GPT-6.1 Terra vs. Hermes 4 - Llama-3.1 405B：リリース比較

GPT-6.1 TerraとHermes 4 - Llama-3.1 405Bのリリース比較：それぞれ6個と2個のモデルがあり、知能・性能・料金の特性が異なります。以下では、全8個のモデルの主要指標を比較します。

比較するリリース


	GPT-6.1 Terra (max)	GPT-6.1 Terra (xhigh)	GPT-6.1 Terra (high)	GPT-6.1 Terra (medium)	GPT-6.1 Terra (non-reasoning)	GPT-6.1 Terra (low)	Hermes 4 405B	Hermes 4 405B (non-reasoning)
Intelligence Index	51	45	42	38	31	29	--	--
財務・会計	49	48	44	42	34	38	--	--
戦略・オペレーション	50	49	47	45	40	42	--	--
法務	46	44	42	40	28	37	--	--
医療・ヘルスケア	45	--	--	--	--	--	--	--
エンジニアリング	55	49	46	43	33	35	--	--
経済学	48	46	43	41	32	36	--	--
AA-Briefcase v1.1	1401	1334	1265	1191	1226	1032	--	--
AutomationBench-AA	60.2%	59.9%	58.5%	57.8%	51.0%	56.2%	--	--
Terminal-Bench 4.0	55.6%	46.5%	41.9%	32.3%	26.8%	15.2%	--	--
FrontierCode-AA 2.0	42.3%	36.9%	37.5%	34.5%	33.4%	24.5%	--	--
AA-Omniscience v1.1	30	29	28	27	−5	23	--	--
GDP.pdf	28.6%	26.6%	28.0%	28.4%	23.2%	25.6%	--	--
HLE-Diamond	47.3%	42.3%	35.4%	31.3%	14.5%	24.9%	--	--
CritPt v2 (Hard Subset)	68.0%	60.5%	61.5%	56.5%	33.5%	50.5%	--	--
Terminal-Bench-Science 0.1	57.6%	41.9%	33.3%	24.8%	24.3%	7.6%	--	--

タスクあたりの費用USD	$0.96	$0.40	$0.26	$0.17	$0.23	$0.0713	--	--
入力料金USD/100万トークン	$1.00	$1.00	$1.00	$1.00	$1.00	$1.00	$1.00	$1.00
出力料金USD/100万トークン	$5.00	$5.00	$5.00	$5.00	$5.00	$5.00	$3.00	$3.00
キャッシュヒット料金USD/100万トークン	$0.05	$0.05	$0.05	$0.05	$0.05	$0.05	--	--
キャッシュ書き込み料金USD/100万トークン	$1.25	$1.25	$1.25	$1.25	$1.25	$1.25	--	--

タスクあたりの時間分	14.5	6.7	4.4	2.9	2.5	1.2	--	--
出力速度tok/s	69	66	64	62	64	61	38	33
最初の回答トークンまでの時間秒	186.94	37.46	13.58	5.36	2.28	2.86	19.10	5.13
最初のトークンまでの時間秒	186.94	37.46	13.58	5.36	2.28	2.86	5.44	5.13
エンドツーエンド時間単一リクエストのワークロードの平均（秒）	400.62	102.06	51.05	33.11	25.93	22.81	59.94	36.82

コンテキストウィンドウ	1M	1M	1M	1M	1M	1M	128k	128k
開発元	OpenAI	OpenAI	OpenAI	OpenAI	OpenAI	OpenAI	Nous Research	Nous Research
ライセンス	独自	独自	独自	独自	独自	独自	オープン	オープン
入力モダリティ	対応：テキスト、画像	対応：テキスト、画像	対応：テキスト、画像	対応：テキスト、画像	対応：テキスト、画像	対応：テキスト、画像	対応：テキスト	対応：テキスト
出力モダリティ	対応：テキスト	対応：テキスト	対応：テキスト	対応：テキスト	対応：テキスト	対応：テキスト	対応：テキスト	対応：テキスト
プロバイダー

Updated

知能

Artificial Analysis Intelligence Index · Higher is better

タスクあたりの時間

Inference time (minutes) per Intelligence Index task · Lower is better

タスクあたりの費用

Weighted average cost (USD) per Intelligence Index task · Lower is better

知能Updated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v5.0.1 incorporates 9 evaluations: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), and Terminal-Bench-Science 0.1

Artificial Analysis Intelligence Index v5.0.1 includes: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), Terminal-Bench-Science 0.1. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

Intelligence Index とタスクあたりのコスト

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task

Most attractive quadrant

GPT-6.1 Terra

Pareto line

AA-Briefcase v1.1

AutomationBench-AA

タスク当たりのコスト（USD、対数スケール）

Weighted average cost per Intelligence Index task. Each evaluation’s cost is calculated from input, cache hit, cache write, reasoning, and answer token prices, divided by task count, and weighted by its Intelligence Index weight.

費用

Intelligence Index タスクあたりのコスト

Weighted average cost (USD) per Intelligence Index task · Segmented by token type · Lower is better

パフォーマンス

Intelligence Indexのタスクあたりの時間

Output tokens divided by end-to-end output speed (minutes per Intelligence Index task) · Speed at the model's own endpoint or the median across providers · Lower is better

The weighted average time (minutes) per Artificial Analysis Intelligence Index task: output tokens per task divided by output speed, weighted by each benchmark's weight in the Intelligence Index.

Speed and latency metrics average each endpoint's runs over the past 5 days, and the error rate pools them. We run the benchmark every 6 hours, and endpoints of deprecated models every 18 hours.

能力スコア

能力指数

特定の能力や業界におけるモデルの性能を測定

Finance & Accounting Index

Incorporates 5 evaluations: AA-Briefcase v1.1, AA-Omniscience v1.1, HLE-Diamond, AutomationBench-AA, GDP.pdf · Higher is better

Strategy & Ops Index

Incorporates 4 evaluations: AutomationBench-AA, AA-Briefcase v1.1, AA-Omniscience v1.1, GDP.pdf · Higher is better

Legal Index

Incorporates 5 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, HLE-Diamond, GDP.pdf, AutomationBench-AA · Higher is better

Healthcare & Medical Index

Incorporates 5 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, MLCR-AA, AutomationBench-AA, HLE-Diamond · Higher is better

Engineering Index

Incorporates 7 evaluations: AA-Omniscience v1.1, CritPt v2 (Hard Subset), Terminal-Bench-Science 0.1, HLE-Diamond, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Briefcase v1.1 · Higher is better

Economics Index

Incorporates 4 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, HLE-Diamond, GDP.pdf · Higher is better

GPT-6.1 Terra vs. Hermes 4 - Llama-3.1 405B：リリース比較

知能

タスクあたりの時間

タスクあたりの費用

知能Updated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index

Intelligence Index とタスクあたりのコスト

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

費用

Intelligence Index タスクあたりのコスト

Cost per Intelligence Index Task

パフォーマンス

Intelligence Indexのタスクあたりの時間

Time per Intelligence Index Task

Time Period

能力スコア

能力指数