GPT-6 Sol vs Kimi K3.1 Pro Together
詳しいプロフィール:GPT-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 · 11件の情報源のデータ
2026年11月16日時点で、GPT-6 SolとKimi K3.1 Pro Togetherの品質は互角です(BenchLeader Indexで62.6 対 60.0、±3.9の誤差範囲内)。数学(68 対 65)を重視するならGPT-6 Sol、知識(66 対 61)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-6 Solが62.6、Kimi K3.1 Pro Togetherが60.0です(BenchLeader、2026年11月16日)。
- GPT-6 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)。
- 両モデルに結果がある8件のベンチマークのうち、GPT-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-6 Sol | カテゴリスコア68 対 65;FrontierMath Tiers 1–3 89.8% 対 78.3% | 中 |
| 推論 | どちらでも | カテゴリスコア66 対 67;GPQA Diamond 94.3% 対 94.2% | どちらでも |
| 知識 | Kimi K3.1 Pro Together | カテゴリスコア66 対 61;SimpleQA Verified 62.2% 対 60.7% | 中 |
| チャットの質(人間の評価) | – | Arenaの評価があるのはGPT-6 Solのみです(カテゴリスコア64) | 比較不可 |
| 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 Sol (max)とKimi K3.1 Pro Together (max)の品質は互角です(62.6 対 60.0、±3.9の誤差範囲内)。
- GPT-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-6 Sol | Kimi K3.1 Pro Together |
|---|---|---|
| プロバイダー | OpenAI | Moonshot AI |
| リリース日 | 2026年9月22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-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) | $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 Sol (max) | Kimi K3.1 Pro Together (max) | トップ |
|---|---|---|---|
| 推論 | 66.0 | 66.9 | 互角 |
| コーディング | 66.3 | – | 比較不可 |
| エージェント・ツール | 58.8 | – | 比較不可 |
| 数学 | 68.0 | 65.2 | GPT-6 Sol |
| 知識 | 60.6 | 66.0 | Kimi K3.1 Pro Together |
| 人間の評価 | 64.2 | – | 比較不可 |
| マルチモーダル | 60.6 | – | 比較不可 |
| 長文コンテキスト | 66.6 | – | 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):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。
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 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。
| 総合Index | GPT-6 Sol (max) | Kimi K3.1 Pro Together (max) | トップ |
|---|---|---|---|
| BenchLeader Index | 62.6 | 60.0 | 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 Sol (max) | Kimi K3.1 Pro Together (max) |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $4.00 | – |
| 100万トークンあたりの入力/出力 | $2.00 / $10.00 | – / – |
| 100万トークンあたりのキャッシュ入力 | $0.200 | – |
| タスクあたりの価格:チャットの返答 | $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 | – |
| タスクあたりの価格:コード編集 | $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 | – |
| タスクあたりの価格:構造化データの抽出 | $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) | $0.079 | – |
| ベンチマークのタスクあたりのコスト(AA Index) | $2.47 | – |
| タスクあたりの出力トークン(AA Index) | 54k | – |
| うち推論 | 35k | – |
| タスクあたりの時間(AA Index) | 7 min | – |
| 出力速度 | 127 tok/s | – |
| 回答開始までの時間 | 36.9秒 | – |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 143.8秒 | – |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。GPT-6 Sol (max)のスコアは62.6、最初の回答トークンまで37秒。GPT-6 Sol (xhigh)は58.4(19秒)、GPT-6 Sol (high)は58.1(6秒)。Kimi K3.1 Pro Together (max)のスコアは60.0。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
115件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | GPT-6 Sol (max) | Kimi K3.1 Pro Together (max) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 62.6 | 60.0 |
| エージェント・ツールスコア | BenchLeader | 58.8 | – |
| コーディングスコア | BenchLeader | 66.3 | – |
| 人間の評価スコア | BenchLeader | 64.2 | – |
| 知識スコア | BenchLeader | 60.6 | 66.0 |
| 長文コンテキストスコア | BenchLeader | 66.6 | – |
| 数学スコア | BenchLeader | 68.0 | 65.2 |
| マルチモーダルスコア | BenchLeader | 60.6 | – |
| 推論スコア | BenchLeader | 66.0 | 66.9 |
| ブレンド価格($/100万トークン) | BenchLeader | $4.00 | – |
| 出力速度 | BenchLeader | 127 tok/s | – |
| 回答開始までの時間 | BenchLeader | 36.9秒 | – |
| コンテキストウィンドウ | BenchLeader | 1,050,000トークン | – |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 94.3% | 94.2% |
| SimpleBench | SimpleBench | 73.1%† | – |
| Arena Hard Prompts | Arena (LMArena) | 1483 | – |
| LiveBench 1.0 Reasoning | LiveBench | 88.7% | – |
| Humanity's Last Exam (AA) | Artificial Analysis | 47.9% | – |
| HLE-Diamond (AA) | Artificial Analysis | 45.2% | – |
| ARC-AGI-1 | ARC Prize | 95.5% | – |
| ARC-AGI-2 | ARC Prize | 89.6% | – |
| ARC-AGI-3 | ARC Prize | 23.0% | – |
| CritPt | Artificial Analysis | 30.9% | – |
| CritPt v2 hard subset (AA) | Artificial Analysis | 66.5% | – |
| MysteryMechanism | Vals AI | 30.2% | – |
| HLE-Diamond (Scale) | Scale AI SEAL | 33.8%† | – |
| Arena Expert | Arena (LMArena) | 1496 | – |
| Chess Puzzles | Epoch AI Benchmarking Hub | 56.0% | 45.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 56.0% | 42.0% |
| LMCA | Epoch AI Benchmarking Hub | 59.1% | – |
| DTBench | Epoch AI Benchmarking Hub | 97.3% | – |
| コーディング | |||
| SciCode | SciCode | 57.6% | – |
| FrontierCode | Cognition | 49.3% | – |
| Arena Coding | Arena (LMArena) | 1521 | – |
| Arena WebDev | Arena (LMArena) | 1673 | – |
| LiveBench 1.0 Coding | LiveBench | 81.8% | – |
| IOI | Vals AI | 82.6% | – |
| Code Migration | Vals AI | 57.2% | – |
115件のベンチマークをすべて表示
| 指標 | 公開元 | GPT-6 Sol (max) | Kimi K3.1 Pro Together (max) |
|---|---|---|---|
| コーディング | |||
| ProgramBench | Vals AI | 2.0% | – |
| Vibe Code Bench v1.1 | Vals AI | 87.8% | – |
| MirrorCode | Epoch AI Benchmarking Hub | 48.9% | – |
| ALE-Bench | Epoch AI Benchmarking Hub | 2462 | – |
| WeirdML v3 | WeirdML | 19.7%† | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 43.9% | – |
| GameBench 2 Overall | DuelLab GameBench 2 | 73.0† | – |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 79.4† | – |
| Design Arena Website | Design Arena | 1290† | – |
| FrontierCode 2.0 (AA) | Artificial Analysis | 35.6% | – |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 50.3% | – |
| APEX-Agents | Mercor | 54.3% | – |
| Arena Agent | Arena (LMArena) | 6.9 | – |
| LiveBench Agentic Coding | LiveBench | 52.9% | – |
| Terminal-Bench 2.1 (Vals) | Vals AI | 83.2% | – |
| GDPval-AA v2.1 | Artificial Analysis | 1514 | – |
| ITBench SRE (AA) | Artificial Analysis | 49.4% | – |
| CyberBench | Vals AI | 78.0% | – |
| Finance Agent v2 | Vals AI | 49.0% | – |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 1.7% | – |
| Legal Research Bench | Vals AI | 28.9% | – |
| SREBench | Vals AI | 30.5% | – |
| Tax Agent Bench | Vals AI | 15.0% | – |
| Terminal-Bench 4.0 (Vals) | Vals AI | 44.4% | – |
| Terminal-Bench Science | Vals AI | 30.0% | – |
| Arena Search | Arena (LMArena) | 1229 | – |
| Arena Agent Task Completion | Arena (LMArena) | 4.5 | – |
| Vending-Bench 2 | Andon Labs | 14427.9† | – |
| SpireClimb | Epoch AI Benchmarking Hub | 9.2% | – |
| AutomationBench | Artificial Analysis | 61.6% | – |
| GDP.pdf (AA) | Artificial Analysis | 25.2% | – |
| Harvey LAB-AA v1.1 | Harvey | 3.6% | – |
| AA-Briefcase v1.1 | Artificial Analysis | 1476 | – |
| Design Arena Agentic | Design Arena | 1218† | – |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 30.0% | – |
| CWE-Bench (AA) | Artificial Analysis | 64.2% | – |
| DeepSec-Bench (AA) | Artificial Analysis | 46.3% | – |
| CyberGym end-to-end (AA) | Artificial Analysis | 0.0% | – |
| FACTS Search | 92.7%† | – | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 89.8% | 78.3% |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 90.0% | 65.8% |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 100.0% | 100.0% |
| ProofBench | Vals AI | 83.0%† | – |
| LiveBench Mathematics | LiveBench | 96.4% | – |
| Arena Maths | Arena (LMArena) | 1440 | – |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | 1.5% | – |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 60.7% | 62.2% |
| LiveBench 1.0 Data Analysis | LiveBench | 81.2% | – |
| AA-Omniscience v1.1 | Artificial Analysis | 21.4 | – |
| PRBench Legal | Scale AI SEAL | 38.6%† | – |
| BioMysteryBench | Vals AI | 74.8% | – |
| Excel Modeling Benchmark | Vals AI | 71.5% | – |
| MedCode | Vals AI | 47.1% | – |
| MedScribe | Vals AI | 82.0% | – |
| Public Benefits Bench v1.1 | Vals AI | 56.6% | – |
| Financial Coaching Bench | Vals AI | 62.6% | – |
| EBR-bench | Epoch AI Benchmarking Hub | 53.3% | – |
| GDP.pdf | Epoch AI Benchmarking Hub | 26.4% | – |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 51.1% | – |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 39.1% | – |
| HealthBench Professional (AA) | OpenAI | 62.3% | – |
| FACTS Parametric | 76.1%† | – | |
| 指示追従 | |||
| LiveBench Language | LiveBench | 85.3% | – |
| LiveBench Instruction Following | LiveBench | 68.6% | – |
| Arena Instruction Following | Arena (LMArena) | 1449 | – |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1457 | – |
| EQ-Bench Creative Writing v3 | EQ-Bench | 2126† | – |
| Arena Creative Writing | Arena (LMArena) | 1428 | – |
| Arena Multi-turn | Arena (LMArena) | 1468 | – |
| Arena Longer Queries | Arena (LMArena) | 1466 | – |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1233 | – |
| MMMU-Pro | Artificial Analysis | 83.0% | – |
| Humanity's Sixth Sense | Scale AI SEAL | 31.2% | – |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 36.9%† | – |
| Furniture Assembly | Epoch AI Benchmarking Hub | 58.3% | 55.8% |
| AA-3D | Artificial Analysis | 1131 | – |
| FACTS Multimodal | 43.9%† | – | |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 83.7% | – |
| MLCR | Artificial Analysis | 33.9% | – |
| FACTS Grounding | 83.3%† | – | |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 163.8† | – |
| LiveBench 1.0 | LiveBench | 79.3% | – |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 44.2 | – |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 47.6 | – |
| AA Progress Index v1 | Artificial Analysis | 334 | – |
| Vals RSI Index | Vals AI | 28.1% | – |
| Vals Science Index | Vals AI | 45.0% | – |
| AA Cyber Index | Artificial Analysis | 36.8 | – |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | 13.5%† | – |
| DistressBench | Scale AI SEAL | 68.0%† | – |
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 Sol (max):新しい結果1件(GDPval-AA v2.1)。
- Kimi K3.1 Pro Together (max):BenchLeader Index 60.5 → 60.0。
- GPT-6 Sol (max):新しい結果1件(MirrorCode)。
- GPT-6 Sol (max):BenchLeader Index 63.5 → 62.9。
- GPT-6 Sol (max):スコアの改訂2件。
- GPT-6 Sol (max):スコアの改訂1件。
- Kimi K3.1 Pro Together (max):初めての結果。
- GPT-6 Sol (max):スコアの改訂1件。
- GPT-6 Sol (max):新しい結果6件(AA Intelligence Index v5.0.1, AA-Omniscience v1.1, CritPt v2 hard subset (AA)…)。
- GPT-6 Sol (max):スコアの改訂1件。
関連する比較
- GPT-6 Sol vs Claude Fable 5.2
- GPT-6 Sol vs Gemini 4 Carbon
- GPT-6 Sol vs Claude Opus 5.5
- Kimi K3.1 Pro Together vs Claude Fable 5.2
- Kimi K3.1 Pro Together vs Gemini 4 Carbon
- Kimi K3.1 Pro Together vs Claude Opus 5.5
- Kimi K3.1 Pro Together vs GPT-6 Astra
- GPT-6 Sol vs Claude Fable 5.1
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-6 Sol vs Kimi K3.1 Pro Together:よくある質問
- GPT-6 SolはKimi K3.1 Pro Togetherより優れていますか?
- GPT-6 Sol (max)とKimi K3.1 Pro Together (max)の品質は互角です(62.6 対 60.0、±3.9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 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-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。
- 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。