BenchLeader

GPT-5.3-Codex vs GPT-6.1 Terra

詳しいプロフィール:GPT-5.3-Codex(OpenAI)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、GPT-5.3-CodexとGPT-6.1 Terraの品質は互角です(BenchLeader Indexで62.9 対 64.1、±7.3の誤差範囲内)。価格はGPT-6.1 Terraの方が2.4倍安く、100万トークンあたりのブレンド価格で$2.00 対 $4.81です。エージェント・ツール(80 対 63)を重視するならGPT-5.3-Codex、コーディング(69 対 61)、マルチモーダル(67 対 61)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GPT-5.3-Codexの方が短く、38.2秒 対 150.9秒です。

要点(2026年11月16日時点)

  • BenchLeader IndexはGPT-5.3-Codexが62.9、GPT-6.1 Terraが64.1です(BenchLeader、2026年11月16日)。
  • GPT-5.3-Codex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-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)。
  • 両モデルに結果がある8件のベンチマークのうち、GPT-6.1 Terraが7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 Terraカテゴリスコア69 対 61;Vibe Code Bench v1.1 84.0% 対 61.8%高
エージェント・ツール利用GPT-5.3-Codexカテゴリスコア80 対 63;AA-Briefcase v1.1 868 対 1401高
長い文書どちらでもカテゴリスコア66 対 66;AA-LCR v1.1 83.3% 対 82.7%どちらでも
画像などのメディアGPT-6.1 Terraカテゴリスコア67 対 61;MMMU-Pro 84.7% 対 78.5%中
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 $4.81;エージェント型コーディングセッション$0.080 対 $0.161–
回答開始の速さGPT-5.3-Codex最初の回答トークンまで38.2秒(GPT-5.3-Codex (xhigh))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

  • GPT-5.3-Codex (xhigh)とGPT-6.1 Terra (max)の品質は互角です(62.9 対 64.1、±7.3の誤差範囲内)。
  • GPT-5.3-Codex (xhigh)はエージェント・ツール、長文コンテキストで優れています。
  • GPT-6.1 Terra (max)はコーディング、マルチモーダルで優れています。
  • GPT-6.1 Terra (max)の方が2.4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 $4.81)。
  • GPT-5.3-Codex (xhigh)の方が出力が1.3倍速くなっています(94 対 72トークン/秒)。

概要

仕様GPT-5.3-CodexGPT-6.1 Terra
プロバイダーOpenAIOpenAI
リリース日2026年2月5日2026年10月26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-5.3-Codex (xhigh)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)$1.75 / $14.00 / $0.175$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GPT-5.3-Codex (xhigh)GPT-6.1 Terra (max)トップ
推論–68.4比較不可
コーディング61.069.3GPT-6.1 Terra
エージェント・ツール80.163.4GPT-5.3-Codex
数学–71.7比較不可
知識–61.4比較不可
指示追従73.6–比較不可
マルチモーダル60.867.2GPT-6.1 Terra
長文コンテキスト66.466.0互角
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コーディングエージェント・ツール長文コンテキストマルチモーダルGPT-5.3-Codex, コーディング: 61.0GPT-5.3-Codex, エージェント・ツール: 80.1GPT-5.3-Codex, 長文コンテキスト: 66.4GPT-5.3-Codex, マルチモーダル: 60.8GPT-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, 長文コンテキスト: 66.0GPT-6.1 Terra, マルチモーダル: 67.2

描画していないもの(測定済みのモデルが2つ未満):推論, 数学, 知識, 指示追従, 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8件のベンチマークのうち、GPT-5.3-Codexのリードが1件、GPT-6.1 Terraのリードが7件です。

総合IndexGPT-5.3-Codex (xhigh)GPT-6.1 Terra (max)トップ
BenchLeader Index62.964.1互角

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-5.3-Codex (xhigh)GPT-6.1 Terra (max)
100万トークンあたりのブレンド価格$4.81$2.00
100万トークンあたりの入力/出力$1.75 / $14.00$1.00 / $5.00
100万トークンあたりのキャッシュ入力$0.175$0.050
タスクあたりの価格:チャットの返答$0.0049$0.0019
タスクあたりの価格:30ページのレポートを要約$0.029$0.015
タスクあたりの価格:コード編集$0.032$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$0.161$0.080
タスクあたりの価格:構造化データの抽出$0.0063$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)$0.090$0.037
ベンチマークのタスクあたりのコスト(AA Index)–$0.961
タスクあたりの出力トークン(AA Index)–60k
うち推論–39k
タスクあたりの時間(AA Index)–14 min
出力速度94 tok/s72 tok/s
回答開始までの時間38.2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)97.1秒375.7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-5.3-Codex (xhigh)のスコアは62.9、最初の回答トークンまで38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

92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-5.3-Codex (xhigh)GPT-6.1 Terra (max)
BenchLeader IndexBenchLeader62.964.1
エージェント・ツールスコアBenchLeader80.163.4
コーディングスコアBenchLeader61.069.3
指示追従スコアBenchLeader73.6–
長文コンテキストスコアBenchLeader66.466.0
マルチモーダルスコアBenchLeader60.867.2
総合スコアBenchLeader–65.0
知識スコアBenchLeader–61.4
数学スコアBenchLeader–71.7
推論スコアBenchLeader–68.4
ブレンド価格($/100万トークン)BenchLeader$4.81$2.00
出力速度BenchLeader94 tok/s72 tok/s
回答開始までの時間BenchLeader38.2秒150.9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 Hub–94.3%
SimpleBenchSimpleBench–72.2%†
LiveBench 2.0 ReasoningLiveBench–88.7%
GPQA Diamond (AA)Artificial Analysis91.5%–
Humanity's Last Exam (AA)Artificial Analysis42.5%46.3%
HLE-Diamond (AA)Artificial Analysis–47.3%
CritPtArtificial Analysis16.9%28.0%
CritPt v2 hard subset (AA)Artificial Analysis–68.0%
HLE-Diamond (Scale)Scale AI SEAL–35.7%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub–74.0%
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub74.8%†–
SciCodeSciCode–55.1%
WeirdMLWeirdML77.9%–
Arena WebDevArena (LMArena)1406†1678
LiveBench 2.0 CodingLiveBench–89.2%
LiveCodeBenchVals AI87.3%–
IOIVals AI53.8%–
SWE-bench (Vals)Vals AI78.0%–
Vibe Code Bench v1.1Vals AI61.8%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 Hub1655.22608.8
92件のベンチマークをすべて表示
指標公開元GPT-5.3-Codex (xhigh)GPT-6.1 Terra (max)
コーディング
WeirdML v3WeirdML–28.1%†
Terminal-Bench 4.0 (AA)Artificial Analysis–55.6%
GameBench 2 OverallDuelLab GameBench 2–81.2†
GameBench 2 by reasoning settingDuelLab GameBench 2–85.8†
Design Arena WebsiteDesign Arena1155†1286†
FrontierCode 1.1 (AA)Artificial Analysis–36.0%
FrontierCode 2.0 (AA)Artificial Analysis–42.3%
エージェント・ツール
Terminal-BenchTerminal-Bench78.4%†53.3%
APEX-AgentsMercor–68.3%
Arena AgentArena (LMArena)–12
LiveBench Long AgenticLiveBench–56.2%
LiveBench BrowserLiveBench–93.1%
Terminal-Bench HardArtificial Analysis53.0%–
τ²-Bench Telecom (AA)Artificial Analysis86.0%–
HiL-BenchScale AI SEAL4.3%†68.0%†
GDPval-AA v2.1Artificial Analysis–1476
Finance Agent v2.1Vals AI–56.0%
Harvey's Legal Agent Benchmark v1.1Vals AI–1.7%
Legal Research BenchVals AI–26.0%
Tax Agent BenchVals AI–17.1%
Terminal-Bench 2.0 (Vals)Vals AI64.0%†–
Terminal-Bench 4.0 (Vals)Vals AI–49.5%
Arena Agent Task CompletionArena (LMArena)–9.7
METR Time HorizonsMETR74.5%†–
Vending-Bench 2Andon Labs5940.1†9107.5†
SpireClimbEpoch AI Benchmarking Hub–22.3%
AutomationBenchArtificial Analysis–60.2%
GDP.pdf (AA)Artificial Analysis–28.6%
AA-Briefcase v1.1Artificial Analysis8681401
GDPxGDPx by SemiAnalysis–8.5%
Design Arena AgenticDesign Arena1018†1192†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–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%
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub–57.3%
LiveBench 2.0 Data AnalysisLiveBench–82.3%
LiveBench ResearchLiveBench–79.1%
AA-Omniscience v1.1Artificial Analysis–29.6
Excel Modeling Benchmark v1.1Vals AI–73.3%
EBR-benchEpoch AI Benchmarking Hub–78.1%
AA-Omniscience v1.1: accuracyArtificial Analysis–47.6%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–65.5%
FACTS ParametricGoogle–70.8%†
指示追従
IFBenchArtificial Analysis75.4%–
MultiChallengeScale AI SEAL–74.2%†
マルチモーダル
LiveBench DesignLiveBench–79.7%
MMMU-ProArtificial Analysis78.5%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 Analysis83.3%82.7%
MLCRArtificial Analysis–30.6%
FACTS GroundingGoogle–84.2%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–167.7†
LiveBench 2.0LiveBench–78.8%
AA Intelligence Index v5.0.1Artificial Analysis–51.3
AA Intelligence Index v4.3.2Artificial Analysis32.548.1
AA Progress Index v1Artificial Analysis301.3345.2
Vals IndexVals AI–60.5
Vals Finance IndexVals AI–53.3%
Vals Legal IndexVals AI–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。
  • 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。
  • 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

GPT-5.3-Codex vs GPT-6.1 Terra:よくある質問

GPT-5.3-CodexはGPT-6.1 Terraより優れていますか?
GPT-5.3-Codex (xhigh)とGPT-6.1 Terra (max)の品質は互角です(62.9 対 64.1、±7.3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。
GPT-5.3-Codex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 $4.81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-5.3-Codex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69 対 61。50が平均)。
GPT-5.3-CodexとGPT-6.1 Terraはどちらが速いですか?
GPT-5.3-Codexの方が出力が速くなっています(出力94 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GPT-5.3-Codex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-5.3-Codexの方がスコアが高くなっています(カテゴリ指標で80 対 63。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互角です(66 対 66)。コンテキストはGPT-6.1 Terraの方が長く、1,050,000トークンです(GPT-5.3-Codex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-5.3-Codexです。Artificial Analysisの測定では、最初の回答トークンまで38.2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。
GPT-5.3-Codex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8件のベンチマークのうち、GPT-5.3-Codexのリードが1件、GPT-6.1 Terraのリードが7件です。
GPT-6.1 Terraはいつリリースされましたか?
GPT-6.1 Terraは2026年10月26日にリリースされました。