BenchLeader

GPT-5.4 vs GPT-6 Sol

詳しいプロフィール:GPT-5.4(OpenAI)とGPT-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 · 14件の情報源のデータ

2026年11月16日時点で、GPT-5.4とGPT-6 Solの品質は互角です(BenchLeader Indexで63.1 対 62.6、±4.2の誤差範囲内)。価格はGPT-6 Sol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$4.00 対 $5.63です。エージェント・ツール(63 対 59)を重視するならGPT-5.4、数学(68 対 65)、知識(61 対 59)、コーディング(66 対 65)を重視するならGPT-6 Solが向いています。回答開始までの時間はGPT-6 Solの方が短く、36.9秒 対 144.9秒です。GPT-6 Solは出力が約1.5倍速い点も強みです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGPT-5.4が63.1、GPT-6 Solが62.6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 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)。
  • GPT-6 SolはGPT-5.4より出力が約1.5倍速いです(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-6 Solが34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 Solカテゴリスコア66 対 65;SciCode 57.6% 対 56.6%中
エージェント・ツール利用GPT-5.4カテゴリスコア63 対 59;LiveBench Agentic Coding 53.8% 対 52.9%中
数学GPT-6 Solカテゴリスコア68 対 65;FrontierMath Tiers 1–3 89.8% 対 78.6%中
推論どちらでもカテゴリスコア66 対 66;GPQA Diamond 93.3% 対 94.3%どちらでも
知識GPT-6 Solカテゴリスコア61 対 59;SimpleQA Verified 60.7% 対 45.1%中
長い文書どちらでもカテゴリスコア66 対 67;AA-LCR v1.1 82.0% 対 83.7%どちらでも
画像などのメディアどちらでもカテゴリスコア61 対 61;MMMU-Pro 78.4% 対 83.0%どちらでも
チャットの質(人間の評価)–Arenaの評価があるのはGPT-6 Solのみです(カテゴリスコア64)比較不可
最低コストGPT-6 Sol100万トークンあたりブレンド価格$4.00 対 $5.63;エージェント型コーディングセッション$0.160 対 $0.210–
回答開始の速さGPT-6 Sol最初の回答トークンまで36.9秒(GPT-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-6 Sol (max)の品質は互角です(63.1 対 62.6、±4.2の誤差範囲内)。
  • GPT-5.4 (xhigh)はエージェント・ツール、マルチモーダルで優れています。
  • GPT-6 Sol (max)はコーディング、知識、長文コンテキスト、数学、推論で優れています。
  • GPT-6 Sol (max)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$4.00 対 $5.63)。
  • GPT-6 Sol (max)の方が出力が1.8倍速くなっています(127 対 73トークン/秒)。

概要

仕様GPT-5.4GPT-6 Sol
プロバイダーOpenAIOpenAI
リリース日2026年3月5日2026年9月22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 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$2.00 / $10.00 / $0.200

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 Sol (max)トップ
推論65.766.0互角
コーディング64.766.3GPT-6 Sol
エージェント・ツール63.058.8GPT-5.4
数学64.868.0GPT-6 Sol
知識58.660.6GPT-6 Sol
指示追従72.4–比較不可
人間の評価–64.2比較不可
マルチモーダル60.860.6互角
長文コンテキスト65.766.6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 Sol, 推論: 66.0GPT-6 Sol, コーディング: 66.3GPT-6 Sol, エージェント・ツール: 58.8GPT-6 Sol, 数学: 68.0GPT-6 Sol, 知識: 60.6GPT-6 Sol, 長文コンテキスト: 66.6GPT-6 Sol, マルチモーダル: 60.6

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36件のベンチマークのうち、GPT-5.4のリードが2件、GPT-6 Solのリードが34件です。両方を評価しているすべての総合指標で、GPT-5.4が上回っています。

総合IndexGPT-5.4 (xhigh)GPT-6 Sol (max)トップ
BenchLeader Index63.162.6互角
Arena Text1475†1457GPT-5.4

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 Sol (max)
100万トークンあたりのブレンド価格$5.63$4.00
100万トークンあたりの入力/出力$2.50 / $15.00$2.00 / $10.00
100万トークンあたりのキャッシュ入力$0.250$0.200
タスクあたりの価格:チャットの返答$0.0055$0.0038
タスクあたりの価格:30ページのレポートを要約$0.039$0.030
タスクあたりの価格:コード編集$0.037$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$0.210$0.160
タスクあたりの価格:構造化データの抽出$0.0080$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)$0.109$0.079
ベンチマークのタスクあたりのコスト(AA Index)–$2.47
タスクあたりの出力トークン(AA Index)–54k
うち推論–35k
タスクあたりの時間(AA Index)–7 min
出力速度73 tok/s127 tok/s
回答開始までの時間144.9秒36.9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143.8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 Sol (max)のスコアは62.6、最初の回答トークンまで37秒。GPT-6 Sol (xhigh)は58.4(19秒)、GPT-6 Sol (high)は58.1(6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

171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 Sol (max)
BenchLeader IndexBenchLeader63.162.6
エージェント・ツールスコアBenchLeader63.058.8
コーディングスコアBenchLeader64.766.3
指示追従スコアBenchLeader72.4–
知識スコアBenchLeader58.660.6
長文コンテキストスコアBenchLeader65.766.6
数学スコアBenchLeader64.868.0
マルチモーダルスコアBenchLeader60.860.6
推論スコアBenchLeader65.766.0
人間の評価スコアBenchLeader–64.2
ブレンド価格($/100万トークン)BenchLeader$5.63$4.00
出力速度BenchLeader73 tok/s127 tok/s
回答開始までの時間BenchLeader144.9秒36.9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–73.1%†
Arena Hard PromptsArena (LMArena)1487†1483
LiveBench 1.0 ReasoningLiveBench88.1%88.7%
GPQA Diamond (AA)Artificial Analysis92.0%–
Humanity's Last Exam (AA)Artificial Analysis43.7%47.9%
HLE-Diamond (AA)Artificial Analysis–45.2%
GPQA Diamond (Vals)Vals AI91.7%–
Kagi LLM BenchmarkKagi LLM Benchmark63.8%†–
ARC-AGI-1ARC Prize93.7%95.5%
ARC-AGI-2ARC Prize74.0%89.6%
ARC-AGI-3ARC Prize0.2%†23.0%
CritPtArtificial Analysis23.4%30.9%
CritPt v2 hard subset (AA)Artificial Analysis–66.5%
MysteryMechanismVals AI–30.2%
HLE-Diamond (Scale)Scale AI SEAL–33.8%†
Arena ExpertArena (LMArena)1491†1496
Chess PuzzlesEpoch AI Benchmarking Hub48.0%56.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub37.0%56.0%
CL-benchEpoch AI Benchmarking Hub27.9%–
CL-bench LifeEpoch AI Benchmarking Hub21.7%–
LMCAEpoch AI Benchmarking Hub52.0%59.1%
DTBenchEpoch AI Benchmarking Hub94.4%97.3%
ForecastBenchForecastBench63.0%†–
171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 Sol (max)
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub76.9%†–
SciCodeSciCode56.6%57.6%
WeirdMLWeirdML77.7%–
FrontierCodeCognition–49.3%
GSO-BenchGSO-Bench31.4%–
Arena CodingArena (LMArena)1511†1521
Arena WebDevArena (LMArena)1400†1673
LiveBench 1.0 CodingLiveBench77.5%81.8%
SciCode (AA)Artificial Analysis–57.6%
LiveCodeBenchVals AI84.1%–
IOIVals AI–82.6%
SWE-bench (Vals)Vals AI78.2%–
SWE-Bench ProScale AI SEAL59.1%–
Code MigrationVals AI35.0%57.2%
ProgramBenchVals AI0.0%2.0%
Vibe Code Bench v1.1Vals AI67.4%87.8%
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%–
MirrorCodeEpoch AI Benchmarking Hub23.3%48.9%
DeepSWE v1.1Epoch AI Benchmarking Hub51.8%–
ALE-BenchEpoch AI Benchmarking Hub1607†2462
AlgoTuneAlgoTune1.9†–
WeirdML v3WeirdML–19.7%†
Terminal-Bench 4.0 (AA)Artificial Analysis–43.9%
Terminal-Bench 2.1 (AA)Artificial Analysis78.3%–
GameBench 2 OverallDuelLab GameBench 253.4†73.0†
GameBench 2 by reasoning settingDuelLab GameBench 262.179.4†
Design Arena WebsiteDesign Arena1190†1290†
FrontierCode 2.0 (AA)Artificial Analysis–35.6%
エージェント・ツール
Terminal-BenchTerminal-Bench81.8%†50.3%
APEX-AgentsMercor52.4%†54.3%
Arena AgentArena (LMArena)–6.9
LiveBench Agentic CodingLiveBench53.8%52.9%
Terminal-Bench HardArtificial Analysis57.6%–
τ²-Bench Telecom (AA)Artificial Analysis87.1%–
Terminal-Bench 2.1 (Vals)Vals AI–83.2%
MCP AtlasScale AI SEAL70.6%–
HiL-BenchScale AI SEAL9.7%†–
τ³-bench Bankingτ²-bench39.4%–
GDPval-AA v2.1Artificial Analysis12561514
τ³-Banking (AA)Artificial Analysis39.6%–
ITBench SRE (AA)Artificial Analysis–49.4%
APEX-Agents (AA)Artificial Analysis33.3%–
CyberBenchVals AI–78.0%
Finance Agent v2Vals AI–49.0%
Harvey's Legal Agent Benchmark v1Vals AI0.0%1.7%
Legal Research BenchVals AI–28.9%
SkillsBenchVals AI51.7%–
SREBenchVals AI–30.5%
Tax Agent BenchVals AI–15.0%
Terminal-Bench 2.0 (Vals)Vals AI58.4%†–
Terminal-Bench 4.0 (Vals)Vals AI–44.4%
Terminal-Bench ScienceVals AI–30.0%
Arena SearchArena (LMArena)1196†1229
Arena Agent Task CompletionArena (LMArena)–4.5
DeepResearch BenchDeepResearch Bench35.1%†–
PostTrainBenchEpoch AI Benchmarking Hub17.8%†–
METR Time HorizonsMETR74.3%–
GBAEvalEpoch AI Benchmarking Hub45.1%†–
Vending-Bench 2Andon Labs6144.2†14427.9†
SpireClimbEpoch AI Benchmarking Hub–9.2%
AutomationBenchArtificial Analysis–61.6%
GDP.pdf (AA)Artificial Analysis–25.2%
Harvey LAB-AA v1.1Harvey–3.6%
AA-Briefcase v1.1Artificial Analysis–1476
Design Arena AgenticDesign Arena1042†1218†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–30.0%
CWE-Bench (AA)Artificial Analysis–64.2%
DeepSec-Bench (AA)Artificial Analysis–46.3%
CyberGym end-to-end (AA)Artificial Analysis–0.0%
DeepSearchQAGoogle63.7%†–
FACTS SearchGoogle–92.7%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub78.6%89.8%
FrontierMath Tier 4Epoch AI Benchmarking Hub49.0%90.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub95.3%100.0%
ProofBenchVals AI56.0%83.0%†
LiveBench MathematicsLiveBench94.2%96.4%
AIME (Vals)Vals AI96.7%–
AIME 2026MathArena99.2%–
HMMT February 2026MathArena97.7%–
USAMO 2026MathArena95.2%–
MathArena ApexMathArena54.2%–
Arena MathsArena (LMArena)1459†1440
FrontierMath ErdősEpoch AI Benchmarking Hub–1.5%
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub45.1%60.7%
LiveBench 1.0 Data AnalysisLiveBench79.3%81.2%
AA-Omniscience v1.1Artificial Analysis–21.4
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%†38.6%†
MultiNRCScale AI SEAL58.3%†–
BioMysteryBenchVals AI–74.8%
CaseLaw v2Vals AI63.8%–
Excel Modeling BenchmarkVals AI–71.5%
MedCodeVals AI41.3%47.1%
MedScribeVals AI77.5%82.0%
Public Benefits Bench v1.1Vals AI–56.6%
Financial Coaching BenchVals AI–62.6%
EBR-benchEpoch AI Benchmarking Hub25.4%53.3%
GDP.pdfEpoch AI Benchmarking Hub–26.4%
AA-Omniscience v1.1: accuracyArtificial Analysis–51.1%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–39.1%
HealthBench Professional (AA)OpenAI–62.3%
FACTS ParametricGoogle–76.1%†
指示追従
LiveBench LanguageLiveBench82.6%85.3%
LiveBench Instruction FollowingLiveBench70.2%68.6%
IFBenchArtificial Analysis74.0%–
Arena Instruction FollowingArena (LMArena)1460†1449
人間の評価
Arena TextArena (LMArena)1465†1457
EQ-Bench 4EQ-Bench1258†–
EQ-Bench Creative Writing v3EQ-Bench1841†2126†
Arena Creative WritingArena (LMArena)1433†1428
Arena Multi-turnArena (LMArena)1480†1468
Arena Longer QueriesArena (LMArena)1477†1466
マルチモーダル
Arena VisionArena (LMArena)1292†1233
MMMU-ProArtificial Analysis78.4%83.0%
VISTAScale AI SEAL50.9%†–
MMMU-Pro (Vals)Vals AI87.5%–
MortgageTaxVals AI68.3%–
Humanity's Sixth SenseScale AI SEAL–31.2%
VTBScale AI SEAL29.2%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub27.1%†36.9%†
Furniture AssemblyEpoch AI Benchmarking Hub37.5%58.3%
AA-3DArtificial Analysis–1131
FACTS MultimodalGoogle–43.9%†
長文コンテキスト
AA-LCR v1.1Artificial Analysis82.0%83.7%
Arena DocumentArena (LMArena)1471†–
MLCRArtificial Analysis–33.9%
FACTS GroundingGoogle–83.3%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub157.8†163.8†
LiveBench 1.0LiveBench78.0%79.3%
AA Intelligence Index v5.0.1Artificial Analysis–44.2
AA Intelligence Index v4.3.2Artificial Analysis39.047.6
AA Progress Index v1Artificial Analysis311.6334
Vals RSI IndexVals AI15.5%28.1%
Vals Science IndexVals AI–45.0%
AA Cyber IndexArtificial Analysis–36.8
安全性・誠実さ
FORTRESSScale AI SEAL–13.5%†
MASKScale AI SEAL89.7%†–
DistressBenchScale AI SEAL–68.0%†

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-6 Sol (max):新しい結果1件(GDPval-AA v2.1)。
  • GPT-5.4 (xhigh):新しい結果1件(MirrorCode)。
  • GPT-6 Sol (max):新しい結果1件(MirrorCode)。
  • GPT-6 Sol (max):BenchLeader Index 63.5 → 62.9。
  • GPT-6 Sol (max):スコアの改訂2件。
  • GPT-6 Sol (max):スコアの改訂1件。
  • GPT-5.4 (xhigh):BenchLeader Index 63.7 → 63.2。
  • GPT-6 Sol (max):スコアの改訂1件。
  • GPT-5.4 (xhigh):スコアの改訂1件。

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-6 Sol:よくある質問

GPT-5.4はGPT-6 Solより優れていますか?
GPT-5.4 (xhigh)とGPT-6 Sol (max)の品質は互角です(63.1 対 62.6、±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-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-6 Solの方が安く、100万トークンあたり$4.00 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 Solのどちらが向いていますか?
コーディングではGPT-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SciCodeでは、GPT-5.4が56.6%、GPT-6 Solが57.6%です。
GPT-5.4とGPT-6 Solはどちらが速いですか?
GPT-6 Solの方が出力が約1.5倍速くなっています(出力127 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-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-5.4の方がスコアが高くなっています(カテゴリ指標で63 対 59。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 67)。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-6 Solです。Artificial Analysisの測定では、最初の回答トークンまで36.9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-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-5.4のリードが2件、GPT-6 Solのリードが34件です。両方を評価しているすべての総合指標で、GPT-5.4が上回っています。
GPT-6 Solはいつリリースされましたか?
GPT-6 Solは2026年9月22日にリリースされました。