BenchLeader

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 SolKimi K3.1 Pro Together
プロバイダーOpenAIMoonshot 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66.066.9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68.065.2GPT-6 Sol
知識60.666.0Kimi 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。

2550 avg75推論数学知識GPT-6 Sol, 推論: 66.0GPT-6 Sol, 数学: 68.0GPT-6 Sol, 知識: 60.6Kimi K3.1 Pro Together, 推論: 66.9Kimi K3.1 Pro Together, 数学: 65.2Kimi K3.1 Pro Together, 知識: 66.0

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。

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 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IndexGPT-6 Sol (max)Kimi K3.1 Pro Together (max)トップ
BenchLeader Index62.660.0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 IndexBenchLeader62.660.0
エージェント・ツールスコアBenchLeader58.8–
コーディングスコアBenchLeader66.3–
人間の評価スコアBenchLeader64.2–
知識スコアBenchLeader60.666.0
長文コンテキストスコアBenchLeader66.6–
数学スコアBenchLeader68.065.2
マルチモーダルスコアBenchLeader60.6–
推論スコアBenchLeader66.066.9
ブレンド価格($/100万トークン)BenchLeader$4.00–
出力速度BenchLeader127 tok/s–
回答開始までの時間BenchLeader36.9秒–
コンテキストウィンドウBenchLeader1,050,000トークン–
推論
GPQA DiamondEpoch AI Benchmarking Hub94.3%94.2%
SimpleBenchSimpleBench73.1%†–
Arena Hard PromptsArena (LMArena)1483–
LiveBench 1.0 ReasoningLiveBench88.7%–
Humanity's Last Exam (AA)Artificial Analysis47.9%–
HLE-Diamond (AA)Artificial Analysis45.2%–
ARC-AGI-1ARC Prize95.5%–
ARC-AGI-2ARC Prize89.6%–
ARC-AGI-3ARC Prize23.0%–
CritPtArtificial Analysis30.9%–
CritPt v2 hard subset (AA)Artificial Analysis66.5%–
MysteryMechanismVals AI30.2%–
HLE-Diamond (Scale)Scale AI SEAL33.8%†–
Arena ExpertArena (LMArena)1496–
Chess PuzzlesEpoch AI Benchmarking Hub56.0%45.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub56.0%42.0%
LMCAEpoch AI Benchmarking Hub59.1%–
DTBenchEpoch AI Benchmarking Hub97.3%–
コーディング
SciCodeSciCode57.6%–
FrontierCodeCognition49.3%–
Arena CodingArena (LMArena)1521–
Arena WebDevArena (LMArena)1673–
LiveBench 1.0 CodingLiveBench81.8%–
IOIVals AI82.6%–
Code MigrationVals AI57.2%–
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
ProgramBenchVals AI2.0%–
Vibe Code Bench v1.1Vals AI87.8%–
MirrorCodeEpoch AI Benchmarking Hub48.9%–
ALE-BenchEpoch AI Benchmarking Hub2462–
WeirdML v3WeirdML19.7%†–
Terminal-Bench 4.0 (AA)Artificial Analysis43.9%–
GameBench 2 OverallDuelLab GameBench 273.0†–
GameBench 2 by reasoning settingDuelLab GameBench 279.4†–
Design Arena WebsiteDesign Arena1290†–
FrontierCode 2.0 (AA)Artificial Analysis35.6%–
エージェント・ツール
Terminal-BenchTerminal-Bench50.3%–
APEX-AgentsMercor54.3%–
Arena AgentArena (LMArena)6.9–
LiveBench Agentic CodingLiveBench52.9%–
Terminal-Bench 2.1 (Vals)Vals AI83.2%–
GDPval-AA v2.1Artificial Analysis1514–
ITBench SRE (AA)Artificial Analysis49.4%–
CyberBenchVals AI78.0%–
Finance Agent v2Vals AI49.0%–
Harvey's Legal Agent Benchmark v1Vals AI1.7%–
Legal Research BenchVals AI28.9%–
SREBenchVals AI30.5%–
Tax Agent BenchVals AI15.0%–
Terminal-Bench 4.0 (Vals)Vals AI44.4%–
Terminal-Bench ScienceVals AI30.0%–
Arena SearchArena (LMArena)1229–
Arena Agent Task CompletionArena (LMArena)4.5–
Vending-Bench 2Andon Labs14427.9†–
SpireClimbEpoch AI Benchmarking Hub9.2%–
AutomationBenchArtificial Analysis61.6%–
GDP.pdf (AA)Artificial Analysis25.2%–
Harvey LAB-AA v1.1Harvey3.6%–
AA-Briefcase v1.1Artificial Analysis1476–
Design Arena AgenticDesign Arena1218†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis30.0%–
CWE-Bench (AA)Artificial Analysis64.2%–
DeepSec-Bench (AA)Artificial Analysis46.3%–
CyberGym end-to-end (AA)Artificial Analysis0.0%–
FACTS SearchGoogle92.7%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub89.8%78.3%
FrontierMath Tier 4Epoch AI Benchmarking Hub90.0%65.8%
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%100.0%
ProofBenchVals AI83.0%†–
LiveBench MathematicsLiveBench96.4%–
Arena MathsArena (LMArena)1440–
FrontierMath ErdősEpoch AI Benchmarking Hub1.5%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub60.7%62.2%
LiveBench 1.0 Data AnalysisLiveBench81.2%–
AA-Omniscience v1.1Artificial Analysis21.4–
PRBench LegalScale AI SEAL38.6%†–
BioMysteryBenchVals AI74.8%–
Excel Modeling BenchmarkVals AI71.5%–
MedCodeVals AI47.1%–
MedScribeVals AI82.0%–
Public Benefits Bench v1.1Vals AI56.6%–
Financial Coaching BenchVals AI62.6%–
EBR-benchEpoch AI Benchmarking Hub53.3%–
GDP.pdfEpoch AI Benchmarking Hub26.4%–
AA-Omniscience v1.1: accuracyArtificial Analysis51.1%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis39.1%–
HealthBench Professional (AA)OpenAI62.3%–
FACTS ParametricGoogle76.1%†–
指示追従
LiveBench LanguageLiveBench85.3%–
LiveBench Instruction FollowingLiveBench68.6%–
Arena Instruction FollowingArena (LMArena)1449–
人間の評価
Arena TextArena (LMArena)1457–
EQ-Bench Creative Writing v3EQ-Bench2126†–
Arena Creative WritingArena (LMArena)1428–
Arena Multi-turnArena (LMArena)1468–
Arena Longer QueriesArena (LMArena)1466–
マルチモーダル
Arena VisionArena (LMArena)1233–
MMMU-ProArtificial Analysis83.0%–
Humanity's Sixth SenseScale AI SEAL31.2%–
Blueprint-Bench 2Epoch AI Benchmarking Hub36.9%†–
Furniture AssemblyEpoch AI Benchmarking Hub58.3%55.8%
AA-3DArtificial Analysis1131–
FACTS MultimodalGoogle43.9%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis83.7%–
MLCRArtificial Analysis33.9%–
FACTS GroundingGoogle83.3%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub163.8†–
LiveBench 1.0LiveBench79.3%–
AA Intelligence Index v5.0.1Artificial Analysis44.2–
AA Intelligence Index v4.3.2Artificial Analysis47.6–
AA Progress Index v1Artificial Analysis334–
Vals RSI IndexVals AI28.1%–
Vals Science IndexVals AI45.0%–
AA Cyber IndexArtificial Analysis36.8–
安全性・誠実さ
FORTRESSScale AI SEAL13.5%†–
DistressBenchScale AI SEAL68.0%†–

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。

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。