BenchLeader

GLM-5 vs GPT-6.1 Sol

詳しいプロフィール:GLM-5(Zhipu AI)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 · 16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GLM-5を上回ります(BenchLeader Indexで66.6 対 60.2)。ただし、価格はGLM-5の方が2.6倍安く、100万トークンあたりのブレンド価格で$1.55 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。

要点(2026年11月16日時点)

  • BenchLeader IndexはGLM-5が60.2、GPT-6.1 Solが66.6です(BenchLeader、2026年11月16日)。
  • GLM-5の100万トークンあたりのブレンド価格は$1.55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)。
  • 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
コーディングGPT-6.1 Solカテゴリスコア71 対 59;Vibe Code Bench v1.1 88.9% 対 23.4%高
エージェント・ツール利用GPT-6.1 Solカテゴリスコア64 対 58中
数学GPT-6.1 Solカテゴリスコア72 対 63高
推論GPT-6.1 Solカテゴリスコア71 対 68;Humanity's Last Exam (AA) 52.9% 対 29.3%中
知識GPT-6.1 Solカテゴリスコア72 対 57高
長い文書GPT-6.1 Solカテゴリスコア66 対 62;AA-LCR v1.1 83.0% 対 75.7%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GLM-5100万トークンあたりブレンド価格$1.55 対 $4.00;エージェント型コーディングセッション$0.073 対 $0.160–
回答開始の速さGLM-5最初の回答トークンまで29.2秒(GLM-5 (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 60.2。
  • GPT-6.1 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 (thinking)の方が2.6倍安くなっています(100万トークンあたりブレンド価格$1.55 対 $4.00)。
  • GLM-5 (thinking)の方が出力が1.4倍速くなっています(69 対 50トークン/秒)。

概要

仕様GLM-5GPT-6.1 Sol
プロバイダーZhipu AIOpenAI
リリース日2026年2月11日2026年9月29日
コンテキストウィンドウ(トークン)204,8001,050,000
比較した構成GLM-5 (thinking)GPT-6.1 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)$1.00 / $3.20 / $0.200$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GLM-5 (thinking)GPT-6.1 Sol (max)トップ
推論68.271.4GPT-6.1 Sol
コーディング59.171.1GPT-6.1 Sol
エージェント・ツール58.064.3GPT-6.1 Sol
数学63.471.6GPT-6.1 Sol
知識57.471.5GPT-6.1 Sol
指示追従70.9–比較不可
人間の評価–67.1比較不可
マルチモーダル–65.6比較不可
長文コンテキスト62.466.2GPT-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推論コーディングエージェント・ツール数学知識長文コンテキストGLM-5, 推論: 68.2GLM-5, コーディング: 59.1GLM-5, エージェント・ツール: 58.0GLM-5, 数学: 63.4GLM-5, 知識: 57.4GLM-5, 長文コンテキスト: 62.4GPT-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, 長文コンテキスト: 66.2

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, 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5件のベンチマークのうち、GLM-5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IndexGLM-5 (thinking)GPT-6.1 Sol (max)トップ
BenchLeader Index60.266.6GPT-6.1 Sol
Arena Text1457†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GLM-5 (thinking)GPT-6.1 Sol (max)
100万トークンあたりのブレンド価格$1.55$4.00
100万トークンあたりの入力/出力$1.00 / $3.20$2.00 / $10.00
100万トークンあたりのキャッシュ入力$0.200$0.100
タスクあたりの価格:チャットの返答$0.0014$0.0038
タスクあたりの価格:30ページのレポートを要約$0.014$0.030
タスクあたりの価格:コード編集$0.011$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$0.073$0.160
タスクあたりの価格:構造化データの抽出$0.0026$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)$0.037$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69 tok/s50 tok/s
回答開始までの時間29.2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)81.4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。GLM-5 (thinking)のスコアは60.2、最初の回答トークンまで29秒。GLM-5は54.9(2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

184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 (thinking)GPT-6.1 Sol (max)
BenchLeader IndexBenchLeader60.266.6
エージェント・ツールスコアBenchLeader58.064.3
コーディングスコアBenchLeader59.171.1
指示追従スコアBenchLeader70.9–
知識スコアBenchLeader57.471.5
長文コンテキストスコアBenchLeader62.466.2
数学スコアBenchLeader63.471.6
推論スコアBenchLeader68.271.4
総合スコアBenchLeader–67.9
人間の評価スコアBenchLeader–67.1
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$1.55$4.00
出力速度BenchLeader69 tok/s50 tok/s
回答開始までの時間BenchLeader29.2秒166.7秒
コンテキストウィンドウBenchLeader204,800トークン1,050,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub87.8%†95.4%
SimpleBenchSimpleBench53.2%†82.9%†
Arena Hard PromptsArena (LMArena)1478†1505
LiveBench 2.0 ReasoningLiveBench–92.6%
LiveBench 1.0 ReasoningLiveBench–92.6%
GPQA Diamond (AA)Artificial Analysis82.0%–
Humanity's Last Exam (AA)Artificial Analysis29.3%52.9%
HLE-Diamond (AA)Artificial Analysis–58.8%
GPQA Diamond (Vals)Vals AI83.3%–
Kagi LLM BenchmarkKagi LLM Benchmark75.0%–
ARC-AGI-1ARC Prize44.7%†96.5%
ARC-AGI-2ARC Prize4.9%†94.2%
ARC-AGI-3ARC Prize–96.2%
CritPtArtificial Analysis2.0%31.7%
CritPt v2 hard subset (AA)Artificial Analysis–69.5%
MysteryMechanismVals AI–46.4%
Arena ExpertArena (LMArena)1482†1525
Chess PuzzlesEpoch AI Benchmarking Hub–68.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub–80.0%
CL-benchEpoch AI Benchmarking Hub18.7%†–
LMCAEpoch AI Benchmarking Hub–62.8%
DTBenchEpoch AI Benchmarking Hub–96.5%
ForecastBenchForecastBench63.4%†–
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub72.1%†–
SciCodeSciCode–54.2%
184件のベンチマークをすべて表示
指標公開元GLM-5 (thinking)GPT-6.1 Sol (max)
コーディング
WeirdMLWeirdML48.2%†–
FrontierCodeCognition–50.2%†
Arena CodingArena (LMArena)1498†1540
Arena WebDevArena (LMArena)1435†1743
LiveBench 2.0 CodingLiveBench–82.1%
LiveBench 1.0 CodingLiveBench–80.4%
LiveCodeBenchVals AI81.9%–
IOIVals AI–96.9%
SWE-bench (Vals)Vals AI71.4%–
SWE-bench Verified (bash only)SWE-bench72.8%†–
SWE-bench Multilingual (bash only)SWE-bench69.7%†–
SWE-bench Verified (any scaffold)SWE-bench72.8%†–
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 AI23.4%88.9%
SWE Atlas v1.0: Codebase QnAScale AI SEAL20.5%†–
SWE Atlas v1.0: RefactoringScale AI SEAL24.2%†–
SWE Atlas v1.0: Test WritingScale AI SEAL28.7%†–
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 Hub765.6†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 Arena1239†1315†
FrontierCode 1.1 (AA)Artificial Analysis–49.1%
FrontierCode 2.0 (AA)Artificial Analysis–40.6%
エージェント・ツール
Terminal-BenchTerminal-Bench52.4%†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 Analysis43.2%–
τ²-Bench Telecom (AA)Artificial Analysis98.3%–
HiL-BenchScale AI SEAL–62.3%†
τ²-benchτ²-bench81.0%–
τ³-bench Bankingτ²-bench9.8%–
GDPval-AA v2.1, normalised scoreArtificial Analysis–54.8%
GDPval-AA v2.1Artificial Analysis–1607
Analyst Agent (AA)Artificial Analysis–50.0%
APEX-Agents (AA)Artificial Analysis14.4%–
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 2.0 (Vals)Vals AI49.4%–
Terminal-Bench 4.0 (Vals)Vals AI–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 Labs4432.1†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 Arena1115†1375
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–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 Hub80.0%†100.0%
ProofBenchVals AI–99.0%†
LiveBench MathematicsLiveBench–96.8%
AIME (Vals)Vals AI91.7%–
AIME 2026MathArena96.7%†–
HMMT February 2026MathArena86.4%†–
USAMO 2026MathArena35.1%†–
MathArena ApexMathArena10.9%†–
ArXivMathMathArena–92.8%
BrokenArXivMathArena–83.1%
Arena MathsArena (LMArena)1443†1499
FrontierMath ErdősEpoch AI Benchmarking Hub–4.4%
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub–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 AI86.0%–
LegalBenchVals AI84.1%–
CorpFinVals AI62.9%–
TaxEvalVals AI70.0%–
MedQAVals AI94.3%–
PRBench FinanceScale AI SEAL–46.2%†
PRBench LegalScale AI SEAL–47.9%†
BioMysteryBenchVals AI–79.6%
CaseLaw v2Vals AI52.5%–
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–35.0%
AA-Omniscience v1.1: accuracyArtificial Analysis–61.8%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–48.1%
Global-MMLU-Lite (AA)Artificial Analysis81.9%†–
HealthBench Professional (AA)OpenAI–65.1%
FACTS ParametricGoogle–83.8%†
指示追従
LiveBench LanguageLiveBench–90.1%
LiveBench Instruction FollowingLiveBench–74.2%
IFBenchArtificial Analysis72.3%–
MultiChallengeScale AI SEAL–82.0%†
Arena Instruction FollowingArena (LMArena)1447†1482
人間の評価
Arena TextArena (LMArena)1457†1481
EQ-Bench 4EQ-Bench–1272†
EQ-Bench Creative Writing v3EQ-Bench1601†–
Arena Creative WritingArena (LMArena)1447†1449
Arena Multi-turnArena (LMArena)1472†1486
Arena Longer QueriesArena (LMArena)1469†1488
マルチモーダル
Arena VisionArena (LMArena)–1286
LiveBench DesignLiveBench–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 Analysis75.7%83.0%
MLCRArtificial Analysis–38.3%
FACTS GroundingGoogle–78.0%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub146.5†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 Analysis27.951.8
AA Progress Index v1Artificial Analysis280.9348.5
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
DistressBenchScale AI SEAL71.2%†74.2%†
メタデータ
AA Openness IndexArtificial Analysis50–

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。
  • 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。
  • GLM-5 (thinking):価格 $0.15/M → $0.20/M。
  • 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

GLM-5 vs GPT-6.1 Sol:よくある質問

GPT-6.1 SolはGLM-5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 60.2。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。
GLM-5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GLM-5の方が安く、100万トークンあたり$1.55 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GLM-5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 59。50が平均)。
GLM-5とGPT-6.1 Solはどちらが速いですか?
GLM-5の方が出力が速くなっています(出力69 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GLM-5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 58。50が平均)。
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-6.1 Solの方がスコアが高くなっています(66 対 62)。コンテキストはGPT-6.1 Solの方が長く、1,050,000トークンです(GLM-5は204,800トークン)。
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です。Artificial Analysisの測定では、最初の回答トークンまで29.2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。
GLM-5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、GLM-5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。