GPT-6 Sol vs Qwen3.6 Max
詳しいプロフィール:GPT-6 Sol(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 · 11件の情報源のデータ
2026年11月16日時点で、GPT-6 SolとQwen3.6 Maxの品質は互角です(BenchLeader Indexで62.6 対 62.1、±4.4の誤差範囲内)。価格はQwen3.6 Maxの方が1.4倍安く、100万トークンあたりのブレンド価格で$2.92 対 $4.00です。コーディング(66 対 56)、推論(66 対 61)、数学(68 対 64)を重視するならGPT-6 Sol、エージェント・ツール(72 対 59)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 Solが62.6、Qwen3.6 Maxが62.1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)。
- 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18件のベンチマークのうち、GPT-6 Solが13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 Solが1673、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 Sol | カテゴリスコア66 対 56;Arena WebDev 1673 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 59 | 高 |
| 数学 | GPT-6 Sol | カテゴリスコア68 対 64;OTIS Mock AIME 100.0% 対 91.1% | 中 |
| 推論 | GPT-6 Sol | カテゴリスコア66 対 61;GPQA Diamond 94.3% 対 87.4% | 中 |
| 知識 | どちらでも | カテゴリスコア61 対 60;SimpleQA Verified 60.7% 対 52.0% | どちらでも |
| 長い文書 | GPT-6 Sol | カテゴリスコア67 対 65;AA-LCR v1.1 83.7% 対 80.7% | 中 |
| チャットの質(人間の評価) | どちらでも | Arenaの投票で64 対 65 | どちらでも |
| 最低コスト | Qwen3.6 Max | 100万トークンあたりブレンド価格$2.92 対 $4.00;エージェント型コーディングセッション$0.109 対 $0.160 | – |
| 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Qwen3.6 Max (max)の品質は互角です(62.6 対 62.1、±4.4の誤差範囲内)。
- GPT-6 Sol (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、人間の評価で優れています。
- Qwen3.6 Max (max)の方が1.4倍安くなっています(100万トークンあたりブレンド価格$2.92 対 $4.00)。
概要
| 仕様 | GPT-6 Sol | Qwen3.6 Max |
|---|---|---|
| プロバイダー | OpenAI | Alibaba |
| リリース日 | 2026年9月22日 | 2026年4月20日 |
| コンテキストウィンドウ(トークン) | 1,050,000 | 262,144 |
| 比較した構成 | GPT-6 Sol (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) | $2.00 / $10.00 / $0.200 | $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 Sol (max) | Qwen3.6 Max (max) | トップ |
|---|---|---|---|
| 推論 | 66.0 | 60.8 | GPT-6 Sol |
| コーディング | 66.3 | 55.9 | GPT-6 Sol |
| エージェント・ツール | 58.8 | 72.1 | Qwen3.6 Max |
| 数学 | 68.0 | 64.4 | GPT-6 Sol |
| 知識 | 60.6 | 59.7 | 互角 |
| 指示追従 | – | 74.7 | 比較不可 |
| 人間の評価 | 64.2 | 64.5 | 互角 |
| マルチモーダル | 60.6 | – | 比較不可 |
| 長文コンテキスト | 66.6 | 65.0 | GPT-6 Sol |
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, マルチモーダル。
情報源で評価が分かれる点
両方に結果がある18件のベンチマークのうち、GPT-6 Solのリードが13件、Qwen3.6 Maxのリードが5件です。両方を評価しているすべての総合指標で、Qwen3.6 Maxが上回っています。
| 総合Index | GPT-6 Sol (max) | Qwen3.6 Max (max) | トップ |
|---|---|---|---|
| BenchLeader Index | 62.6 | 62.1 | 互角 |
| Arena Text | 1457 | 1460 | Qwen3.6 Max |
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) | Qwen3.6 Max (max) |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $4.00 | $2.92 |
| 100万トークンあたりの入力/出力 | $2.00 / $10.00 | $1.30 / $7.80 |
| 100万トークンあたりのキャッシュ入力 | $0.200 | $0.130 |
| タスクあたりの価格:チャットの返答 | $0.0038 | $0.0029 |
| タスクあたりの価格:30ページのレポートを要約 | $0.030 | $0.020 |
| タスクあたりの価格:コード編集 | $0.027 | $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 | $0.160 | $0.109 |
| タスクあたりの価格:構造化データの抽出 | $0.0060 | $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) | $0.079 | $0.057 |
| ベンチマークのタスクあたりのコスト(AA Index) | $2.47 | – |
| タスクあたりの出力トークン(AA Index) | 54k | – |
| うち推論 | 35k | – |
| タスクあたりの時間(AA Index) | 7 min | – |
| 出力速度 | 127 tok/s | – |
| 回答開始までの時間 | 36.9秒 | – |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 143.8秒 | – |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。GPT-6 Sol (max)のスコアは62.6、最初の回答トークンまで37秒。GPT-6 Sol (xhigh)は58.4(19秒)、GPT-6 Sol (high)は58.1(6秒)。Qwen3.6 Max (max)のスコアは62.1。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
124件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | GPT-6 Sol (max) | Qwen3.6 Max (max) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 62.6 | 62.1 |
| エージェント・ツールスコア | BenchLeader | 58.8 | 72.1 |
| コーディングスコア | BenchLeader | 66.3 | 55.9 |
| 人間の評価スコア | BenchLeader | 64.2 | 64.5 |
| 知識スコア | BenchLeader | 60.6 | 59.7 |
| 長文コンテキストスコア | BenchLeader | 66.6 | 65.0 |
| 数学スコア | BenchLeader | 68.0 | 64.4 |
| マルチモーダルスコア | BenchLeader | 60.6 | – |
| 推論スコア | BenchLeader | 66.0 | 60.8 |
| 指示追従スコア | BenchLeader | – | 74.7 |
| ブレンド価格($/100万トークン) | BenchLeader | $4.00 | $2.92 |
| 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 | 262,144トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 94.3% | 87.4% |
| SimpleBench | SimpleBench | 73.1%† | 63.0% |
| Arena Hard Prompts | Arena (LMArena) | 1483 | 1481 |
| LiveBench 1.0 Reasoning | LiveBench | 88.7% | – |
| GPQA Diamond (AA) | Artificial Analysis | – | 88.8% |
| Humanity's Last Exam (AA) | Artificial Analysis | 47.9% | 30.8% |
| 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% | 3.7% |
| 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 | 1497 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 56.0% | – |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 56.0% | 19.0%† |
| LMCA | Epoch AI Benchmarking Hub | 59.1% | 42.5% |
| DTBench | Epoch AI Benchmarking Hub | 97.3% | 87.2% |
| コーディング | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | – | 76.7% |
| SciCode | SciCode | 57.6% | – |
| FrontierCode | Cognition | 49.3% | – |
| Arena Coding | Arena (LMArena) | 1521 | 1510 |
| Arena WebDev | Arena (LMArena) | 1673 | 1482 |
| LiveBench 1.0 Coding | LiveBench | 81.8% | – |
124件のベンチマークをすべて表示
| 指標 | 公開元 | GPT-6 Sol (max) | Qwen3.6 Max (max) |
|---|---|---|---|
| コーディング | |||
| IOI | Vals AI | 82.6% | – |
| SWE-bench (Vals) | Vals AI | – | 72.8% |
| Code Migration | Vals AI | 57.2% | – |
| 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 Hard | Artificial Analysis | – | 43.9% |
| τ²-Bench Telecom (AA) | Artificial Analysis | – | 95.9% |
| 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 2.0 (Vals) | Vals AI | – | 51.7% |
| 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† | 4254.2 |
| 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% | – |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 90.0% | – |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 100.0% | 91.1% |
| ProofBench | Vals AI | 83.0%† | – |
| LiveBench Mathematics | LiveBench | 96.4% | – |
| Arena Maths | Arena (LMArena) | 1440 | 1471 |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | 1.5% | – |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 60.7% | 52.0% |
| LiveBench 1.0 Data Analysis | LiveBench | 81.2% | – |
| AA-Omniscience v1.1 | Artificial Analysis | 21.4 | – |
| CorpFin | Vals AI | – | 66.5% |
| PRBench Legal | Scale AI SEAL | 38.6%† | – |
| BioMysteryBench | Vals AI | 74.8% | – |
| CaseLaw v2 | Vals AI | – | 47.9% |
| 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% | – |
| IFBench | Artificial Analysis | – | 76.6% |
| Arena Instruction Following | Arena (LMArena) | 1449 | 1451 |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1457 | 1460 |
| EQ-Bench Creative Writing v3 | EQ-Bench | 2126† | – |
| Arena Creative Writing | Arena (LMArena) | 1428 | 1438 |
| Arena Multi-turn | Arena (LMArena) | 1468 | 1466 |
| Arena Longer Queries | Arena (LMArena) | 1466 | 1473 |
| 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% | – |
| 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% | 80.7% |
| MLCR | Artificial Analysis | 33.9% | – |
| FACTS Grounding | 83.3%† | – | |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 163.8† | 149.8 |
| 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 | 28.4 |
| AA Progress Index v1 | Artificial Analysis | 334 | 297.1 |
| 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)。
- GPT-6 Sol (max):新しい結果1件(MirrorCode)。
- Qwen3.6 Max (max):BenchLeader Index 62.8 → 62.3。
- 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。
- 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。
- 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
- Qwen3.6 Max vs Claude Fable 5.2
- Qwen3.6 Max vs Gemini 4 Carbon
- Qwen3.6 Max vs Claude Opus 5.5
- Qwen3.6 Max 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 Qwen3.6 Max:よくある質問
- GPT-6 SolはQwen3.6 Maxより優れていますか?
- GPT-6 Sol (max)とQwen3.6 Max (max)の品質は互角です(62.6 対 62.1、±4.4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Qwen3.6 Maxの方が安く、100万トークンあたり$2.92 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 Sol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 Solの方がスコアが高くなっています(カテゴリ指標で66 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 Solが1673、Qwen3.6 Maxが1482です。
- エージェントやツール利用にはGPT-6 Sol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 59。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 Solの方がスコアが高くなっています(67 対 65)。コンテキストはGPT-6 Sol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 Sol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18件のベンチマークのうち、GPT-6 Solのリードが13件、Qwen3.6 Maxのリードが5件です。両方を評価しているすべての総合指標で、Qwen3.6 Maxが上回っています。
- GPT-6 Solはいつリリースされましたか?
- GPT-6 Solは2026年9月22日にリリースされました。