BenchLeader

GPT-6.1 Sol vs Kimi K3.1 Pro

詳しいプロフィール:GPT-6.1 Sol(OpenAI)とKimi K3.1 Pro(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 · 16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Kimi K3.1 Proを上回ります(BenchLeader Indexで66.6 対 61.8)。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$4.00 対 $4.00)。知識(72 対 58)、推論(71 対 59)、コーディング(71 対 60)を重視するならGPT-6.1 Sol、数学(73 対 72)、長文コンテキスト(68 対 66)を重視するならKimi K3.1 Proが向いています。GPT-6.1 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-6.1 Solが66.6、Kimi K3.1 Proが61.8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)。
  • Kimi K3.1 Pro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-6.1 SolはKimi K3.1 Pro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16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-6.1 Solカテゴリスコア71 対 60;FrontierCode 2.0 (AA) 40.6% 対 25.4%高
エージェント・ツール利用どちらでもカテゴリスコア64 対 65;APEX-Agents 60.0% 対 65.5%どちらでも
数学Kimi K3.1 Proカテゴリスコア73 対 72中
推論GPT-6.1 Solカテゴリスコア71 対 59;HLE-Diamond (AA) 58.8% 対 37.3%高
知識GPT-6.1 Solカテゴリスコア72 対 58;AA-Omniscience v1.1 42.0 対 29.9高
長い文書Kimi K3.1 Proカテゴリスコア68 対 66;AA-LCR v1.1 86.3% 対 83.0%中
画像などのメディアどちらでもカテゴリスコア66 対 66;MMMU-Pro 86.0% 対 83.9%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-6.1 Solのみです(カテゴリスコア67)比較不可
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$4.00 対 $4.00;エージェント型コーディングセッション$0.160 対 $0.160–
回答開始の速さどちらでも最初の回答トークンまで166.7秒(GPT-6.1 Sol (max))対 157.4秒(Kimi K3.1 Pro)–
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 61.8。
  • GPT-6.1 Sol (max)はコーディング、知識、推論で優れています。
  • Kimi K3.1 Proはエージェント・ツール、長文コンテキスト、数学、マルチモーダルで優れています。
  • 価格はほぼ同じです(100万トークンあたりブレンド価格$4.00)。
  • GPT-6.1 Sol (max)の方が出力が1.7倍速くなっています(50 対 30トークン/秒)。

概要

仕様GPT-6.1 SolKimi K3.1 Pro
プロバイダーOpenAIMoonshot AI
リリース日2026年9月29日2026年10月23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-6.1 Sol (max)Kimi K3.1 Pro
オープンウェイトなしあり
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$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-6.1 Sol (max)Kimi K3.1 Proトップ
推論71.459.2GPT-6.1 Sol
コーディング71.159.6GPT-6.1 Sol
エージェント・ツール64.364.6互角
数学71.673.4Kimi K3.1 Pro
知識71.558.2GPT-6.1 Sol
人間の評価67.1–比較不可
マルチモーダル65.666.3互角
長文コンテキスト66.267.9Kimi K3.1 Pro
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: 65.6Kimi K3.1 Pro, 推論: 59.2Kimi K3.1 Pro, コーディング: 59.6Kimi K3.1 Pro, エージェント・ツール: 64.6Kimi K3.1 Pro, 数学: 73.4Kimi K3.1 Pro, 知識: 58.2Kimi K3.1 Pro, 長文コンテキスト: 67.9Kimi K3.1 Pro, マルチモーダル: 66.3

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27件のベンチマークのうち、GPT-6.1 Solのリードが16件、Kimi K3.1 Proのリードが10件、同点が1件です。第三者の総合指標でも評価が分かれ、GPT-6.1 SolはBenchLeader Index、AA Intelligence Index v5.0.1、Vals Indexで、Kimi K3.1 ProはArena Textでリードしています。

総合IndexGPT-6.1 Sol (max)Kimi K3.1 Proトップ
BenchLeader Index66.661.8GPT-6.1 Sol
AA Intelligence Index v5.0.154.646.5GPT-6.1 Sol
Vals Index63.962.5†GPT-6.1 Sol
Arena Text14811485†Kimi K3.1 Pro

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)Kimi K3.1 Pro
100万トークンあたりのブレンド価格$4.00$4.00
100万トークンあたりの入力/出力$2.00 / $10.00$2.00 / $10.00
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$0.0038
タスクあたりの価格:30ページのレポートを要約$0.030$0.030
タスクあたりの価格:コード編集$0.027$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$0.160$0.160
タスクあたりの価格:構造化データの抽出$0.0060$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)$0.074$0.079
ベンチマークのタスクあたりのコスト(AA Index)$1.27$3.68
タスクあたりの出力トークン(AA Index)68k72k
うち推論49k44k
タスクあたりの時間(AA Index)23 min40 min
出力速度50 tok/s30 tok/s
回答開始までの時間166.7秒157.4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417.5秒

トークン単価とタスクあたりのコストは別物です。Artificial AnalysisのIntelligence Indexの平均的なタスクにかかったコストは、GPT-6.1 Sol (max)で$1.27、Kimi K3.1 Proで$3.68でした。同じ作業でKimi K3.1 Proは1.1倍の出力トークンを書いています。

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)。Kimi K3.1 Proのスコアは61.8、最初の回答トークンまで157秒。Kimi K3.1 Pro (max)は59.9(157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

156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)Kimi K3.1 Pro
BenchLeader IndexBenchLeader66.661.8
エージェント・ツールスコアBenchLeader64.364.6
コーディングスコアBenchLeader71.159.6
総合スコアBenchLeader67.9–
人間の評価スコアBenchLeader67.1–
知識スコアBenchLeader71.558.2
長文コンテキストスコアBenchLeader66.267.9
数学スコアBenchLeader71.673.4
マルチモーダルスコアBenchLeader65.666.3
推論スコアBenchLeader71.459.2
ブレンド価格($/100万トークン)BenchLeader$4.00$4.00
出力速度BenchLeader50 tok/s30 tok/s
回答開始までの時間BenchLeader166.7秒157.4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 Hub95.4%–
SimpleBenchSimpleBench82.9%†–
Arena Hard PromptsArena (LMArena)15051504†
LiveBench 2.0 ReasoningLiveBench92.6%91.1%†
LiveBench 1.0 ReasoningLiveBench92.6%–
Humanity's Last Exam (AA)Artificial Analysis52.9%52.5%
HLE-Diamond (AA)Artificial Analysis58.8%37.3%
ARC-AGI-1ARC Prize96.5%–
ARC-AGI-2ARC Prize94.2%–
ARC-AGI-3ARC Prize96.2%–
CritPtArtificial Analysis31.7%24.6%
CritPt v2 hard subset (AA)Artificial Analysis69.5%49.5%
MysteryMechanismVals AI46.4%26.1%†
Arena ExpertArena (LMArena)15251515†
Chess PuzzlesEpoch AI Benchmarking Hub68.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub80.0%–
LMCAEpoch AI Benchmarking Hub62.8%57.6%†
DTBenchEpoch AI Benchmarking Hub96.5%93.3%†
コーディング
SciCodeSciCode54.2%60.8%
FrontierCodeCognition50.2%†–
Arena CodingArena (LMArena)15401530†
Arena WebDevArena (LMArena)17431687†
LiveBench 2.0 CodingLiveBench82.1%67.8%†
LiveBench 1.0 CodingLiveBench80.4%–
IOIVals AI96.9%81.9%†
156件のベンチマークをすべて表示
指標公開元GPT-6.1 Sol (max)Kimi K3.1 Pro
コーディング
Code MigrationVals AI65.1%–
Code Migration v1.1Vals AI77.3%–
ProgramBenchVals AI3.0%–
SWE-bench MultimodalVals AI43.5%–
Vibe Code Bench v1.1Vals AI88.9%84.9%†
SWE Atlas v1.1Scale AI SEAL65.9%†61.1%
SWE Atlas v1.1: Codebase QnAScale AI SEAL71.0%†70.2%
SWE Atlas v1.1: Test WritingScale AI SEAL66.7%†58.9%
SWE Atlas v1.1: RefactoringScale AI SEAL60.0%†54.3%
SWE-Bench Pro V2Scale AI SEAL96.1%†–
MirrorCodeEpoch AI Benchmarking Hub61.1%–
ALE-BenchEpoch AI Benchmarking Hub2743.81932.8†
WeirdML v3WeirdML38.3%†9.9%†
Terminal-Bench 4.0 (AA)Artificial Analysis56.1%67.2%
Startrise FrontendStartrise78.6%†–
GameBench 2 OverallDuelLab GameBench 284.9†78.3
GameBench 2 by reasoning settingDuelLab GameBench 292.0†84.0†
Design Arena WebsiteDesign Arena1315†1321
FrontierCode 1.1 (AA)Artificial Analysis49.1%47.1%
FrontierCode 2.0 (AA)Artificial Analysis40.6%25.4%
エージェント・ツール
Terminal-BenchTerminal-Bench60.9%59.7%†
APEX-AgentsMercor60.0%65.5%
Arena AgentArena (LMArena)12.54.9†
LiveBench Long AgenticLiveBench65.6%38.7%†
LiveBench BrowserLiveBench93.3%75.9%†
LiveBench Agentic CodingLiveBench54.5%–
HiL-BenchScale AI SEAL62.3%†61.3%
GDPval-AA v2.1, normalised scoreArtificial Analysis54.8%67.3%
GDPval-AA v2.1Artificial Analysis16071861
Analyst Agent (AA)Artificial Analysis50.0%38.8%
CyberBenchVals AI39.3%–
Finance Agent v2Vals AI52.0%–
Finance Agent v2.1Vals AI61.8%61.5%†
Harvey's Legal Agent Benchmark v1.1Vals AI6.3%11.7%†
Harvey's Legal Agent Benchmark v1Vals AI5.4%–
Legal Research BenchVals AI38.5%37.5%†
Robo-benchVals AI28.3%–
SREBenchVals AI50.8%27.1%†
Tax Agent BenchVals AI21.8%24.9%†
Terminal-Bench 4.0 (Vals)Vals AI55.0%63.6%†
Terminal-Bench ScienceVals AI52.9%31.4%†
Arena SearchArena (LMArena)1249–
Arena Agent Task CompletionArena (LMArena)11.72.7†
PostTrainBenchEpoch AI Benchmarking Hub38.8%–
Vending-Bench 2Andon Labs12860.6†–
SpireClimbEpoch AI Benchmarking Hub23.8%–
AutomationBenchArtificial Analysis64.9%73.3%
GDP.pdf (AA)Artificial Analysis31.0%31.4%
Harvey LAB-AA v1.1Harvey6.9%–
AA-Briefcase v1.1Artificial Analysis15551674
GDPxGDPx by SemiAnalysis8.4%–
Design Arena AgenticDesign Arena13751301
Terminal-Bench-Science 0.1 (AA)Artificial Analysis58.1%34.3%
CWE-Bench (AA)Artificial Analysis–60.8%
DeepSec-Bench (AA)Artificial Analysis–36.7%
CyberGym end-to-end (AA)Artificial Analysis–94.7%
MKA (AA)Artificial Analysis47.7%43.9%
FACTS SearchGoogle92.8%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub93.7%–
FrontierMath Tier 4Epoch AI Benchmarking Hub100.0%–
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%–
ProofBenchVals AI99.0%†91.0%
LiveBench MathematicsLiveBench96.8%–
ArXivMathMathArena92.8%58.3%†
BrokenArXivMathArena83.1%61.9%†
Arena MathsArena (LMArena)1499–
FrontierMath ErdősEpoch AI Benchmarking Hub4.4%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub73.9%–
LiveBench 2.0 Data AnalysisLiveBench82.7%79.1%†
LiveBench ResearchLiveBench90.0%82.1%†
LiveBench 1.0 Data AnalysisLiveBench82.7%–
AA-Omniscience v1.1Artificial Analysis42.029.9
PRBench FinanceScale AI SEAL46.2%†47.5%
PRBench LegalScale AI SEAL47.9%†47.9%
BioMysteryBenchVals AI79.6%75.6%†
ClaimBenchVals AI100.0%–
Excel Modeling BenchmarkVals AI70.8%–
Excel Modeling Benchmark v1.1Vals AI71.1%70.0%†
MedCodeVals AI48.8%–
MedScribeVals AI86.5%–
Public Benefits Bench v1.1Vals AI59.3%–
Access to Justice BenchmarkVals AI65.8%69.5%†
Financial Coaching BenchVals AI68.5%–
Immigration BenchVals AI67.8%–
DrugDiscoveryBenchScale AI SEAL–63.4%†
EBR-benchEpoch AI Benchmarking Hub54.3%–
GDP.pdfEpoch AI Benchmarking Hub35.0%–
AA-Omniscience v1.1: accuracyArtificial Analysis61.8%48.9%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis48.1%62.7%
HealthBench Professional (AA)OpenAI65.1%–
FACTS ParametricGoogle83.8%†–
指示追従
LiveBench LanguageLiveBench90.1%–
LiveBench Instruction FollowingLiveBench74.2%–
MultiChallengeScale AI SEAL82.0%†–
Arena Instruction FollowingArena (LMArena)14821487†
人間の評価
Arena TextArena (LMArena)14811485†
EQ-Bench 4EQ-Bench1272†–
EQ-Bench Creative Writing v3EQ-Bench–2173
Arena Creative WritingArena (LMArena)14491453†
Arena Multi-turnArena (LMArena)14861475†
Arena Longer QueriesArena (LMArena)14881491†
マルチモーダル
Arena VisionArena (LMArena)1286–
LiveBench DesignLiveBench79.6%73.7%†
MMMU-ProArtificial Analysis86.0%83.9%
SAGEVals AI90.5%–
Humanity's Sixth SenseScale AI SEAL46.6%33.2%†
Blueprint-Bench 2Epoch AI Benchmarking Hub43.2%†–
Furniture AssemblyEpoch AI Benchmarking Hub80.0%–
VIALS-AAHandshake AI59.0%45.3%
Code2Video-AAArtificial Analysis1369–
AA-3DArtificial Analysis11211112
FACTS MultimodalGoogle52.6%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis83.0%86.3%
MLCRArtificial Analysis38.3%38.3%
FACTS GroundingGoogle78.0%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub168.5†161.4
LiveBench 2.0LiveBench81.4%68.7%†
LiveBench 1.0LiveBench81.6%–
AA Intelligence Index v5.0.1Artificial Analysis54.646.5
AA Intelligence Index v4.3.2Artificial Analysis51.855.1
AA Progress Index v1Artificial Analysis348.5340.7
Vals IndexVals AI63.962.5†
Vals Finance IndexVals AI55.8%56.0%†
Vals RSI IndexVals AI26.6%–
Vals Science IndexVals AI59.6%44.4%†
Vals Router IndexVals AI63.9%†–
Vals Legal IndexVals AI68.7%67.0%†
AA Cyber IndexArtificial Analysis–64.1
安全性・誠実さ
FORTRESSScale AI SEAL–18.6%
DistressBenchScale AI SEAL74.2%†–
メタデータ
AA Openness IndexArtificial Analysis–33.3

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

  • Kimi K3.1 Pro:BenchLeader Index 61.2 → 61.8。
  • 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。
  • Kimi K3.1 Pro:スコアの改訂1件。
  • GPT-6.1 Sol (max):スコアの改訂1件。
  • Kimi K3.1 Pro:スコアの改訂1件。
  • GPT-6.1 Sol (max):スコアの改訂1件。
  • Kimi K3.1 Pro:新しい結果1件(HiL-Bench)。
  • GPT-6.1 Sol (max):新しい結果1件(PostTrainBench)。
  • Kimi K3.1 Pro:新しい結果3件(PRBench Finance, PRBench Legal, FORTRESS)、スコアの改訂2件。
  • GPT-6.1 Sol (max):新しい結果1件(MirrorCode)、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 Kimi K3.1 Pro:よくある質問

GPT-6.1 SolはKimi K3.1 Pro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 61.8。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Kimi K3.1 Proはどちらが安いですか?今後変わる予定はありますか?
価格は同じで、100万トークンあたりのブレンド価格は$4.00です。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Kimi K3.1 Pro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 60。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FrontierCode 2.0 (AA)では、GPT-6.1 Solが40.6%、Kimi K3.1 Proが25.4%です。
GPT-6.1 SolとKimi K3.1 Proはどちらが速いですか?
GPT-6.1 Solの方が出力が約1.5倍速くなっています(出力50 対 30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Kimi K3.1 Pro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互角です(カテゴリ指標で64 対 65)。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APEX-Agentsでは、GPT-6.1 Solが60.0%、Kimi K3.1 Proが65.5%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Kimi K3.1 Proの方がスコアが高くなっています(68 対 66)。どちらも約1.1Mトークンです(GPT-6.1 Solは1,050,000、Kimi K3.1 Pro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Kimi K3.1 Proです。Artificial Analysisの測定では、最初の回答トークンまで157.4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Kimi K3.1 Pro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-6.1 Solのリードが16件、Kimi K3.1 Proのリードが10件、同点が1件です。第三者の総合指標でも評価が分かれ、GPT-6.1 SolはBenchLeader Index、AA Intelligence Index v5.0.1、Vals Indexで、Kimi K3.1 ProはArena Textでリードしています。
Kimi K3.1 Proはいつリリースされましたか?
Kimi K3.1 Proは2026年10月23日にリリースされました。