BenchLeader

GPT-6.1 Terra vs Qwen3.6 Max

詳しいプロフィール:GPT-6.1 Terra(OpenAI)とQwen3.6 Max(Alibaba)。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、GPT-6.1 TerraとQwen3.6 Maxの品質は互角です(BenchLeader Indexで64.1 対 62.1、±3.6の誤差範囲内)。価格はGPT-6.1 Terraの方が1.5倍安く、100万トークンあたりのブレンド価格で$2.00 対 $2.92です。コーディング(69 対 56)、推論(68 対 61)、数学(72 対 64)を重視するならGPT-6.1 Terra、エージェント・ツール(72 対 63)を重視するならQwen3.6 Maxが向いています。

要点(2026年11月16日時点)

  • BenchLeader IndexはGPT-6.1 Terraが64.1、Qwen3.6 Maxが62.1です(BenchLeader、2026年11月16日)。
  • GPT-6.1 Terraの100万トークンあたりのブレンド価格は$2.00です(定価、2026年11月16日)。
  • Qwen3.6 Maxの100万トークンあたりのブレンド価格は$2.92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-6.1 Terraが8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 Terraが1678、Qwen3.6 Maxが1482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 Terraカテゴリスコア69 対 56;Arena WebDev 1678 対 1482高
エージェント・ツール利用Qwen3.6 Maxカテゴリスコア72 対 63高
数学GPT-6.1 Terraカテゴリスコア72 対 64;OTIS Mock AIME 100.0% 対 91.1%中
推論GPT-6.1 Terraカテゴリスコア68 対 61;GPQA Diamond 94.3% 対 87.4%高
知識GPT-6.1 Terraカテゴリスコア61 対 60;SimpleQA Verified 57.3% 対 52.0%中
長い文書GPT-6.1 Terraカテゴリスコア66 対 65;AA-LCR v1.1 82.7% 対 80.7%中
チャットの質(人間の評価)–Arenaの評価があるのはQwen3.6 Maxのみです(カテゴリスコア65)比較不可
最低コストGPT-6.1 Terra100万トークンあたりブレンド価格$2.00 対 $2.92;エージェント型コーディングセッション$0.080 対 $0.109–
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-6.1 Terra (max)とQwen3.6 Max (max)の品質は互角です(64.1 対 62.1、±3.6の誤差範囲内)。
  • GPT-6.1 Terra (max)はコーディング、知識、長文コンテキスト、数学、推論で優れています。
  • Qwen3.6 Max (max)はエージェント・ツールで優れています。
  • GPT-6.1 Terra (max)の方が1.5倍安くなっています(100万トークンあたりブレンド価格$2.00 対 $2.92)。

概要

仕様GPT-6.1 TerraQwen3.6 Max
プロバイダーOpenAIAlibaba
リリース日2026年10月26日2026年4月20日
コンテキストウィンドウ(トークン)1,050,000262,144
比較した構成GPT-6.1 Terra (max)Qwen3.6 Max (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)$1.00 / $5.00 / $0.050$1.30 / $7.80 / $0.130

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 Terra (max)Qwen3.6 Max (max)トップ
推論68.460.8GPT-6.1 Terra
コーディング69.355.9GPT-6.1 Terra
エージェント・ツール63.472.1Qwen3.6 Max
数学71.764.4GPT-6.1 Terra
知識61.459.7GPT-6.1 Terra
指示追従–74.7比較不可
人間の評価–64.5比較不可
マルチモーダル67.2–比較不可
長文コンテキスト66.065.0GPT-6.1 Terra
総合65.0–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GPT-6.1 Terra, 推論: 68.4GPT-6.1 Terra, コーディング: 69.3GPT-6.1 Terra, エージェント・ツール: 63.4GPT-6.1 Terra, 数学: 71.7GPT-6.1 Terra, 知識: 61.4GPT-6.1 Terra, 長文コンテキスト: 66.0Qwen3.6 Max, 推論: 60.8Qwen3.6 Max, コーディング: 55.9Qwen3.6 Max, エージェント・ツール: 72.1Qwen3.6 Max, 数学: 64.4Qwen3.6 Max, 知識: 59.7Qwen3.6 Max, 長文コンテキスト: 65.0

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, 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-6.1 Terraのリードが8件、Qwen3.6 Maxのリードが0件です。

総合IndexGPT-6.1 Terra (max)Qwen3.6 Max (max)トップ
BenchLeader Index64.162.1互角

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 Terra (max)Qwen3.6 Max (max)
100万トークンあたりのブレンド価格$2.00$2.92
100万トークンあたりの入力/出力$1.00 / $5.00$1.30 / $7.80
100万トークンあたりのキャッシュ入力$0.050$0.130
タスクあたりの価格:チャットの返答$0.0019$0.0029
タスクあたりの価格:30ページのレポートを要約$0.015$0.020
タスクあたりの価格:コード編集$0.013$0.019
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$0.080$0.109
タスクあたりの価格:構造化データの抽出$0.0030$0.0042
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)$0.037$0.057
ベンチマークのタスクあたりのコスト(AA Index)$0.961–
タスクあたりの出力トークン(AA Index)60k–
うち推論39k–
タスクあたりの時間(AA Index)14 min–
出力速度72 tok/s–
回答開始までの時間150.9秒–
回答が完了するまでの時間(最終測定2026年11月13日)375.7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 Terra (max)のスコアは64.1、最初の回答トークンまで151秒。GPT-6.1 Terra (xhigh)は60.0(30秒)、GPT-6.1 Terra (high)は59.6(10秒)。Qwen3.6 Max (max)のスコアは62.1。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

101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 Terra (max)Qwen3.6 Max (max)
BenchLeader IndexBenchLeader64.162.1
エージェント・ツールスコアBenchLeader63.472.1
コーディングスコアBenchLeader69.355.9
総合スコアBenchLeader65.0–
知識スコアBenchLeader61.459.7
長文コンテキストスコアBenchLeader66.065.0
数学スコアBenchLeader71.764.4
マルチモーダルスコアBenchLeader67.2–
推論スコアBenchLeader68.460.8
人間の評価スコアBenchLeader–64.5
指示追従スコアBenchLeader–74.7
ブレンド価格($/100万トークン)BenchLeader$2.00$2.92
出力速度BenchLeader72 tok/s–
回答開始までの時間BenchLeader150.9秒–
コンテキストウィンドウBenchLeader1,050,000トークン262,144トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub94.3%87.4%
SimpleBenchSimpleBench72.2%†63.0%
Arena Hard PromptsArena (LMArena)–1481
LiveBench 2.0 ReasoningLiveBench88.7%–
GPQA Diamond (AA)Artificial Analysis–88.8%
Humanity's Last Exam (AA)Artificial Analysis46.3%30.8%
HLE-Diamond (AA)Artificial Analysis47.3%–
CritPtArtificial Analysis28.0%3.7%
CritPt v2 hard subset (AA)Artificial Analysis68.0%–
HLE-Diamond (Scale)Scale AI SEAL35.7%†–
Arena ExpertArena (LMArena)–1497
Mystery Game PuzzlesEpoch AI Benchmarking Hub74.0%19.0%†
LMCAEpoch AI Benchmarking Hub–42.5%
DTBenchEpoch AI Benchmarking Hub–87.2%
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub–76.7%
SciCodeSciCode55.1%–
Arena CodingArena (LMArena)–1510
Arena WebDevArena (LMArena)16781482
LiveBench 2.0 CodingLiveBench89.2%–
SWE-bench (Vals)Vals AI–72.8%
Vibe Code Bench v1.1Vals AI84.0%–
SWE Atlas v1.1Scale AI SEAL57.7%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL54.0%†–
SWE Atlas v1.1: Test WritingScale AI SEAL63.3%†–
SWE Atlas v1.1: RefactoringScale AI SEAL55.7%†–
101件のベンチマークをすべて表示
指標公開元GPT-6.1 Terra (max)Qwen3.6 Max (max)
コーディング
MirrorCodeEpoch AI Benchmarking Hub76.7%–
ALE-BenchEpoch AI Benchmarking Hub2608.8–
WeirdML v3WeirdML28.1%†–
Terminal-Bench 4.0 (AA)Artificial Analysis55.6%–
GameBench 2 OverallDuelLab GameBench 281.2†–
GameBench 2 by reasoning settingDuelLab GameBench 285.8†–
Design Arena WebsiteDesign Arena1286†–
FrontierCode 1.1 (AA)Artificial Analysis36.0%–
FrontierCode 2.0 (AA)Artificial Analysis42.3%–
エージェント・ツール
Terminal-BenchTerminal-Bench53.3%–
APEX-AgentsMercor68.3%–
Arena AgentArena (LMArena)12–
LiveBench Long AgenticLiveBench56.2%–
LiveBench BrowserLiveBench93.1%–
Terminal-Bench HardArtificial Analysis–43.9%
τ²-Bench Telecom (AA)Artificial Analysis–95.9%
HiL-BenchScale AI SEAL68.0%†–
GDPval-AA v2.1Artificial Analysis1476–
Finance Agent v2.1Vals AI56.0%–
Harvey's Legal Agent Benchmark v1.1Vals AI1.7%–
Legal Research BenchVals AI26.0%–
Tax Agent BenchVals AI17.1%–
Terminal-Bench 2.0 (Vals)Vals AI–51.7%
Terminal-Bench 4.0 (Vals)Vals AI49.5%–
Arena Agent Task CompletionArena (LMArena)9.7–
Vending-Bench 2Andon Labs9107.5†4254.2
SpireClimbEpoch AI Benchmarking Hub22.3%–
AutomationBenchArtificial Analysis60.2%–
GDP.pdf (AA)Artificial Analysis28.6%–
AA-Briefcase v1.1Artificial Analysis1401–
GDPxGDPx by SemiAnalysis8.5%–
Design Arena AgenticDesign Arena1192†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis57.6%–
MKA (AA)Artificial Analysis43.8%–
FACTS SearchGoogle92.7%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub90.9%–
FrontierMath Tier 4Epoch AI Benchmarking Hub92.7%–
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%91.1%
Arena MathsArena (LMArena)–1471
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub57.3%52.0%
LiveBench 2.0 Data AnalysisLiveBench82.3%–
LiveBench ResearchLiveBench79.1%–
AA-Omniscience v1.1Artificial Analysis29.6–
CorpFinVals AI–66.5%
CaseLaw v2Vals AI–47.9%
Excel Modeling Benchmark v1.1Vals AI73.3%–
EBR-benchEpoch AI Benchmarking Hub78.1%–
AA-Omniscience v1.1: accuracyArtificial Analysis47.6%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis65.5%–
FACTS ParametricGoogle70.8%†–
指示追従
IFBenchArtificial Analysis–76.6%
MultiChallengeScale AI SEAL74.2%†–
Arena Instruction FollowingArena (LMArena)–1451
人間の評価
Arena TextArena (LMArena)–1460
Arena Creative WritingArena (LMArena)–1438
Arena Multi-turnArena (LMArena)–1466
Arena Longer QueriesArena (LMArena)–1473
マルチモーダル
LiveBench DesignLiveBench79.7%–
MMMU-ProArtificial Analysis84.7%–
Blueprint-Bench 2Epoch AI Benchmarking Hub42.1%†–
Furniture AssemblyEpoch AI Benchmarking Hub79.2%–
VIALS-AAHandshake AI60.3%–
FACTS MultimodalGoogle48.8%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis82.7%80.7%
MLCRArtificial Analysis30.6%–
FACTS GroundingGoogle84.2%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub167.7†149.8
LiveBench 2.0LiveBench78.8%–
AA Intelligence Index v5.0.1Artificial Analysis51.3–
AA Intelligence Index v4.3.2Artificial Analysis48.128.4
AA Progress Index v1Artificial Analysis345.2297.1
Vals IndexVals AI60.5–
Vals Finance IndexVals AI53.3%–
Vals Legal IndexVals AI58.8%–
安全性・誠実さ
FORTRESSScale AI SEAL18.2%†–
DistressBenchScale AI SEAL65.9%†–

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

  • GPT-6.1 Terra (max):新しい結果8件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • GPT-6.1 Terra (max):BenchLeader Index 64.7 → 64.1。
  • GPT-6.1 Terra (max):新しい結果1件(Terminal-Bench)。
  • GPT-6.1 Terra (max):BenchLeader Index 65.2 → 64.7。
  • GPT-6.1 Terra (max):新しい結果1件(MirrorCode)。
  • Qwen3.6 Max (max):BenchLeader Index 62.8 → 62.3。
  • GPT-6.1 Terra (max):スコアの改訂1件。
  • GPT-6.1 Terra (max):スコアの改訂1件。
  • GPT-6.1 Terra (max):スコアの改訂1件。
  • GPT-6.1 Terra (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 Terra vs Qwen3.6 Max:よくある質問

GPT-6.1 TerraはQwen3.6 Maxより優れていますか?
GPT-6.1 Terra (max)とQwen3.6 Max (max)の品質は互角です(64.1 対 62.1、±3.6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-6.1 TerraとQwen3.6 Max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-6.1 Terraの方が安く、100万トークンあたり$2.00 対 $2.92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 TerraとQwen3.6 Maxのどちらが向いていますか?
コーディングではGPT-6.1 Terraの方がスコアが高くなっています(カテゴリ指標で69 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-6.1 Terraが1678、Qwen3.6 Maxが1482です。
エージェントやツール利用にはGPT-6.1 TerraとQwen3.6 Max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Qwen3.6 Maxの方がスコアが高くなっています(カテゴリ指標で72 対 63。50が平均)。
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 Terraの方がスコアが高くなっています(66 対 65)。コンテキストはGPT-6.1 Terraの方が長く、1,050,000トークンです(Qwen3.6 Maxは262,144トークン)。
ほかの質問(2件)
GPT-6.1 TerraとQwen3.6 Max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-6.1 Terraのリードが8件、Qwen3.6 Maxのリードが0件です。
GPT-6.1 Terraはいつリリースされましたか?
GPT-6.1 Terraは2026年10月26日にリリースされました。