BenchLeader

GPT-6 Sol vs Qwen3.7

詳しいプロフィール:GPT-6 Sol(OpenAI)とQwen3.7(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 · 14件の情報源のデータ

2026年11月16日時点で、GPT-6 SolとQwen3.7の品質は互角です(BenchLeader Indexで62.6 対 60.0、±5.3の誤差範囲内)。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 $3.75)。両方を測定できるすべてのカテゴリでGPT-6 Solがリードしています。Qwen3.7の方が出力が速いです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGPT-6 Solが62.6、Qwen3.7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)。
  • Qwen3.7の100万トークンあたりのブレンド価格は$3.75です(定価、2026年11月16日)。
  • Qwen3.7はGPT-6 Solより出力が速いです(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52件のベンチマークのうち、GPT-6 Solが41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、Qwen3.7が1515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 59;Arena WebDev 1673 対 1515高
エージェント・ツール利用GPT-6 Solカテゴリスコア59 対 49;Arena Agent 6.9 対 -7.2高
数学GPT-6 Solカテゴリスコア68 対 58;FrontierMath Tiers 1–3 89.8% 対 64.6%高
推論GPT-6 Solカテゴリスコア66 対 64;GPQA Diamond 94.3% 対 90.9%中
知識どちらでもカテゴリスコア61 対 61;SimpleQA Verified 60.7% 対 55.8%どちらでも
長い文書GPT-6 Solカテゴリスコア67 対 64;AA-LCR v1.1 83.7% 対 79.0%中
チャットの質(人間の評価)GPT-6 SolArenaの投票で64 対 56高
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 $3.75;エージェント型コーディングセッション$0.160 対 $0.180–
回答開始の速さQwen3.7最初の回答トークンまで14.8秒(Qwen3.7 (max))対 36.9秒(GPT-6 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

  • GPT-6 Sol (max)とQwen3.7 (max)の品質は互角です(62.6 対 60.0、±5.3の誤差範囲内)。
  • GPT-6 Sol (max)はエージェント・ツール、コーディング、人間の評価、長文コンテキスト、数学、推論で優れています。
  • Qwen3.7 (max)は知識で優れています。
  • 価格はほぼ同じです(100万トークンあたりブレンド価格$3.75)。
  • Qwen3.7 (max)の方が出力が1.3倍速くなっています(171 対 127トークン/秒)。

概要

仕様GPT-6 SolQwen3.7
プロバイダーOpenAIAlibaba
リリース日2026年9月22日2026年5月19日
コンテキストウィンドウ(トークン)1,050,0001,000,000
比較した構成GPT-6 Sol (max)Qwen3.7 (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$2.50 / $7.50 / $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 Sol (max)Qwen3.7 (max)トップ
推論66.064.2GPT-6 Sol
コーディング66.358.8GPT-6 Sol
エージェント・ツール58.849.1GPT-6 Sol
数学68.057.8GPT-6 Sol
知識60.661.1互角
指示追従–78.1比較不可
人間の評価64.255.6GPT-6 Sol
マルチモーダル60.6–比較不可
長文コンテキスト66.664.1GPT-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。

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人間の評価GPT-6 Sol, 推論: 66.0GPT-6 Sol, コーディング: 66.3GPT-6 Sol, エージェント・ツール: 58.8GPT-6 Sol, 数学: 68.0GPT-6 Sol, 知識: 60.6GPT-6 Sol, 長文コンテキスト: 66.6GPT-6 Sol, 人間の評価: 64.2Qwen3.7, 推論: 64.2Qwen3.7, コーディング: 58.8Qwen3.7, エージェント・ツール: 49.1Qwen3.7, 数学: 57.8Qwen3.7, 知識: 61.1Qwen3.7, 長文コンテキスト: 64.1Qwen3.7, 人間の評価: 55.6

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。

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52件のベンチマークのうち、GPT-6 Solのリードが41件、Qwen3.7のリードが10件、同点が1件です。両方を評価しているすべての総合指標で、Qwen3.7が上回っています。

総合IndexGPT-6 Sol (max)Qwen3.7 (max)トップ
BenchLeader Index62.660.0互角
Arena Text14571474Qwen3.7

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)Qwen3.7 (max)
100万トークンあたりのブレンド価格$4.00$3.75
100万トークンあたりの入力/出力$2.00 / $10.00$2.50 / $7.50
100万トークンあたりのキャッシュ入力$0.200$0.500
タスクあたりの価格:チャットの返答$0.0038$0.0033
タスクあたりの価格:30ページのレポートを要約$0.030$0.035
タスクあたりの価格:コード編集$0.027$0.026
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$0.180
タスクあたりの価格:構造化データの抽出$0.0060$0.0065
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$0.090
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/s171 tok/s
回答開始までの時間36.9秒14.8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31.2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)。Qwen3.7 (max)のスコアは60.0、最初の回答トークンまで15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

136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)Qwen3.7 (max)
BenchLeader IndexBenchLeader62.660.0
エージェント・ツールスコアBenchLeader58.849.1
コーディングスコアBenchLeader66.358.8
人間の評価スコアBenchLeader64.255.6
知識スコアBenchLeader60.661.1
長文コンテキストスコアBenchLeader66.664.1
数学スコアBenchLeader68.057.8
マルチモーダルスコアBenchLeader60.6–
推論スコアBenchLeader66.064.2
指示追従スコアBenchLeader–78.1
ブレンド価格($/100万トークン)BenchLeader$4.00$3.75
出力速度BenchLeader127 tok/s171 tok/s
回答開始までの時間BenchLeader36.9秒14.8秒
コンテキストウィンドウBenchLeader1,050,000トークン1,000,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub94.3%90.9%
SimpleBenchSimpleBench73.1%†70.4%
Arena Hard PromptsArena (LMArena)14831495
LiveBench 1.0 ReasoningLiveBench88.7%83.3%
GPQA Diamond (AA)Artificial Analysis–92.3%
Humanity's Last Exam (AA)Artificial Analysis47.9%40.5%
HLE-Diamond (AA)Artificial Analysis45.2%–
GPQA Diamond (Vals)Vals AI–90.2%
ARC-AGI-1ARC Prize95.5%–
ARC-AGI-2ARC Prize89.6%–
ARC-AGI-3ARC Prize23.0%–
CritPtArtificial Analysis30.9%13.4%
CritPt v2 hard subset (AA)Artificial Analysis66.5%–
MysteryMechanismVals AI30.2%–
HLE-Diamond (Scale)Scale AI SEAL33.8%†–
Arena ExpertArena (LMArena)14961509
Chess PuzzlesEpoch AI Benchmarking Hub56.0%27.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub56.0%32.0%
LMCAEpoch AI Benchmarking Hub59.1%44.0%
DTBenchEpoch AI Benchmarking Hub97.3%92.3%
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub–77.3%
SciCodeSciCode57.6%49.5%
FrontierCodeCognition49.3%–
Arena CodingArena (LMArena)15211525
Arena WebDevArena (LMArena)16731515
136件のベンチマークをすべて表示
指標公開元GPT-6 Sol (max)Qwen3.7 (max)
コーディング
LiveBench 1.0 CodingLiveBench81.8%74.2%
LiveCodeBenchVals AI–87.1%
IOIVals AI82.6%–
SWE-bench (Vals)Vals AI–68.8%
Code MigrationVals AI57.2%13.1%
ProgramBenchVals AI2.0%–
Vibe Code Bench v1.1Vals AI87.8%47.7%
MirrorCodeEpoch AI Benchmarking Hub48.9%–
ALE-BenchEpoch AI Benchmarking Hub24621189.4
WeirdML v3WeirdML19.7%†–
Terminal-Bench 4.0 (AA)Artificial Analysis43.9%1.5%
Terminal-Bench 2.1 (AA)Artificial Analysis–74.5%
Startrise FrontendStartrise–63.6%
GameBench 2 OverallDuelLab GameBench 273.0†–
GameBench 2 by reasoning settingDuelLab GameBench 279.4†–
Design Arena WebsiteDesign Arena1290†1267
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)6.9-7.2
LiveBench Agentic CodingLiveBench52.9%43.6%
Terminal-Bench HardArtificial Analysis–50.8%
τ²-Bench Telecom (AA)Artificial Analysis–94.7%
Terminal-Bench 2.1 (Vals)Vals AI83.2%61.0%
GDPval-AA v2.1Artificial Analysis15141134
τ³-Banking (AA)Artificial Analysis–11.8%
ITBench SRE (AA)Artificial Analysis49.4%42.5%
Analyst Agent (AA)Artificial Analysis–18.8%
CyberBenchVals AI78.0%–
Finance Agent v2Vals AI49.0%47.8%
Harvey's Legal Agent Benchmark v1Vals AI1.7%1.7%
Legal Research BenchVals AI28.9%25.5%
SREBenchVals AI30.5%–
Tax Agent BenchVals AI15.0%15.8%
Terminal-Bench 2.0 (Vals)Vals AI–59.2%
Terminal-Bench 4.0 (Vals)Vals AI44.4%–
Terminal-Bench ScienceVals AI30.0%–
Arena SearchArena (LMArena)1229–
Arena Agent Task CompletionArena (LMArena)4.5-10.5
GBAEvalEpoch AI Benchmarking Hub–0.4%
Vending-Bench 2Andon Labs14427.9†–
SpireClimbEpoch AI Benchmarking Hub9.2%–
AutomationBenchArtificial Analysis61.6%23.0%
GDP.pdf (AA)Artificial Analysis25.2%8.6%
Harvey LAB-AA v1.1Harvey3.6%–
EnterpriseOps-GymArtificial Analysis–45.0%
AA-Briefcase v1.1Artificial Analysis1476917
Design Arena AgenticDesign Arena1218†1179
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%64.6%
FrontierMath Tier 4Epoch AI Benchmarking Hub90.0%34.1%
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%95.6%
ProofBenchVals AI83.0%†26.0%
LiveBench MathematicsLiveBench96.4%85.3%
Arena MathsArena (LMArena)14401483
FrontierMath ErdősEpoch AI Benchmarking Hub1.5%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub60.7%55.8%
LiveBench 1.0 Data AnalysisLiveBench81.2%71.8%
AA-Omniscience v1.1Artificial Analysis21.4–
MMLU-ProVals AI–89.3%
LegalBenchVals AI–84.9%
CorpFinVals AI–63.7%
TaxEvalVals AI–75.3%
PRBench LegalScale AI SEAL38.6%†–
BioMysteryBenchVals AI74.8%–
Excel Modeling BenchmarkVals AI71.5%57.0%
MedCodeVals AI47.1%38.8%
MedScribeVals AI82.0%79.4%
Public Benefits Bench v1.1Vals AI56.6%–
Financial Coaching BenchVals AI62.6%–
DrugDiscoveryBenchScale AI SEAL–29.3%†
EBR-benchEpoch AI Benchmarking Hub53.3%9.5%
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%79.7%
LiveBench Instruction FollowingLiveBench68.6%74.0%
IFBenchArtificial Analysis–80.5%
Arena Instruction FollowingArena (LMArena)14491466
人間の評価
Arena TextArena (LMArena)14571474
EQ-Bench 4EQ-Bench–1100
EQ-Bench Creative Writing v3EQ-Bench2126†–
Arena Creative WritingArena (LMArena)14281438
Arena Multi-turnArena (LMArena)14681479
Arena Longer QueriesArena (LMArena)14661491
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%–
AA-3DArtificial Analysis1131–
FACTS MultimodalGoogle43.9%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis83.7%79.0%
MLCRArtificial Analysis33.9%14.4%
FACTS GroundingGoogle83.3%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub163.8†154.5
LiveBench 1.0LiveBench79.3%73.1%
AA Intelligence Index v5.0.1Artificial Analysis44.2–
AA Intelligence Index v4.3.2Artificial Analysis47.629.5
AA Progress Index v1Artificial Analysis334293.8
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

  • Qwen3.7 (max):スコアの改訂1件。
  • GPT-6 Sol (max):新しい結果1件(GDPval-AA v2.1)。
  • Qwen3.7 (max):新しい結果1件(GDPval-AA v2.1)。
  • 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。
  • Qwen3.7 (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):スコアの改訂1件。
  • Qwen3.7 (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 Qwen3.7:よくある質問

GPT-6 SolはQwen3.7より優れていますか?
GPT-6 Sol (max)とQwen3.7 (max)の品質は互角です(62.6 対 60.0、±5.3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Qwen3.7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Qwen3.7の方が安く、100万トークンあたり$3.75 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Qwen3.7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 59。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、Qwen3.7が1515です。
GPT-6 SolとQwen3.7はどちらが速いですか?
Qwen3.7の方が出力が速くなっています(出力171 対 127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 SolとQwen3.7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59 対 49。50が平均)。共通するエージェント・ツールベンチマークのうち最も重要なArena Agentでは、GPT-6 Solが6.9、Qwen3.7が-7.2です。
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 Solの方がスコアが高くなっています(67 対 64)。どちらも約1.1Mトークンです(GPT-6 Solは1,050,000、Qwen3.7は1,000,000)。
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Qwen3.7です。Artificial Analysisの測定では、最初の回答トークンまで14.8秒 対 36.9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 SolとQwen3.7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52件のベンチマークのうち、GPT-6 Solのリードが41件、Qwen3.7のリードが10件、同点が1件です。両方を評価しているすべての総合指標で、Qwen3.7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。