GPT-6.1 Sol vs o3
詳しいプロフィール:GPT-6.1 Sol(OpenAI)とo3(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 · 22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o3を上回ります(BenchLeader Indexで66.6 対 60.4)。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 $3.50)。知識(72 対 56)、マルチモーダル(66 対 53)、コーディング(71 対 60)を重視するならGPT-6.1 Sol、エージェント・ツール(70 対 64)を重視するならo3が向いています。回答開始までの時間はo3の方が短く、5.2秒 対 166.7秒です。o3は出力が約2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、o3が60.4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)。
- o3の100万トークンあたりのブレンド価格は$3.50です(定価、2026年11月16日)。
- o3はGPT-6.1 Solより出力が約2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15件のベンチマークのうち、GPT-6.1 Solが15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;Arena Coding 1540 対 1460 | 高 |
| エージェント・ツール利用 | o3 | カテゴリスコア70 対 64;Arena Search 1197 対 1249 | 中 |
| 数学 | GPT-6.1 Sol | カテゴリスコア72 対 71;Arena Maths 1499 対 1448 | 中 |
| 推論 | GPT-6.1 Sol | カテゴリスコア71 対 61;Arena Hard Prompts 1505 対 1441 | 高 |
| 知識 | GPT-6.1 Sol | カテゴリスコア72 対 56 | 高 |
| 長い文書 | GPT-6.1 Sol | カテゴリスコア66 対 62;AA-LCR v1.1 83.0% 対 74.7% | 中 |
| 画像などのメディア | GPT-6.1 Sol | カテゴリスコア66 対 53;Arena Vision 1286 対 1214 | 高 |
| チャットの質(人間の評価) | GPT-6.1 Sol | Arenaの投票で67 対 61 | 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$4.00 対 $3.50;エージェント型コーディングセッション$0.160 対 $0.152 | – |
| 回答開始の速さ | o3 | 最初の回答トークンまで5.2秒(o3)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 60.4。
- GPT-6.1 Sol (max)はコーディング、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。
- o3はエージェント・ツールで優れています。
- 価格はほぼ同じです(100万トークンあたりブレンド価格$3.50)。
- o3の方が出力が2.6倍速くなっています(131 対 50トークン/秒)。
概要
| 仕様 | GPT-6.1 Sol | o3 |
|---|---|---|
| プロバイダー | OpenAI | OpenAI |
| リリース日 | 2026年9月29日 | 2025年4月16日 |
| コンテキストウィンドウ(トークン) | 1,050,000 | 200,000 |
| 比較した構成 | GPT-6.1 Sol (max) | o3 |
| 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 | $2.00 / $8.00 / $0.500 |
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) | o3 | トップ |
|---|---|---|---|
| 推論 | 71.4 | 60.9 | GPT-6.1 Sol |
| コーディング | 71.1 | 59.8 | GPT-6.1 Sol |
| エージェント・ツール | 64.3 | 70.3 | o3 |
| 数学 | 71.6 | 70.6 | GPT-6.1 Sol |
| 知識 | 71.5 | 56.2 | GPT-6.1 Sol |
| 指示追従 | – | 65.2 | 比較不可 |
| 人間の評価 | 67.1 | 61.0 | GPT-6.1 Sol |
| マルチモーダル | 65.6 | 52.8 | GPT-6.1 Sol |
| 長文コンテキスト | 66.2 | 61.9 | GPT-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。
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。
情報源で評価が分かれる点
両方に結果がある15件のベンチマークのうち、GPT-6.1 Solのリードが15件、o3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Index | GPT-6.1 Sol (max) | o3 | トップ |
|---|---|---|---|
| BenchLeader Index | 66.6 | 60.4 | GPT-6.1 Sol |
| Arena Text | 1481 | 1432 | GPT-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) | o3 |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $4.00 | $3.50 |
| 100万トークンあたりの入力/出力 | $2.00 / $10.00 | $2.00 / $8.00 |
| 100万トークンあたりのキャッシュ入力 | $0.100 | $0.500 |
| タスクあたりの価格:チャットの返答 | $0.0038 | $0.0032 |
| タスクあたりの価格:30ページのレポートを要約 | $0.030 | $0.029 |
| タスクあたりの価格:コード編集 | $0.027 | $0.024 |
| 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 | $0.152 |
| タスクあたりの価格:構造化データの抽出 | $0.0060 | $0.0056 |
| 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 | $0.085 |
| ベンチマークのタスクあたりのコスト(AA Index) | $1.27 | – |
| タスクあたりの出力トークン(AA Index) | 68k | – |
| うち推論 | 49k | – |
| タスクあたりの時間(AA Index) | 23 min | – |
| 出力速度 | 50 tok/s | 131 tok/s |
| 回答開始までの時間 | 166.7秒 | 5.2秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 429.6秒 | 17.3秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。GPT-6.1 Sol (max)のスコアは66.6、最初の回答トークンまで167秒。GPT-6.1 Sol (xhigh)は63.6(68秒)、GPT-6.1 Sol (high)は63.4(33秒)。o3のスコアは60.4、最初の回答トークンまで5秒。o3 (high)は55.1(5秒)、o3 (medium)は53.3(5秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
204件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | GPT-6.1 Sol (max) | o3 |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 66.6 | 60.4 |
| エージェント・ツールスコア | BenchLeader | 64.3 | 70.3 |
| コーディングスコア | BenchLeader | 71.1 | 59.8 |
| 総合スコア | BenchLeader | 67.9 | – |
| 人間の評価スコア | BenchLeader | 67.1 | 61.0 |
| 知識スコア | BenchLeader | 71.5 | 56.2 |
| 長文コンテキストスコア | BenchLeader | 66.2 | 61.9 |
| 数学スコア | BenchLeader | 71.6 | 70.6 |
| マルチモーダルスコア | BenchLeader | 65.6 | 52.8 |
| 推論スコア | BenchLeader | 71.4 | 60.9 |
| 指示追従スコア | BenchLeader | – | 65.2 |
| ブレンド価格($/100万トークン) | BenchLeader | $4.00 | $3.50 |
| 出力速度 | BenchLeader | 50 tok/s | 131 tok/s |
| 回答開始までの時間 | BenchLeader | 166.7秒 | 5.2秒 |
| コンテキストウィンドウ | BenchLeader | 1,050,000トークン | 200,000トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 95.4% | 81.8%† |
| Humanity's Last Exam | Scale AI / CAIS | – | 20.3%† |
| SimpleBench | SimpleBench | 82.9%† | 53.1%† |
| Arena Hard Prompts | Arena (LMArena) | 1505 | 1441 |
| LiveBench 2.0 Reasoning | LiveBench | 92.6% | – |
| LiveBench 1.0 Reasoning | LiveBench | 92.6% | – |
| GPQA Diamond (AA) | Artificial Analysis | – | 82.7% |
| Humanity's Last Exam (AA) | Artificial Analysis | 52.9% | 20.1% |
| HLE-Diamond (AA) | Artificial Analysis | 58.8% | – |
| GPQA Diamond (Vals) | Vals AI | – | 84.1%† |
| Kagi LLM Benchmark | Kagi LLM Benchmark | – | 67.6% |
| GPQA Diamond (HELM) | HELM Capabilities | – | 75.3% |
| ARC-AGI-1 | ARC Prize | 96.5% | 60.8%† |
| ARC-AGI-2 | ARC Prize | 94.2% | 6.5%† |
| ARC-AGI-3 | ARC Prize | 96.2% | – |
| CritPt | Artificial Analysis | 31.7% | 1.1% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 69.5% | – |
| MysteryMechanism | Vals AI | 46.4% | – |
| SciPredict | Scale AI SEAL | – | 17.9% |
| Arena Expert | Arena (LMArena) | 1525 | 1448 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 68.0% | 36.0%† |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 80.0% | 29.0%† |
| CL-bench | Epoch AI Benchmarking Hub | – | 17.8%† |
| LMCA | Epoch AI Benchmarking Hub | 62.8% | 39.7%† |
| DTBench | Epoch AI Benchmarking Hub | 96.5% | 84.8%† |
204件のベンチマークをすべて表示
| 指標 | 公開元 | GPT-6.1 Sol (max) | o3 |
|---|---|---|---|
| 推論 | |||
| ForecastBench | ForecastBench | – | 64.3% |
| コーディング | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | – | 62.3%† |
| SciCode | SciCode | 54.2% | – |
| WeirdML | WeirdML | – | 52.4%† |
| FrontierCode | Cognition | 50.2%† | – |
| GSO-Bench | GSO-Bench | – | 8.8%† |
| Arena Coding | Arena (LMArena) | 1540 | 1460 |
| Arena WebDev | Arena (LMArena) | 1743 | – |
| LiveBench 2.0 Coding | LiveBench | 82.1% | – |
| LiveBench 1.0 Coding | LiveBench | 80.4% | – |
| LiveCodeBench | Vals AI | – | 83.9%† |
| IOI | Vals AI | 96.9% | – |
| Aider Polyglot | Aider polyglot leaderboard | – | 76.9% |
| SWE-bench Verified (bash only) | SWE-bench | – | 58.4% |
| SWE-bench Verified (any scaffold) | SWE-bench | – | 58.4% |
| Code Migration | Vals AI | 65.1% | – |
| Code Migration v1.1 | Vals AI | 77.3% | – |
| ProgramBench | Vals AI | 3.0% | – |
| SWE-bench Multimodal | Vals AI | 43.5% | – |
| Vibe Code Bench v1.1 | Vals AI | 88.9% | – |
| SWE Atlas v1.1 | Scale AI SEAL | 65.9%† | – |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | 71.0%† | – |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | 66.7%† | – |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | 60.0%† | – |
| SWE-Bench Pro V2 | Scale AI SEAL | 96.1%† | – |
| MirrorCode | Epoch AI Benchmarking Hub | 61.1% | – |
| CadEval | Epoch AI Benchmarking Hub | – | 74.0%† |
| ALE-Bench | Epoch AI Benchmarking Hub | 2743.8 | 933.5† |
| WeirdML v3 | WeirdML | 38.3%† | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 56.1% | – |
| Startrise Frontend | Startrise | 78.6%† | – |
| GameBench 2 Overall | DuelLab GameBench 2 | 84.9† | 34.1 |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 92.0† | 30.4† |
| Design Arena Website | Design Arena | 1315† | 1028 |
| FrontierCode 1.1 (AA) | Artificial Analysis | 49.1% | – |
| FrontierCode 2.0 (AA) | Artificial Analysis | 40.6% | – |
| LiveCodeBench (AA) | Artificial Analysis | – | 80.8% |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 60.9% | – |
| GDPval | OpenAI | – | 30.8%† |
| APEX-Agents | Mercor | 60.0% | – |
| Arena Agent | Arena (LMArena) | 12.5 | – |
| LiveBench Long Agentic | LiveBench | 65.6% | – |
| LiveBench Browser | LiveBench | 93.3% | – |
| LiveBench Agentic Coding | LiveBench | 54.5% | – |
| Terminal-Bench Hard | Artificial Analysis | – | 37.1% |
| τ²-Bench Telecom (AA) | Artificial Analysis | – | 80.7% |
| HiL-Bench | Scale AI SEAL | 62.3%† | – |
| BFCL Overall | Berkeley Function Calling Leaderboard | – | 63.0% |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 54.8% | – |
| GDPval-AA v2.1 | Artificial Analysis | 1607 | – |
| Analyst Agent (AA) | Artificial Analysis | 50.0% | – |
| CyberBench | Vals AI | 39.3% | – |
| Finance Agent v2 | Vals AI | 52.0% | – |
| Finance Agent v2.1 | Vals AI | 61.8% | – |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | 6.3% | – |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 5.4% | – |
| Legal Research Bench | Vals AI | 38.5% | – |
| Robo-bench | Vals AI | 28.3% | – |
| SREBench | Vals AI | 50.8% | – |
| Tax Agent Bench | Vals AI | 21.8% | – |
| Terminal-Bench 4.0 (Vals) | Vals AI | 55.0% | – |
| Terminal-Bench Science | Vals AI | 52.9% | – |
| Arena Search | Arena (LMArena) | 1249 | 1197 |
| Arena Agent Task Completion | Arena (LMArena) | 11.7 | – |
| DeepResearch Bench | DeepResearch Bench | – | 45.2%† |
| PostTrainBench | Epoch AI Benchmarking Hub | 38.8% | – |
| METR Time Horizons | METR | – | 63.6% |
| Vending-Bench 2 | Andon Labs | 12860.6† | – |
| SpireClimb | Epoch AI Benchmarking Hub | 23.8% | – |
| AutomationBench | Artificial Analysis | 64.9% | – |
| GDP.pdf (AA) | Artificial Analysis | 31.0% | – |
| Harvey LAB-AA v1.1 | Harvey | 6.9% | – |
| AA-Briefcase v1.1 | Artificial Analysis | 1555 | – |
| GDPx | GDPx by SemiAnalysis | 8.4% | – |
| Design Arena Agentic | Design Arena | 1375 | – |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 58.1% | – |
| MKA (AA) | Artificial Analysis | 47.7% | – |
| BrowseComp-Plus | BrowseComp-Plus | – | 50.5% |
| FACTS Search | 92.8%† | – | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 93.7% | 33.3%† |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 100.0% | – |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 100.0% | 83.9%† |
| MATH Level 5 | Epoch AI Benchmarking Hub | – | 97.8%† |
| ProofBench | Vals AI | 99.0%† | – |
| LiveBench Mathematics | LiveBench | 96.8% | – |
| AIME (Vals) | Vals AI | – | 85.3%† |
| MGSM | Vals AI | – | 91.8%† |
| IMO 2025 | MathArena | – | 16.7%† |
| ArXivMath | MathArena | 92.8% | – |
| BrokenArXiv | MathArena | 83.1% | – |
| Omni-MATH (HELM) | HELM Capabilities | – | 71.4% |
| MATH 500 | Vals AI | – | 94.6%† |
| Arena Maths | Arena (LMArena) | 1499 | 1448 |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | 4.4% | – |
| AIME 2025 (AA) | Artificial Analysis | – | 88.3% |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 73.9% | 49.4%† |
| LiveBench 2.0 Data Analysis | LiveBench | 82.7% | – |
| LiveBench Research | LiveBench | 90.0% | – |
| LiveBench 1.0 Data Analysis | LiveBench | 82.7% | – |
| AA-Omniscience v1.1 | Artificial Analysis | 42.0 | – |
| MMLU-Pro | Vals AI | – | 85.6%† |
| LegalBench | Vals AI | – | 83.8%† |
| CorpFin | Vals AI | – | 59.7%† |
| TaxEval | Vals AI | – | 74.6%† |
| MedQA | Vals AI | – | 96.1%† |
| PRBench Finance | Scale AI SEAL | 46.2%† | 47.7% |
| PRBench Legal | Scale AI SEAL | 47.9%† | 48.6% |
| MultiNRC | Scale AI SEAL | – | 45.5%† |
| MMLU-Pro (HELM) | HELM Capabilities | – | 85.9% |
| BioMysteryBench | Vals AI | 79.6% | – |
| ClaimBench | Vals AI | 100.0% | – |
| Excel Modeling Benchmark | Vals AI | 70.8% | – |
| Excel Modeling Benchmark v1.1 | Vals AI | 71.1% | – |
| MedCode | Vals AI | 48.8% | 47.3%† |
| MedScribe | Vals AI | 86.5% | 76.7%† |
| Public Benefits Bench v1.1 | Vals AI | 59.3% | – |
| Access to Justice Benchmark | Vals AI | 65.8% | – |
| Financial Coaching Bench | Vals AI | 68.5% | – |
| Immigration Bench | Vals AI | 67.8% | – |
| EBR-bench | Epoch AI Benchmarking Hub | 54.3% | – |
| GDP.pdf | Epoch AI Benchmarking Hub | 35.0% | – |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 61.8% | – |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 48.1% | – |
| HealthBench Professional (AA) | OpenAI | 65.1% | – |
| FACTS Parametric | 83.8%† | – | |
| 指示追従 | |||
| LiveBench Language | LiveBench | 90.1% | – |
| LiveBench Instruction Following | LiveBench | 74.2% | – |
| IFBench | Artificial Analysis | – | 71.4% |
| MultiChallenge | Scale AI SEAL | 82.0%† | 56.6%† |
| TutorBench | Scale AI SEAL | – | 52.1%† |
| IFEval (HELM) | HELM Capabilities | – | 86.9% |
| WildBench (HELM) | HELM Capabilities | – | 86.1% |
| Arena Instruction Following | Arena (LMArena) | 1482 | 1403 |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1481 | 1432 |
| EQ-Bench 4 | EQ-Bench | 1272† | – |
| EQ-Bench Creative Writing v3 | EQ-Bench | – | 1675 |
| Arena Creative Writing | Arena (LMArena) | 1449 | 1383 |
| Arena Multi-turn | Arena (LMArena) | 1486 | 1420 |
| Arena Longer Queries | Arena (LMArena) | 1488 | 1411 |
| Lech Mazur Creative Writing | Lech Mazur | – | 83.9%† |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1286 | 1214 |
| LiveBench Design | LiveBench | 79.6% | – |
| MMMU-Pro | Artificial Analysis | 86.0% | 70.1% |
| VISTA | Scale AI SEAL | – | 50.1%† |
| MMMU-Pro (Vals) | Vals AI | – | 80.4%† |
| MortgageTax | Vals AI | – | 65.7%† |
| SAGE | Vals AI | 90.5% | – |
| Humanity's Sixth Sense | Scale AI SEAL | 46.6% | – |
| VTB | Scale AI SEAL | – | 13.7% |
| GeoBench | GeoBench | – | 60.0%† |
| VPCT | Epoch AI Benchmarking Hub | – | 52.0%† |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 43.2%† | – |
| Furniture Assembly | Epoch AI Benchmarking Hub | 80.0% | – |
| VIALS-AA | Handshake AI | 59.0% | – |
| Code2Video-AA | Artificial Analysis | 1369 | – |
| AA-3D | Artificial Analysis | 1121 | – |
| FACTS Multimodal | 52.6%† | – | |
| 長文コンテキスト | |||
| Fiction.LiveBench 120k | Fiction.live | – | 100.0%† |
| AA-LCR v1.1 | Artificial Analysis | 83.0% | 74.7% |
| MLCR | Artificial Analysis | 38.3% | – |
| FACTS Grounding | 78.0%† | – | |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 168.5† | 147.1 |
| LiveBench 2.0 | LiveBench | 81.4% | – |
| LiveBench 1.0 | LiveBench | 81.6% | – |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 54.6 | – |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 51.8 | 20.2 |
| AA Progress Index v1 | Artificial Analysis | 348.5 | 258.3 |
| Vals Index | Vals AI | 63.9 | – |
| HELM Capabilities mean | HELM Capabilities | – | 81.1% |
| Vals Finance Index | Vals AI | 55.8% | – |
| Vals RSI Index | Vals AI | 26.6% | – |
| Vals Science Index | Vals AI | 59.6% | – |
| Vals Router Index | Vals AI | 63.9%† | – |
| Vals Legal Index | Vals AI | 68.7% | – |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | – | 16.0% |
| MASK | Scale AI SEAL | – | 84.5%† |
| PropensityBench | Scale AI SEAL | – | 10.5% |
| DistressBench | Scale AI SEAL | 74.2%† | – |
| メタデータ | |||
| AA Openness Index | Artificial Analysis | – | 5.6 |
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
- o3:BenchLeader Index 61.2 → 60.4。
- 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。
- o3: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。
関連する比較
- GPT-6.1 Sol vs Claude Fable 5.2
- GPT-6.1 Sol vs Gemini 4 Carbon
- GPT-6.1 Sol vs Claude Opus 5.5
- GPT-6.1 Sol vs GPT-6 Astra
- o3 vs Claude Opus 5.5
- GPT-6.1 Sol vs Claude Fable 5.1
- GPT-6.1 Sol vs Claude Fable 5
- GPT-6.1 Sol vs GPT-5.6 Sol
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 o3:よくある質問
- GPT-6.1 Solはo3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 60.4。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o3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o3の方が安く、100万トークンあたり$3.50 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o3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Arena Codingでは、GPT-6.1 Solが1540、o3が1460です。
- GPT-6.1 Solとo3はどちらが速いですか?
- o3の方が出力が約2倍速くなっています(出力131 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o3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o3の方がスコアが高くなっています(カテゴリ指標で70 対 64。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 62)。コンテキストはGPT-6.1 Solの方が長く、1,050,000トークンです(o3は200,000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o3です。Artificial Analysisの測定では、最初の回答トークンまで5.2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o3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15件のベンチマークのうち、GPT-6.1 Solのリードが15件、o3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。