BenchLeader

GPT-5.1

推論エフォート
品質339中75位
57.5Index
上位4分の1
中央値比 +7.3
価格255中197位
$3.44100万トークンあたり
高い方から4分の1
中央値の4.0倍
速度216中98位
88トークン/秒
中央値より上
中央値の1.1倍
コスパ255中198位
16.7ポイント/$
下位4分の1
中央値の0.3倍

よりコスパが高いモデル: MiMo-V2.5 $0.138/MでIndex 56.3(25分の1の価格)。

より安価でスコアの高いランク付けモデルが29つあります:GPT-6.1 Terra (64.1, $2.00)、Gemini 4 Hydrogen (63.4, $3.00)、Gemini 3.5 Flash (62.5, $3.38)ほか26つ。

2026年11月16日時点で、GPT-5.1(OpenAI)のBenchLeader Indexは57.5です(ランク付け対象は608構成)。最も強いのは指示追従(71)、最も弱いのはエージェント・ツール(41)です。API料金は入力100万トークンあたり$1.25、出力100万トークンあたり$10.00(3:1のブレンドで$3.44)で、2026年11月16日時点の定価です。出力速度は約88トークン/秒です(Artificial Analysis)。2025年11月12日にリリースされました。

要点(2026年11月16日時点)

  • GPT-5.1のAPI料金は入力100万トークンあたり$1.25、出力100万トークンあたり$10.00(3:1のブレンドで$3.44)です(定価、2026年11月16日)。
  • GPT-5.1の出力速度は約88トークン/秒です(Artificial Analysis、2026年11月16日)。
  • GPT-5.1は2025年11月12日にリリースされました(OpenAI)。

詳しく見ると:GPT-5.1はOpenAIのプロプライエタリな推論モデルです(2025年11月12日リリース)。最もスコアの高い構成(推論エフォート high)は、BenchLeader Indexで57.5 ±3.8を記録し、608構成中151位で上位半分に入ります。重要なのはこの「±」です。ほかに247構成のスコアがこの範囲に入っており、品質だけでは区別できません。差がつくのは価格と速度です。カテゴリ別では指示追従が最も高く(71)、エージェント・ツールが最も低くなっています(41)。ブレンド価格は100万トークンあたり$3.44で、ランク付けされたモデルの多くより高価です。出力速度は88トークン/秒、回答開始まで36.8秒で、多くのモデルより高速です。6通りの推論エフォート設定で測定されています。この要約は最もスコアの高い設定について述べたもので、上のタブで切り替えられます。最終測定日:2026年11月11日。

ブレンド価格
$3.44/M
入力$1.25・出力$10.00
出典:Artificial Analysis
出力速度
88 tok/s
Artificial Analysisによる測定
回答開始
37 s
最初のトークン 1.41 s
コンテキスト
400k
出典:models.dev
回答完了まで
80 s
最終測定2026年11月13日
タスクあたりコスト
–
タスクあたりトークン数
–
リリース日
2025年11月12日
カテゴリ別のスコア破線=平均的なモデル(50)。15ポイントが標準偏差1つ分です。
  1. 総合Index58
  2. 推論53
  3. コーディング56
  4. エージェント・ツール41
  5. 数学59
  6. 知識59
  7. 指示追従71
  8. 人間の評価64
  9. マルチモーダル58
  10. 長文コンテキスト65

この順位を埋め込む

ほかのバッジスタイル
[![GPT-5.1 on BenchLeader: 総合 74位](https://www.benchleader.com/badge/gpt-5-1.svg?style=compact)](https://www.benchleader.com/models/gpt-5-1)

README.mdの冒頭、ほかのバッジの横に貼り付けてください。バッジはデータの更新ごとに描き直され、このページへリンクします。

OpenAIの新モデル公開をメールで通知

ランク入りしたときにもう1通、さらに毎週月曜に週刊レビューをお届けします。

プロバイダーとメールの種類を選ぶ

バージョン

OpenAIはこの名前で13つのモデルを公開しています。それぞれ自身の結果だけでランク付けされます。新しいバージョンはまだ結果が少ないことが多く、結果が増えるまではIndexが平均寄りになります。

モデルリリース日Index順位
GPT-5.62026年7月9日––
GPT-5.5xhigh2026年4月23日64.1#31
GPT-5.4xhigh2026年3月5日63.1#42
GPT-5.2xhigh2025年12月11日59.9#95
GPT-5.1highこのページ2025年11月12日57.5#151
GPT-5medium2025年8月7日59.0#113
GPT-4.12025年4月14日48.7#377
GPT-4.52025年2月27日50.5#335
GPT 4 01252024年1月25日––
GPT-4 11062023年11月6日––
GPT 4 06132023年6月13日39.5#541
GPT-42023年3月14日42.3#496
GPT-3.5–––

推論エフォート別の構成

同じモデルでも、どれだけ考えさせるかによって振る舞いが変わります。各行が1つの推論エフォート設定で、その設定で実行されたベンチマークだけで評価しています。「未記載」は、どの設定を使ったかを公開元が明記していない結果をまとめたものです。推論モデルの場合は思考モードであることが多いものの、そうとは仮定していません。ここかページ上部で設定を選ぶと、その価格、速度、カテゴリ別スコアを表示します。

エフォートIndex順位速度回答開始チャット返答のコストカテゴリ
推論なし45.7#44783 tok/s2.53 s$0.0035エージェント・ツール 54 · 指示追従 46 · 長文コンテキスト 46 · 数学 39 · マルチモーダル 44 · 推論 37
low––53 tok/s1.41 s$0.0035数学 51 · 推論 34
medium52.4#27953 tok/s1.41 s$0.0035エージェント・ツール 55 · コーディング 50 · 数学 60 · 推論 48
high最良57.5#15188 tok/s37 s$0.0035エージェント・ツール 41 · コーディング 56 · 人間の評価 64 · 指示追従 71 · 知識 59 · 長文コンテキスト 65 · 数学 59 · マルチモーダル 58 · 推論 53
thinking54.6#22953 tok/s1.41 s$0.0035指示追従 59 · 知識 59 · マルチモーダル 53
未記載56.1#19353 tok/s1.41 s$0.0035エージェント・ツール 55 · コーディング 44 · 人間の評価 62 · 指示追従 70 · 数学 59 · マルチモーダル 56 · 推論 56

Indexの推移

2026年9月8日〜2026年11月16日
485663
  • high
  • 標準
  • thinking
  • medium

Indexは毎日ゼロから計算し直すため、新しいベンチマーク結果が加わったとき、公開元がスコアを修正したとき、または正規化の基準となるモデルが変わったときに線が動きます。初期の変動は、スコアがまだ落ち着いていないことを示している場合がほとんどです。

ベンチマーク結果

LLMベンチマーク一覧を見る。列は推論エフォートごとです。順位は、そのベンチマークでのすべてのモデルのすべての構成の中での位置です。スコアにカーソルを合わせると、元になった実行が表示されます。

メタデータ

ベンチマーク推論なしhigh出典推移
AA Openness IndexIndex対象外5.6#3075.6#307Artificial Analysis

推論

ベンチマーク推論なしlowmediumhigh標準出典推移
GPQA Diamond66.7%#191–85.0%#10387.6%#82–Epoch AI Benchmarking Hub
Humanity's Last Exam6.8%#38–––23.7%#19Scale AI / CAIS
SimpleBench–––53.2%#57–SimpleBench
Arena Hard Prompts–––1476#741456#110Arena (LMArena)
GPQA Diamond (AA)Index対象外64.3%#355––87.3%#101–Artificial Analysis
Humanity's Last Exam (AA)Index対象外5.3%#460––28.5%#178–Artificial Analysis
GPQA Diamond (Vals)Index対象外–––86.6%#40–Vals AI
GPQA Diamond (HELM)Index対象外エフォート未記載––––44.2%#41HELM Capabilities
ARC-AGI-15.8%#25033.2%#21357.7%#17372.8%#145–ARC Prize
ARC-AGI-20.4%#2481.9%#2136.5%#17617.6%#156–ARC Prize
CritPtIndex対象外0.0%#337––4.9%#174–Artificial Analysis
Arena ExpertIndex対象外–––1481#781454#110Arena (LMArena)
Chess PuzzlesIndex対象外6.0%#14223.0%#88–42.0%#39–Epoch AI Benchmarking Hub
Mystery Game PuzzlesIndex対象外15.0%#9619.0%#6916.0%#89––Epoch AI Benchmarking Hub
CL-benchIndex対象外–––23.7%#221.1%#4Epoch AI Benchmarking Hub
CL-bench LifeIndex対象外–––17.3%#4–Epoch AI Benchmarking Hub
LMCAIndex対象外–––43.9%#104–Epoch AI Benchmarking Hub
DTBenchIndex対象外–––90.1%#88–Epoch AI Benchmarking Hub
ForecastBenchIndex対象外エフォート未記載––––62.0%#60ForecastBench

コーディング

ベンチマーク推論なしlowmediumhigh標準出典推移
SWE-bench Verified (Epoch)–––68.0%#26–Epoch AI Benchmarking Hub
SciCodeエフォート未記載––––43.3%#162SciCode
WeirdML–––60.8%#47–WeirdML
GSO-Bench–––13.7%#2013.7%#19GSO-Bench
Arena Coding–––1492#951475#116Arena (LMArena)
Arena WebDev––1397#105–1342#123Arena (LMArena)
LiveCodeBench–––86.5%#21–Vals AI
SWE-bench (Vals)Index対象外–––69.8%#62–Vals AI
SWE-bench Verified (bash only)––66.0%#18––SWE-bench
SWE-bench Verified (any scaffold)Index対象外––66.0%#20––SWE-bench
Vibe Code Bench v1.1Index対象外–––24.6%#85–Vals AI
ALE-BenchIndex対象外–––1192.2#50–Epoch AI Benchmarking Hub
Terminal-Bench 2.1 (AA)Index対象外–––52.4%#116–Artificial Analysis
Design Arena WebsiteIndex対象外1159#1161164#1121170#1081179#99–Design Arena
LiveCodeBench (AA)Index対象外49.4%#143––86.8%#9–Artificial Analysis

エージェント・ツール

ベンチマーク推論なしlowmediumhigh標準出典推移
Terminal-Bench––47.6%#43–47.6%#44Terminal-Bench
Terminal-Bench Hard22.7%#157––45.5%#34–Artificial Analysis
τ²-Bench Telecom (AA)Index対象外46.5%#209––81.9%#116–Artificial Analysis
MCP Atlas–––50.1%#35–Scale AI SEAL
GDPval-AA v2.1Index対象外–––834#206–Artificial Analysis
τ³-Banking (AA)–––15.9%#116–Artificial Analysis
Poker AgentIndex対象外エフォート未記載––––1038.6%#9Vals AI
Terminal-Bench 2.0 (Vals)Index対象外–––44.9%#23–Vals AI
Arena SearchIndex対象外エフォート未記載––––1184#30Arena (LMArena)
DeepResearch BenchIndex対象外–42.8%#33–––DeepResearch Bench
Vending-Bench 2Index対象外エフォート未記載––––1473.4#55Andon Labs
Design Arena AgenticIndex対象外エフォート未記載––––1009#76Design Arena

数学

ベンチマーク推論なしlowmediumhigh標準出典推移
OTIS Mock AIME37.8%#21263.9%#16885.6%#10788.6%#92–Epoch AI Benchmarking Hub
AIME (Vals)–––93.3%#15–Vals AI
MGSM–––93.0%#12–Vals AI
MathArena Apex汚染の可能性–––1.0%#36–MathArena
Omni-MATH (HELM)エフォート未記載––––46.4%#23HELM Capabilities
Arena Maths–––1459#691424#121Arena (LMArena)
AIME 2025 (AA)Index対象外38.0%#157––94.0%#14–Artificial Analysis

知識

ベンチマークhighthinking標準出典推移
SimpleQA Verified48.0%#37––Epoch AI Benchmarking Hub
MMLU-Pro86.4%#41––Vals AI
LegalBench85.7%#20––Vals AI
CorpFin63.8%#41––Vals AI
TaxEval74.9%#26––Vals AI
MedQA96.4%#2––Vals AI
PRBench Finance–48.0%#14–Scale AI SEAL
PRBench Legal–49.3%#14–Scale AI SEAL
MultiNRC汚染の可能性–49.0%#10–Scale AI SEAL
MMLU-Pro (HELM)Index対象外エフォート未記載––57.9%#51HELM Capabilities
CaseLaw v2Index対象外73.4%#2––Vals AI
MedCodeIndex対象外52.7%#13––Vals AI
MedScribeIndex対象外88.1%#14––Vals AI
Global-MMLU-Lite (AA)Index対象外90.6%#10––Artificial Analysis

指示追従

ベンチマーク推論なしhighthinking標準出典推移
IFBench43.2%#23072.9%#45––Artificial Analysis
MultiChallenge––63.4%#12–Scale AI SEAL
TutorBench––54.1%#7–Scale AI SEAL
IFEval (HELM)エフォート未記載–––93.5%#3HELM Capabilities
WildBench (HELM)エフォート未記載–––86.3%#2HELM Capabilities
Arena Instruction FollowingIndex対象外–1450#69–1426#106Arena (LMArena)

人間の評価

ベンチマークhigh標準出典推移
Arena Text1455#721439#100Arena (LMArena)
Arena Creative WritingIndex対象外1428#771408#99Arena (LMArena)
Arena Multi-turnIndex対象外1464#761448#93Arena (LMArena)
Arena Longer QueriesIndex対象外1460#781442#109Arena (LMArena)

マルチモーダル

ベンチマーク推論なしmediumhighthinking標準出典推移
Arena Vision––1249#63–1235#75Arena (LMArena)
MMMU-Pro62.4%#209–75.5%#110––Artificial Analysis
VISTA–––43.8%#31–Scale AI SEAL
MMMU-Pro (Vals)Index対象外––83.2%#33––Vals AI
MortgageTaxIndex対象外––61.4%#58––Vals AI
VPCTIndex対象外–53.3%#958.7%#7––Epoch AI Benchmarking Hub

長文コンテキスト

ベンチマーク推論なしhigh標準出典推移
AA-LCR v1.145.0%#36080.0%#88–Artificial Analysis
Arena DocumentIndex対象外エフォート未記載––1416#45Arena (LMArena)

総合

ベンチマーク推論なしhigh標準出典推移
Epoch Capabilities IndexIndex対象外エフォート未記載––150.9#63Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2Index対象外13.3#32124.7#178–Artificial Analysis
AA Progress Index v1Index対象外206.2#399275.7#190–Artificial Analysis
HELM Capabilities meanIndex対象外エフォート未記載––65.6%#33HELM Capabilities

安全性・誠実さ

ベンチマークthinking出典推移
FORTRESSIndex対象外25.7%#48Scale AI SEAL
MASKIndex対象外汚染の可能性86.3%#16Scale AI SEAL

強みのあるベンチマーク

測定されたすべての構成の中で、この構成が上位5位以内に入っているベンチマークです。

API料金:提供プロバイダー別

OpenRouter経由でこのモデルを提供しているすべてのプロバイダーです。スループットと最初のトークンまでのレイテンシは直近30分の実トラフィックで測定し、価格は各プロバイダー自身のものです。紫は各列の最良値を示します。

プロバイダー速度最初のトークン入力 $/M出力 $/Mコンテキスト量子化
OpenAI159 tok/s0.68 s$0.625$5.00400k–
Azure55 tok/s0.96 s$1.25$10.00400k–
OpenAI53 tok/s1.32 s$1.25$10.00400k–

タスクあたりのコスト

最もスコアの高い構成の定価、出力速度、回答開始までの時間から算出した推定値です。「キャッシュあり」は、入力の4分の3が100万トークンあたり$0.125のプロンプトキャッシュから提供されると仮定しています。推論トークンは考慮していません。

ワークロード入力/出力トークンコストキャッシュあり時間
チャットの返答400 / 300$0.0035$0.003240.2 s
30ページのレポートを要約12,000 / 600$0.021$0.01143.6 s
コード編集6,000 / 1,500$0.022$0.01753.8 s
エージェント型コーディングセッション60,000 / 4,000$0.115$0.0641.4 min
構造化データの抽出2,000 / 200$0.0045$0.002839.1 s

OpenAIのほかのモデル

今月の新着

GPT-5.1と比較する

関連ページ

埋め込み・引用

GPT-5.1の順位をモデルカードやREADMEに表示できます。バッジは毎日の更新に合わせて描き直され、データの日付が入り、このページへリンクします。

[![GPT-5.1 on BenchLeader: 総合 74位](https://www.benchleader.com/badge/gpt-5-1.svg)](https://www.benchleader.com/models/gpt-5-1)

このページを引用する

ランキングは毎日変わるため、参考文献にはデータの日付を入れます。APAスタイル:

BenchLeader. (2026, November 16). GPT-5.1 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/gpt-5-1

BibTeX:

@misc{benchleader_gpt_5_1_20261116,
  author       = {{BenchLeader}},
  title        = {{GPT-5.1 on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/gpt-5-1}},
  note         = {Data as of 2026-11-16}
}

すべてのバッジスタイル、埋め込み用のトップ10ウィジェット、Indexの引用方法

よくある質問

GPT-5.1のベンチマークスコアは?
2026年11月16日時点で、GPT-5.1(推論エフォート high)のBenchLeader Indexは57.5 ±3.8です。最も強いのは指示追従(71)、最も弱いのはエージェント・ツール(41)です。この評価は第三者のベンチマーク結果だけに基づいており、このページのすべてのスコアに公開元へのリンクがあります。
GPT-5.1の順位は?
2026年11月16日時点で、GPT-5.1(推論エフォート high)はランク付けされた608構成中151位です。ほかに247構成のスコアが誤差の範囲内にあるため、正確な順位よりも順位帯のほうが意味を持ちます。首位はClaude Fable 5.2(推論エフォート max)で、72.7です。
GPT-5.1の料金は100万トークンあたりいくらですか?
2026年11月16日時点で、GPT-5.1の料金は入力100万トークンあたり$1.25、出力100万トークンあたり$10.00で、ブレンド価格(出力1トークンにつき入力3トークン)は$3.44です。
GPT-5.1はMuse Sparkより優れていますか?
2026年11月16日時点で、品質ではMuse Sparkがリードしています(BenchLeader Indexで64.2対57.5)。ベンチマークごとの詳細は比較ページにあります。
GPT-5.1はいつリリースされましたか?
OpenAIが2025年11月12日にGPT-5.1をリリースしました。BenchLeaderには6通りの推論エフォート設定での結果があります。

2026年11月16日時点のデータです。 これらの構成を比較

引用表記:BenchLeader「GPT-5.1:ベンチマーク、料金、速度、順位」2026年11月16日時点のデータ、https://www.benchleader.com/ja/models/gpt-5-1