BenchLeader

GPT-5.6 Luna vs Inkling 2 Small

詳しいプロフィール:GPT-5.6 Luna(OpenAI)とInkling 2 Small(Thinking Machines)。すべてのベンチマーク、価格、順位を掲載しています。

更新 · 12件の情報源のデータ

2026年11月16日時点で、GPT-5.6 LunaとInkling 2 Smallの品質は互角です(BenchLeader Indexで58.2 対 57.9、±5.2の誤差範囲内)。価格はほぼ同じです(100万トークンあたりのブレンド価格で$0.450 対 $0.475)。人間の評価(64 対 59)を重視するならGPT-5.6 Luna、マルチモーダル(64 対 60)、エージェント・ツール(61 対 57)、コーディング(60 対 56)を重視するならInkling 2 Smallが向いています。回答開始までの時間はGPT-5.6 Lunaの方が短く、28.1秒 対 49.0秒です。

要点(2026年11月16日時点)

  • BenchLeader IndexはGPT-5.6 Lunaが58.2、Inkling 2 Smallが57.9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)。
  • Inkling 2 Smallの100万トークンあたりのブレンド価格は$0.475です(定価、2026年11月16日)。
  • 両モデルに結果がある20件のベンチマークのうち、Inkling 2 Smallが13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、Inkling 2 Smallが1647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Inkling 2 Smallカテゴリスコア60 対 56;Arena WebDev 1647 対 1519中
エージェント・ツール利用Inkling 2 Smallカテゴリスコア61 対 57;τ³-Banking (AA) 40.4% 対 28.7%中
推論Inkling 2 Smallカテゴリスコア53 対 52;Arena Hard Prompts 1438 対 1475中
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 83.3%どちらでも
画像などのメディアInkling 2 Smallカテゴリスコア64 対 60;MMMU-Pro 81.6% 対 78.5%中
チャットの質(人間の評価)GPT-5.6 LunaArenaの投票で64 対 59中
最低コストどちらでも100万トークンあたりブレンド価格$0.450 対 $0.475;エージェント型コーディングセッション$0.017 対 $0.022–
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 49.0秒(Inkling 2 Small)–
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-5.6 Luna (xhigh)とInkling 2 Smallの品質は互角です(58.2 対 57.9、±5.2の誤差範囲内)。
  • GPT-5.6 Luna (xhigh)は人間の評価で優れています。
  • Inkling 2 Smallはエージェント・ツール、コーディング、長文コンテキスト、マルチモーダル、推論で優れています。
  • 価格はほぼ同じです(100万トークンあたりブレンド価格$0.450)。

概要

仕様GPT-5.6 LunaInkling 2 Small
プロバイダーOpenAIThinking Machines
リリース日2026年7月9日2026年11月5日
コンテキストウィンドウ(トークン)1,050,0001,048,576
比較した構成GPT-5.6 Luna (xhigh)Inkling 2 Small
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$0.300 / $1.00 / $0.030

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)Inkling 2 Smallトップ
推論51.852.8Inkling 2 Small
コーディング56.460.3Inkling 2 Small
エージェント・ツール57.161.1Inkling 2 Small
数学65.7–比較不可
知識–53.5比較不可
人間の評価63.758.6GPT-5.6 Luna
マルチモーダル59.964.0Inkling 2 Small
長文コンテキスト65.566.4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, 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: 63.7Inkling 2 Small, 推論: 52.8Inkling 2 Small, コーディング: 60.3Inkling 2 Small, エージェント・ツール: 61.1Inkling 2 Small, 長文コンテキスト: 66.4Inkling 2 Small, マルチモーダル: 64.0Inkling 2 Small, 人間の評価: 58.6

描画していないもの(測定済みのモデルが2つ未満):数学, 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20件のベンチマークのうち、GPT-5.6 Lunaのリードが7件、Inkling 2 Smallのリードが13件です。第三者の総合指標でも評価が分かれ、GPT-5.6 LunaはArena Textで、Inkling 2 SmallはAA Intelligence Index v5.0.1でリードしています。

総合IndexGPT-5.6 Luna (xhigh)Inkling 2 Smallトップ
BenchLeader Index58.257.9互角
AA Intelligence Index v5.0.123.8†30.6Inkling 2 Small
Arena Text14531412GPT-5.6 Luna

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)Inkling 2 Small
100万トークンあたりのブレンド価格$0.450$0.475
100万トークンあたりの入力/出力$0.200 / $1.20$0.300 / $1.00
100万トークンあたりのキャッシュ入力$0.020$0.030
タスクあたりの価格:チャットの返答$0.0004$0.0004
タスクあたりの価格:30ページのレポートを要約$0.0031$0.0042
タスクあたりの価格:コード編集$0.0030$0.0033
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$0.022
タスクあたりの価格:構造化データの抽出$0.0006$0.0008
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$0.0099
ベンチマークのタスクあたりのコスト(AA Index)–$1.18
タスクあたりの出力トークン(AA Index)–150k
うち推論–88k
タスクあたりの時間(AA Index)–25 min
出力速度110 tok/s100 tok/s
回答開始までの時間28.1秒49.0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163.6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)。Inkling 2 Smallのスコアは57.9、最初の回答トークンまで49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

149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)Inkling 2 Small
BenchLeader IndexBenchLeader58.257.9
エージェント・ツールスコアBenchLeader57.161.1
コーディングスコアBenchLeader56.460.3
人間の評価スコアBenchLeader63.758.6
長文コンテキストスコアBenchLeader65.566.4
数学スコアBenchLeader65.7–
マルチモーダルスコアBenchLeader59.964.0
推論スコアBenchLeader51.852.8
知識スコアBenchLeader–53.5
ブレンド価格($/100万トークン)BenchLeader$0.450$0.475
出力速度BenchLeader110 tok/s100 tok/s
回答開始までの時間BenchLeader28.1秒49.0秒
コンテキストウィンドウBenchLeader1,050,000トークン1,048,576トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub91.6%†–
SimpleBenchSimpleBench46.8%–
Arena Hard PromptsArena (LMArena)14751438
LiveBench 1.0 ReasoningLiveBench85.6%†–
GPQA Diamond (AA)Artificial Analysis89.5%–
Humanity's Last Exam (AA)Artificial Analysis37.0%44.1%
HLE-Diamond (AA)Artificial Analysis20.9%†28.7%
GPQA Diamond (Vals)Vals AI91.7%†–
Kagi LLM BenchmarkKagi LLM Benchmark49.1%†–
ARC-AGI-1ARC Prize87.7%96.5%†
ARC-AGI-2ARC Prize47.6%81.7%†
ARC-AGI-3ARC Prize0.0%–
CritPtArtificial Analysis20.6%–
CritPt v2 hard subset (AA)Artificial Analysis30.5%†35.0%
MysteryMechanismVals AI14.4%†25.2%
Arena ExpertArena (LMArena)14901488
Chess PuzzlesEpoch AI Benchmarking Hub43.0%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub21.0%†–
LMCAEpoch AI Benchmarking Hub48.5%–
DTBenchEpoch AI Benchmarking Hub89.1%–
コーディング
SciCodeSciCode50.5%52.3%
WeirdMLWeirdML60.9%†–
FrontierCodeCognition39.8%†–
Arena CodingArena (LMArena)15031485
Arena WebDevArena (LMArena)15191647
149件のベンチマークをすべて表示
指標公開元GPT-5.6 Luna (xhigh)Inkling 2 Small
コーディング
LiveBench 1.0 CodingLiveBench82.9%†–
IOIVals AI61.8%†–
SWE-bench (Vals)Vals AI93.0%†–
Code MigrationVals AI44.5%†–
ProgramBenchVals AI0.0%†0.5%
SWE-bench MultimodalVals AI–43.1%
Vibe Code Bench 1-100Vals AI22.6%†–
Vibe Code Bench v1.1Vals AI77.1%†81.5%
SWE Atlas v1.1Scale AI SEAL–61.9%
SWE Atlas v1.1: Codebase QnAScale AI SEAL–74.2%
SWE Atlas v1.1: Test WritingScale AI SEAL–58.1%
SWE Atlas v1.1: RefactoringScale AI SEAL–53.3%
SWE-Bench Pro V2Scale AI SEAL–97.7%
SWE-Bench Pro V2 HARDScale AI SEAL–86.3%
MirrorCodeEpoch AI Benchmarking Hub21.1%†–
Surface Evolver BenchEpoch AI Benchmarking Hub61.9%†–
DeepSWE v1.1Epoch AI Benchmarking Hub56.9%–
CursorBenchCursor33.0%–
ALE-BenchEpoch AI Benchmarking Hub1667.4†–
WeirdML v3WeirdML5.2%–
Terminal-Bench 4.0 (AA)Artificial Analysis3.5%13.1%
Terminal-Bench 2.1 (AA)Artificial Analysis77.9%81.3%
Startrise FrontendStartrise65.0%†–
GameBench 2 OverallDuelLab GameBench 240.2†–
GameBench 2 by reasoning settingDuelLab GameBench 254–
Design Arena WebsiteDesign Arena1248†1335
FrontierCode 2.0 (AA)Artificial Analysis17.6%†25.4%
エージェント・ツール
Terminal-BenchTerminal-Bench17.6%†13.0%†
APEX-AgentsMercor43.0%†46.8%
Arena AgentArena (LMArena)–2.5
LiveBench Agentic CodingLiveBench48.4%†–
Terminal-Bench 2.1 (Vals)Vals AI79.0%†–
MCP AtlasScale AI SEAL–85.4%
GDPval-AA v2.1Artificial Analysis14071630
τ³-Banking (AA)Artificial Analysis28.7%40.4%
ITBench SRE (AA)Artificial Analysis40.3%†–
Analyst Agent (AA)Artificial Analysis–51.3%
APEX-Agents (AA)Artificial Analysis35.8%†–
CyberBenchVals AI73.6%†72.7%
Finance Agent v2Vals AI55.0%†–
Finance Agent v2.1Vals AI–67.5%
Harvey's Legal Agent Benchmark v1.1Vals AI–21.7%
Harvey's Legal Agent Benchmark v1Vals AI1.3%†–
Legal Research BenchVals AI36.5%†46.6%
SkillsBenchVals AI60.5%†–
SREBenchVals AI1.5%†1.9%
Tax Agent BenchVals AI24.8%†38.9%
Terminal-Bench 4.0 (Vals)Vals AI11.6%†12.6%
Terminal-Bench ScienceVals AI0.0%†2.9%
Arena Agent Task CompletionArena (LMArena)–3.3
BALROGBALROG45.6%†–
Vending-Bench 2Andon Labs4094.7†–
AutomationBenchArtificial Analysis42.6%45.6%
GDP.pdf (AA)Artificial Analysis23.8%25.2%
EnterpriseOps-GymArtificial Analysis40.8%†46.8%
AA-Briefcase v1.1Artificial Analysis12671527
Design Arena AgenticDesign Arena1149†1315
Terminal-Bench-Science 0.1 (AA)Artificial Analysis3.3%†5.7%
FACTS SearchGoogle87.0%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub82.1%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub61.0%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub98.3%†–
ProofBenchVals AI60.0%†–
LiveBench MathematicsLiveBench87.2%†–
ArXivMathMathArena–31.9%
BrokenArXivMathArena–63.2%
Arena MathsArena (LMArena)1476–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub41.0%†–
LiveBench 1.0 Data AnalysisLiveBench78.0%†–
AA-Omniscience v1.1Artificial Analysis-17.1†16.1
MMLU-ProVals AI86.0%†–
LegalBenchVals AI84.0%†–
CorpFinVals AI64.2%†–
TaxEvalVals AI76.2%†–
BioMysteryBenchVals AI61.5%†70.0%
Excel Modeling BenchmarkVals AI67.1%†–
Excel Modeling Benchmark v1.1Vals AI–69.5%
MedCodeVals AI42.4%†–
MedScribeVals AI84.4%†–
Public Benefits Bench v1.1Vals AI61.2%†–
Access to Justice BenchmarkVals AI65.6%†–
Financial Coaching BenchVals AI69.3%†–
GDP.pdfEpoch AI Benchmarking Hub22.7%†–
AA-Omniscience v1.1: accuracyArtificial Analysis39.1%†33.8%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis7.7%†73.3%
FACTS ParametricGoogle50.6%†–
指示追従
LiveBench LanguageLiveBench72.6%†–
LiveBench Instruction FollowingLiveBench60.1%†–
Arena Instruction FollowingArena (LMArena)14431410
人間の評価
Arena TextArena (LMArena)14531412
EQ-Bench 4EQ-Bench1146†–
EQ-Bench Creative Writing v3EQ-Bench1832†–
Arena Creative WritingArena (LMArena)14111345
Arena Multi-turnArena (LMArena)14581415
Arena Longer QueriesArena (LMArena)14521410
マルチモーダル
Arena VisionArena (LMArena)1256–
MMMU-ProArtificial Analysis78.5%81.6%
MMMU-Pro (Vals)Vals AI85.0%†–
MortgageTaxVals AI67.3%†–
SAGEVals AI–88.6%
Humanity's Sixth SenseScale AI SEAL21.6%†33.3%
Blueprint-Bench 2Epoch AI Benchmarking Hub22.6%†–
Furniture AssemblyEpoch AI Benchmarking Hub42.5%†–
VIALS-AAHandshake AI–42.9%
Code2Video-AAArtificial Analysis–1020
AA-3DArtificial Analysis–1027
FACTS MultimodalGoogle37.4%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis81.7%83.3%
Arena DocumentArena (LMArena)1460–
MLCRArtificial Analysis15.0%20.6%
FACTS GroundingGoogle52.5%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.7†–
LiveBench 1.0LiveBench73.6%†–
AA Intelligence Index v5.0.1Artificial Analysis23.8†30.6
AA Intelligence Index v4.3.2Artificial Analysis34.6–
AA Progress Index v1Artificial Analysis305.8–
Vals IndexVals AI–56.1
Vals Finance IndexVals AI–61.5%
Vals Science IndexVals AI25.3%†32.7%
Vals Multimodal IndexVals AI69.1%†–
Vals Legal IndexVals AI–73.9%
安全性・誠実さ
FORTRESSScale AI SEAL–16.2%
DistressBenchScale AI SEAL72.7%†82.3%
メタデータ
AA Openness IndexArtificial Analysis–38.9

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

  • Inkling 2 Small:スコアの改訂1件、価格 $0.060/M → $0.030/M。
  • GPT-5.6 Luna (xhigh):新しい結果2件(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Inkling 2 Small:スコアの改訂1件。
  • Inkling 2 Small:BenchLeader Index 58.4 → 57.9。
  • Inkling 2 Small:新しい結果2件(FORTRESS, Design Arena Agentic)。
  • Inkling 2 Small:新しい結果2件(MysteryMechanism, Vals Science Index)、スコアの改訂1件。
  • GPT-5.6 Luna (xhigh):スコアの改訂1件。
  • Inkling 2 Small:新しい結果3件(SciCode, APEX-Agents, MLCR)。
  • Inkling 2 Small:新しい結果8件(Arena Text, Arena Hard Prompts, Arena Coding…)、スコアの改訂2件。
  • Inkling 2 Small:BenchLeader Index 57.5 → 58.4。

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-5.6 Luna vs Inkling 2 Small:よくある質問

GPT-5.6 LunaはInkling 2 Smallより優れていますか?
GPT-5.6 Luna (xhigh)とInkling 2 Smallの品質は互角です(58.2 対 57.9、±5.2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-5.6 LunaとInkling 2 Small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 $0.475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Inkling 2 Smallのどちらが向いていますか?
コーディングではInkling 2 Smallの方がスコアが高くなっています(カテゴリ指標で60 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、Inkling 2 Smallが1647です。
GPT-5.6 LunaとInkling 2 Smallはどちらが速いですか?
GPT-5.6 Lunaの方が出力が速くなっています(出力110 対 100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Inkling 2 Small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Inkling 2 Smallの方がスコアが高くなっています(カテゴリ指標で61 対 57。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-5.6 Lunaが28.7%、Inkling 2 Smallが40.4%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互角です(66 対 66)。どちらも約1.1Mトークンです(GPT-5.6 Lunaは1,050,000、Inkling 2 Smallは1,048,576)。
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 49.0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Inkling 2 Small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20件のベンチマークのうち、GPT-5.6 Lunaのリードが7件、Inkling 2 Smallのリードが13件です。第三者の総合指標でも評価が分かれ、GPT-5.6 LunaはArena Textで、Inkling 2 SmallはAA Intelligence Index v5.0.1でリードしています。
Inkling 2 Smallはいつリリースされましたか?
Inkling 2 Smallは2026年11月5日にリリースされました。