BenchLeader

o1

推論エフォート
品質339中136位
52.5Index
中央値より上
中央値比 +2.3
価格255中247位
$26.25100万トークンあたり
高い方から4分の1
中央値の31倍
コスパ255中247位
2.0ポイント/$
下位4分の1
中央値の0.0倍

よりコスパが高いモデル: Ling 3.0 Flash $0.115/MでIndex 51.7(228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116つあります:Claude Fable 5.2 (72.7, $16.00)、Gemini 4 Carbon (68.9, $4.00)、Claude Opus 5.5 (68.4, $8.00)ほか113つ。

2026年11月16日時点で、o1(OpenAI)のBenchLeader Indexは52.5です(ランク付け対象は608構成)。最も強いのは指示追従(69)、最も弱いのはエージェント・ツール(42)です。API料金は入力100万トークンあたり$15.00、出力100万トークンあたり$60.00(3:1のブレンドで$26.25)で、2026年11月16日時点の定価です。2024年12月17日にリリースされました。

要点(2026年11月16日時点)

  • o1のAPI料金は入力100万トークンあたり$15.00、出力100万トークンあたり$60.00(3:1のブレンドで$26.25)です(定価、2026年11月16日)。
  • o1は2024年12月17日にリリースされました(OpenAI)。

詳しく見ると:o1はOpenAIのプロプライエタリな推論モデルです(2024年12月17日リリース)。最もスコアの高い構成は、BenchLeader Indexで52.5 ±4.8を記録し、608構成中275位で上位半分に入ります。重要なのはこの「±」です。ほかに284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(69)、エージェント・ツールが最も低くなっています(42)。ブレンド価格は100万トークンあたり$26.25で、ランク付けされたモデルの中で最も高価な部類です。4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
$26.25/M
入力$15.00・出力$60.00
出典:Artificial Analysis
出力速度
–
回答開始
–
コンテキスト
200k
出典:models.dev
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
2024年12月17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Index53
  2. 推論42
  3. コーディング52
  4. エージェント・ツール42
  5. 数学54
  6. 指示追従69
  7. 人間の評価58
  8. マルチモーダル52
  9. 長文コンテキスト57

この順位を埋め込む

ほかのバッジスタイル
[![o1 on BenchLeader: 総合 135位](https://www.benchleader.com/badge/o1.svg?style=compact)](https://www.benchleader.com/models/o1)

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

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––––$0.024数学 35 · 推論 54
medium47.9#395––$0.024長文コンテキスト 48 · 数学 46 · 推論 47
high49.5#359––$0.024コーディング 46 · 知識 54 · 数学 49 · 推論 48
未記載最良52.5#275––$0.024エージェント・ツール 42 · コーディング 52 · 人間の評価 58 · 指示追従 69 · 長文コンテキスト 57 · 数学 54 · マルチモーダル 52 · 推論 42

Indexの推移

2026年9月8日〜2026年11月16日
394959
  • 標準
  • 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

ベンチマークlowmediumhigh標準出典推移
GPQA Diamond74.2%#16675.8%#15676.8%#15250.3%#228Epoch AI Benchmarking Hub
Humanity's Last Examエフォート未記載–––8.0%#36Scale AI / CAIS
SimpleBench–36.7%#8240.1%#7841.7%#73SimpleBench
Arena Hard Promptsエフォート未記載–––1418#161Arena (LMArena)
GPQA Diamond (AA)Index対象外エフォート未記載–––76.5%#237Artificial Analysis
Humanity's Last Exam (AA)Index対象外エフォート未記載–––7.0%#394Artificial Analysis
GPQA Diamond (Vals)Index対象外––73.2%#84–Vals AI
CritPtIndex対象外エフォート未記載–––0.3%#291Artificial Analysis
Arena ExpertIndex対象外エフォート未記載–––1402#172Arena (LMArena)
Chess PuzzlesIndex対象外11.0%#1288.0%#13710.0%#132–Epoch AI Benchmarking Hub
LMCAIndex対象外––22.3%#163–Epoch AI Benchmarking Hub
DTBenchIndex対象外––74.7%#159–Epoch AI Benchmarking Hub

コーディング

ベンチマークmediumhigh標準出典推移
WeirdML–46.1%#8147.6%#76WeirdML
Arena Codingエフォート未記載––1433#176Arena (LMArena)
LiveCodeBench–50.3%#114–Vals AI
Aider Polyglot–61.7%#19–Aider polyglot leaderboard
SWE-bench Verified (any scaffold)Index対象外エフォート未記載––64.6%#23SWE-bench
CadEvalIndex対象外56.0%#4––Epoch AI Benchmarking Hub
LiveCodeBench (AA)Index対象外エフォート未記載––67.9%#79Artificial Analysis

エージェント・ツール

ベンチマークmedium標準出典推移
Cybenchエフォート未記載–10.0%#15Cybench
Terminal-Bench Hardエフォート未記載–12.9%#211Artificial Analysis
τ²-Bench Telecom (AA)Index対象外エフォート未記載–62.6%#178Artificial Analysis
METR Time HorizonsIndex対象外51.0%#2645.1%#30METR
BrowseCompIndex対象外エフォート未記載–6.3%#5OpenAI

数学

ベンチマークlowmediumhigh標準出典推移
FrontierMath Tiers 1–38.4%#11210.2%#11014.7%#107–Epoch AI Benchmarking Hub
OTIS Mock AIME53.3%#19073.3%#14073.3%#14031.1%#218Epoch AI Benchmarking Hub
MATH Level 5–94.4%#1794.7%#1681.7%#33Epoch AI Benchmarking Hub
AIME (Vals)––71.5%#53–Vals AI
MGSM––89.3%#46–Vals AI
MATH 500Index対象外––90.4%#24–Vals AI
Arena Mathsエフォート未記載–––1409#143Arena (LMArena)
AIME 2025 (AA)Index対象外エフォート未記載–––79.7%#67Artificial Analysis

知識

ベンチマークhigh出典推移
SimpleQA Verified41.1%#51Epoch AI Benchmarking Hub
MMLU-Pro83.5%#70Vals AI
LegalBench80.4%#86Vals AI
TaxEval74.3%#38Vals AI
MedQA96.5%#1Vals AI

指示追従

ベンチマーク標準出典推移
IFBench70.3%#68Artificial Analysis
Arena Instruction FollowingIndex対象外1407#135Arena (LMArena)

人間の評価

ベンチマークmedium標準出典推移
Arena Textエフォート未記載–1402#154Arena (LMArena)
Arena Creative WritingIndex対象外エフォート未記載–1381#142Arena (LMArena)
Arena Multi-turnIndex対象外エフォート未記載–1390#175Arena (LMArena)
Arena Longer QueriesIndex対象外エフォート未記載–1413#149Arena (LMArena)
Lech Mazur Creative WritingIndex対象外70.2%#34–Lech Mazur

マルチモーダル

ベンチマークmediumhigh標準出典推移
Arena Visionエフォート未記載––1168#109Arena (LMArena)
VISTAエフォート未記載––45.3%#28Scale AI SEAL
MMMU-Pro (Vals)Index対象外–77.4%#52–Vals AI
GeoBenchIndex対象外80.0%#13––GeoBench
VPCTIndex対象外37.0%#24––Epoch AI Benchmarking Hub
SpatialViz-BenchIndex対象外エフォート未記載––41.4%#2Epoch AI Benchmarking Hub

長文コンテキスト

ベンチマークmedium標準出典推移
Fiction.LiveBench 120k53.1%#20–Fiction.live
AA-LCR v1.1エフォート未記載–65.0%#270Artificial Analysis

総合

ベンチマーク標準出典推移
Epoch Capabilities IndexIndex対象外141.2#110Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2Index対象外15.2#296Artificial Analysis
AA Progress Index v1Index対象外227.8#325Artificial Analysis

安全性・誠実さ

ベンチマーク標準出典推移
FORTRESSIndex対象外19.4%#37Scale AI SEAL
MASKIndex対象外59.3%#39Scale AI SEAL

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$7.50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$0.024$0.022–
30ページのレポートを要約12,000 / 600$0.216$0.148–
コード編集6,000 / 1,500$0.180$0.146–
エージェント型コーディングセッション60,000 / 4,000$1.14$0.802–
構造化データの抽出2,000 / 200$0.042$0.031–

OpenAIのほかのモデル

今月の新着

関連ページ

埋め込み・引用

o1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。

[![o1 on BenchLeader: 総合 135位](https://www.benchleader.com/badge/o1.svg)](https://www.benchleader.com/models/o1)

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). o1 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/o1

BibTeX:

@misc{benchleader_o1_20261116,
  author       = {{BenchLeader}},
  title        = {{o1 on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/o1}},
  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

o1のベンチマークスコアは?
2026年11月16日時点で、o1のBenchLeader Indexは52.5 ±4.8です。最も強いのは指示追従(69)、最も弱いのはエージェント・ツール(42)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。
o1の順位は?
2026年11月16日時点で、o1はランク付けされた608構成中275位です。ほかに284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。
o1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、o1の料金は入力100万トークンあたり$15.00、出力100万トークンあたり$60.00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$26.25です。
o1はいつリリースされましたか?
OpenAIが2024年12月17日にo1をリリースしました。BenchLeaderには4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「o1: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/o1