Z.aiの公式比較表を基準にすると、GPT-5.6 SolはTerminal-Bench 3.0やHLE w/ Toolsなどで依然として首位を維持しており、V4-Proは約1/10の価格帯でオープンソースの第一集団の座を守っています。
| Benchmark | GLM-5.3 | Kimi K3 | DeepSeek-V4-Pro | Opus 4.8 | GPT-5.6 Sol |
|---|---|---|---|---|---|
| Terminal-Bench 2.1 | 88.2 | 88.3 | 87.9 | 85.0 | 88.8 |
| Terminal-Bench 3.0 | 28.3 | 17.4 | — | 21.1 | 34.6 |
| DeepSWE v1.1 | 66.9 | 67.5 | 62.7 | 58.0 | 72.7 |
| NL2Repo | 58.0 | 58.0 | 61.1 | 69.7 | — |
| CyberGym | 84.5 | 80.0 | 83.3 | 78.1 | 83.6 |
| Toolathlon Verified | 73.0 | 76.5 | 74.1 | 76.2 | 74.9 |
| AutomationBench v1.0.6 | 48.2 | 46.7 | 43.2 | 41.0 | 45.8 |
| ALE-CLI | 28.5 | 27.6 | 25.7 | 25.7 | 28.6 |
| HLE w/ Tools | 62.5 | 59.8 | 60.0 | 57.9 | 64.5 |
| GDPval-AA v2 | 1769 | 1682 | 1590 | 1588 | 1730 |
データ出典：Z.ai 公式ブログ（2026-08-14）。未参加は — で表示。DeepSeek 価格：V4-Pro オフピーク $0.66/$1.98、V4-Flash $0.14/$0.28、V4.1-Flash-1017 $0.15/$0.60（百万 tokens あたり）。
GPT-5.6 Sol：TB 2.1 88.8、TB 3.0 34.6、HLE w/ Tools 64.5 と全面的にリード。V4-Pro は 87.9 / 未評価 / 60.0 でそれに続き、NL2Repo の 61.1 で Opus 4.8 を逆転しています。
V4-Pro のオフピークは $0.66/$1.98、V4-Flash は $0.14/$0.28、キャッシュヒットは $0.003。クローズドソースのフラッグシップは、公式定価では通常オープンソースの 5~10 倍程度（詳細は各社公式サイト参照）。
V4の重みはMITで公開されておりセルフホスト可能、データは社内ネットワークの外に出ません。GPT系はAPIのみです。企業のコンプライアンス対応やオフライン環境では、DeepSeekがデフォルトの選択肢となります。
とにかく最強性能を求めるならGPT-5.6を選び、90%の能力 + 1/10の価格 + セルフホスト可能という条件ならDeepSeekを選びましょう——そして、deepseek-flashを日常のデフォルトとし、難易度の高いタスクではV4-Proにアップグレードする2層ルーティングを組み合わせるのがおすすめです。
大模型网摘