AI Benchy リーダーボード

Name: AI BENCHY モデルベンチマーク結果
Creator: AI BENCHY
License: https://aibenchy.com/methodology/

ベンチマークは AI BENCHY テストスイートから次の日時に生成: 2026-08-15 評価済みモデル数: 287

287/287

順位	モデル	スコア	企業	合計コスト	応答時間（平均）
#17#17	Qwen3.7 Maxmedium	9.1	Qwen	$1.157 ↓	44.32s
モデルカードを見る合計テスト数 22 誤答テスト数 5 信頼性 10.0 試行ごとの合格率 86.4% 不安定なテスト 3 入力トークン 106,029 出力トークン 5,748 推論トークン 220,354 応答時間（平均） 44.32s 応答時間（合計） 975.11s 応答時間（最大） 556.06s 不正解: 4 無効なツール呼び出し: 1 反AIトリック : 10.0 コーディング : 10.0 複合 : 8.7 データ解析と抽出 : 10.0 ドメイン特化 : 4.1 汎用知能 : 10.0 指示追従 : 10.0 パズル解決 : 10.0 ツール呼び出し : 10.0 雑学 : 3.0
#16#16	Seed 2.1 Turbolow	9.1	Bytedance Seed	$1.546	163.90s
モデルカードを見る合計テスト数 22 誤答テスト数 5 信頼性 10.0 試行ごとの合格率 80.3% 不安定なテスト 2 入力トークン 104,464 出力トークン 6,844 推論トークン 590,392 応答時間（平均） 163.90s 応答時間（合計） 3605.87s 応答時間（最大） 739.98s 不正解: 3 回答なし: 2 反AIトリック : 8.2 コーディング : 10.0 複合 : 10.0 データ解析と抽出 : 10.0 ドメイン特化 : 2.9 汎用知能 : 10.0 指示追従 : 9.8 パズル解決 : 10.0 ツール呼び出し : 10.0 雑学 : 3.0
#15#15	Claude Opus 5medium	9.2	Anthropic	$1.586	10.26s
モデルカードを見る合計テスト数 22 誤答テスト数 4 信頼性 10.0 試行ごとの合格率 83.3% 不安定なテスト 1 入力トークン 135,604 出力トークン 23,814 推論トークン 12,804 応答時間（平均） 10.26s 応答時間（合計） 225.66s 応答時間（最大） 35.43s 不正解: 3 回答なし: 1 反AIトリック : 10.0 コーディング : 10.0 複合 : 10.0 データ解析と抽出 : 10.0 ドメイン特化 : 2.9 汎用知能 : 10.0 指示追従 : 10.0 パズル解決 : 10.0 ツール呼び出し : 10.0 雑学 : 3.0
#14#14	Claude Opus 5high	9.2	Anthropic	$3.070	22.51s
モデルカードを見る合計テスト数 22 誤答テスト数 4 信頼性 10.0 試行ごとの合格率 81.8% 不安定なテスト 0 入力トークン 135,956 出力トークン 64,624 推論トークン 30,959 応答時間（平均） 22.51s 応答時間（合計） 495.12s 応答時間（最大） 159.01s 不正解: 2 余分な書式: 1 回答なし: 1 反AIトリック : 10.0 コーディング : 10.0 複合 : 10.0 データ解析と抽出 : 10.0 ドメイン特化 : 3.0 汎用知能 : 10.0 指示追従 : 10.0 パズル解決 : 10.0 ツール呼び出し : 10.0 雑学 : 3.0
#13#13	Gemini 3.7 Flashlow	9.2	Google	$0.104	3.85s
モデルカードを見る合計テスト数 22 誤答テスト数 2 信頼性 10.0 試行ごとの合格率 95.5% 不安定なテスト 2 入力トークン 90,322 出力トークン 6,294 推論トークン 30,759 応答時間（平均） 3.85s 応答時間（合計） 84.80s 応答時間（最大） 19.44s 不正解: 2 反AIトリック : 10.0 コーディング : 7.6 複合 : 10.0 データ解析と抽出 : 10.0 ドメイン特化 : 8.2 汎用知能 : 10.0 指示追従 : 10.0 パズル解決 : 10.0 ツール呼び出し : 10.0 雑学 : 10.0
#12#12	Gemini 3.1 Pro Previewmedium	9.2	Google	$1.352	20.62s
モデルカードを見る合計テスト数 22 誤答テスト数 2 信頼性 10.0 試行ごとの合格率 90.9% 不安定なテスト 0 入力トークン 92,296 出力トークン 5,232 推論トークン 92,006 応答時間（平均） 20.62s 応答時間（合計） 329.94s 応答時間（最大） 88.68s 不正解: 2 反AIトリック : 10.0 コーディング : 7.9 複合 : 9.8 データ解析と抽出 : 10.0 ドメイン特化 : 7.7 汎用知能 : 10.0 指示追従 : 10.0 パズル解決 : 10.0 ツール呼び出し : 10.0 雑学 : 10.0
#11#11	Grok 4.6high	9.3	X AI	$1.908	84.15s
モデルカードを見る合計テスト数 22 誤答テスト数 3 信頼性 10.0 試行ごとの合格率 86.4% 不安定なテスト 0 入力トークン 107,275 出力トークン 5,094 推論トークン 277,123 応答時間（平均） 84.15s 応答時間（合計） 1851.26s 応答時間（最大） 618.49s 不正解: 2 回答なし: 1 反AIトリック : 10.0 コーディング : 10.0 複合 : 10.0 データ解析と抽出 : 10.0 ドメイン特化 : 5.3 汎用知能 : 10.0 指示追従 : 9.8 パズル解決 : 10.0 ツール呼び出し : 10.0 雑学 : 3.0
#10#10	GPT-5.5low	9.3	OpenAI	$1.257	10.15s
モデルカードを見る合計テスト数 22 誤答テスト数 3 信頼性 10.0 試行ごとの合格率 86.4% 不安定なテスト 0 入力トークン 80,067 出力トークン 5,378 推論トークン 23,162 応答時間（平均） 10.15s 応答時間（合計） 223.24s 応答時間（最大） 56.19s 不正解: 3 反AIトリック : 10.0 コーディング : 10.0 複合 : 10.0 データ解析と抽出 : 10.0 ドメイン特化 : 5.3 汎用知能 : 10.0 指示追従 : 9.9 パズル解決 : 10.0 ツール呼び出し : 10.0 雑学 : 3.0
#9#9	GPT-5.6 Solhigh	9.4	OpenAI	$1.258	11.48s
モデルカードを見る合計テスト数 22 誤答テスト数 4 信頼性 10.0 試行ごとの合格率 89.4% 不安定なテスト 3 入力トークン 79,258 出力トークン 4,855 推論トークン 23,853 応答時間（平均） 11.48s 応答時間（合計） 252.62s 応答時間（最大） 54.79s 不正解: 4 反AIトリック : 8.7 コーディング : 10.0 複合 : 10.0 データ解析と抽出 : 10.0 ドメイン特化 : 5.3 汎用知能 : 10.0 指示追従 : 10.0 パズル解決 : 10.0 ツール呼び出し : 10.0 雑学 : 4.7
#8#8	GPT-5.6 Solmedium	9.4	OpenAI	$1.445	12.63s
モデルカードを見る合計テスト数 22 誤答テスト数 4 信頼性 10.0 試行ごとの合格率 90.9% 不安定なテスト 3 入力トークン 79,006 出力トークン 4,696 推論トークン 30,281 応答時間（平均） 12.63s 応答時間（合計） 277.88s 応答時間（最大） 79.40s 不正解: 4 反AIトリック : 10.0 コーディング : 10.0 複合 : 10.0 データ解析と抽出 : 10.0 ドメイン特化 : 5.9 汎用知能 : 10.0 指示追従 : 10.0 パズル解決 : 8.2 ツール呼び出し : 10.0 雑学 : 4.7
#7#7	Gemini 3.7 Flashmedium	9.4	Google	$0.155	5.87s
モデルカードを見る合計テスト数 22 誤答テスト数 2 信頼性 10.0 試行ごとの合格率 93.9% 不安定なテスト 1 入力トークン 89,055 出力トークン 5,697 推論トークン 58,880 応答時間（平均） 5.87s 応答時間（合計） 129.20s 応答時間（最大） 30.23s 不正解: 2 反AIトリック : 10.0 コーディング : 8.4 複合 : 10.0 データ解析と抽出 : 10.0 ドメイン特化 : 7.7 汎用知能 : 10.0 指示追従 : 10.0 パズル解決 : 10.0 ツール呼び出し : 10.0 雑学 : 10.0
#6#6	Gemini 3.5 Flashhigh	9.4	Google	$2.011	15.46s
モデルカードを見る合計テスト数 22 誤答テスト数 3 信頼性 10.0 試行ごとの合格率 89.4% 不安定なテスト 2 入力トークン 107,146 出力トークン 8,777 推論トークン 196,705 応答時間（平均） 15.46s 応答時間（合計） 340.20s 応答時間（最大） 145.92s 不正解: 2 無効なツール呼び出し: 1 反AIトリック : 10.0 コーディング : 10.0 複合 : 8.2 データ解析と抽出 : 10.0 ドメイン特化 : 5.3 汎用知能 : 10.0 指示追従 : 10.0 パズル解決 : 10.0 ツール呼び出し : 9.8 雑学 : 10.0
#5#5	Gemini 3 Flash Previewmedium	9.5	Google	$0.763	19.86s
モデルカードを見る合計テスト数 22 誤答テスト数 2 信頼性 10.0 試行ごとの合格率 93.9% 不安定なテスト 1 入力トークン 87,870 出力トークン 5,486 推論トークン 234,122 応答時間（平均） 19.86s 応答時間（合計） 436.88s 応答時間（最大） 117.26s 不正解: 2 反AIトリック : 10.0 コーディング : 8.6 複合 : 10.0 データ解析と抽出 : 10.0 ドメイン特化 : 7.7 汎用知能 : 10.0 指示追従 : 10.0 パズル解決 : 10.0 ツール呼び出し : 10.0 雑学 : 10.0
#4#4	GPT-5.6 Sollow	9.5	OpenAI	$0.992	9.04s
モデルカードを見る合計テスト数 22 誤答テスト数 4 信頼性 10.0 試行ごとの合格率 86.4% 不安定なテスト 2 入力トークン 78,580 出力トークン 4,476 推論トークン 15,470 応答時間（平均） 9.04s 応答時間（合計） 198.97s 応答時間（最大） 53.91s 不正解: 4 反AIトリック : 8.3 コーディング : 10.0 複合 : 10.0 データ解析と抽出 : 10.0 ドメイン特化 : 5.3 汎用知能 : 10.0 指示追従 : 10.0 パズル解決 : 8.2 ツール呼び出し : 10.0 雑学 : 10.0
#2🥈 #2	Gemini 3.7 Flashhigh	9.8	Google	$0.323	12.22s
モデルカードを見る合計テスト数 22 誤答テスト数 2 信頼性 10.0 試行ごとの合格率 95.5% 不安定なテスト 2 入力トークン 86,712 出力トークン 6,017 推論トークン 148,829 応答時間（平均） 12.22s 応答時間（合計） 268.78s 応答時間（最大） 91.63s 不正解: 2 反AIトリック : 10.0 コーディング : 10.0 複合 : 10.0 データ解析と抽出 : 10.0 ドメイン特化 : 5.8 汎用知能 : 10.0 指示追従 : 10.0 パズル解決 : 10.0 ツール呼び出し : 10.0 雑学 : 10.0
#3🥉 #3	Gemini 3.6 Flashmedium	9.8	Google	$0.427 ↓	11.86s
モデルカードを見る合計テスト数 22 誤答テスト数 2 信頼性 10.0 試行ごとの合格率 95.5% 不安定なテスト 2 入力トークン 64,446 出力トークン 1,974 推論トークン 98,902 応答時間（平均） 11.86s 応答時間（合計） 260.96s 応答時間（最大） 77.15s 不正解: 2 反AIトリック : 10.0 コーディング : 10.0 複合 : 10.0 データ解析と抽出 : 10.0 ドメイン特化 : 5.8 汎用知能 : 10.0 指示追従 : 10.0 パズル解決 : 10.0 ツール呼び出し : 10.0 雑学 : 10.0
#1🥇 #1	Gemini 3.6 Flashhigh	9.9	Google	$0.699 ↓	16.81s
モデルカードを見る合計テスト数 22 誤答テスト数 1 信頼性 10.0 試行ごとの合格率 98.5% 不安定なテスト 1 入力トークン 71,470 出力トークン 3,276 推論トークン 168,709 応答時間（平均） 16.81s 応答時間（合計） 369.88s 応答時間（最大） 104.15s 不正解: 1 反AIトリック : 10.0 コーディング : 10.0 複合 : 10.0 データ解析と抽出 : 10.0 ドメイン特化 : 8.2 汎用知能 : 10.0 指示追従 : 10.0 パズル解決 : 10.0 ツール呼び出し : 10.0 雑学 : 10.0

←

1 9 10

クイック比較

Gemini 3.6 FlashhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low GPT-5.5lowvsGrok 4.6high Grok 4.6highvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsGemini 3.7 Flashlow

AI Benchy リーダーボード

おすすめモデル

モデルを絞り込む

クイック比較