-6.1 Terra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GPT-6.1 Terraの方が安く、100万トークンあたり$2.00 対 $3.00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 Terraのどちらが向いていますか?
コーディングでは互角です(カテゴリ指標で69 対 69)。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 Terraが1678です。
Gemini 4 HydrogenとGPT-6.1 Terraはどちらが速いですか?
Gemini 4 Hydrogenの方が出力が約2倍速くなっています(出力170 対 72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 Terra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 Terraの方がスコアが高くなっています(カテゴリ指標で63 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 Terraが53.3%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 Terra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 150.9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 Terra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13件のベンチマークのうち、Gemini 4 Hydrogenのリードが9件、GPT-6.1 Terraのリードが4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で、GPT-6.1 Terraは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。