BenchLeader

GPT-5.6 Sol vs Kimi K3.1 Pro Together

詳しいプロフィール:GPT-5.6 Sol(OpenAI)とKimi K3.1 Pro Together(Moonshot AI)。すべてのベンチマーク、価格、順位を掲載しています。

更新 · 10件の情報源のデータ

2026年11月16日時点で、品質ではGPT-5.6 SolがKimi K3.1 Pro Togetherを上回ります(BenchLeader Indexで65.3 対 60.0)。数学(70 対 65)を重視するならGPT-5.6 Sol、推論(67 対 65)、知識(66 対 64)を重視するならKimi K3.1 Pro Togetherが向いています。

要点(2026年11月16日時点)

  • BenchLeader IndexはGPT-5.6 Solが65.3、Kimi K3.1 Pro Togetherが60.0です(BenchLeader、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)。
  • 両モデルに結果がある8件のベンチマークのうち、GPT-5.6 Solが6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
数学GPT-5.6 Solカテゴリスコア70 対 65;FrontierMath Tiers 1–3 89.1% 対 78.3%中
推論Kimi K3.1 Pro Togetherカテゴリスコア67 対 65;GPQA Diamond 94.2% 対 93.5%中
知識Kimi K3.1 Pro Togetherカテゴリスコア66 対 64;SimpleQA Verified 62.2% 対 69.7%中
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-5.6 Sol (max)がリードしています:65.3 対 60.0。
  • GPT-5.6 Sol (max)は数学で優れています。
  • Kimi K3.1 Pro Together (max)は知識、推論で優れています。

概要

仕様GPT-5.6 SolKimi K3.1 Pro Together
プロバイダーOpenAIMoonshot AI
リリース日2026年7月9日2026年10月23日
コンテキストウィンドウ(トークン)1,050,000–
比較した構成GPT-5.6 Sol (max)Kimi K3.1 Pro Together (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)$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-5.6 Sol (max)Kimi K3.1 Pro Together (max)トップ
推論64.766.9Kimi K3.1 Pro Together
コーディング65.8–比較不可
エージェント・ツール67.5–比較不可
数学70.065.2GPT-5.6 Sol
知識63.866.0Kimi K3.1 Pro Together
指示追従71.2–比較不可
マルチモーダル65.9–比較不可
長文コンテキスト66.7–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推論数学知識GPT-5.6 Sol, 推論: 64.7GPT-5.6 Sol, 数学: 70.0GPT-5.6 Sol, 知識: 63.8Kimi K3.1 Pro Together, 推論: 66.9Kimi K3.1 Pro Together, 数学: 65.2Kimi K3.1 Pro Together, 知識: 66.0

描画していないもの(測定済みのモデルが2つ未満):コーディング, エージェント・ツール, 指示追従, 長文コンテキスト, マルチモーダル, 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8件のベンチマークのうち、GPT-5.6 Solのリードが6件、Kimi K3.1 Pro Togetherのリードが1件、同点が1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-5.6 Sol (max)Kimi K3.1 Pro Together (max)トップ
BenchLeader Index65.360.0GPT-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-5.6 Sol (max)Kimi K3.1 Pro Together (max)
100万トークンあたりのブレンド価格$8.00–
100万トークンあたりの入力/出力$4.00 / $20.00– / –
100万トークンあたりのキャッシュ入力$0.400–
タスクあたりの価格:チャットの返答$0.0076–
タスクあたりの価格:30ページのレポートを要約$0.060–
タスクあたりの価格:コード編集$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$0.320–
タスクあたりの価格:構造化データの抽出$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)$0.158–
出力速度100 tok/s–
回答開始までの時間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)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-5.6 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)。Kimi K3.1 Pro Together (max)のスコアは60.0。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

150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 Sol (max)Kimi K3.1 Pro Together (max)
BenchLeader IndexBenchLeader65.360.0
エージェント・ツールスコアBenchLeader67.5–
コーディングスコアBenchLeader65.8–
指示追従スコアBenchLeader71.2–
知識スコアBenchLeader63.866.0
長文コンテキストスコアBenchLeader66.7–
数学スコアBenchLeader70.065.2
マルチモーダルスコアBenchLeader65.9–
推論スコアBenchLeader64.766.9
ブレンド価格($/100万トークン)BenchLeader$8.00–
出力速度BenchLeader100 tok/s–
回答開始までの時間BenchLeader33.5秒–
コンテキストウィンドウBenchLeader1,050,000トークン–
推論
GPQA DiamondEpoch AI Benchmarking Hub93.5%94.2%
SimpleBenchSimpleBench64.8%†–
Arena Hard PromptsArena (LMArena)1511†–
LiveBench 1.0 ReasoningLiveBench91.7%–
GPQA Diamond (AA)Artificial Analysis94.1%–
Humanity's Last Exam (AA)Artificial Analysis49.5%–
GPQA Diamond (Vals)Vals AI95.2%–
EnigmaEvalScale AI SEAL37.1%†–
Kagi LLM BenchmarkKagi LLM Benchmark67.0%†–
ARC-AGI-1ARC Prize96.5%–
ARC-AGI-2ARC Prize92.5%–
ARC-AGI-3ARC Prize7.8%–
CritPtArtificial Analysis32.3%–
CritPt v2 hard subset (AA)Artificial Analysis60.0%–
MysteryMechanismVals AI33.3%–
HLE-Diamond (Scale)Scale AI SEAL31.2%†–
Arena ExpertArena (LMArena)1532†–
Chess PuzzlesEpoch AI Benchmarking Hub59.0%45.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub58.0%42.0%
LMCAEpoch AI Benchmarking Hub58.4%–
DTBenchEpoch AI Benchmarking Hub95.5%–
ForecastBenchForecastBench65.7%–
BTF-3Epoch AI Benchmarking Hub13.7%–
コーディング
SciCodeSciCode57.1%–
WeirdMLWeirdML87.0%–
150件のベンチマークをすべて表示
指標公開元GPT-5.6 Sol (max)Kimi K3.1 Pro Together (max)
コーディング
FrontierCodeCognition47.5%†–
GSO-BenchGSO-Bench76.5%†–
Arena CodingArena (LMArena)1533†–
Arena WebDevArena (LMArena)1615†–
LiveBench 1.0 CodingLiveBench83.9%–
LiveCodeBenchVals AI82.6%–
IOIVals AI91.2%–
SWE-bench (Vals)Vals AI96.2%–
Code MigrationVals AI52.9%–
ProgramBenchVals AI1.5%–
Vibe Code Bench 1-100Vals AI20.0%–
Vibe Code Bench v1.1Vals AI80.5%–
SWE Atlas v1.0: Codebase QnAScale AI SEAL46.0%†–
SWE Atlas v1.0: Test WritingScale AI SEAL45.9%†–
SWE-Bench Pro V2Scale AI SEAL95.5%†–
SWE-Bench Pro V2 HARDScale AI SEAL82.4%†–
MirrorCodeEpoch AI Benchmarking Hub20.0%†–
Surface Evolver BenchEpoch AI Benchmarking Hub93.1%†–
DeepSWE v1.1Epoch AI Benchmarking Hub72.7%–
CursorBenchCursor41.7%–
ALE-BenchEpoch AI Benchmarking Hub2176.9–
FrontierSWEEpoch AI Benchmarking Hub32.2%–
WeirdML v3WeirdML15.0%†–
Terminal-Bench 4.0 (AA)Artificial Analysis39.9%–
Terminal-Bench 2.1 (AA)Artificial Analysis88.0%–
Startrise FrontendStartrise66.2%†–
GameBench 2 OverallDuelLab GameBench 267.0†–
GameBench 2 by reasoning settingDuelLab GameBench 280.0†–
Design Arena WebsiteDesign Arena1319†–
エージェント・ツール
Terminal-BenchTerminal-Bench38.5%–
OSWorld-Verified 2.0OSWorld27.3%–
APEX-AgentsMercor51.4%†–
Arena AgentArena (LMArena)4.6†–
LiveBench Agentic CodingLiveBench56.2%–
Terminal-Bench HardArtificial Analysis65.9%–
τ²-Bench Telecom (AA)Artificial Analysis85.1%–
Terminal-Bench 2.1 (Vals)Vals AI85.8%–
HiL-BenchScale AI SEAL32.3%†–
τ³-bench Bankingτ²-bench46.9%†–
GDPval-AA v2.1Artificial Analysis1619–
τ³-Banking (AA)Artificial Analysis44.3%–
ITBench SRE (AA)Artificial Analysis56.2%–
Analyst Agent (AA)Artificial Analysis47.5%–
CUA-benchVals AI8.3%–
CyberBenchVals AI76.3%–
Finance Agent v2Vals AI53.8%–
Harvey's Legal Agent Benchmark v1Vals AI2.5%–
Legal Research BenchVals AI48.1%–
SkillsBenchVals AI54.1%–
SREBenchVals AI30.5%–
Tax Agent BenchVals AI31.1%–
Terminal-Bench 4.0 (Vals)Vals AI37.9%–
Terminal-Bench ScienceVals AI20.0%–
Time Horizon Index: KSPVals AI23.8%–
Web Search IndexVals AI43.6%–
Arena SearchArena (LMArena)1255†–
Arena Agent Task CompletionArena (LMArena)2.3†–
BALROGBALROG60.0%–
PostTrainBenchEpoch AI Benchmarking Hub31.0%–
GBAEvalEpoch AI Benchmarking Hub52.6%†–
Vending-Bench 2Andon Labs9619.4†–
AutomationBenchArtificial Analysis60.1%–
GDP.pdf (AA)Artificial Analysis27.2%–
EnterpriseOps-GymArtificial Analysis42.9%–
AA-Briefcase v1.1Artificial Analysis1479–
Design Arena AgenticDesign Arena1238†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis22.4%–
FACTS SearchGoogle92.9%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub89.1%78.3%
FrontierMath Tier 4Epoch AI Benchmarking Hub82.9%65.8%
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%100.0%
ProofBenchVals AI83.0%–
LiveBench MathematicsLiveBench96.2%–
Arena MathsArena (LMArena)1494†–
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub69.7%62.2%
LiveBench 1.0 Data AnalysisLiveBench79.8%–
MMLU-ProVals AI89.1%–
LegalBenchVals AI87.0%–
CorpFinVals AI64.4%–
TaxEvalVals AI74.8%–
PRBench FinanceScale AI SEAL50.5%–
PRBench LegalScale AI SEAL50.5%–
BioMysteryBenchVals AI71.1%–
Excel Modeling BenchmarkVals AI72.3%–
MedCodeVals AI44.0%–
MedScribeVals AI85.2%–
Public Benefits Bench v1.1Vals AI66.5%–
Financial Coaching BenchVals AI74.9%–
DrugDiscoveryBenchScale AI SEAL56.5%–
EBR-benchEpoch AI Benchmarking Hub44.8%–
GDP.pdfEpoch AI Benchmarking Hub30.7%–
FACTS ParametricGoogle81.1%†–
指示追従
LiveBench LanguageLiveBench87.7%–
LiveBench Instruction FollowingLiveBench71.8%–
IFBenchArtificial Analysis72.7%–
Arena Instruction FollowingArena (LMArena)1490†–
人間の評価
Arena TextArena (LMArena)1485†–
EQ-Bench 4EQ-Bench1236†–
EQ-Bench Creative Writing v3EQ-Bench1974†–
Arena Creative WritingArena (LMArena)1471†–
Arena Multi-turnArena (LMArena)1491†–
Arena Longer QueriesArena (LMArena)1498†–
マルチモーダル
Arena VisionArena (LMArena)1282†–
MMMU-ProArtificial Analysis83.4%–
MMMU-Pro (Vals)Vals AI88.8%–
MortgageTaxVals AI67.3%–
Humanity's Sixth SenseScale AI SEAL30.0%–
GeoBenchGeoBench73.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub33.6%†–
Furniture AssemblyEpoch AI Benchmarking Hub56.7%55.8%
FACTS MultimodalGoogle46.4%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis84.0%–
Arena DocumentArena (LMArena)1487†–
MLCRArtificial Analysis30.0%–
FACTS GroundingGoogle61.9%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub163.0†–
LiveBench 1.0LiveBench81.0%–
AA Intelligence Index v4.3.2Artificial Analysis47.0–
AA Progress Index v1Artificial Analysis331.5–
Vals RSI IndexVals AI23.9%–
Vals Science IndexVals AI41.5%–
Vals Multimodal IndexVals AI72.6%–
安全性・誠実さ
FORTRESSScale AI SEAL20.1%†–
DistressBenchScale AI SEAL73.6%†–

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-5.6 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。
  • Kimi K3.1 Pro Together (max):BenchLeader Index 60.5 → 60.0。
  • GPT-5.6 Sol (max):BenchLeader Index 65.8 → 65.3。
  • GPT-5.6 Sol (max):スコアの改訂1件。
  • Kimi K3.1 Pro Together (max):初めての結果。
  • GPT-5.6 Sol (max):スコアの改訂1件。
  • GPT-5.6 Sol (max):新しい結果2件(AA Progress Index v1, CritPt v2 hard subset (AA))。
  • GPT-5.6 Sol (max):新しい結果1件(AA-Briefcase v1.1)。
  • GPT-5.6 Sol (max):新しい結果3件(Harvey's Legal Agent Benchmark v1, Vals RSI Index, Vals Science Index)。

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 Sol vs Kimi K3.1 Pro Together:よくある質問

GPT-5.6 SolはKimi K3.1 Pro Togetherより優れていますか?
品質ではGPT-5.6 Sol (max)がリードしています:65.3 対 60.0。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-5.6 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 SolとKimi K3.1 Pro Together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8件のベンチマークのうち、GPT-5.6 Solのリードが6件、Kimi K3.1 Pro Togetherのリードが1件、同点が1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。
Kimi K3.1 Pro Togetherはいつリリースされましたか?
Kimi K3.1 Pro Togetherは2026年10月23日にリリースされました。