BenchLeader

GPT-5.4 vs GPT-6.1 Terra

詳しいプロフィール:GPT-5.4(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 · 15件の情報源のデータ

2026年11月16日時点で、GPT-5.4とGPT-6.1 Terraの品質は互角です(BenchLeader Indexで63.1 対 64.1、±3.4の誤差範囲内)。価格はGPT-6.1 Terraの方が2.8倍安く、100万トークンあたりのブレンド価格で$2.00 対 $5.63です。両方を測定できるすべてのカテゴリでGPT-6.1 Terraがリードしています。

要点(2026年11月16日時点)

  • BenchLeader IndexはGPT-5.4が63.1、GPT-6.1 Terraが64.1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-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17件のベンチマークのうち、GPT-6.1 Terraが16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 65;SciCode 55.1% 対 56.6%中
エージェント・ツール利用どちらでもカテゴリスコア63 対 63;GDPval-AA v2.1 1256 対 1476どちらでも
数学GPT-6.1 Terraカテゴリスコア72 対 65;FrontierMath Tiers 1–3 90.9% 対 78.6%中
推論GPT-6.1 Terraカテゴリスコア68 対 66;GPQA Diamond 94.3% 対 93.3%中
知識GPT-6.1 Terraカテゴリスコア61 対 59;SimpleQA Verified 57.3% 対 45.1%中
長い文書どちらでもカテゴリスコア66 対 66;AA-LCR v1.1 82.0% 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 78.4%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 $5.63;エージェント型コーディングセッション$0.080 対 $0.210–
回答開始の速さどちらでも最初の回答トークンまで144.9秒(GPT-5.4 (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-5.4 (xhigh)とGPT-6.1 Terra (max)の品質は互角です(63.1 対 64.1、±3.4の誤差範囲内)。
  • GPT-6.1 Terra (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、推論で優れています。
  • GPT-6.1 Terra (max)の方が2.8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 $5.63)。

概要

仕様GPT-5.4GPT-6.1 Terra
プロバイダーOpenAIOpenAI
リリース日2026年3月5日2026年10月26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-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)$2.50 / $15.00 / $0.250$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-5.4 (xhigh)GPT-6.1 Terra (max)トップ
推論65.768.4GPT-6.1 Terra
コーディング64.769.3GPT-6.1 Terra
エージェント・ツール63.063.4互角
数学64.871.7GPT-6.1 Terra
知識58.661.4GPT-6.1 Terra
指示追従72.4–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65.766.0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, 長文コンテキスト: 65.7GPT-5.4, マルチモーダル: 60.8GPT-6.1 Terra, 推論: 68.4GPT-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, 数学: 71.7GPT-6.1 Terra, 知識: 61.4GPT-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):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17件のベンチマークのうち、GPT-5.4のリードが1件、GPT-6.1 Terraのリードが16件です。

総合IndexGPT-5.4 (xhigh)GPT-6.1 Terra (max)トップ
BenchLeader Index63.164.1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-5.4 (xhigh)GPT-6.1 Terra (max)
100万トークンあたりのブレンド価格$5.63$2.00
100万トークンあたりの入力/出力$2.50 / $15.00$1.00 / $5.00
100万トークンあたりのキャッシュ入力$0.250$0.050
タスクあたりの価格:チャットの返答$0.0055$0.0019
タスクあたりの価格:30ページのレポートを要約$0.039$0.015
タスクあたりの価格:コード編集$0.037$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$0.210$0.080
タスクあたりの価格:構造化データの抽出$0.0080$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)$0.109$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73 tok/s72 tok/s
回答開始までの時間144.9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)193.1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-5.4 (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-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

170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-6.1 Terra (max)
BenchLeader IndexBenchLeader63.164.1
エージェント・ツールスコアBenchLeader63.063.4
コーディングスコアBenchLeader64.769.3
指示追従スコアBenchLeader72.4–
知識スコアBenchLeader58.661.4
長文コンテキストスコアBenchLeader65.766.0
数学スコアBenchLeader64.871.7
マルチモーダルスコアBenchLeader60.867.2
推論スコアBenchLeader65.768.4
総合スコアBenchLeader–65.0
ブレンド価格($/100万トークン)BenchLeader$5.63$2.00
出力速度BenchLeader73 tok/s72 tok/s
回答開始までの時間BenchLeader144.9秒150.9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%94.3%
Humanity's Last ExamScale AI / CAIS36.2%–
SimpleBenchSimpleBench–72.2%†
Arena Hard PromptsArena (LMArena)1487†–
LiveBench 2.0 ReasoningLiveBench–88.7%
LiveBench 1.0 ReasoningLiveBench88.1%–
GPQA Diamond (AA)Artificial Analysis92.0%–
Humanity's Last Exam (AA)Artificial Analysis43.7%46.3%
HLE-Diamond (AA)Artificial Analysis–47.3%
GPQA Diamond (Vals)Vals AI91.7%–
Kagi LLM BenchmarkKagi LLM Benchmark63.8%†–
ARC-AGI-1ARC Prize93.7%–
ARC-AGI-2ARC Prize74.0%–
ARC-AGI-3ARC Prize0.2%†–
CritPtArtificial Analysis23.4%28.0%
CritPt v2 hard subset (AA)Artificial Analysis–68.0%
HLE-Diamond (Scale)Scale AI SEAL–35.7%†
Arena ExpertArena (LMArena)1491†–
Chess PuzzlesEpoch AI Benchmarking Hub48.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub37.0%74.0%
CL-benchEpoch AI Benchmarking Hub27.9%–
CL-bench LifeEpoch AI Benchmarking Hub21.7%–
LMCAEpoch AI Benchmarking Hub52.0%–
DTBenchEpoch AI Benchmarking Hub94.4%–
ForecastBenchForecastBench63.0%†–
170件のベンチマークをすべて表示
指標公開元GPT-5.4 (xhigh)GPT-6.1 Terra (max)
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub76.9%†–
SciCodeSciCode56.6%55.1%
WeirdMLWeirdML77.7%–
GSO-BenchGSO-Bench31.4%–
Arena CodingArena (LMArena)1511†–
Arena WebDevArena (LMArena)1400†1678
LiveBench 2.0 CodingLiveBench–89.2%
LiveBench 1.0 CodingLiveBench77.5%–
SciCode (AA)Artificial Analysis–55.1%
LiveCodeBenchVals AI84.1%–
SWE-bench (Vals)Vals AI78.2%–
SWE-Bench ProScale AI SEAL59.1%–
Code MigrationVals AI35.0%–
ProgramBenchVals AI0.0%–
Vibe Code Bench v1.1Vals AI67.4%84.0%
SWE-Bench Pro (private)Scale AI SEAL43.4%–
SWE Atlas v1.0: Codebase QnAScale AI SEAL40.8%–
SWE Atlas v1.0: RefactoringScale AI SEAL44.3%–
SWE Atlas v1.0: Test WritingScale AI SEAL44.4%–
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 Hub23.3%76.7%
DeepSWE v1.1Epoch AI Benchmarking Hub51.8%–
ALE-BenchEpoch AI Benchmarking Hub1607†2608.8
AlgoTuneAlgoTune1.9†–
WeirdML v3WeirdML–28.1%†
Terminal-Bench 4.0 (AA)Artificial Analysis–55.6%
Terminal-Bench 2.1 (AA)Artificial Analysis78.3%–
GameBench 2 OverallDuelLab GameBench 253.4†81.2†
GameBench 2 by reasoning settingDuelLab GameBench 262.185.8†
Design Arena WebsiteDesign Arena1190†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-Bench81.8%†53.3%
APEX-AgentsMercor52.4%†68.3%
Arena AgentArena (LMArena)–12
LiveBench Long AgenticLiveBench–56.2%
LiveBench BrowserLiveBench–93.1%
LiveBench Agentic CodingLiveBench53.8%–
Terminal-Bench HardArtificial Analysis57.6%–
τ²-Bench Telecom (AA)Artificial Analysis87.1%–
MCP AtlasScale AI SEAL70.6%–
HiL-BenchScale AI SEAL9.7%†68.0%†
τ³-bench Bankingτ²-bench39.4%–
GDPval-AA v2.1Artificial Analysis12561476
τ³-Banking (AA)Artificial Analysis39.6%–
APEX-Agents (AA)Artificial Analysis33.3%–
Finance Agent v2.1Vals AI–56.0%
Harvey's Legal Agent Benchmark v1.1Vals AI–1.7%
Harvey's Legal Agent Benchmark v1Vals AI0.0%–
Legal Research BenchVals AI–26.0%
SkillsBenchVals AI51.7%–
Tax Agent BenchVals AI–17.1%
Terminal-Bench 2.0 (Vals)Vals AI58.4%†–
Terminal-Bench 4.0 (Vals)Vals AI–49.5%
Arena SearchArena (LMArena)1196†–
Arena Agent Task CompletionArena (LMArena)–9.7
DeepResearch BenchDeepResearch Bench35.1%†–
PostTrainBenchEpoch AI Benchmarking Hub17.8%†–
METR Time HorizonsMETR74.3%–
GBAEvalEpoch AI Benchmarking Hub45.1%†–
Vending-Bench 2Andon Labs6144.2†9107.5†
SpireClimbEpoch AI Benchmarking Hub–22.3%
AutomationBenchArtificial Analysis–60.2%
GDP.pdf (AA)Artificial Analysis–28.6%
AA-Briefcase v1.1Artificial Analysis–1401
GDPxGDPx by SemiAnalysis–8.5%
Design Arena AgenticDesign Arena1042†1192†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–57.6%
MKA (AA)Artificial Analysis–43.8%
DeepSearchQAGoogle63.7%†–
FACTS SearchGoogle–92.7%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub78.6%90.9%
FrontierMath Tier 4Epoch AI Benchmarking Hub49.0%92.7%
OTIS Mock AIMEEpoch AI Benchmarking Hub95.3%100.0%
ProofBenchVals AI56.0%–
LiveBench MathematicsLiveBench94.2%–
AIME (Vals)Vals AI96.7%–
AIME 2026MathArena99.2%–
HMMT February 2026MathArena97.7%–
USAMO 2026MathArena95.2%–
MathArena ApexMathArena54.2%–
Arena MathsArena (LMArena)1459†–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub45.1%57.3%
LiveBench 2.0 Data AnalysisLiveBench–82.3%
LiveBench ResearchLiveBench–79.1%
LiveBench 1.0 Data AnalysisLiveBench79.3%–
AA-Omniscience v1.1Artificial Analysis–29.6
MMLU-ProVals AI87.5%–
LegalBenchVals AI86.0%–
CorpFinVals AI65.3%–
TaxEvalVals AI74.0%–
MedQAVals AI96.1%–
PRBench FinanceScale AI SEAL45.6%†–
PRBench LegalScale AI SEAL44.4%†–
MultiNRCScale AI SEAL58.3%†–
CaseLaw v2Vals AI63.8%–
Excel Modeling Benchmark v1.1Vals AI–73.3%
MedCodeVals AI41.3%–
MedScribeVals AI77.5%–
EBR-benchEpoch AI Benchmarking Hub25.4%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
LiveBench LanguageLiveBench82.6%–
LiveBench Instruction FollowingLiveBench70.2%–
IFBenchArtificial Analysis74.0%–
MultiChallengeScale AI SEAL–74.2%†
Arena Instruction FollowingArena (LMArena)1460†–
人間の評価
Arena TextArena (LMArena)1465†–
EQ-Bench 4EQ-Bench1258†–
EQ-Bench Creative Writing v3EQ-Bench1841†–
Arena Creative WritingArena (LMArena)1433†–
Arena Multi-turnArena (LMArena)1480†–
Arena Longer QueriesArena (LMArena)1477†–
マルチモーダル
Arena VisionArena (LMArena)1292†–
LiveBench DesignLiveBench–79.7%
MMMU-ProArtificial Analysis78.4%84.7%
VISTAScale AI SEAL50.9%†–
MMMU-Pro (Vals)Vals AI87.5%–
MortgageTaxVals AI68.3%–
VTBScale AI SEAL29.2%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub27.1%†42.1%†
Furniture AssemblyEpoch AI Benchmarking Hub37.5%79.2%
VIALS-AAHandshake AI–60.3%
FACTS MultimodalGoogle–48.8%†
長文コンテキスト
AA-LCR v1.1Artificial Analysis82.0%82.7%
Arena DocumentArena (LMArena)1471†–
MLCRArtificial Analysis–30.6%
FACTS GroundingGoogle–84.2%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub157.8†167.7†
LiveBench 2.0LiveBench–78.8%
LiveBench 1.0LiveBench78.0%–
AA Intelligence Index v5.0.1Artificial Analysis–51.3
AA Intelligence Index v4.3.2Artificial Analysis39.048.1
AA Progress Index v1Artificial Analysis311.6345.2
Vals IndexVals AI–60.5
Vals Finance IndexVals AI–53.3%
Vals RSI IndexVals AI15.5%–
Vals Legal IndexVals AI–58.8%
安全性・誠実さ
FORTRESSScale AI SEAL–18.2%†
MASKScale AI SEAL89.7%†–
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-5.4 (xhigh):新しい結果1件(GDPval-AA v2.1)。
  • 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-5.4 (xhigh):新しい結果1件(MirrorCode)。
  • 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-5.4 (xhigh):BenchLeader Index 63.7 → 63.2。

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-5.4 vs GPT-6.1 Terra:よくある質問

GPT-5.4はGPT-6.1 Terraより優れていますか?
GPT-5.4 (xhigh)とGPT-6.1 Terra (max)の品質は互角です(63.1 対 64.1、±3.4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-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 $5.63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-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 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SciCodeでは、GPT-5.4が56.6%、GPT-6.1 Terraが55.1%です。
GPT-5.4とGPT-6.1 Terraはどちらが速いですか?
GPT-5.4の方が出力が速くなっています(出力73 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-5.4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互角です(カテゴリ指標で63 対 63)。
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)。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-5.4です。Artificial Analysisの測定では、最初の回答トークンまで144.9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-5.4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17件のベンチマークのうち、GPT-5.4のリードが1件、GPT-6.1 Terraのリードが16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。