GPT-6.1 Sol
この水準ではコスパ良好: Indexの差が2ポイント以内で、価格が4分の3以下のランク入りモデルはありません。
これより安価でスコアの高いランク付けモデルはありません。価格面でのフロンティアにあります。
2026年11月16日時点で、GPT-6.1 Sol(OpenAI)のBenchLeader Indexは66.6です(ランク付けされた608構成中上位10位以内)。最も強いのは数学(72)、最も弱いのはエージェント・ツール(64)です。API料金は入力100万トークンあたり$2.00、出力100万トークンあたり$10.00(3:1のブレンドで$4.00)で、2026年11月16日時点の定価です。出力速度は約50トークン/秒です(Artificial Analysis)。2026年9月29日にリリースされました。
要点(2026年11月16日時点)
- GPT-6.1 SolのAPI料金は入力100万トークンあたり$2.00、出力100万トークンあたり$10.00(3:1のブレンドで$4.00)です(定価、2026年11月16日)。
- GPT-6.1 Solの出力速度は約50トークン/秒です(Artificial Analysis、2026年11月16日)。
- GPT-6.1 Solは2026年9月29日にリリースされました(OpenAI)。
詳しく見ると:GPT-6.1 SolはOpenAIのプロプライエタリな推論モデルです(2026年9月29日リリース)。最もスコアの高い構成(推論エフォート max)は、BenchLeader Indexで66.6 ±1.9を記録し、608構成中8位で上位10位以内に入ります。重要なのはこの「±」です。ほかに49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。カテゴリ別では数学が最も高く(72)、エージェント・ツールが最も低くなっています(64)。ブレンド価格は100万トークンあたり$4.00で、ランク付けされたモデルの中で最も高価な部類です。出力速度は50トークン/秒、回答開始まで166.7秒で、最も遅い4分の1に入ります。7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
- $4.00/M
- 入力$2.00・出力$10.00
- 出典:Artificial Analysis
- 出力速度
- 50 tok/s
- Artificial Analysisによる測定
- 回答開始
- 167 s
- 最初のトークン 3.06 s
- コンテキスト
- 1.1M
- 出典:models.dev
- 回答完了まで
- 430 s
- 最終測定2026年11月13日
- タスクあたりコスト
- $1.27
- 1タスク23 min、AA Index
- タスクあたりトークン数
- 68k
- うち73%が推論
- リリース日
- 2026年9月29日
- 総合Index67
- 推論71
- コーディング71
- エージェント・ツール64
- 数学72
- 知識72
- 人間の評価67
- マルチモーダル66
- 長文コンテキスト66
- 総合68
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-6-1-sol)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3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-6.1 Solmaxこのページ | 2026年9月29日 | 66.6 | #8 |
| GPT-6 Solmax | 2026年9月22日 | 62.6 | #47 |
| GPT-5.6 Solmax | 2026年7月9日 | 65.3 | #19 |
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 |
|---|---|---|---|---|---|---|
| low | 60.0 | #91 | 52 tok/s | 3.01 s | $0.0038 | コーディング 52 · 知識 66 · 長文コンテキスト 67 · マルチモーダル 66 · 推論 65 |
| medium | 62.7 | #46 | 52 tok/s | 4.81 s | $0.0038 | コーディング 63 · 知識 67 · 長文コンテキスト 66 · マルチモーダル 66 · 推論 69 |
| high | 63.4 | #40 | 50 tok/s | 33 s | $0.0038 | コーディング 66 · 知識 67 · 長文コンテキスト 66 · マルチモーダル 67 · 推論 71 |
| xhigh | 63.6 | #36 | 51 tok/s | 68 s | $0.0038 | コーディング 67 · 知識 68 · 長文コンテキスト 65 · マルチモーダル 68 · 推論 72 |
| max最良 | 66.6 | #8 | 50 tok/s | 167 s | $0.0038 | エージェント・ツール 64 · コーディング 71 · 総合 68 · 人間の評価 67 · 知識 72 · 長文コンテキスト 66 · 数学 72 · マルチモーダル 66 · 推論 71 |
| Proモード | – | – | 41 tok/s | 3.06 s | $0.0038 | |
| 未記載 | 62.0 | #56 | 41 tok/s | 3.06 s | $0.0038 | エージェント・ツール 62 · 人間の評価 61 · 指示追従 77 · 知識 54 · 数学 77 · 推論 72 |
考えさせるほど増えるコスト
エフォートを上げるとIndexのポイントは伸びますが、費用は何倍にもなります。このモデルではmaxのコストがlowの7.9倍で、Indexの変化は+6.6、支出が2倍になるごとに2.2ポイントです。ほかのモデルと比べる。
各点は推論の設定1つを表し、Artificial AnalysisのIndexタスク1件あたりのコスト(対数目盛)とBenchLeader Indexを示します。
Indexの推移
2026年10月2日〜2026年11月16日- max
- xhigh
- high
- 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。
推論
コーディング
エージェント・ツール
数学
| ベンチマーク | xhigh | max | 標準 | 出典 | 推移 |
|---|---|---|---|---|---|
| FrontierMath Tiers 1–3 | – | 93.7%#2 | – | Epoch AI Benchmarking Hub | |
| FrontierMath Tier 4 | – | 100.0%#1 | – | Epoch AI Benchmarking Hub | |
| OTIS Mock AIME | – | 100.0%#1 | – | Epoch AI Benchmarking Hub | |
| ProofBenchエフォート未記載 | – | – | 99.0%#5 | Vals AI | |
| LiveBench MathematicsIndex対象外 | 96.5%#7 | 96.8%#3 | – | LiveBench | |
| ArXivMathIndex対象外 | – | 92.8%#2 | – | MathArena | |
| BrokenArXivIndex対象外 | – | 83.1%#2 | – | MathArena | |
| Arena Maths | – | 1499#19 | – | Arena (LMArena) | |
| FrontierMath ErdősIndex対象外 | – | 4.4%#1 | – | Epoch AI Benchmarking Hub |
知識
指示追従
| ベンチマーク | xhigh | max | 標準 | 出典 | 推移 |
|---|---|---|---|---|---|
| LiveBench LanguageIndex対象外 | 88.7%#6 | 90.1%#2 | – | LiveBench | |
| LiveBench Instruction FollowingIndex対象外 | 71.3%#25 | 74.2%#12 | – | LiveBench | |
| MultiChallengeエフォート未記載 | – | – | 82.0%#1 | Scale AI SEAL | |
| Arena Instruction FollowingIndex対象外 | – | 1482#23 | – | Arena (LMArena) |
人間の評価
| ベンチマーク | max | 標準 | 出典 | 推移 |
|---|---|---|---|---|
| Arena Text | 1481#30 | – | Arena (LMArena) | |
| EQ-Bench 4エフォート未記載 | – | 1272#8 | EQ-Bench | |
| Arena Creative WritingIndex対象外 | 1449#43 | – | Arena (LMArena) | |
| Arena Multi-turnIndex対象外 | 1486#29 | – | Arena (LMArena) | |
| Arena Longer QueriesIndex対象外 | 1488#33 | – | Arena (LMArena) |
マルチモーダル
| ベンチマーク | low | medium | high | xhigh | max | 標準 | 出典 | 推移 |
|---|---|---|---|---|---|---|---|---|
| Arena Vision | – | – | – | – | 1286#30 | – | Arena (LMArena) | |
| LiveBench DesignIndex対象外 | – | – | – | – | 79.6%#9 | – | LiveBench | |
| MMMU-Pro | 83.1%#34 | 83.9%#26 | 84.9%#15 | 85.1%#13 | 86.0%#8 | – | Artificial Analysis | |
| SAGEIndex対象外 | – | – | – | – | 90.5%#2 | – | Vals AI | |
| Humanity's Sixth SenseIndex対象外 | – | – | – | – | 46.6%#5 | – | Scale AI SEAL | |
| Blueprint-Bench 2Index対象外エフォート未記載 | – | – | – | – | – | 43.2%#5 | Epoch AI Benchmarking Hub | |
| Furniture AssemblyIndex対象外 | – | – | – | – | 80.0%#3 | – | Epoch AI Benchmarking Hub | |
| VIALS-AAIndex対象外 | – | – | – | – | 59.0%#8 | – | Handshake AI | |
| Code2Video-AAIndex対象外 | – | – | – | – | 1369#4 | – | Artificial Analysis | |
| AA-3DIndex対象外 | – | – | – | – | 1121#8 | – | Artificial Analysis | |
| FACTS MultimodalIndex対象外エフォート未記載 | – | – | – | – | – | 52.6%#7 |
長文コンテキスト
| ベンチマーク | low | medium | high | xhigh | max | 標準 | 出典 | 推移 |
|---|---|---|---|---|---|---|---|---|
| AA-LCR v1.1 | 84.0%#13 | 83.3%#22 | 82.3%#47 | 79.7%#100 | 83.0%#30 | – | Artificial Analysis | |
| MLCRIndex対象外 | 26.7%#27 | 32.2%#14 | 31.7%#16 | 35.6%#8 | 38.3%#4 | – | Artificial Analysis | |
| FACTS GroundingIndex対象外エフォート未記載 | – | – | – | – | – | 78.0%#4 |
総合
| ベンチマーク | low | medium | high | xhigh | max | 標準 | 出典 | 推移 |
|---|---|---|---|---|---|---|---|---|
| Epoch Capabilities IndexIndex対象外エフォート未記載 | – | – | – | – | – | 168.5#5 | Epoch AI Benchmarking Hub | |
| LiveBench 2.0 | – | – | – | – | 81.4%#6 | – | LiveBench | |
| LiveBench 1.0Index対象外 | – | – | – | 81.1%#9 | 81.6%#6 | – | LiveBench | |
| AA Intelligence Index v5.0.1Index対象外 | 34.8#50 | 46.4#32 | 50.3#23 | 52.5#17 | 54.6#12 | – | Artificial Analysis | |
| AA Intelligence Index v4.3.2Index対象外 | 42.1#58 | 47.8#28 | 50.2#20 | 51.0#17 | 51.8#14 | – | Artificial Analysis | |
| AA Progress Index v1Index対象外 | 326.2#40 | 338.7#23 | 343.9#15 | 346.4#11 | 348.5#8 | – | Artificial Analysis | |
| Vals IndexIndex対象外 | – | – | – | – | 63.9#10 | – | Vals AI | |
| Vals Finance IndexIndex対象外 | – | – | – | – | 55.8%#27 | – | Vals AI | |
| Vals RSI IndexIndex対象外 | – | – | – | – | 26.6%#9 | – | Vals AI | |
| Vals Science IndexIndex対象外 | – | – | – | – | 59.6%#3 | – | Vals AI | |
| Vals Router IndexIndex対象外エフォート未記載 | – | – | – | – | – | 63.9%#7 | Vals AI | |
| Vals Legal IndexIndex対象外 | – | – | – | – | 68.7%#23 | – | Vals AI |
安全性・誠実さ
| ベンチマーク | 標準 | 出典 | 推移 |
|---|---|---|---|
| DistressBenchIndex対象外 | 74.2%#15 | Scale AI SEAL |
GameBench 2 Overall: 84.9. GameBench 2, best reasoning setting (XHigh): 92.0. 参考値で、BenchLeader Indexには含まれません。
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.
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 | 109 tok/s | 1.71 s | $12.00 | $60.00 | 1.1M | – |
| Amazon Bedrock | 59 tok/s | 2.35 s | $2.00 | $10.00 | 1.1M | – |
| OpenAI | 50 tok/s | 1.48 s | $4.00 | $20.00 | 1.1M | – |
| OpenAI | 42 tok/s | 2.54 s | $2.00 | $10.00 | 1.1M | – |
| Azure | 39 tok/s | 3.92 s | $2.00 | $10.00 | 1.1M | – |
| Azure | 37 tok/s | 5.25 s | $2.20 | $11.00 | 1.1M | – |
| Azure | 34 tok/s | 4.31 s | $2.20 | $11.00 | 1.1M | – |
| Amazon Bedrock | 31 tok/s | 2.35 s | $2.20 | $11.00 | 1.1M | – |
| OpenAI | 26 tok/s | 23 s | $1.00 | $5.00 | 1.1M | – |
利用状況
GPT-6.1 Solが実際にどれだけ使われているかを、利用状況を公開しているゲートウェイの報告に基づいて示します。利用状況はIndexには含まれません。よく使われているモデルとプロバイダー
直近30日間の典型的なリクエスト:リクエストあたり38.7kトークン、出力1トークンあたり入力57トークン、入力の90%がキャッシュから、出力の37%が推論、リクエストあたり0.42回のツール呼び出し。
OpenRouterでこのモデルに最も多くのトークンを送っているアプリ:Codex (3.31T)、Hermes Agent (399B)、pi (351B)、Descript (302B)、omp (257B)。
| Vercel AI Gatewayのプロバイダー | スループット | 最初のトークン | 稼働率、1日 |
|---|---|---|---|
| Amazon Bedrock | 411 tok/s | 6.00 s | 99.70% |
| OpenAI | 150 tok/s | 1.24 s | 99.99% |
| Azure | – | 1.01 s | 100.00% |
出典: 利用状況: OpenRouterのランキング · Vercel AI Gateway, CC BY 4.0 · T3 Code via Slopalytics・2026年11月16日時点のデータ。
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$0.100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 | $0.0038 | $0.0032 | 2.9 min |
| 30ページのレポートを要約 | 12,000 / 600 | $0.030 | $0.013 | 3.0 min |
| コード編集 | 6,000 / 1,500 | $0.027 | $0.018 | 3.3 min |
| エージェント型コーディングセッション | 60,000 / 4,000 | $0.160 | $0.074 | 4.1 min |
| 構造化データの抽出 | 2,000 / 200 | $0.0060 | $0.0032 | 2.8 min |
このモデルを含むコーディングプラン
GPT-6.1 Solを使えるサブスクリプションです。それぞれの利用上限と、タスクあたりのコストを掲載しています。
GPT-6.1 Solと比較する
- GPT-6.1 Sol vs GPT-6 Astra
- GPT-6.1 Sol vs Claude Sonnet 5.5
- GPT-6.1 Sol vs Claude Opus 4.8
- GPT-6.1 Sol vs Claude Opus 5.5
- GPT-6.1 Sol vs Claude Fable 5.2
- GPT-6.1 Sol vs GPT-5.6 Terra
- GPT-6.1 Sol vs GPT-5.6 Sol
- GPT-6.1 Sol vs Gemini 4 Carbon
- GPT-6.1 Sol vs Muse Spark 1.3
- GPT-6.1 Sol vs GPT-5.4
- GPT-6.1 Sol vs DeepSeek V4.1 Flash 1017
- GPT-6.1 Sol vs GPT-6.1 Terra
- GPT-6.1 Sol vs Qwen3.8-Flash-Next
- GPT-6.1 Sol vs Claude Opus 4.7
- GPT-6.1 Sol vs Claude Fable 5
- GPT-6.1 Sol vs Claude Fable 5.1
- GPT-6.1 Sol vs Grok 4.20
- GPT-6.1 Sol vs GPT-5.3-Codex
- GPT-6.1 Sol vs DeepSeek V4 Pro
- GPT-6.1 Sol vs GPT-5.6 Luna
- GPT-6.1 Sol vs GPT-6 Luna
- GPT-6.1 Sol vs GPT-6 Sol
- GPT-6.1 Sol vs GLM 5.3 Flash
- GPT-6.1 Sol vs Gemini 4 Argon
- GPT-6.1 Sol vs o3
- GPT-6.1 Sol vs Claude Sonnet 5
- GPT-6.1 Sol vs Gemini 3.8 Flash
- GPT-6.1 Sol vs Claude Opus 4.6
- GPT-6.1 Sol vs Grok 4.7
- GPT-6.1 Sol vs GLM 5.3
- GPT-6.1 Sol vs GPT-5.4 Pro
- GPT-6.1 Sol vs Kimi K3
- GPT-6.1 Sol vs MiMo-V2.6-Flash
- GPT-6.1 Sol vs GPT-5.2
- GPT-6.1 Sol vs MiMo-V2.6-Pro
- GPT-6.1 Sol vs Claude Sonnet 4.6
- GPT-6.1 Sol vs Qwen3.6 Max
- GPT-6.1 Sol vs Gemini 3.1 Pro
- GPT-6.1 Sol vs GLM 5.2
- GPT-6.1 Sol vs Grok 4
- GPT-6.1 Sol vs Step 5 Preview
- GPT-6.1 Sol vs Gemini 3.6 Flash
- GPT-6.1 Sol vs GPT-5 Pro
- GPT-6.1 Sol vs Qwen3.8 Max
- GPT-6.1 Sol vs GPT-5.2-Codex
- GPT-6.1 Sol vs MiniMax M3.1 Flash
- GPT-6.1 Sol vs GPT-5.5
- GPT-6.1 Sol vs Claude Opus 4.5
- GPT-6.1 Sol vs DeepSeek V4 Flash
- GPT-6.1 Sol vs Muse Wonder Full
- GPT-6.1 Sol vs Gemini 3 Pro
- GPT-6.1 Sol vs Kimi K3.1 Pro
- GPT-6.1 Sol vs Qwen3.7
- GPT-6.1 Sol vs Grok 4.5
- GPT-6.1 Sol vs Claude Opus 5
- GPT-6.1 Sol vs GLM-5
- GPT-6.1 Sol vs Kimi K2.5
- GPT-6.1 Sol vs Gemini 3 Flash
- GPT-6.1 Sol vs Gemini 3.5 Flash
- GPT-6.1 Sol vs Gemini 3.7 Flash
- GPT-6.1 Sol vs Qwen3.6 Plus
- GPT-6.1 Sol vs Inkling 2 Small
- GPT-6.1 Sol vs Claude Haiku 5.5
- GPT-6.1 Sol vs Muse Wonder
- GPT-6.1 Sol vs Muse Spark
- GPT-6.1 Sol vs Muse Spark 1.2
- GPT-6.1 Sol vs Muse Spark Open
- GPT-6.1 Sol vs DeepSeek V4 Pro 0424
- GPT-6.1 Sol vs Gemini 4 Hydrogen
- GPT-6.1 Sol vs Muse Spark 1.1
- GPT-6.1 Sol vs Kimi K3.1 Pro Together
- GPT-6.1 Sol vs Muse Spark Open 816B A42B
関連ページ
埋め込み・引用
GPT-6.1 Sol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-6-1-sol)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-6.1 Sol on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/gpt-6-1-sol
BibTeX:
@misc{benchleader_gpt_6_1_sol_20261116,
author = {{BenchLeader}},
title = {{GPT-6.1 Sol on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/gpt-6-1-sol}},
note = {Data as of 2026-11-16}
}よくある質問
- GPT-6.1 Solのベンチマークスコアは?
- 2026年11月16日時点で、GPT-6.1 Sol(推論エフォート max)のBenchLeader Indexは66.6 ±1.9です(上位10位以内)。最も強いのは数学(72)、最も弱いのはエージェント・ツール(64)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-6.1 Solの順位は?
- 2026年11月16日時点で、GPT-6.1 Sol(推論エフォート max)はランク付けされた608構成中8位です(上位10位以内)。ほかに49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-6.1 Sol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-6.1 Solの料金は入力100万トークンあたり$2.00、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$4.00です。
- GPT-6.1 SolはGPT-6 Astraより優れていますか?
- 2026年11月16日時点で、GPT-6.1 Sol(推論エフォート max)とGPT-6 Astra(推論エフォート max)の品質はほぼ互角です(BenchLeader Indexで66.6対67.3、±3.6の誤差の範囲内)。価格と速度、重視するカテゴリで選んでください。ベンチマークごとの詳細は比較ページにあります。
- GPT-6.1 Solはいつリリースされましたか?
- OpenAIが2026年9月29日にGPT-6.1 Solをリリースしました。BenchLeaderには7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-6.1 Sol: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-6-1-sol