BenchLeader

Gemini 4 Neon vs GPT-6.1 Sol

詳しいプロフィール:Gemini 4 Neon(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19日時点で、Gemini 4 NeonとGPT-6.1 Solの品質は互角です(BenchLeader Indexで67.3 対 65.9、±3.3の誤差範囲内)。価格はGPT-6.1 Sol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$4.00 対 $6.00です。両方を測定できるすべてのカテゴリでGemini 4 Neonがリードしています。Gemini 4 Neonの方が出力が約2倍速いです。

要点(2026年11月19日時点)

  • BenchLeader IndexはGemini 4 Neonが67.3、GPT-6.1 Solが65.9です(BenchLeader、2026年11月19日)。
  • Gemini 4 Neonの100万トークンあたりのブレンド価格は$6.00です(定価、2026年11月19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19日)。
  • Gemini 4 Neon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19日)。
  • 両モデルに結果がある23件のベンチマークのうち、Gemini 4 Neonが20件でリードしています(BenchLeader、2026年11月19日)。
  • Arena WebDevでの評価はGemini 4 Neonが1764、GPT-6.1 Solが1744です(LMArena、2026年11月19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Gemini 4 Neonカテゴリスコア73 対 70;Arena WebDev 1764 対 1744中
エージェント・ツール利用Gemini 4 Neonカテゴリスコア76 対 63;Arena Agent 18.4 対 11.3高
推論Gemini 4 Neonカテゴリスコア72 対 70;HLE-Diamond (AA) 68.4% 対 58.8%中
知識Gemini 4 Neonカテゴリスコア72 対 70;AA-Omniscience v1.1 53.8 対 42.0中
チャットの質(人間の評価)Gemini 4 NeonArenaの投票で72 対 67中
最低コストGPT-6.1 Sol100万トークンあたりブレンド価格$4.00 対 $6.00;エージェント型コーディングセッション$0.160 対 $0.240–
回答開始の速さGemini 4 Neon最初の回答トークンまで40.6秒(Gemini 4 Neon (high))対 134.5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

  • Gemini 4 Neon (high)とGPT-6.1 Sol (max)の品質は互角です(67.3 対 65.9、±3.3の誤差範囲内)。
  • Gemini 4 Neon (high)はエージェント・ツール、コーディング、人間の評価、知識、推論で優れています。
  • GPT-6.1 Sol (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$4.00 対 $6.00)。
  • Gemini 4 Neon (high)の方が出力が2.1倍速くなっています(101 対 48トークン/秒)。

概要

仕様Gemini 4 NeonGPT-6.1 Sol
プロバイダーGoogleOpenAI
リリース日2026年11月18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 Neon (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)$3.00 / $15.00 / $0.150$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 Neon (high)GPT-6.1 Sol (max)トップ
推論71.970.1Gemini 4 Neon
コーディング73.470.1Gemini 4 Neon
エージェント・ツール76.263.1Gemini 4 Neon
数学–71.3比較不可
知識72.370.3Gemini 4 Neon
人間の評価71.767.3Gemini 4 Neon
マルチモーダル–65.5比較不可
長文コンテキスト–66.2比較不可
総合–65.5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・ツール知識人間の評価Gemini 4 Neon, 推論: 71.9Gemini 4 Neon, コーディング: 73.4Gemini 4 Neon, エージェント・ツール: 76.2Gemini 4 Neon, 知識: 72.3Gemini 4 Neon, 人間の評価: 71.7GPT-6.1 Sol, 推論: 70.1GPT-6.1 Sol, コーディング: 70.1GPT-6.1 Sol, エージェント・ツール: 63.1GPT-6.1 Sol, 知識: 70.3GPT-6.1 Sol, 人間の評価: 67.3

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, 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23件のベンチマークのうち、Gemini 4 Neonのリードが20件、GPT-6.1 Solのリードが3件です。両方を評価しているすべての総合指標で、Gemini 4 Neonが上回っています。

総合IndexGemini 4 Neon (high)GPT-6.1 Sol (max)トップ
BenchLeader Index67.365.9互角
AA Intelligence Index v5.0.159.654.6Gemini 4 Neon
Arena Text15191483Gemini 4 Neon

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 Neon (high)GPT-6.1 Sol (max)
100万トークンあたりのブレンド価格$6.00$4.00
100万トークンあたりの入力/出力$3.00 / $15.00$2.00 / $10.00
100万トークンあたりのキャッシュ入力$0.150$0.100
タスクあたりの価格:チャットの返答$0.0057$0.0038
タスクあたりの価格:30ページのレポートを要約$0.045$0.030
タスクあたりの価格:コード編集$0.041$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$0.240$0.160
タスクあたりの価格:構造化データの抽出$0.0090$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)$0.112$0.074
ベンチマークのタスクあたりのコスト(AA Index)$3.74$1.27
タスクあたりの出力トークン(AA Index)90k68k
うち推論46k49k
タスクあたりの時間(AA Index)15 min24 min
出力速度101 tok/s48 tok/s
回答開始までの時間40.6秒134.5秒
回答が完了するまでの時間(最終測定2026年11月13日)–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 Neon (high)で$3.74、GPT-6.1 Sol (max)で$1.27でした。同じ作業でGemini 4 Neon (high)は1.3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 Neon (high)のスコアは67.3、最初の回答トークンまで41秒。Gemini 4 Neon (xhigh)は64.3(57秒)。GPT-6.1 Sol (max)のスコアは65.9、最初の回答トークンまで135秒。GPT-6.1 Sol (xhigh)は62.9(59秒)、GPT-6.1 Sol (high)は62.6(26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

151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 Neon (high)GPT-6.1 Sol (max)
BenchLeader IndexBenchLeader67.365.9
エージェント・ツールスコアBenchLeader76.263.1
コーディングスコアBenchLeader73.470.1
人間の評価スコアBenchLeader71.767.3
知識スコアBenchLeader72.370.3
推論スコアBenchLeader71.970.1
総合スコアBenchLeader–65.5
長文コンテキストスコアBenchLeader–66.2
数学スコアBenchLeader–71.3
マルチモーダルスコアBenchLeader–65.5
ブレンド価格($/100万トークン)BenchLeader$6.00$4.00
出力速度BenchLeader101 tok/s48 tok/s
回答開始までの時間BenchLeader40.6秒134.5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)15461507
LiveBench 2.0 ReasoningLiveBench89.6%†92.6%
LiveBench 1.0 ReasoningLiveBench–92.6%
Humanity's Last Exam (AA)Artificial Analysis–52.9%
HLE-Diamond (AA)Artificial Analysis68.4%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 Analysis59.0%69.5%
MysteryMechanismVals AI–46.4%
HLE-Diamond (Scale)Scale AI SEAL–53.6%†
Arena ExpertArena (LMArena)15411530
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)15581544
Arena WebDevArena (LMArena)17641744
LiveBench 2.0 CodingLiveBench89.7%†82.1%
LiveBench 1.0 CodingLiveBench–80.4%
151件のベンチマークをすべて表示
指標公開元Gemini 4 Neon (high)GPT-6.1 Sol (max)
コーディング
IOIVals AI–96.9%
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 AI–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 Analysis61.6%56.1%
Startrise FrontendStartrise–78.6%†
GameBench 2 OverallDuelLab GameBench 2–84.9†
GameBench 2 by reasoning settingDuelLab GameBench 2–91.8†
Design Arena WebsiteDesign Arena–1311†
FrontierCode 1.1 (AA)Artificial Analysis–49.1%
FrontierCode 2.0 (AA)Artificial Analysis43.3%40.6%
エージェント・ツール
Terminal-BenchTerminal-Bench–60.9%
APEX-AgentsMercor–60.0%
Arena AgentArena (LMArena)18.411.3
LiveBench Long AgenticLiveBench82.6%†64.7%
LiveBench BrowserLiveBench95.6%†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 AI–61.8%
Harvey's Legal Agent Benchmark v1.1Vals AI–6.3%
Harvey's Legal Agent Benchmark v1Vals AI–5.4%
Legal Research BenchVals AI–38.5%
Robo-benchVals AI–28.3%
SREBenchVals AI–50.8%
Tax Agent BenchVals AI–21.8%
Terminal-Bench 4.0 (Vals)Vals AI–55.0%
Terminal-Bench ScienceVals AI–52.9%
Arena SearchArena (LMArena)–1249
Arena Agent Task CompletionArena (LMArena)19.211.6
PostTrainBenchEpoch AI Benchmarking Hub–38.8%
GBAEvalEpoch AI Benchmarking Hub–81.9%†
Vending-Bench 2Andon Labs–12860.6†
SpireClimbEpoch AI Benchmarking Hub–23.8%
AutomationBenchArtificial Analysis79.2%64.9%
GDP.pdf (AA)Artificial Analysis33.4%31.0%
Harvey LAB-AA v1.1Harvey–6.9%
AA-Briefcase v1.1Artificial Analysis16321557
GDPxGDPx by SemiAnalysis–8.4%
Design Arena AgenticDesign Arena–1359
Terminal-Bench-Science 0.1 (AA)Artificial Analysis65.7%58.1%
MKA (AA)Artificial Analysis54.6%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)–1500
FrontierMath ErdősEpoch AI Benchmarking Hub–4.4%
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub–73.9%
LiveBench 2.0 Data AnalysisLiveBench85.3%†82.7%
LiveBench ResearchLiveBench94.5%†90.0%
LiveBench 1.0 Data AnalysisLiveBench–82.7%
AA-Omniscience v1.1Artificial Analysis53.842.0
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 AI–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–51.6%
AA-Omniscience v1.1: accuracyArtificial Analysis59.4%61.8%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis86.1%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)15221484
人間の評価
Arena TextArena (LMArena)15191483
EQ-Bench 4EQ-Bench–1272†
Arena Creative WritingArena (LMArena)15141450
Arena Multi-turnArena (LMArena)15291487
Arena Longer QueriesArena (LMArena)15211490
マルチモーダル
Arena VisionArena (LMArena)–1286
LiveBench DesignLiveBench81.5%†79.6%
MMMU-ProArtificial Analysis–86.0%
SAGEVals AI–90.5%
Humanity's Sixth SenseScale AI SEAL75.9%†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 Analysis28.9%38.3%
FACTS GroundingGoogle–78.0%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–168.6†
LiveBench 2.0LiveBench87.4%†81.2%
LiveBench 1.0LiveBench–81.6%
AA Intelligence Index v5.0.1Artificial Analysis59.654.6
AA Intelligence Index v4.3.2Artificial Analysis–51.8
AA Progress Index v1Artificial Analysis–348.5
Vals IndexVals AI–63.9
Vals Finance IndexVals AI–55.8%
Vals RSI IndexVals AI–26.6%
Vals Science IndexVals AI–59.6%
Vals Router IndexVals AI–63.9%†
Vals Legal IndexVals AI–68.7%
安全性・誠実さ
FORTRESSScale AI SEAL–14.7%†
DistressBenchScale AI SEAL–74.2%†

データは2026年11月19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 gb2-20261114-ca113f475f5e (https://benchmarks.duellab.org/releases/gb2-20261114-ca113f475f5e/), 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 4 Neon (high):新しい結果13件(MLCR, MKA (AA), Arena Text…)。
  • GPT-6.1 Sol (max):スコアの改訂2件。
  • Gemini 4 Neon (high):初めての結果。
  • GPT-6.1 Sol (max):BenchLeader Index 66.9 → 66.1。
  • GPT-6.1 Sol (max):スコアの改訂1件。
  • GPT-6.1 Sol (max):スコアの改訂3件。
  • 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。
  • 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)。

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 Neon vs GPT-6.1 Sol:よくある質問

Gemini 4 NeonはGPT-6.1 Solより優れていますか?
Gemini 4 Neon (high)とGPT-6.1 Sol (max)の品質は互角です(67.3 対 65.9、±3.3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19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 Neon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GPT-6.1 Solの方が安く、100万トークンあたり$4.00 対 $6.00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 Neon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Gemini 4 Neonの方がスコアが高くなっています(カテゴリ指標で73 対 70。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 Neonが1764、GPT-6.1 Solが1744です。
Gemini 4 NeonとGPT-6.1 Solはどちらが速いですか?
Gemini 4 Neonの方が出力が約2倍速くなっています(出力101 対 48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 Neon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 4 Neonの方がスコアが高くなっています(カテゴリ指標で76 対 63。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Arena Agentでは、Gemini 4 Neonが18.4、GPT-6.1 Solが11.3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 Neon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 Neonです。Artificial Analysisの測定では、最初の回答トークンまで40.6秒 対 134.5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 Neon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23件のベンチマークのうち、Gemini 4 Neonのリードが20件、GPT-6.1 Solのリードが3件です。両方を評価しているすべての総合指標で、Gemini 4 Neonが上回っています。
Gemini 4 Neonはいつリリースされましたか?
Gemini 4 Neonは2026年11月18日にリリースされました。