BenchLeader

GPT-5.4 vs GPT-5.6 Sol

詳しいプロフィール:GPT-5.4(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 · 13件の情報源のデータ

2026年11月16日時点で、GPT-5.4とGPT-5.6 Solの品質は互角です(BenchLeader Indexで63.1 対 65.3、±4.2の誤差範囲内)。価格はGPT-5.4の方が1.4倍安く、100万トークンあたりのブレンド価格で$5.63 対 $8.00です。指示追従(72 対 71)、推論(66 対 65)を重視するならGPT-5.4、数学(70 対 65)、知識(64 対 59)、マルチモーダル(66 対 61)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 144.9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-5.4が63.1、GPT-5.6 Solが65.3です(BenchLeader、2026年11月16日)。
  • GPT-5.4の100万トークンあたりのブレンド価格は$5.63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-5.4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54件のベンチマークのうち、GPT-5.6 Solが49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 65;SciCode 57.1% 対 56.6%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 63;τ³-Banking (AA) 44.3% 対 39.6%中
数学GPT-5.6 Solカテゴリスコア70 対 65;FrontierMath Tiers 1–3 89.1% 対 78.6%中
推論GPT-5.4カテゴリスコア66 対 65;GPQA Diamond 93.3% 対 93.5%中
知識GPT-5.6 Solカテゴリスコア64 対 59;SimpleQA Verified 69.7% 対 45.1%中
長い文書GPT-5.6 Solカテゴリスコア67 対 66;AA-LCR v1.1 84.0% 対 82.0%中
画像などのメディアGPT-5.6 Solカテゴリスコア66 対 61;MMMU-Pro 83.4% 対 78.4%中
指示への追従GPT-5.4カテゴリスコア72 対 71;IFBench 74.0% 対 72.7%中
最低コストGPT-5.4100万トークンあたりブレンド価格$5.63 対 $8.00;エージェント型コーディングセッション$0.210 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 144.9秒(GPT-5.4 (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

  • GPT-5.4 (xhigh)とGPT-5.6 Sol (max)の品質は互角です(63.1 対 65.3、±4.2の誤差範囲内)。
  • GPT-5.4 (xhigh)は指示追従、推論で優れています。
  • 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、マルチモーダルで優れています。
  • GPT-5.4 (xhigh)の方が1.4倍安くなっています(100万トークンあたりブレンド価格$5.63 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 73トークン/秒)。

概要

仕様GPT-5.4GPT-5.6 Sol
プロバイダーOpenAIOpenAI
リリース日2026年3月5日2026年7月9日
コンテキストウィンドウ(トークン)1,050,0001,050,000
比較した構成GPT-5.4 (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)$2.50 / $15.00 / $0.250$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-5.4 (xhigh)GPT-5.6 Sol (max)トップ
推論65.764.7GPT-5.4
コーディング64.765.8GPT-5.6 Sol
エージェント・ツール63.067.5GPT-5.6 Sol
数学64.870.0GPT-5.6 Sol
知識58.663.8GPT-5.6 Sol
指示追従72.471.2GPT-5.4
マルチモーダル60.865.9GPT-5.6 Sol
長文コンテキスト65.766.7GPT-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マルチモーダルGPT-5.4, 推論: 65.7GPT-5.4, コーディング: 64.7GPT-5.4, エージェント・ツール: 63.0GPT-5.4, 数学: 64.8GPT-5.4, 知識: 58.6GPT-5.4, 指示追従: 72.4GPT-5.4, 長文コンテキスト: 65.7GPT-5.4, マルチモーダル: 60.8GPT-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: 66.7GPT-5.6 Sol, マルチモーダル: 65.9

描画していないもの(測定済みのモデルが2つ未満):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54件のベンチマークのうち、GPT-5.4のリードが5件、GPT-5.6 Solのリードが49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-5.4 (xhigh)GPT-5.6 Sol (max)トップ
BenchLeader Index63.165.3互角
Arena Text1475†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-5.4 (xhigh)GPT-5.6 Sol (max)
100万トークンあたりのブレンド価格$5.63$8.00
100万トークンあたりの入力/出力$2.50 / $15.00$4.00 / $20.00
100万トークンあたりのキャッシュ入力$0.250$0.400
タスクあたりの価格:チャットの返答$0.0055$0.0076
タスクあたりの価格:30ページのレポートを要約$0.039$0.060
タスクあたりの価格:コード編集$0.037$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$0.210$0.320
タスクあたりの価格:構造化データの抽出$0.0080$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)$0.109$0.158
出力速度73 tok/s100 tok/s
回答開始までの時間144.9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)193.1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-5.4 (xhigh)のスコアは63.1、最初の回答トークンまで145秒。GPT-5.4 (low)は58.8(3秒)、GPT-5.4 (high)は58.6(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

176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-5.4 (xhigh)GPT-5.6 Sol (max)
BenchLeader IndexBenchLeader63.165.3
エージェント・ツールスコアBenchLeader63.067.5
コーディングスコアBenchLeader64.765.8
指示追従スコアBenchLeader72.471.2
知識スコアBenchLeader58.663.8
長文コンテキストスコアBenchLeader65.766.7
数学スコアBenchLeader64.870.0
マルチモーダルスコアBenchLeader60.865.9
推論スコアBenchLeader65.764.7
ブレンド価格($/100万トークン)BenchLeader$5.63$8.00
出力速度BenchLeader73 tok/s100 tok/s
回答開始までの時間BenchLeader144.9秒33.5秒
コンテキストウィンドウBenchLeader1,050,000トークン1,050,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub93.3%93.5%
Humanity's Last ExamScale AI / CAIS36.2%–
SimpleBenchSimpleBench–64.8%†
Arena Hard PromptsArena (LMArena)1487†1511†
LiveBench 1.0 ReasoningLiveBench88.1%91.7%
GPQA Diamond (AA)Artificial Analysis92.0%94.1%
Humanity's Last Exam (AA)Artificial Analysis43.7%49.5%
GPQA Diamond (Vals)Vals AI91.7%95.2%
EnigmaEvalScale AI SEAL–37.1%†
Kagi LLM BenchmarkKagi LLM Benchmark63.8%†67.0%†
ARC-AGI-1ARC Prize93.7%96.5%
ARC-AGI-2ARC Prize74.0%92.5%
ARC-AGI-3ARC Prize0.2%†7.8%
CritPtArtificial Analysis23.4%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)1491†1532†
Chess PuzzlesEpoch AI Benchmarking Hub48.0%59.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub37.0%58.0%
CL-benchEpoch AI Benchmarking Hub27.9%–
CL-bench LifeEpoch AI Benchmarking Hub21.7%–
LMCAEpoch AI Benchmarking Hub52.0%58.4%
DTBenchEpoch AI Benchmarking Hub94.4%95.5%
ForecastBenchForecastBench63.0%†65.7%
176件のベンチマークをすべて表示
指標公開元GPT-5.4 (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 Hub76.9%†–
SciCodeSciCode56.6%57.1%
WeirdMLWeirdML77.7%87.0%
FrontierCodeCognition–47.5%†
GSO-BenchGSO-Bench31.4%76.5%†
Arena CodingArena (LMArena)1511†1533†
Arena WebDevArena (LMArena)1400†1615†
LiveBench 1.0 CodingLiveBench77.5%83.9%
SciCode (AA)Artificial Analysis–57.1%
LiveCodeBenchVals AI84.1%82.6%
IOIVals AI–91.2%
SWE-bench (Vals)Vals AI78.2%96.2%
SWE-Bench ProScale AI SEAL59.1%–
Code MigrationVals AI35.0%52.9%
ProgramBenchVals AI0.0%1.5%
Vibe Code Bench 1-100Vals AI–20.0%
Vibe Code Bench v1.1Vals AI67.4%80.5%
SWE-Bench Pro (private)Scale AI SEAL43.4%–
SWE Atlas v1.0: Codebase QnAScale AI SEAL40.8%46.0%†
SWE Atlas v1.0: RefactoringScale AI SEAL44.3%–
SWE Atlas v1.0: Test WritingScale AI SEAL44.4%45.9%†
SWE-Bench Pro V2Scale AI SEAL–95.5%†
SWE-Bench Pro V2 HARDScale AI SEAL–82.4%†
MirrorCodeEpoch AI Benchmarking Hub23.3%20.0%†
Surface Evolver BenchEpoch AI Benchmarking Hub–93.1%†
DeepSWE v1.1Epoch AI Benchmarking Hub51.8%72.7%
CursorBenchCursor–41.7%
ALE-BenchEpoch AI Benchmarking Hub1607†2176.9
AlgoTuneAlgoTune1.9†–
FrontierSWEEpoch AI Benchmarking Hub–32.2%
WeirdML v3WeirdML–15.0%†
Terminal-Bench 4.0 (AA)Artificial Analysis–39.9%
Terminal-Bench 2.1 (AA)Artificial Analysis78.3%88.0%
Startrise FrontendStartrise–66.2%†
GameBench 2 OverallDuelLab GameBench 253.4†67.0†
GameBench 2 by reasoning settingDuelLab GameBench 262.180.0†
Design Arena WebsiteDesign Arena1190†1319†
エージェント・ツール
Terminal-BenchTerminal-Bench81.8%†38.5%
OSWorld-Verified 2.0OSWorld–27.3%
APEX-AgentsMercor52.4%†51.4%†
Arena AgentArena (LMArena)–4.6†
LiveBench Agentic CodingLiveBench53.8%56.2%
Terminal-Bench HardArtificial Analysis57.6%65.9%
τ²-Bench Telecom (AA)Artificial Analysis87.1%85.1%
Terminal-Bench 2.1 (Vals)Vals AI–85.8%
MCP AtlasScale AI SEAL70.6%–
HiL-BenchScale AI SEAL9.7%†32.3%†
τ³-bench Bankingτ²-bench39.4%46.9%†
GDPval-AA v2.1Artificial Analysis12561619
τ³-Banking (AA)Artificial Analysis39.6%44.3%
ITBench SRE (AA)Artificial Analysis–56.2%
Analyst Agent (AA)Artificial Analysis–47.5%
APEX-Agents (AA)Artificial Analysis33.3%–
CUA-benchVals AI–8.3%
CyberBenchVals AI–76.3%
Finance Agent v2Vals AI–53.8%
Harvey's Legal Agent Benchmark v1Vals AI0.0%2.5%
Legal Research BenchVals AI–48.1%
SkillsBenchVals AI51.7%54.1%
SREBenchVals AI–30.5%
Tax Agent BenchVals AI–31.1%
Terminal-Bench 2.0 (Vals)Vals AI58.4%†–
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)1196†1255†
Arena Agent Task CompletionArena (LMArena)–2.3†
BALROGBALROG–60.0%
DeepResearch BenchDeepResearch Bench35.1%†–
PostTrainBenchEpoch AI Benchmarking Hub17.8%†31.0%
METR Time HorizonsMETR74.3%–
GBAEvalEpoch AI Benchmarking Hub45.1%†52.6%†
Vending-Bench 2Andon Labs6144.2†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 Arena1042†1238†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–22.4%
DeepSearchQAGoogle63.7%†–
FACTS SearchGoogle–92.9%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub78.6%89.1%
FrontierMath Tier 4Epoch AI Benchmarking Hub49.0%82.9%
OTIS Mock AIMEEpoch AI Benchmarking Hub95.3%100.0%
ProofBenchVals AI56.0%83.0%
LiveBench MathematicsLiveBench94.2%96.2%
AIME (Vals)Vals AI96.7%–
AIME 2026MathArena99.2%–
HMMT February 2026MathArena97.7%–
USAMO 2026MathArena95.2%–
MathArena ApexMathArena54.2%–
Arena MathsArena (LMArena)1459†1494†
FrontierMath ErdősEpoch AI Benchmarking Hub–0.0%
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub45.1%69.7%
LiveBench 1.0 Data AnalysisLiveBench79.3%79.8%
MMLU-ProVals AI87.5%89.1%
LegalBenchVals AI86.0%87.0%
CorpFinVals AI65.3%64.4%
TaxEvalVals AI74.0%74.8%
MedQAVals AI96.1%–
PRBench FinanceScale AI SEAL45.6%†50.5%
PRBench LegalScale AI SEAL44.4%†50.5%
MultiNRCScale AI SEAL58.3%†–
BioMysteryBenchVals AI–71.1%
CaseLaw v2Vals AI63.8%–
Excel Modeling BenchmarkVals AI–72.3%
MedCodeVals AI41.3%44.0%
MedScribeVals AI77.5%85.2%
Public Benefits Bench v1.1Vals AI–66.5%
Financial Coaching BenchVals AI–74.9%
DrugDiscoveryBenchScale AI SEAL–56.5%
EBR-benchEpoch AI Benchmarking Hub25.4%44.8%
GDP.pdfEpoch AI Benchmarking Hub–30.7%
FACTS ParametricGoogle–81.1%†
指示追従
LiveBench LanguageLiveBench82.6%87.7%
LiveBench Instruction FollowingLiveBench70.2%71.8%
IFBenchArtificial Analysis74.0%72.7%
Arena Instruction FollowingArena (LMArena)1460†1490†
人間の評価
Arena TextArena (LMArena)1465†1485†
EQ-Bench 4EQ-Bench1258†1236†
EQ-Bench Creative Writing v3EQ-Bench1841†1974†
Arena Creative WritingArena (LMArena)1433†1471†
Arena Multi-turnArena (LMArena)1480†1491†
Arena Longer QueriesArena (LMArena)1477†1498†
マルチモーダル
Arena VisionArena (LMArena)1292†1282†
MMMU-ProArtificial Analysis78.4%83.4%
VISTAScale AI SEAL50.9%†–
MMMU-Pro (Vals)Vals AI87.5%88.8%
MortgageTaxVals AI68.3%67.3%
Humanity's Sixth SenseScale AI SEAL–30.0%
VTBScale AI SEAL29.2%†–
GeoBenchGeoBench–73.0%†
Blueprint-Bench 2Epoch AI Benchmarking Hub27.1%†33.6%†
Furniture AssemblyEpoch AI Benchmarking Hub37.5%56.7%
FACTS MultimodalGoogle–46.4%†
長文コンテキスト
AA-LCR v1.1Artificial Analysis82.0%84.0%
Arena DocumentArena (LMArena)1471†1487†
MLCRArtificial Analysis–30.0%
FACTS GroundingGoogle–61.9%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub157.8†163.0†
LiveBench 1.0LiveBench78.0%81.0%
AA Intelligence Index v4.3.2Artificial Analysis39.047.0
AA Progress Index v1Artificial Analysis311.6331.5
Vals RSI IndexVals AI15.5%23.9%
Vals Science IndexVals AI–41.5%
Vals Multimodal IndexVals AI–72.6%
安全性・誠実さ
FORTRESSScale AI SEAL–20.1%†
MASKScale AI SEAL89.7%†–
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-5.4 (xhigh):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)。
  • GPT-5.6 Sol (max):スコアの改訂1件。
  • GPT-5.4 (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-5.4 (xhigh):BenchLeader Index 63.7 → 63.2。
  • GPT-5.4 (xhigh):スコアの改訂1件。
  • GPT-5.6 Sol (max):スコアの改訂1件。
  • GPT-5.4 (xhigh):新しい結果1件(AA Progress Index v1)。

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-5.4 vs GPT-5.6 Sol:よくある質問

GPT-5.4はGPT-5.6 Solより優れていますか?
GPT-5.4 (xhigh)とGPT-5.6 Sol (max)の品質は互角です(63.1 対 65.3、±4.2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-5.4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-5.4の方が安く、100万トークンあたり$5.63 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-5.4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 65。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-5.4が84.1%、GPT-5.6 Solが82.6%です。
GPT-5.4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 73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-5.4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 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τ³-Banking (AA)では、GPT-5.4が39.6%、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 66)。どちらも1,050,000トークンのコンテキストに対応しています。
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 144.9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-5.4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54件のベンチマークのうち、GPT-5.4のリードが5件、GPT-5.6 Solのリードが49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。