BenchLeader

GPT-5.6 Luna vs GPT-6.1 Sol

詳しいプロフィール:GPT-5.6 Luna(OpenAI)とGPT-6.1 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 · 15件の情報源のデータ

2026年11月16日時点で、品質ではGPT-6.1 SolがGPT-5.6 Lunaを上回ります(BenchLeader Indexで66.6 対 58.2)。ただし、価格はGPT-5.6 Lunaの方が8.9倍安く、100万トークンあたりのブレンド価格で$0.450 対 $4.00です。両方を測定できるすべてのカテゴリでGPT-6.1 Solがリードしています。GPT-5.6 Lunaの方が出力が約1.5倍速いです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGPT-5.6 Lunaが58.2、GPT-6.1 Solが66.6です(BenchLeader、2026年11月16日)。
  • GPT-5.6 Lunaの100万トークンあたりのブレンド価格は$0.450です(定価、2026年11月16日)。
  • GPT-6.1 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-5.6 LunaはGPT-6.1 Sol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27件のベンチマークのうち、GPT-6.1 Solが27件でリードしています(BenchLeader、2026年11月16日)。
  • Arena WebDevでの評価はGPT-5.6 Lunaが1519、GPT-6.1 Solが1743です(LMArena、2026年11月16日までの公開値)。

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 Solカテゴリスコア71 対 56;Arena WebDev 1743 対 1519高
エージェント・ツール利用GPT-6.1 Solカテゴリスコア64 対 57;GDPval-AA v2.1 1607 対 1407中
数学GPT-6.1 Solカテゴリスコア72 対 66;Arena Maths 1499 対 1476中
推論GPT-6.1 Solカテゴリスコア71 対 52;ARC-AGI-2 94.2% 対 47.6%高
長い文書どちらでもカテゴリスコア66 対 66;AA-LCR v1.1 81.7% 対 83.0%どちらでも
画像などのメディアGPT-6.1 Solカテゴリスコア66 対 60;Arena Vision 1286 対 1256中
チャットの質(人間の評価)GPT-6.1 SolArenaの投票で67 対 64中
最低コストGPT-5.6 Luna100万トークンあたりブレンド価格$0.450 対 $4.00;エージェント型コーディングセッション$0.017 対 $0.160–
回答開始の速さGPT-5.6 Luna最初の回答トークンまで28.1秒(GPT-5.6 Luna (xhigh))対 166.7秒(GPT-6.1 Sol (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

  • 品質ではGPT-6.1 Sol (max)がリードしています:66.6 対 58.2。
  • GPT-6.1 Sol (max)はエージェント・ツール、コーディング、人間の評価、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-5.6 Luna (xhigh)の方が8.9倍安くなっています(100万トークンあたりブレンド価格$0.450 対 $4.00)。
  • GPT-5.6 Luna (xhigh)の方が出力が2.2倍速くなっています(110 対 50トークン/秒)。

概要

仕様GPT-5.6 LunaGPT-6.1 Sol
プロバイダーOpenAIOpenAI
リリース日2026年7月9日2026年9月29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-5.6 Luna (xhigh)GPT-6.1 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)$0.200 / $1.20 / $0.020$2.00 / $10.00 / $0.100

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-5.6 Luna (xhigh)GPT-6.1 Sol (max)トップ
推論51.871.4GPT-6.1 Sol
コーディング56.471.1GPT-6.1 Sol
エージェント・ツール57.164.3GPT-6.1 Sol
数学65.771.6GPT-6.1 Sol
知識–71.5比較不可
人間の評価63.767.1GPT-6.1 Sol
マルチモーダル59.965.6GPT-6.1 Sol
長文コンテキスト65.566.2互角
総合–67.9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・ツール数学長文コンテキストマルチモーダル人間の評価GPT-5.6 Luna, 推論: 51.8GPT-5.6 Luna, コーディング: 56.4GPT-5.6 Luna, エージェント・ツール: 57.1GPT-5.6 Luna, 数学: 65.7GPT-5.6 Luna, 長文コンテキスト: 65.5GPT-5.6 Luna, マルチモーダル: 59.9GPT-5.6 Luna, 人間の評価: 63.7GPT-6.1 Sol, 推論: 71.4GPT-6.1 Sol, コーディング: 71.1GPT-6.1 Sol, エージェント・ツール: 64.3GPT-6.1 Sol, 数学: 71.6GPT-6.1 Sol, 長文コンテキスト: 66.2GPT-6.1 Sol, マルチモーダル: 65.6GPT-6.1 Sol, 人間の評価: 67.1

描画していないもの(測定済みのモデルが2つ未満):知識, 指示追従。

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27件のベンチマークのうち、GPT-5.6 Lunaのリードが0件、GPT-6.1 Solのリードが27件です。両方を評価しているすべての総合指標で、GPT-6.1 Solが上回っています。

総合IndexGPT-5.6 Luna (xhigh)GPT-6.1 Sol (max)トップ
BenchLeader Index58.266.6GPT-6.1 Sol
AA Intelligence Index v5.0.123.8†54.6GPT-6.1 Sol
Arena Text14531481GPT-6.1 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-5.6 Luna (xhigh)GPT-6.1 Sol (max)
100万トークンあたりのブレンド価格$0.450$4.00
100万トークンあたりの入力/出力$0.200 / $1.20$2.00 / $10.00
100万トークンあたりのキャッシュ入力$0.020$0.100
タスクあたりの価格:チャットの返答$0.0004$0.0038
タスクあたりの価格:30ページのレポートを要約$0.0031$0.030
タスクあたりの価格:コード編集$0.0030$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$0.017$0.160
タスクあたりの価格:構造化データの抽出$0.0006$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)$0.0087$0.074
ベンチマークのタスクあたりのコスト(AA Index)–$1.27
タスクあたりの出力トークン(AA Index)–68k
うち推論–49k
タスクあたりの時間(AA Index)–23 min
出力速度110 tok/s50 tok/s
回答開始までの時間28.1秒166.7秒
回答が完了するまでの時間(最終測定2026年11月13日)101.7秒429.6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-5.6 Luna (xhigh)のスコアは58.2、最初の回答トークンまで28秒。GPT-5.6 Luna (max)は56.2(59秒)、GPT-5.6 Luna (high)は54.7(11秒)。GPT-6.1 Sol (max)のスコアは66.6、最初の回答トークンまで167秒。GPT-6.1 Sol (xhigh)は63.6(68秒)、GPT-6.1 Sol (high)は63.4(33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

174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-5.6 Luna (xhigh)GPT-6.1 Sol (max)
BenchLeader IndexBenchLeader58.266.6
エージェント・ツールスコアBenchLeader57.164.3
コーディングスコアBenchLeader56.471.1
人間の評価スコアBenchLeader63.767.1
長文コンテキストスコアBenchLeader65.566.2
数学スコアBenchLeader65.771.6
マルチモーダルスコアBenchLeader59.965.6
推論スコアBenchLeader51.871.4
総合スコアBenchLeader–67.9
知識スコアBenchLeader–71.5
ブレンド価格($/100万トークン)BenchLeader$0.450$4.00
出力速度BenchLeader110 tok/s50 tok/s
回答開始までの時間BenchLeader28.1秒166.7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 Hub91.6%†95.4%
SimpleBenchSimpleBench46.8%82.9%†
Arena Hard PromptsArena (LMArena)14751505
LiveBench 2.0 ReasoningLiveBench–92.6%
LiveBench 1.0 ReasoningLiveBench85.6%†92.6%
GPQA Diamond (AA)Artificial Analysis89.5%–
Humanity's Last Exam (AA)Artificial Analysis37.0%52.9%
HLE-Diamond (AA)Artificial Analysis20.9%†58.8%
GPQA Diamond (Vals)Vals AI91.7%†–
Kagi LLM BenchmarkKagi LLM Benchmark49.1%†–
ARC-AGI-1ARC Prize87.7%96.5%
ARC-AGI-2ARC Prize47.6%94.2%
ARC-AGI-3ARC Prize0.0%96.2%
CritPtArtificial Analysis20.6%31.7%
CritPt v2 hard subset (AA)Artificial Analysis30.5%†69.5%
MysteryMechanismVals AI14.4%†46.4%
Arena ExpertArena (LMArena)14901525
Chess PuzzlesEpoch AI Benchmarking Hub43.0%†68.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub21.0%†80.0%
LMCAEpoch AI Benchmarking Hub48.5%62.8%
DTBenchEpoch AI Benchmarking Hub89.1%96.5%
コーディング
SciCodeSciCode50.5%54.2%
WeirdMLWeirdML60.9%†–
FrontierCodeCognition39.8%†50.2%†
Arena CodingArena (LMArena)15031540
174件のベンチマークをすべて表示
指標公開元GPT-5.6 Luna (xhigh)GPT-6.1 Sol (max)
コーディング
Arena WebDevArena (LMArena)15191743
LiveBench 2.0 CodingLiveBench–82.1%
LiveBench 1.0 CodingLiveBench82.9%†80.4%
IOIVals AI61.8%†96.9%
SWE-bench (Vals)Vals AI93.0%†–
Code MigrationVals AI44.5%†65.1%
Code Migration v1.1Vals AI–77.3%
ProgramBenchVals AI0.0%†3.0%
SWE-bench MultimodalVals AI–43.5%
Vibe Code Bench 1-100Vals AI22.6%†–
Vibe Code Bench v1.1Vals AI77.1%†88.9%
SWE Atlas v1.1Scale AI SEAL–65.9%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–71.0%†
SWE Atlas v1.1: Test WritingScale AI SEAL–66.7%†
SWE Atlas v1.1: RefactoringScale AI SEAL–60.0%†
SWE-Bench Pro V2Scale AI SEAL–96.1%†
MirrorCodeEpoch AI Benchmarking Hub21.1%†61.1%
Surface Evolver BenchEpoch AI Benchmarking Hub61.9%†–
DeepSWE v1.1Epoch AI Benchmarking Hub56.9%–
CursorBenchCursor33.0%–
ALE-BenchEpoch AI Benchmarking Hub1667.4†2743.8
WeirdML v3WeirdML5.2%38.3%†
Terminal-Bench 4.0 (AA)Artificial Analysis3.5%56.1%
Terminal-Bench 2.1 (AA)Artificial Analysis77.9%–
Startrise FrontendStartrise65.0%†78.6%†
GameBench 2 OverallDuelLab GameBench 240.2†84.9†
GameBench 2 by reasoning settingDuelLab GameBench 25492.0†
Design Arena WebsiteDesign Arena1248†1315†
FrontierCode 1.1 (AA)Artificial Analysis–49.1%
FrontierCode 2.0 (AA)Artificial Analysis17.6%†40.6%
エージェント・ツール
Terminal-BenchTerminal-Bench17.6%†60.9%
APEX-AgentsMercor43.0%†60.0%
Arena AgentArena (LMArena)–12.5
LiveBench Long AgenticLiveBench–65.6%
LiveBench BrowserLiveBench–93.3%
LiveBench Agentic CodingLiveBench48.4%†54.5%
Terminal-Bench 2.1 (Vals)Vals AI79.0%†–
HiL-BenchScale AI SEAL–62.3%†
GDPval-AA v2.1, normalised scoreArtificial Analysis–54.8%
GDPval-AA v2.1Artificial Analysis14071607
τ³-Banking (AA)Artificial Analysis28.7%–
ITBench SRE (AA)Artificial Analysis40.3%†–
Analyst Agent (AA)Artificial Analysis–50.0%
APEX-Agents (AA)Artificial Analysis35.8%†–
CyberBenchVals AI73.6%†39.3%
Finance Agent v2Vals AI55.0%†52.0%
Finance Agent v2.1Vals AI–61.8%
Harvey's Legal Agent Benchmark v1.1Vals AI–6.3%
Harvey's Legal Agent Benchmark v1Vals AI1.3%†5.4%
Legal Research BenchVals AI36.5%†38.5%
Robo-benchVals AI–28.3%
SkillsBenchVals AI60.5%†–
SREBenchVals AI1.5%†50.8%
Tax Agent BenchVals AI24.8%†21.8%
Terminal-Bench 4.0 (Vals)Vals AI11.6%†55.0%
Terminal-Bench ScienceVals AI0.0%†52.9%
Arena SearchArena (LMArena)–1249
Arena Agent Task CompletionArena (LMArena)–11.7
BALROGBALROG45.6%†–
PostTrainBenchEpoch AI Benchmarking Hub–38.8%
Vending-Bench 2Andon Labs4094.7†12860.6†
SpireClimbEpoch AI Benchmarking Hub–23.8%
AutomationBenchArtificial Analysis42.6%64.9%
GDP.pdf (AA)Artificial Analysis23.8%31.0%
Harvey LAB-AA v1.1Harvey–6.9%
EnterpriseOps-GymArtificial Analysis40.8%†–
AA-Briefcase v1.1Artificial Analysis12671555
GDPxGDPx by SemiAnalysis–8.4%
Design Arena AgenticDesign Arena1149†1375
Terminal-Bench-Science 0.1 (AA)Artificial Analysis3.3%†58.1%
MKA (AA)Artificial Analysis–47.7%
FACTS SearchGoogle87.0%†92.8%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub82.1%†93.7%
FrontierMath Tier 4Epoch AI Benchmarking Hub61.0%†100.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub98.3%†100.0%
ProofBenchVals AI60.0%†99.0%†
LiveBench MathematicsLiveBench87.2%†96.8%
ArXivMathMathArena–92.8%
BrokenArXivMathArena–83.1%
Arena MathsArena (LMArena)14761499
FrontierMath ErdősEpoch AI Benchmarking Hub–4.4%
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub41.0%†73.9%
LiveBench 2.0 Data AnalysisLiveBench–82.7%
LiveBench ResearchLiveBench–90.0%
LiveBench 1.0 Data AnalysisLiveBench78.0%†82.7%
AA-Omniscience v1.1Artificial Analysis-17.1†42.0
MMLU-ProVals AI86.0%†–
LegalBenchVals AI84.0%†–
CorpFinVals AI64.2%†–
TaxEvalVals AI76.2%†–
PRBench FinanceScale AI SEAL–46.2%†
PRBench LegalScale AI SEAL–47.9%†
BioMysteryBenchVals AI61.5%†79.6%
ClaimBenchVals AI–100.0%
Excel Modeling BenchmarkVals AI67.1%†70.8%
Excel Modeling Benchmark v1.1Vals AI–71.1%
MedCodeVals AI42.4%†48.8%
MedScribeVals AI84.4%†86.5%
Public Benefits Bench v1.1Vals AI61.2%†59.3%
Access to Justice BenchmarkVals AI65.6%†65.8%
Financial Coaching BenchVals AI69.3%†68.5%
Immigration BenchVals AI–67.8%
EBR-benchEpoch AI Benchmarking Hub–54.3%
GDP.pdfEpoch AI Benchmarking Hub22.7%†35.0%
AA-Omniscience v1.1: accuracyArtificial Analysis39.1%†61.8%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis7.7%†48.1%
HealthBench Professional (AA)OpenAI–65.1%
FACTS ParametricGoogle50.6%†83.8%†
指示追従
LiveBench LanguageLiveBench72.6%†90.1%
LiveBench Instruction FollowingLiveBench60.1%†74.2%
MultiChallengeScale AI SEAL–82.0%†
Arena Instruction FollowingArena (LMArena)14431482
人間の評価
Arena TextArena (LMArena)14531481
EQ-Bench 4EQ-Bench1146†1272†
EQ-Bench Creative Writing v3EQ-Bench1832†–
Arena Creative WritingArena (LMArena)14111449
Arena Multi-turnArena (LMArena)14581486
Arena Longer QueriesArena (LMArena)14521488
マルチモーダル
Arena VisionArena (LMArena)12561286
LiveBench DesignLiveBench–79.6%
MMMU-ProArtificial Analysis78.5%86.0%
MMMU-Pro (Vals)Vals AI85.0%†–
MortgageTaxVals AI67.3%†–
SAGEVals AI–90.5%
Humanity's Sixth SenseScale AI SEAL21.6%†46.6%
Blueprint-Bench 2Epoch AI Benchmarking Hub22.6%†43.2%†
Furniture AssemblyEpoch AI Benchmarking Hub42.5%†80.0%
VIALS-AAHandshake AI–59.0%
Code2Video-AAArtificial Analysis–1369
AA-3DArtificial Analysis–1121
FACTS MultimodalGoogle37.4%†52.6%†
長文コンテキスト
AA-LCR v1.1Artificial Analysis81.7%83.0%
Arena DocumentArena (LMArena)1460–
MLCRArtificial Analysis15.0%38.3%
FACTS GroundingGoogle52.5%†78.0%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.7†168.5†
LiveBench 2.0LiveBench–81.4%
LiveBench 1.0LiveBench73.6%†81.6%
AA Intelligence Index v5.0.1Artificial Analysis23.8†54.6
AA Intelligence Index v4.3.2Artificial Analysis34.651.8
AA Progress Index v1Artificial Analysis305.8348.5
Vals IndexVals AI–63.9
Vals Finance IndexVals AI–55.8%
Vals RSI IndexVals AI–26.6%
Vals Science IndexVals AI25.3%†59.6%
Vals Multimodal IndexVals AI69.1%†–
Vals Router IndexVals AI–63.9%†
Vals Legal IndexVals AI–68.7%
安全性・誠実さ
DistressBenchScale AI SEAL72.7%†74.2%†

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 Sol (max):新しい結果8件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)、スコアの改訂1件。
  • GPT-5.6 Luna (xhigh):新しい結果2件(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • GPT-6.1 Sol (max):スコアの改訂1件。
  • GPT-6.1 Sol (max):スコアの改訂1件。
  • GPT-6.1 Sol (max):新しい結果1件(PostTrainBench)。
  • GPT-6.1 Sol (max):新しい結果1件(MirrorCode)、スコアの改訂1件。
  • GPT-6.1 Sol (max):BenchLeader Index 67.4 → 66.9。
  • GPT-5.6 Luna (xhigh):スコアの改訂1件。
  • GPT-6.1 Sol (max):スコアの改訂2件。
  • GPT-6.1 Sol (max):スコアの改訂3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-5.6 Luna vs GPT-6.1 Sol:よくある質問

GPT-6.1 SolはGPT-5.6 Lunaより優れていますか?
品質ではGPT-6.1 Sol (max)がリードしています:66.6 対 58.2。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-6.1 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-5.6 LunaとGPT-6.1 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-5.6 Lunaの方が安く、100万トークンあたり$0.450 対 $4.00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-5.6 LunaとGPT-6.1 Solのどちらが向いていますか?
コーディングではGPT-6.1 Solの方がスコアが高くなっています(カテゴリ指標で71 対 56。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Arena WebDevでは、GPT-5.6 Lunaが1519、GPT-6.1 Solが1743です。
GPT-5.6 LunaとGPT-6.1 Solはどちらが速いですか?
GPT-5.6 Lunaの方が出力が約1.5倍速くなっています(出力110 対 50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-5.6 LunaとGPT-6.1 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-6.1 Solの方がスコアが高くなっています(カテゴリ指標で64 対 57。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)。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 Lunaです。Artificial Analysisの測定では、最初の回答トークンまで28.1秒 対 166.7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-5.6 LunaとGPT-6.1 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27件のベンチマークのうち、GPT-5.6 Lunaのリードが0件、GPT-6.1 Solのリードが27件です。両方を評価しているすべての総合指標で、GPT-6.1 Solが上回っています。
GPT-6.1 Solはいつリリースされましたか?
GPT-6.1 Solは2026年9月29日にリリースされました。