GPT-5.1
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
- 総合Index58
- 推論53
- コーディング56
- エージェント・ツール41
- 数学59
- 知識59
- 指示追従71
- 人間の評価64
- マルチモーダル58
- 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[](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。
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-5.6 | 2026年7月9日 | – | – |
| GPT-5.5xhigh | 2026年4月23日 | 64.1 | #31 |
| GPT-5.4xhigh | 2026年3月5日 | 63.1 | #42 |
| GPT-5.2xhigh | 2025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-5medium | 2025年8月7日 | 59.0 | #113 |
| GPT-4.1 | 2025年4月14日 | 48.7 | #377 |
| GPT-4.5 | 2025年2月27日 | 50.5 | #335 |
| GPT 4 0125 | 2024年1月25日 | – | – |
| GPT-4 1106 | 2023年11月6日 | – | – |
| GPT 4 0613 | 2023年6月13日 | 39.5 | #541 |
| GPT-4 | 2023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 | #447 | 83 tok/s | 2.53 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/s | 1.41 s | $0.0035 | 数学 51 · 推論 34 |
| medium | 52.4 | #279 | 53 tok/s | 1.41 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 | #151 | 88 tok/s | 37 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 |
| thinking | 54.6 | #229 | 53 tok/s | 1.41 s | $0.0035 | 指示追従 59 · 知識 59 · マルチモーダル 53 |
| 未記載 | 56.1 | #193 | 53 tok/s | 1.41 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- 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#307 | 5.6#307 | Artificial Analysis |
推論
コーディング
| ベンチマーク | 推論なし | low | medium | high | 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%#162 | SciCode | |
| WeirdML | – | – | – | 60.8%#47 | – | WeirdML | |
| GSO-Bench | – | – | – | 13.7%#20 | 13.7%#19 | GSO-Bench | |
| Arena Coding | – | – | – | 1492#95 | 1475#116 | Arena (LMArena) | |
| Arena WebDev | – | – | 1397#105 | – | 1342#123 | Arena (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#116 | 1164#112 | 1170#108 | 1179#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 | low | medium | high | 標準 | 出典 | 推移 |
|---|---|---|---|---|---|---|---|
| Terminal-Bench | – | – | 47.6%#43 | – | 47.6%#44 | Terminal-Bench | |
| Terminal-Bench Hard | 22.7%#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%#9 | Vals 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#30 | Arena (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#55 | Andon Labs | |
| Design Arena AgenticIndex対象外エフォート未記載 | – | – | – | – | 1009#76 | Design Arena |
数学
| ベンチマーク | 推論なし | low | medium | high | 標準 | 出典 | 推移 |
|---|---|---|---|---|---|---|---|
| OTIS Mock AIME | 37.8%#212 | 63.9%#168 | 85.6%#107 | 88.6%#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%#23 | HELM Capabilities | |
| Arena Maths | – | – | – | 1459#69 | 1424#121 | Arena (LMArena) | |
| AIME 2025 (AA)Index対象外 | 38.0%#157 | – | – | 94.0%#14 | – | Artificial Analysis |
知識
| ベンチマーク | high | thinking | 標準 | 出典 | 推移 |
|---|---|---|---|---|---|
| SimpleQA Verified | 48.0%#37 | – | – | Epoch AI Benchmarking Hub | |
| MMLU-Pro | 86.4%#41 | – | – | Vals AI | |
| LegalBench | 85.7%#20 | – | – | Vals AI | |
| CorpFin | 63.8%#41 | – | – | Vals AI | |
| TaxEval | 74.9%#26 | – | – | Vals AI | |
| MedQA | 96.4%#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%#51 | HELM 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 | high | thinking | 標準 | 出典 | 推移 |
|---|---|---|---|---|---|---|
| IFBench | 43.2%#230 | 72.9%#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%#3 | HELM Capabilities | |
| WildBench (HELM)エフォート未記載 | – | – | – | 86.3%#2 | HELM Capabilities | |
| Arena Instruction FollowingIndex対象外 | – | 1450#69 | – | 1426#106 | Arena (LMArena) |
人間の評価
| ベンチマーク | high | 標準 | 出典 | 推移 |
|---|---|---|---|---|
| Arena Text | 1455#72 | 1439#100 | Arena (LMArena) | |
| Arena Creative WritingIndex対象外 | 1428#77 | 1408#99 | Arena (LMArena) | |
| Arena Multi-turnIndex対象外 | 1464#76 | 1448#93 | Arena (LMArena) | |
| Arena Longer QueriesIndex対象外 | 1460#78 | 1442#109 | Arena (LMArena) |
マルチモーダル
| ベンチマーク | 推論なし | medium | high | thinking | 標準 | 出典 | 推移 |
|---|---|---|---|---|---|---|---|
| Arena Vision | – | – | 1249#63 | – | 1235#75 | Arena (LMArena) | |
| MMMU-Pro | 62.4%#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%#9 | 58.7%#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 v1.1 | 45.0%#360 | 80.0%#88 | – | Artificial Analysis | |
| Arena DocumentIndex対象外エフォート未記載 | – | – | 1416#45 | Arena (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#63 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2Index対象外 | 13.3#321 | 24.7#178 | – | Artificial Analysis | |
| AA Progress Index v1Index対象外 | 206.2#399 | 275.7#190 | – | Artificial Analysis | |
| HELM Capabilities meanIndex対象外エフォート未記載 | – | – | 65.6%#33 | HELM Capabilities |
安全性・誠実さ
| ベンチマーク | thinking | 出典 | 推移 |
|---|---|---|---|
| FORTRESSIndex対象外 | 25.7%#48 | Scale AI SEAL | |
| MASKIndex対象外汚染の可能性 | 86.3%#16 | Scale 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 |
|---|---|---|---|---|---|---|
| OpenAI | 159 tok/s | 0.68 s | $0.625 | $5.00 | 400k | – |
| Azure | 55 tok/s | 0.96 s | $1.25 | $10.00 | 400k | – |
| OpenAI | 53 tok/s | 1.32 s | $1.25 | $10.00 | 400k | – |
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 | $0.0032 | 40.2 s |
| 30ページのレポートを要約 | 12,000 / 600 | $0.021 | $0.011 | 43.6 s |
| コード編集 | 6,000 / 1,500 | $0.022 | $0.017 | 53.8 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 | $0.064 | 1.4 min |
| 構造化データの抽出 | 2,000 / 200 | $0.0045 | $0.0028 | 39.1 s |
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。
[](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}
}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