GPT-6.1 Sol vs. Mistral Small 4：リリース比較

GPT-6.1 SolとMistral Small 4のリリース比較：それぞれ5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7個のモデルの主要指標を比較します。

知能が最も高いのはGPT-6.1 Solです。GPT-6.1 Sol (Max)（55）に対し、Mistral Small 4はMistral Small 4 (Reasoning)（4）です。
タスクあたりの時間が最も短いのはMistral Small 4です。Mistral Small 4 (Reasoning)（1.6分）に対し、GPT-6.1 SolはGPT-6.1 Sol (Low)（1.8分）です。
タスクあたりの費用が最も低いのはMistral Small 4です。Mistral Small 4 (Reasoning)（$0.04）に対し、GPT-6.1 SolはGPT-6.1 Sol (Low)（$0.16）です。

比較するリリース


	GPT-6.1 Sol (max)	GPT-6.1 Sol (xhigh)	GPT-6.1 Sol (high)	GPT-6.1 Sol (medium)	GPT-6.1 Sol (low)	Mistral Small 4	Mistral Small 4 (non-reasoning)
Intelligence Index	55	52	50	46	35	4	--
財務・会計	56	55	53	51	44	12	--
戦略・オペレーション	58	57	55	53	46	7	--
法務	54	54	52	49	43	12	--
医療・ヘルスケア	52	51	49	46	40	9	--
エンジニアリング	59	57	55	52	43	13	--
経済学	56	55	53	50	43	12	--
AA-Briefcase v1.1	1555	1503	1469	1360	1114	241	--
AutomationBench-AA	64.9%	66.6%	64.5%	62.6%	52.6%	1.0%	--
Terminal-Bench 4.0	56.1%	54.0%	51.5%	48.0%	30.8%	0.0%	--
FrontierCode 2.0	40.6%	38.5%	36.7%	33.4%	20.2%	0.0%	--
AA-Omniscience v1.1	42	42	41	40	38	−31	--
GDP.pdf	31.0%	31.8%	32.0%	30.0%	27.0%	0.0%	--
HLE-Diamond	58.8%	55.8%	51.9%	46.0%	38.2%	4.4%	--
CritPt v2 (Hard Subset)	69.5%	69.5%	68.5%	67.0%	62.5%	0.0%	--
Terminal-Bench-Science 0.1	58.1%	50.5%	46.2%	37.1%	11.0%	0.0%	--

タスクあたりの費用USD	$1.27	$0.76	$0.59	$0.36	$0.16	$0.04	--
入力料金USD/100万トークン	$2.00	$2.00	$2.00	$2.00	$2.00	$0.15	$0.15
出力料金USD/100万トークン	$10.00	$10.00	$10.00	$10.00	$10.00	$0.60	$0.60
キャッシュヒット料金USD/100万トークン	$0.10	$0.10	$0.10	$0.10	$0.10	$0.015	$0.015
キャッシュ書き込み料金USD/100万トークン	$2.50	$2.50	$2.50	$2.50	$2.50	--	--

タスクあたりの時間分	19.9	9.2	6.5	3.8	1.8	1.6	--
出力速度tok/s	57	55	58	60	55	147	122
最初の回答トークンまでの時間秒	176.93	70.31	36.93	4.36	2.46	13.28	1.77
最初のトークンまでの時間秒	176.93	70.31	36.93	4.36	2.46	1.50	1.77
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）	413.89	206.95	142.10	68.57	61.16	53.07	21.83

コンテキストウィンドウ	1M	1M	1M	1M	1M	256k	256k
開発元	OpenAI	OpenAI	OpenAI	OpenAI	OpenAI	Mistral	Mistral
ライセンス	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、画像
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
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 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), and Terminal-Bench-Science 0.1

No publicly available API

Artificial Analysis Intelligence Index v5.0.1 includes: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode 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 Sol

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

No publicly available API

速度と遅延

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

No publicly available API

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 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

ベンチマーク

AA-PersonalityBenchNew

パーソナリティ指数

各軸は8つのパーソナリティ指数の1つで、構成特性のEloのzスコアの平均を、ベンチマークで評価したすべてのモデルにわたる1〜100のパーセンタイル順位にしたもの

GPT-6.1 Sol vs. Mistral Small 4：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

速度と遅延

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

ベンチマーク

AA-PersonalityBenchNew

パーソナリティ指数