GPT-5.6 Sol (max) ベンチマーク結果
OpenAI の最新推論モデル GPT-5.6 Sol (max) が Artificial Analysis インテリジェンス指標で 59 点を獲得し、同クラスのモデル平均を大きく上回りました。テキストと画像の入力、100万トークンのコンテキストウィンドウを備える一方、価格は高額（入力 $5/100万トークン、出力 $30/100万トークン）で、評価では7000万トークンを出力し、冗長性が高めです。
OpenAI が提供する最新の推論モデル「GPT-5.6 Sol (max)」が、Artificial Analysis のインテリジェンス指標評価で 59 点という高スコアを記録し、同価格帯の推論モデルの中央値である 30 点を大きく引き離しました。本モデルは、回答前に拡張思考や連鎖推論を用いて複雑な問題を処理する推論モデルとして分類されています。
価格面では、GPT-5.6 Sol (max) は高価格帯に位置します。入力は 100万トークンあたり 5.00 ドル、出力は 100万トークンあたり 30.00 ドルで、同クラスのモデルの中央値（入力 1.71 ドル、出力 8.70 ドル）を大幅に上回ります。インテリジェンス指標の評価にかかった総コストは 2824.18 ドルに達しました。また、キャッシュ書き込みは 100万トークンあたり 6.25 ドル、キャッシュヒットは 0.50 ドルです。キャッシュヒット、入力、出力を 7:2:1 の比率でブレンドした場合、100万トークンあたりの平均価格は約 4.35 ドルとなりますが、プロバイダーによって異なります。
機能面では、GPT-5.6 Sol (max) はテキストと画像の入力に対応し、テキストを出力します。コンテキストウィンドウは 100万トークンと広く、約 1500 ページの A4 文書（12 ポイント Arial フォント）に相当します。推論モデルとして、キャッシュプロンプトもサポートしており、頻繁に使用されるリクエストのレイテンシとコストを削減できます。
インテリジェンス指標の評価では、本モデルは 7000万トークンを出力し、同クラスの平均である 6000万トークンと比較してやや冗長です。Artificial Analysis インテリジェンス指標 v4.1 は 9 つの評価で構成されています。GDPval-AA v2（エージェント型実務タスク）、τ³-Banking（エージェント型ツール使用）、Terminal-Bench v2.1（エージェント型コーディングと端末使用）、SciCode（コーディング）、Humanity's Last Exam（推論と知識）、GPQA Diamond（科学推論）、CritPt（物理推論）、AA-Omniscience（知識精度と幻覚率）、AA-LCR（長文脈推論）です。さらに、AA-Briefcase（エージェント型知識作業）、AutomationBench-AA（エージェント型 SaaS ワークフロー）、Harvey LAB-AA（法律エージェント作業）、EnterpriseOps-Gym-AA（エージェント型業務オペレーション）、IFBench（指示追従）、APEX-Agents-AA（長期間エージェントタスク）、ITBench-AA（Kubernetes インシデント根本原因分析）、MMMU-Pro（視覚推論）などの追加ベンチマークも存在します。
インテリジェンスとコストの比較では、GPT-5.6 Sol (max) は高インテリジェンスかつ高コストの象限に位置します。インテリジェンス指標タスクあたりの加重平均コストは高いものの、インテリジェンススコアは群を抜いています。RAG（検索拡張生成）ワークフローのように強力な推論能力と大きなコンテキストウィンドウを必要とする用途には有力な選択肢ですが、高コストが普及の障壁となる可能性があります。
総じて、GPT-5.6 Sol (max) は知能性能でトップクラスですが、高価格と冗長性の高さから、推論品質に極めて高い要求があり、かつ予算が豊富なシナリオに適しています。OpenAI は非推論バリアントも提供する可能性がありますが、今回の評価は推論バージョンに焦点を当てています。