BenchLeader

GLM 5.2 vs GPT-5.6 Sol

詳しいプロフィール:GLM 5.2(Zhipu AI)とGPT-5.6 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 · 12件の情報源のデータ

2026年11月16日時点で、品質ではGPT-5.6 SolがGLM 5.2を上回ります(BenchLeader Indexで65.3 対 58.9)。ただし、価格はGLM 5.2の方が3.7倍安く、100万トークンあたりのブレンド価格で$2.15 対 $8.00です。両方を測定できるすべてのカテゴリでGPT-5.6 Solがリードしています。GPT-5.6 Solの方が出力が速いです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGLM 5.2が58.9、GPT-5.6 Solが65.3です(BenchLeader、2026年11月16日)。
  • GLM 5.2の100万トークンあたりのブレンド価格は$2.15です(定価、2026年11月16日)。
  • GPT-5.6 Solの100万トークンあたりのブレンド価格は$8.00です(定価、2026年11月16日)。
  • GPT-5.6 SolはGLM 5.2より出力が速いです(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42件のベンチマークのうち、GPT-5.6 Solが39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
コーディングGPT-5.6 Solカテゴリスコア66 対 62;SciCode 57.1% 対 51.2%中
エージェント・ツール利用GPT-5.6 Solカテゴリスコア68 対 62;τ³-Banking (AA) 44.3% 対 34.6%中
数学GPT-5.6 Solカテゴリスコア70 対 53;FrontierMath Tiers 1–3 89.1% 対 59.2%高
推論GPT-5.6 Solカテゴリスコア65 対 57;GPQA Diamond 93.5% 対 91.9%高
知識GPT-5.6 Solカテゴリスコア64 対 44;SimpleQA Verified 69.7% 対 34.2%高
長い文書GPT-5.6 Solカテゴリスコア67 対 64;AA-LCR v1.1 84.0% 対 78.3%中
指示への追従どちらでもカテゴリスコア72 対 71;IFBench 73.3% 対 72.7%どちらでも
チャットの質(人間の評価)–Arenaの評価があるのはGLM 5.2のみです(カテゴリスコア66)比較不可
最低コストGLM 5.2100万トークンあたりブレンド価格$2.15 対 $8.00;エージェント型コーディングセッション$0.102 対 $0.320–
回答開始の速さどちらでも最初の回答トークンまで26.8秒(GLM 5.2 (max))対 33.5秒(GPT-5.6 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-5.6 Sol (max)がリードしています:65.3 対 58.9。
  • GLM 5.2 (max)は指示追従で優れています。
  • GPT-5.6 Sol (max)はエージェント・ツール、コーディング、知識、長文コンテキスト、数学、推論で優れています。
  • GLM 5.2 (max)の方が3.7倍安くなっています(100万トークンあたりブレンド価格$2.15 対 $8.00)。
  • GPT-5.6 Sol (max)の方が出力が1.4倍速くなっています(100 対 69トークン/秒)。

概要

仕様GLM 5.2GPT-5.6 Sol
プロバイダーZhipu AIOpenAI
リリース日2026年6月16日2026年7月9日
コンテキストウィンドウ(トークン)1,000,0001,050,000
比較した構成GLM 5.2 (max)GPT-5.6 Sol (max)
オープンウェイトありなし
100万トークンあたりの価格(入力/出力/キャッシュ入力)$1.40 / $4.40 / $0.260$4.00 / $20.00 / $0.400

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GLM 5.2 (max)GPT-5.6 Sol (max)トップ
推論57.264.7GPT-5.6 Sol
コーディング61.865.8GPT-5.6 Sol
エージェント・ツール62.167.5GPT-5.6 Sol
数学52.670.0GPT-5.6 Sol
知識44.363.8GPT-5.6 Sol
指示追従71.871.2互角
人間の評価66.4–比較不可
マルチモーダル–65.9比較不可
長文コンテキスト63.866.7GPT-5.6 Sol

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・ツール数学知識指示追従長文コンテキストGLM 5.2, 推論: 57.2GLM 5.2, コーディング: 61.8GLM 5.2, エージェント・ツール: 62.1GLM 5.2, 数学: 52.6GLM 5.2, 知識: 44.3GLM 5.2, 指示追従: 71.8GLM 5.2, 長文コンテキスト: 63.8GPT-5.6 Sol, 推論: 64.7GPT-5.6 Sol, コーディング: 65.8GPT-5.6 Sol, エージェント・ツール: 67.5GPT-5.6 Sol, 数学: 70.0GPT-5.6 Sol, 知識: 63.8GPT-5.6 Sol, 指示追従: 71.2GPT-5.6 Sol, 長文コンテキスト: 66.7

描画していないもの(測定済みのモデルが2つ未満):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42件のベンチマークのうち、GLM 5.2のリードが3件、GPT-5.6 Solのリードが39件です。両方を評価しているすべての総合指標で、GPT-5.6 Solが上回っています。

総合IndexGLM 5.2 (max)GPT-5.6 Sol (max)トップ
BenchLeader Index58.965.3GPT-5.6 Sol
Arena Text14751485†GPT-5.6 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GLM 5.2 (max)GPT-5.6 Sol (max)
100万トークンあたりのブレンド価格$2.15$8.00
100万トークンあたりの入力/出力$1.40 / $4.40$4.00 / $20.00
100万トークンあたりのキャッシュ入力$0.260$0.400
タスクあたりの価格:チャットの返答$0.0019$0.0076
タスクあたりの価格:30ページのレポートを要約$0.019$0.060
タスクあたりの価格:コード編集$0.015$0.054
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$0.102$0.320
タスクあたりの価格:構造化データの抽出$0.0037$0.012
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)$0.050$0.158
出力速度69 tok/s100 tok/s
回答開始までの時間26.8秒33.5秒
回答が完了するまでの時間(最終測定2026年11月13日)56.7秒157.3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。GLM 5.2 (max)のスコアは58.9、最初の回答トークンまで27秒。GLM 5.2は51.9(1秒)、GLM 5.2 (推論なし)は45.8(2秒)。GPT-5.6 Sol (max)のスコアは65.3、最初の回答トークンまで34秒。GPT-5.6 Sol (xhigh)は63.9(17秒)、GPT-5.6 Sol (high)は63.4(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

162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GLM 5.2 (max)GPT-5.6 Sol (max)
BenchLeader IndexBenchLeader58.965.3
エージェント・ツールスコアBenchLeader62.167.5
コーディングスコアBenchLeader61.865.8
人間の評価スコアBenchLeader66.4–
指示追従スコアBenchLeader71.871.2
知識スコアBenchLeader44.363.8
長文コンテキストスコアBenchLeader63.866.7
数学スコアBenchLeader52.670.0
推論スコアBenchLeader57.264.7
マルチモーダルスコアBenchLeader–65.9
ブレンド価格($/100万トークン)BenchLeader$2.15$8.00
出力速度BenchLeader69 tok/s100 tok/s
回答開始までの時間BenchLeader26.8秒33.5秒
コンテキストウィンドウBenchLeader1,000,000トークン1,050,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub91.9%93.5%
SimpleBenchSimpleBench58.8%†64.8%†
Arena Hard PromptsArena (LMArena)14961511†
LiveBench 1.0 ReasoningLiveBench78.6%†91.7%
GPQA Diamond (AA)Artificial Analysis89.5%94.1%
Humanity's Last Exam (AA)Artificial Analysis41.1%49.5%
HLE-Diamond (AA)Artificial Analysis17.7%–
GPQA Diamond (Vals)Vals AI85.6%†95.2%
EnigmaEvalScale AI SEAL–37.1%†
Kagi LLM BenchmarkKagi LLM Benchmark62.6%†67.0%†
ARC-AGI-1ARC Prize77.0%†96.5%
ARC-AGI-2ARC Prize22.8%†92.5%
ARC-AGI-3ARC Prize–7.8%
CritPtArtificial Analysis20.9%32.3%
CritPt v2 hard subset (AA)Artificial Analysis–60.0%
MysteryMechanismVals AI–33.3%
HLE-Diamond (Scale)Scale AI SEAL–31.2%†
Arena ExpertArena (LMArena)15021532†
Chess PuzzlesEpoch AI Benchmarking Hub22.0%59.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub18.0%†58.0%
LMCAEpoch AI Benchmarking Hub45.8%58.4%
DTBenchEpoch AI Benchmarking Hub93.6%95.5%
ForecastBenchForecastBench–65.7%
BTF-3Epoch AI Benchmarking Hub–13.7%
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub78.7%–
162件のベンチマークをすべて表示
指標公開元GLM 5.2 (max)GPT-5.6 Sol (max)
コーディング
SciCodeSciCode51.2%57.1%
WeirdMLWeirdML70.1%87.0%
FrontierCodeCognition24.5%†47.5%†
GSO-BenchGSO-Bench–76.5%†
Arena CodingArena (LMArena)15151533†
Arena WebDevArena (LMArena)16081615†
LiveBench 1.0 CodingLiveBench79.7%†83.9%
LiveCodeBenchVals AI69.5%†82.6%
IOIVals AI–91.2%
SWE-bench (Vals)Vals AI82.8%96.2%
Code MigrationVals AI37.9%52.9%
ProgramBenchVals AI0.5%1.5%
Vibe Code Bench 1-100Vals AI–20.0%
Vibe Code Bench v1.1Vals AI64.0%80.5%
SWE Atlas v1.0: Codebase QnAScale AI SEAL48.1%†46.0%†
SWE Atlas v1.0: RefactoringScale AI SEAL42.4%†–
SWE Atlas v1.0: Test WritingScale AI SEAL41.5%†45.9%†
SWE-Bench Pro V2Scale AI SEAL–95.5%†
SWE-Bench Pro V2 HARDScale AI SEAL–82.4%†
MirrorCodeEpoch AI Benchmarking Hub36.7%20.0%†
Surface Evolver BenchEpoch AI Benchmarking Hub55.6%†93.1%†
DeepSWE v1.1Epoch AI Benchmarking Hub43.8%72.7%
CursorBenchCursor–41.7%
ALE-BenchEpoch AI Benchmarking Hub1010.22176.9
FrontierSWEEpoch AI Benchmarking Hub–32.2%
WeirdML v3WeirdML–15.0%†
Terminal-Bench 4.0 (AA)Artificial Analysis1.0%39.9%
Terminal-Bench 2.1 (AA)Artificial Analysis77.9%88.0%
Startrise FrontendStartrise72.1%†66.2%†
GameBench 2 OverallDuelLab GameBench 243.1†67.0†
GameBench 2 by reasoning settingDuelLab GameBench 232.4†80.0†
Design Arena WebsiteDesign Arena1277†1319†
エージェント・ツール
Terminal-BenchTerminal-Bench–38.5%
OSWorld-Verified 2.0OSWorld–27.3%
APEX-AgentsMercor45.2%†51.4%†
Arena AgentArena (LMArena)0.24.6†
LiveBench Agentic CodingLiveBench51.8%†56.2%
Terminal-Bench HardArtificial Analysis50.8%65.9%
τ²-Bench Telecom (AA)Artificial Analysis99.1%85.1%
Terminal-Bench 2.1 (Vals)Vals AI67.8%85.8%
MCP AtlasScale AI SEAL77.8%†–
HiL-BenchScale AI SEAL43.7%†32.3%†
τ³-bench Bankingτ²-bench37.1%†46.9%†
GDPval-AA v2.1Artificial Analysis13801619
τ³-Banking (AA)Artificial Analysis34.6%44.3%
ITBench SRE (AA)Artificial Analysis42.7%56.2%
Analyst Agent (AA)Artificial Analysis–47.5%
APEX-Agents (AA)Artificial Analysis33.7%–
CUA-benchVals AI–8.3%
CyberBenchVals AI–76.3%
Finance Agent v2Vals AI49.7%†53.8%
Harvey's Legal Agent Benchmark v1Vals AI7.1%2.5%
Legal Research BenchVals AI31.3%48.1%
SkillsBenchVals AI45.1%54.1%
SREBenchVals AI0.0%30.5%
Tax Agent BenchVals AI–31.1%
Terminal-Bench 4.0 (Vals)Vals AI–37.9%
Terminal-Bench ScienceVals AI–20.0%
Time Horizon Index: KSPVals AI–23.8%
Web Search IndexVals AI–43.6%
Arena SearchArena (LMArena)–1255†
Arena Agent Task CompletionArena (LMArena)1.72.3†
BALROGBALROG–60.0%
PostTrainBenchEpoch AI Benchmarking Hub30.4%31.0%
GBAEvalEpoch AI Benchmarking Hub0.0%†52.6%†
Vending-Bench 2Andon Labs8313.8†9619.4†
AutomationBenchArtificial Analysis28.4%60.1%
GDP.pdf (AA)Artificial Analysis10.4%27.2%
EnterpriseOps-GymArtificial Analysis42.7%42.9%
AA-Briefcase v1.1Artificial Analysis12261479
Design Arena AgenticDesign Arena1194†1238†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–22.4%
FACTS SearchGoogle–92.9%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub59.2%89.1%
FrontierMath Tier 4Epoch AI Benchmarking Hub29.3%82.9%
OTIS Mock AIMEEpoch AI Benchmarking Hub86.4%100.0%
ProofBenchVals AI35.0%83.0%
LiveBench MathematicsLiveBench89.8%†96.2%
AIME 2026MathArena90.0%–
HMMT February 2026MathArena92.4%–
MathArena ApexMathArena19.8%–
Arena MathsArena (LMArena)14871494†
FrontierMath ErdősEpoch AI Benchmarking Hub–0.0%
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub34.2%69.7%
LiveBench 1.0 Data AnalysisLiveBench73.7%†79.8%
AA-Omniscience v1.1Artificial Analysis0.6–
MMLU-ProVals AI86.7%†89.1%
LegalBenchVals AI84.1%†87.0%
CorpFinVals AI66.1%†64.4%
TaxEvalVals AI73.3%†74.8%
PRBench FinanceScale AI SEAL–50.5%
PRBench LegalScale AI SEAL–50.5%
BioMysteryBenchVals AI–71.1%
Excel Modeling BenchmarkVals AI61.5%†72.3%
MedCodeVals AI40.8%†44.0%
MedScribeVals AI83.5%†85.2%
Public Benefits Bench v1.1Vals AI–66.5%
Financial Coaching BenchVals AI–74.9%
DrugDiscoveryBenchScale AI SEAL36.2%†56.5%
EBR-benchEpoch AI Benchmarking Hub9.5%44.8%
GDP.pdfEpoch AI Benchmarking Hub–30.7%
AA-Omniscience v1.1: accuracyArtificial Analysis21.1%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis74.1%–
FACTS ParametricGoogle–81.1%†
指示追従
LiveBench LanguageLiveBench76.2%†87.7%
LiveBench Instruction FollowingLiveBench62.3%†71.8%
IFBenchArtificial Analysis73.3%72.7%
Arena Instruction FollowingArena (LMArena)14701490†
人間の評価
Arena TextArena (LMArena)14751485†
EQ-Bench 4EQ-Bench1208†1236†
EQ-Bench Creative Writing v3EQ-Bench1759†1974†
Arena Creative WritingArena (LMArena)14511471†
Arena Multi-turnArena (LMArena)14771491†
Arena Longer QueriesArena (LMArena)14861498†
マルチモーダル
Arena VisionArena (LMArena)–1282†
MMMU-ProArtificial Analysis–83.4%
MMMU-Pro (Vals)Vals AI–88.8%
MortgageTaxVals AI–67.3%
Humanity's Sixth SenseScale AI SEAL–30.0%
GeoBenchGeoBench–73.0%†
Blueprint-Bench 2Epoch AI Benchmarking Hub–33.6%†
Furniture AssemblyEpoch AI Benchmarking Hub–56.7%
FACTS MultimodalGoogle–46.4%†
長文コンテキスト
AA-LCR v1.1Artificial Analysis78.3%84.0%
Arena DocumentArena (LMArena)–1487†
MLCRArtificial Analysis12.8%30.0%
FACTS GroundingGoogle–61.9%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub153.0†163.0†
LiveBench 1.0LiveBench73.2%†81.0%
AA Intelligence Index v4.3.2Artificial Analysis33.747.0
AA Progress Index v1Artificial Analysis302.5331.5
Vals RSI IndexVals AI–23.9%
Vals Science IndexVals AI–41.5%
Vals Multimodal IndexVals AI–72.6%
安全性・誠実さ
FORTRESSScale AI SEAL48.7%†20.1%†
DistressBenchScale AI SEAL–73.6%†
メタデータ
AA Openness IndexArtificial Analysis44.4–

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

  • GLM 5.2 (max):新しい結果1件(GDPval-AA v2.1)。
  • GPT-5.6 Sol (max):新しい結果1件(GDPval-AA v2.1)。
  • GLM 5.2 (max):BenchLeader Index 59.5 → 59.0。
  • GLM 5.2 (max):新しい結果3件(AIME 2026, HMMT February 2026, MathArena Apex)、スコアの改訂1件。
  • GPT-5.6 Sol (max):スコアの改訂1件。
  • GLM 5.2 (max):新しい結果1件(MirrorCode)。
  • GPT-5.6 Sol (max):BenchLeader Index 65.8 → 65.3。
  • GPT-5.6 Sol (max):スコアの改訂1件。
  • GLM 5.2 (max):BenchLeader Index 60.2 → 59.5。
  • GLM 5.2 (max):新しい結果4件(HLE-Diamond (AA), AA-Omniscience v1.1, AA-Omniscience v1.1: accuracy…)。

ランキング: 総合ベストLLM · エージェントに最適なLLM · 安くて優秀なLLM

GLM 5.2 vs GPT-5.6 Sol:よくある質問

GPT-5.6 SolはGLM 5.2より優れていますか?
品質ではGPT-5.6 Sol (max)がリードしています:65.3 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-5.6 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。
GLM 5.2とGPT-5.6 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GLM 5.2の方が安く、100万トークンあたり$2.15 対 $8.00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GLM 5.2とGPT-5.6 Solのどちらが向いていますか?
コーディングではGPT-5.6 Solの方がスコアが高くなっています(カテゴリ指標で66 対 62。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SciCodeでは、GLM 5.2が51.2%、GPT-5.6 Solが57.1%です。
GLM 5.2とGPT-5.6 Solはどちらが速いですか?
GPT-5.6 Solの方が出力が速くなっています(出力100 対 69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GLM 5.2とGPT-5.6 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-5.6 Solの方がスコアが高くなっています(カテゴリ指標で68 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τ³-Banking (AA)では、GLM 5.2が34.6%、GPT-5.6 Solが44.3%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?
長文コンテキストのベンチマークではGPT-5.6 Solの方がスコアが高くなっています(67 対 64)。どちらも約1.1Mトークンです(GLM 5.2は1,000,000、GPT-5.6 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GLM 5.2です。Artificial Analysisの測定では、最初の回答トークンまで26.8秒 対 33.5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。
GLM 5.2とGPT-5.6 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42件のベンチマークのうち、GLM 5.2のリードが3件、GPT-5.6 Solのリードが39件です。両方を評価しているすべての総合指標で、GPT-5.6 Solが上回っています。
GPT-5.6 Solはいつリリースされましたか?
GPT-5.6 Solは2026年7月9日にリリースされました。