BenchLeader

GPT-5.2 vs GPT-5.6 Sol

詳しいプロフィール:GPT-5.2(OpenAI)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 · 11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GPT-5.2を上回ります(BenchLeader Indexで65.3 対 59.9)。ただし、価格はGPT-5.2の方が1.7倍安く、100万トークンあたりのブレンド価格で$4.81 対 $8.00です。指示追従(74 対 71)を重視するならGPT-5.2、エージェント・ツール(68 対 54)、数学(70 対 57)、知識(64 対 56)を重視するならGPT-5.6 Solが向いています。回答開始までの時間はGPT-5.6 Solの方が短く、33.5秒 対 112.5秒です。GPT-5.6 Solは出力が速い点も強みです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGPT-5.2が59.9、GPT-5.6 Solが65.3です(BenchLeader、2026年11月16日)。
  • GPT-5.2の100万トークンあたりのブレンド価格は$4.81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GPT-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36件のベンチマークのうち、GPT-5.6 Solが31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 63;WeirdML 87.0% 対 72.2%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 54;Terminal-Bench Hard 65.9% 対 47.0%高
数学GPT-5.6 Solカテゴリスコア70 対 57;FrontierMath Tiers 1–3 89.1% 対 67.4%高
推論GPT-5.6 Solカテゴリスコア65 対 60;GPQA Diamond 93.5% 対 91.4%中
知識GPT-5.6 Solカテゴリスコア64 対 56;SimpleQA Verified 69.7% 対 37.1%高
長い文書どちらでもカテゴリスコア66 対 67;AA-LCR v1.1 82.7% 対 84.0%どちらでも
指示への追従GPT-5.2カテゴリスコア74 対 71;IFBench 75.4% 対 72.7%中
最低コストGPT-5.2100万トークンあたりブレンド価格$4.81 対 $8.00;エージェント型コーディングセッション$0.161 対 $0.320–
回答開始の速さGPT-5.6 Sol最初の回答トークンまで33.5秒(GPT-5.6 Sol (max))対 112.5秒(GPT-5.2 (xhigh))–
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 59.9。
  • GPT-5.2 (xhigh)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。
  • GPT-5.2 (xhigh)の方が1.7倍安くなっています(100万トークンあたりブレンド価格$4.81 対 $8.00)。
  • GPT-5.6 Sol (max)の方が出力が1.3倍速くなっています(100 対 76トークン/秒)。

概要

仕様GPT-5.2GPT-5.6 Sol
プロバイダーOpenAIOpenAI
リリース日2025年12月11日2026年7月9日
コンテキストウィンドウ(トークン)400,0001,050,000
比較した構成GPT-5.2 (xhigh)GPT-5.6 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)$1.75 / $14.00 / $0.175$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GPT-5.2 (xhigh)GPT-5.6 Sol (max)トップ
推論60.464.7GPT-5.6 Sol
コーディング63.065.8GPT-5.6 Sol
エージェント・ツール53.867.5GPT-5.6 Sol
数学56.570.0GPT-5.6 Sol
知識56.163.8GPT-5.6 Sol
指示追従73.771.2GPT-5.2
マルチモーダル–65.9比較不可
長文コンテキスト66.066.7互角

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GPT-5.2, 推論: 60.4GPT-5.2, コーディング: 63.0GPT-5.2, エージェント・ツール: 53.8GPT-5.2, 数学: 56.5GPT-5.2, 知識: 56.1GPT-5.2, 指示追従: 73.7GPT-5.2, 長文コンテキスト: 66.0GPT-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36件のベンチマークのうち、GPT-5.2のリードが5件、GPT-5.6 Solのリードが31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IndexGPT-5.2 (xhigh)GPT-5.6 Sol (max)トップ
BenchLeader Index59.965.3GPT-5.6 Sol
Arena Text1437†1485GPT-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GPT-5.2 (xhigh)GPT-5.6 Sol (max)
100万トークンあたりのブレンド価格$4.81$8.00
100万トークンあたりの入力/出力$1.75 / $14.00$4.00 / $20.00
100万トークンあたりのキャッシュ入力$0.175$0.400
タスクあたりの価格:チャットの返答$0.0049$0.0076
タスクあたりの価格:30ページのレポートを要約$0.029$0.060
タスクあたりの価格:コード編集$0.032$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$0.161$0.320
タスクあたりの価格:構造化データの抽出$0.0063$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)$0.090$0.158
出力速度76 tok/s100 tok/s
回答開始までの時間112.5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)154.4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。GPT-5.2 (xhigh)のスコアは59.9、最初の回答トークンまで112秒。GPT-5.2は56.7(2秒)、GPT-5.2 (medium)は56.2(7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

185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GPT-5.2 (xhigh)GPT-5.6 Sol (max)
BenchLeader IndexBenchLeader59.965.3
エージェント・ツールスコアBenchLeader53.867.5
コーディングスコアBenchLeader63.065.8
指示追従スコアBenchLeader73.771.2
知識スコアBenchLeader56.163.8
長文コンテキストスコアBenchLeader66.066.7
数学スコアBenchLeader56.570.0
推論スコアBenchLeader60.464.7
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$4.81$8.00
出力速度BenchLeader76 tok/s100 tok/s
回答開始までの時間BenchLeader112.5秒33.5秒
コンテキストウィンドウBenchLeader400,000トークン1,050,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub91.4%93.5%
Humanity's Last ExamScale AI / CAIS27.8%†–
SimpleBenchSimpleBench45.8%†64.8%†
Arena Hard PromptsArena (LMArena)1497†1511†
LiveBench 1.0 ReasoningLiveBench83.2%†91.7%
GPQA Diamond (AA)Artificial Analysis90.3%94.1%
Humanity's Last Exam (AA)Artificial Analysis37.7%49.5%
GPQA Diamond (Vals)Vals AI91.7%95.2%
EnigmaEvalScale AI SEAL–37.1%†
Kagi LLM BenchmarkKagi LLM Benchmark73.3%†67.0%†
ARC-AGI-1ARC Prize86.2%96.5%
ARC-AGI-2ARC Prize52.9%92.5%
ARC-AGI-3ARC Prize–7.8%
CritPtArtificial Analysis11.6%32.3%
CritPt v2 hard subset (AA)Artificial Analysis–60.0%
MysteryMechanismVals AI–33.3%
SciPredictScale AI SEAL20.6%†–
HLE-Diamond (Scale)Scale AI SEAL–31.2%†
Arena ExpertArena (LMArena)1491†1532†
Chess PuzzlesEpoch AI Benchmarking Hub48.0%59.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub22.0%†58.0%
CL-benchEpoch AI Benchmarking Hub18.2%†–
LMCAEpoch AI Benchmarking Hub43.9%58.4%
DTBenchEpoch AI Benchmarking Hub90.9%95.5%
ForecastBenchForecastBench63.8%†65.7%
185件のベンチマークをすべて表示
指標公開元GPT-5.2 (xhigh)GPT-5.6 Sol (max)
推論
BTF-3Epoch AI Benchmarking Hub–13.7%
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub73.8%†–
SciCodeSciCode–57.1%
WeirdMLWeirdML72.2%87.0%
FrontierCodeCognition–47.5%†
GSO-BenchGSO-Bench27.4%†76.5%†
Arena CodingArena (LMArena)1515†1533†
Arena WebDevArena (LMArena)1421†1615†
LiveBench 1.0 CodingLiveBench76.1%†83.9%
LiveCodeBenchVals AI85.4%82.6%
IOIVals AI–91.2%
SWE-bench (Vals)Vals AI75.8%96.2%
SWE-Bench ProScale AI SEAL29.9%†–
SWE-bench Verified (bash only)SWE-bench69.0%†–
SWE-bench Multilingual (bash only)SWE-bench66.7%†–
SWE-bench Verified (any scaffold)SWE-bench72.8%†–
Code MigrationVals AI–52.9%
ProgramBenchVals AI–1.5%
Vibe Code Bench 1-100Vals AI–20.0%
Vibe Code Bench v1.1Vals AI53.5%80.5%
SWE-Bench Pro (private)Scale AI SEAL23.8%†–
SWE Atlas v1.0: Codebase QnAScale AI SEAL–46.0%†
SWE Atlas v1.0: Test WritingScale AI SEAL–45.9%†
SWE-Bench Pro V2Scale AI SEAL–95.5%†
SWE-Bench Pro V2 HARDScale AI SEAL–82.4%†
MirrorCodeEpoch AI Benchmarking Hub32.2%20.0%†
Surface Evolver BenchEpoch AI Benchmarking Hub–93.1%†
DeepSWE v1.1Epoch AI Benchmarking Hub–72.7%
CursorBenchCursor–41.7%
ALE-BenchEpoch AI Benchmarking Hub1249.8†2176.9
AlgoTuneAlgoTune2.0†–
FrontierSWEEpoch AI Benchmarking Hub–32.2%
WeirdML v3WeirdML5.0%15.0%†
Terminal-Bench 4.0 (AA)Artificial Analysis–39.9%
Terminal-Bench 2.1 (AA)Artificial Analysis–88.0%
Startrise FrontendStartrise–66.2%†
GameBench 2 OverallDuelLab GameBench 2–67.0†
GameBench 2 by reasoning settingDuelLab GameBench 2–80.0†
Design Arena WebsiteDesign Arena11861319†
LiveCodeBench (AA)Artificial Analysis88.9%–
エージェント・ツール
Terminal-BenchTerminal-Bench64.9%†38.5%
OSWorld-Verified 2.0OSWorld–27.3%
GDPvalOpenAI49.7%†–
Remote Labor IndexScale AI / CAIS2.1%†–
APEX-AgentsMercor–51.4%†
Arena AgentArena (LMArena)–4.6†
LiveBench Agentic CodingLiveBench50.3%†56.2%
Terminal-Bench HardArtificial Analysis47.0%65.9%
τ²-Bench Telecom (AA)Artificial Analysis84.8%85.1%
Terminal-Bench 2.1 (Vals)Vals AI–85.8%
MCP AtlasScale AI SEAL67.6%–
HiL-BenchScale AI SEAL–32.3%†
BFCL OverallBerkeley Function Calling Leaderboard55.9%†–
τ²-benchτ²-bench84.8%†–
τ³-bench Bankingτ²-bench32.2%†46.9%†
GDPval-AA v2.1Artificial Analysis–1619
τ³-Banking (AA)Artificial Analysis11.1%†44.3%
ITBench SRE (AA)Artificial Analysis–56.2%
Analyst Agent (AA)Artificial Analysis–47.5%
CUA-benchVals AI–8.3%
CyberBenchVals AI–76.3%
Finance Agent v2Vals AI–53.8%
Harvey's Legal Agent Benchmark v1Vals AI–2.5%
Legal Research BenchVals AI–48.1%
Poker AgentVals AI1131.8%†–
SkillsBenchVals AI–54.1%
SREBenchVals AI–30.5%
Tax Agent BenchVals AI–31.1%
Terminal-Bench 2.0 (Vals)Vals AI51.7%†–
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)1161†1255†
Arena Agent Task CompletionArena (LMArena)–2.3†
BALROGBALROG–60.0%
DeepResearch BenchDeepResearch Bench41.1%†–
PostTrainBenchEpoch AI Benchmarking Hub–31.0%
METR Time HorizonsMETR75.3%†–
GBAEvalEpoch AI Benchmarking Hub–52.6%†
Vending-Bench 2Andon Labs3591.3†9619.4†
AutomationBenchArtificial Analysis–60.1%
GDP.pdf (AA)Artificial Analysis–27.2%
EnterpriseOps-GymArtificial Analysis–42.9%
AA-Briefcase v1.1Artificial Analysis–1479
Design Arena AgenticDesign Arena1065†1238†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–22.4%
FACTS SearchGoogle–92.9%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub67.4%89.1%
FrontierMath Tier 4Epoch AI Benchmarking Hub31.7%82.9%
OTIS Mock AIMEEpoch AI Benchmarking Hub96.1%100.0%
ProofBenchVals AI15.0%83.0%
LiveBench MathematicsLiveBench93.2%†96.2%
AIME (Vals)Vals AI96.9%–
MGSMVals AI94.0%–
AIME 2026MathArena98.3%†–
HMMT February 2026MathArena97.0%†–
MathArena ApexMathArena13.5%†–
Arena MathsArena (LMArena)1453†1494†
FrontierMath ErdősEpoch AI Benchmarking Hub–0.0%
AIME 2025 (AA)Artificial Analysis99.0%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub37.1%69.7%
LiveBench 1.0 Data AnalysisLiveBench78.2%†79.8%
MMLU-ProVals AI86.2%89.1%
LegalBenchVals AI82.8%87.0%
CorpFinVals AI65.9%64.4%
TaxEvalVals AI75.8%74.8%
MedQAVals AI94.1%–
PRBench FinanceScale AI SEAL–50.5%
PRBench LegalScale AI SEAL–50.5%
MultiNRCScale AI SEAL42.2%†–
BioMysteryBenchVals AI–71.1%
CaseLaw v2Vals AI66.0%–
Excel Modeling BenchmarkVals AI–72.3%
MedCodeVals AI49.8%44.0%
MedScribeVals AI84.4%85.2%
Public Benefits Bench v1.1Vals AI–66.5%
Financial Coaching BenchVals AI–74.9%
DrugDiscoveryBenchScale AI SEAL29.3%56.5%
EBR-benchEpoch AI Benchmarking Hub23.0%44.8%
GDP.pdfEpoch AI Benchmarking Hub–30.7%
Global-MMLU-Lite (AA)Artificial Analysis89.8%†–
FACTS ParametricGoogle–81.1%†
指示追従
LiveBench LanguageLiveBench79.8%†87.7%
LiveBench Instruction FollowingLiveBench61.8%†71.8%
IFBenchArtificial Analysis75.4%72.7%
TutorBenchScale AI SEAL53.5%†–
Arena Instruction FollowingArena (LMArena)1457†1490†
人間の評価
Arena TextArena (LMArena)1476†1485†
EQ-Bench 4EQ-Bench–1236†
EQ-Bench Creative Writing v3EQ-Bench1703†1974†
Arena Creative WritingArena (LMArena)1432†1471†
Arena Multi-turnArena (LMArena)1495†1491†
Arena Longer QueriesArena (LMArena)1472†1498†
マルチモーダル
Arena VisionArena (LMArena)1268†1282†
MMMU-ProArtificial Analysis74.6%†83.4%
VISTAScale AI SEAL46.6%†–
MMMU-Pro (Vals)Vals AI86.7%88.8%
MortgageTaxVals AI67.1%67.3%
Humanity's Sixth SenseScale AI SEAL–30.0%
GeoBenchGeoBench–73.0%†
VPCTEpoch AI Benchmarking Hub84.0%–
Blueprint-Bench 2Epoch AI Benchmarking Hub–33.6%†
Furniture AssemblyEpoch AI Benchmarking Hub38.3%56.7%
FACTS MultimodalGoogle–46.4%†
長文コンテキスト
AA-LCR v1.1Artificial Analysis82.7%84.0%
Arena DocumentArena (LMArena)1425†1487†
MLCRArtificial Analysis–30.0%
FACTS GroundingGoogle–61.9%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub154.5†163.0†
LiveBench 1.0LiveBench74.6%†81.0%
AA Intelligence Index v4.3.2Artificial Analysis30.447.0
AA Progress Index v1Artificial Analysis295.5331.5
Vals RSI IndexVals AI15.8%23.9%
Vals Science IndexVals AI–41.5%
Vals Multimodal IndexVals AI–72.6%
安全性・誠実さ
FORTRESSScale AI SEAL17.5%†20.1%†
MASKScale AI SEAL86.7%†–
PropensityBenchScale AI SEAL34.4%†–
DistressBenchScale AI SEAL–73.6%†

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-5.2 (xhigh):新しい結果1件(AIME 2025 (AA))。
  • GPT-5.6 Sol (max):新しい結果1件(GDPval-AA v2.1)。
  • GPT-5.6 Sol (max):スコアの改訂1件。
  • GPT-5.2 (xhigh):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。
  • GPT-5.6 Sol (max):スコアの改訂1件。
  • GPT-5.2 (xhigh):新しい結果1件(AA Progress Index v1)。
  • GPT-5.6 Sol (max):新しい結果2件(AA Progress Index v1, CritPt v2 hard subset (AA))。
  • GPT-5.6 Sol (max):新しい結果1件(AA-Briefcase v1.1)。

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

GPT-5.2 vs GPT-5.6 Sol:よくある質問

GPT-5.6 SolはGPT-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 59.9。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。
GPT-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GPT-5.2の方が安く、100万トークンあたり$4.81 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GPT-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 63。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LiveCodeBenchでは、GPT-5.2が85.4%、GPT-5.6 Solが82.6%です。
GPT-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 76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GPT-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 54。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 Hardでは、GPT-5.2が47.0%、GPT-5.6 Solが65.9%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?
長文コンテキストのベンチマークでは互角です(66 対 67)。コンテキストはGPT-5.6 Solの方が長く、1,050,000トークンです(GPT-5.2は400,000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GPT-5.6 Solです。Artificial Analysisの測定では、最初の回答トークンまで33.5秒 対 112.5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。
GPT-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36件のベンチマークのうち、GPT-5.2のリードが5件、GPT-5.6 Solのリードが31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。