BenchLeader

GPT-6.1 Sol vs Grok 4.20

詳しいプロフィール:GPT-6.1 Sol(OpenAI)とGrok 4.20(SpaceXAI)。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Grok 4.20を上回ります(BenchLeader Indexで66.6 対 58.3)。ただし、価格はGrok 4.20の方が2.6倍安く、100万トークンあたりのブレンド価格で$1.56 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。Grok 4.20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-6.1 Solが66.6、Grok 4.20が58.3です(BenchLeader、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)。
  • Grok 4.20の100万トークンあたりのブレンド価格は$1.56です(定価、2026年11月16日)。
  • Grok 4.20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34件のベンチマークのうち、GPT-6.1 Solが34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-6.1 Solが1743、Grok 4.20が1376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 53;Arena WebDev 1743 対 1376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 51;Finance Agent v2 52.0% 対 28.5%高
数学GPT-6.1 Solカテゴリスコア72 対 54;FrontierMath Tiers 1–3 93.7% 対 44.9%高
推論GPT-6.1 Solカテゴリスコア71 対 61;GPQA Diamond 95.4% 対 89.3%高
知識GPT-6.1 Solカテゴリスコア72 対 53;SimpleQA Verified 73.9% 対 30.2%高
長い文書GPT-6.1 Solカテゴリスコア66 対 59;AA-LCR v1.1 83.0% 対 69.0%中
画像などのメディアGPT-6.1 Solカテゴリスコア66 対 58;Arena Vision 1286 対 1263中
チャットの質(人間の評価)GPT-6.1 SolArenaの投票で67 対 66中
最低コストGrok 4.20100万トークンあたりブレンド価格$1.56 対 $4.00;エージェント型コーディングセッション$0.085 対 $0.160–
回答開始の速さGrok 4.20最初の回答トークンまで12.1秒(Grok 4.20 (thinking))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 58.3。
  • 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、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。
  • Grok 4.20 (thinking)の方が2.6倍安くなっています(100万トークンあたりブレンド価格$1.56 対 $4.00)。
  • Grok 4.20 (thinking)の方が出力が2.2倍速くなっています(111 対 50トークン/秒)。

概要

仕様GPT-6.1 SolGrok 4.20
プロバイダーOpenAISpaceXAI
リリース日2026年9月29日2026年2月17日
コンテキストウィンドウ(トークン)1,050,0002,000,000
比較した構成GPT-6.1 Sol (max)Grok 4.20 (thinking)
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)$2.00 / $10.00 / $0.100$1.25 / $2.50 / $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-6.1 Sol (max)Grok 4.20 (thinking)トップ
推論71.460.5GPT-6.1 Sol
コーディング71.153.3GPT-6.1 Sol
エージェント・ツール64.350.5GPT-6.1 Sol
数学71.653.7GPT-6.1 Sol
知識71.553.0GPT-6.1 Sol
指示追従–78.7比較不可
人間の評価67.166.0GPT-6.1 Sol
マルチモーダル65.658.3GPT-6.1 Sol
長文コンテキスト66.258.9GPT-6.1 Sol
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・ツール数学知識長文コンテキストマルチモーダル人間の評価GPT-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, 知識: 71.5GPT-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: 67.1Grok 4.20, 推論: 60.5Grok 4.20, コーディング: 53.3Grok 4.20, エージェント・ツール: 50.5Grok 4.20, 数学: 53.7Grok 4.20, 知識: 53.0Grok 4.20, 長文コンテキスト: 58.9Grok 4.20, マルチモーダル: 58.3Grok 4.20, 人間の評価: 66.0

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。

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34件のベンチマークのうち、GPT-6.1 Solのリードが34件、Grok 4.20のリードが0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-6.1 Sol (max)Grok 4.20 (thinking)トップ
BenchLeader Index66.658.3GPT-6.1 Sol
Arena Text14811472GPT-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-6.1 Sol (max)Grok 4.20 (thinking)
100万トークンあたりのブレンド価格$4.00$1.56
100万トークンあたりの入力/出力$2.00 / $10.00$1.25 / $2.50
100万トークンあたりのキャッシュ入力$0.100$0.200
タスクあたりの価格:チャットの返答$0.0038$0.0013
タスクあたりの価格:30ページのレポートを要約$0.030$0.017
タスクあたりの価格:コード編集$0.027$0.011
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$0.160$0.085
タスクあたりの価格:構造化データの抽出$0.0060$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)$0.074$0.038
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50 tok/s111 tok/s
回答開始までの時間166.7秒12.1秒
回答が完了するまでの時間(最終測定2026年11月13日)429.6秒43.8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-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)。Grok 4.20 (thinking)のスコアは58.3、最初の回答トークンまで12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

176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-6.1 Sol (max)Grok 4.20 (thinking)
BenchLeader IndexBenchLeader66.658.3
エージェント・ツールスコアBenchLeader64.350.5
コーディングスコアBenchLeader71.153.3
総合スコアBenchLeader67.9–
人間の評価スコアBenchLeader67.166.0
知識スコアBenchLeader71.553.0
長文コンテキストスコアBenchLeader66.258.9
数学スコアBenchLeader71.653.7
マルチモーダルスコアBenchLeader65.658.3
推論スコアBenchLeader71.460.5
指示追従スコアBenchLeader–78.7
ブレンド価格($/100万トークン)BenchLeader$4.00$1.56
出力速度BenchLeader50 tok/s111 tok/s
回答開始までの時間BenchLeader166.7秒12.1秒
コンテキストウィンドウBenchLeader1,050,000トークン2,000,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub95.4%89.3%
SimpleBenchSimpleBench82.9%†–
Arena Hard PromptsArena (LMArena)15051489
LiveBench 2.0 ReasoningLiveBench92.6%–
LiveBench 1.0 ReasoningLiveBench92.6%–
GPQA Diamond (AA)Artificial Analysis–91.1%
Humanity's Last Exam (AA)Artificial Analysis52.9%34.5%
HLE-Diamond (AA)Artificial Analysis58.8%–
GPQA Diamond (Vals)Vals AI–88.6%
Kagi LLM BenchmarkKagi LLM Benchmark–75.0%
ARC-AGI-1ARC Prize96.5%89.5%
ARC-AGI-2ARC Prize94.2%65.1%
ARC-AGI-3ARC Prize96.2%0.1%
CritPtArtificial Analysis31.7%6.6%
CritPt v2 hard subset (AA)Artificial Analysis69.5%–
MysteryMechanismVals AI46.4%–
Arena ExpertArena (LMArena)15251477
Chess PuzzlesEpoch AI Benchmarking Hub68.0%29.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub80.0%–
CL-benchEpoch AI Benchmarking Hub–22.2%†
CL-bench LifeEpoch AI Benchmarking Hub–11.9%†
LMCAEpoch AI Benchmarking Hub62.8%38.7%†
DTBenchEpoch AI Benchmarking Hub96.5%90.1%†
ForecastBenchForecastBench–64.1%
コーディング
SciCodeSciCode54.2%–
176件のベンチマークをすべて表示
指標公開元GPT-6.1 Sol (max)Grok 4.20 (thinking)
コーディング
WeirdMLWeirdML–52.3%†
FrontierCodeCognition50.2%†–
Arena CodingArena (LMArena)15401511
Arena WebDevArena (LMArena)17431376
LiveBench 2.0 CodingLiveBench82.1%–
LiveBench 1.0 CodingLiveBench80.4%–
LiveCodeBenchVals AI–84.3%
IOIVals AI96.9%–
SWE-bench (Vals)Vals AI–72.2%
Code MigrationVals AI65.1%0.3%
Code Migration v1.1Vals AI77.3%–
ProgramBenchVals AI3.0%–
SWE-bench MultimodalVals AI43.5%–
Vibe Code Bench v1.1Vals AI88.9%4.1%
SWE Atlas v1.1Scale AI SEAL65.9%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL71.0%†–
SWE Atlas v1.1: Test WritingScale AI SEAL66.7%†–
SWE Atlas v1.1: RefactoringScale AI SEAL60.0%†–
SWE-Bench Pro V2Scale AI SEAL96.1%†–
MirrorCodeEpoch AI Benchmarking Hub61.1%–
ALE-BenchEpoch AI Benchmarking Hub2743.81150.3†
WeirdML v3WeirdML38.3%†–
Terminal-Bench 4.0 (AA)Artificial Analysis56.1%–
Startrise FrontendStartrise78.6%†–
GameBench 2 OverallDuelLab GameBench 284.9†–
GameBench 2 by reasoning settingDuelLab GameBench 292.0†–
Design Arena WebsiteDesign Arena1315†1221
FrontierCode 1.1 (AA)Artificial Analysis49.1%–
FrontierCode 2.0 (AA)Artificial Analysis40.6%–
エージェント・ツール
Terminal-BenchTerminal-Bench60.9%57.3%†
APEX-AgentsMercor60.0%–
Arena AgentArena (LMArena)12.5–
LiveBench Long AgenticLiveBench65.6%–
LiveBench BrowserLiveBench93.3%–
LiveBench Agentic CodingLiveBench54.5%–
Terminal-Bench HardArtificial Analysis–37.9%
τ²-Bench Telecom (AA)Artificial Analysis–93.0%
Terminal-Bench 2.1 (Vals)Vals AI–44.2%
HiL-BenchScale AI SEAL62.3%†20.0%†
GDPval-AA v2.1, normalised scoreArtificial Analysis54.8%–
GDPval-AA v2.1Artificial Analysis1607–
Analyst Agent (AA)Artificial Analysis50.0%–
APEX-Agents (AA)Artificial Analysis–14.2%
CyberBenchVals AI39.3%–
Finance Agent v2Vals AI52.0%28.5%
Finance Agent v2.1Vals AI61.8%–
Harvey's Legal Agent Benchmark v1.1Vals AI6.3%–
Harvey's Legal Agent Benchmark v1Vals AI5.4%0.0%
Legal Research BenchVals AI38.5%13.9%
Robo-benchVals AI28.3%–
SREBenchVals AI50.8%–
Tax Agent BenchVals AI21.8%7.0%
Terminal-Bench 2.0 (Vals)Vals AI–40.5%
Terminal-Bench 4.0 (Vals)Vals AI55.0%–
Terminal-Bench ScienceVals AI52.9%–
Arena SearchArena (LMArena)1249–
Arena Agent Task CompletionArena (LMArena)11.7–
PostTrainBenchEpoch AI Benchmarking Hub38.8%–
Vending-Bench 2Andon Labs12860.6†4662.9†
SpireClimbEpoch AI Benchmarking Hub23.8%–
AutomationBenchArtificial Analysis64.9%–
GDP.pdf (AA)Artificial Analysis31.0%–
Harvey LAB-AA v1.1Harvey6.9%–
AA-Briefcase v1.1Artificial Analysis1555–
GDPxGDPx by SemiAnalysis8.4%–
Design Arena AgenticDesign Arena13751093
Terminal-Bench-Science 0.1 (AA)Artificial Analysis58.1%–
MKA (AA)Artificial Analysis47.7%–
FACTS SearchGoogle92.8%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub93.7%44.9%
FrontierMath Tier 4Epoch AI Benchmarking Hub100.0%17.1%
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%92.2%
ProofBenchVals AI99.0%†14.0%
LiveBench MathematicsLiveBench96.8%–
AIME (Vals)Vals AI–96.5%
ArXivMathMathArena92.8%–
BrokenArXivMathArena83.1%–
Arena MathsArena (LMArena)14991464
FrontierMath ErdősEpoch AI Benchmarking Hub4.4%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub73.9%30.2%
LiveBench 2.0 Data AnalysisLiveBench82.7%–
LiveBench ResearchLiveBench90.0%–
LiveBench 1.0 Data AnalysisLiveBench82.7%–
AA-Omniscience v1.1Artificial Analysis42.0–
MMLU-ProVals AI–86.3%
LegalBenchVals AI–77.7%
CorpFinVals AI–63.7%
TaxEvalVals AI–74.1%
MedQAVals AI–94.5%
PRBench FinanceScale AI SEAL46.2%†–
PRBench LegalScale AI SEAL47.9%†–
BioMysteryBenchVals AI79.6%–
CaseLaw v2Vals AI–54.5%
ClaimBenchVals AI100.0%–
Excel Modeling BenchmarkVals AI70.8%11.7%
Excel Modeling Benchmark v1.1Vals AI71.1%–
MedCodeVals AI48.8%32.2%
MedScribeVals AI86.5%63.4%
Public Benefits Bench v1.1Vals AI59.3%–
Access to Justice BenchmarkVals AI65.8%–
Financial Coaching BenchVals AI68.5%–
Immigration BenchVals AI67.8%–
EBR-benchEpoch AI Benchmarking Hub54.3%–
GDP.pdfEpoch AI Benchmarking Hub35.0%–
AA-Omniscience v1.1: accuracyArtificial Analysis61.8%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis48.1%–
Global-MMLU-Lite (AA)Artificial Analysis–89.5%
HealthBench Professional (AA)OpenAI65.1%–
FACTS ParametricGoogle83.8%†–
指示追従
LiveBench LanguageLiveBench90.1%–
LiveBench Instruction FollowingLiveBench74.2%–
IFBenchArtificial Analysis–81.2%
MultiChallengeScale AI SEAL82.0%†–
Arena Instruction FollowingArena (LMArena)14821448
人間の評価
Arena TextArena (LMArena)14811472
EQ-Bench 4EQ-Bench1272†–
EQ-Bench Creative Writing v3EQ-Bench–1574†
Arena Creative WritingArena (LMArena)14491445
Arena Multi-turnArena (LMArena)14861479
Arena Longer QueriesArena (LMArena)14881466
マルチモーダル
Arena VisionArena (LMArena)12861263
LiveBench DesignLiveBench79.6%–
MMMU-ProArtificial Analysis86.0%74.6%
MMMU-Pro (Vals)Vals AI–83.5%
MortgageTaxVals AI–45.4%
SAGEVals AI90.5%–
Humanity's Sixth SenseScale AI SEAL46.6%–
Blueprint-Bench 2Epoch AI Benchmarking Hub43.2%†0.0%†
Furniture AssemblyEpoch AI Benchmarking Hub80.0%–
VIALS-AAHandshake AI59.0%–
Code2Video-AAArtificial Analysis1369–
AA-3DArtificial Analysis1121–
FACTS MultimodalGoogle52.6%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis83.0%69.0%
Arena DocumentArena (LMArena)–1440
MLCRArtificial Analysis38.3%–
FACTS GroundingGoogle78.0%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub168.5†152.3†
LiveBench 2.0LiveBench81.4%–
LiveBench 1.0LiveBench81.6%–
AA Intelligence Index v5.0.1Artificial Analysis54.6–
AA Intelligence Index v4.3.2Artificial Analysis51.825.7
AA Progress Index v1Artificial Analysis348.5281.9
Vals IndexVals AI63.9–
Vals Finance IndexVals AI55.8%–
Vals RSI IndexVals AI26.6%–
Vals Science IndexVals AI59.6%–
Vals Multimodal IndexVals AI–39.1%
Vals Router IndexVals AI63.9%†–
Vals Legal IndexVals AI68.7%–
安全性・誠実さ
DistressBenchScale AI SEAL74.2%†–

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。
  • Grok 4.20 (thinking):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):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-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。
  • GPT-6.1 Sol (max):スコアの改訂1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-6.1 Sol vs Grok 4.20:よくある質問

GPT-6.1 SolはGrok 4.20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 58.3。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-6.1 SolとGrok 4.20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Grok 4.20の方が安く、100万トークンあたり$1.56 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-6.1 SolとGrok 4.20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 53。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-6.1 Solが1743、Grok 4.20が1376です。
GPT-6.1 SolとGrok 4.20はどちらが速いですか?
Grok 4.20の方が出力が約1.5倍速くなっています(出力111 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-6.1 SolとGrok 4.20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 51。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GPT-6.1 Solの方がスコアが高くなっています(66 対 59)。コンテキストはGrok 4.20の方が長く、2,000,000トークンです(GPT-6.1 Solは1,050,000トークン)。
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Grok 4.20です。Artificial Analysisの測定では、最初の回答トークンまで12.1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-6.1 SolとGrok 4.20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34件のベンチマークのうち、GPT-6.1 Solのリードが34件、Grok 4.20のリードが0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。