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: 2026-10-01 評価済みモデル数: 382

382/382

順位	モデル	スコア	企業	合計コスト	応答時間（平均）
#7#7	GPT-6 Astrahigh	9.9	OpenAI	$4.458	20.16s
モデルカードを見る合計テスト数 23 誤答テスト数 1 信頼性 9.9 試行ごとの合格率 97.1% 不安定なテスト 1 入力トークン 167,805 出力トークン 5,651 推論トークン 49,944 応答時間（平均） 20.16s 応答時間（合計） 463.68s 応答時間（最大） 254.93s 不正解: 1 エージェントタスク : 10.0 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 : 7.6 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
#8#8	GPT-6 Astraxhigh	9.9	OpenAI	$6.213	29.67s
モデルカードを見る合計テスト数 23 誤答テスト数 1 信頼性 9.9 試行ごとの合格率 97.1% 不安定なテスト 1 入力トークン 170,731 出力トークン 5,865 推論トークン 84,230 応答時間（平均） 29.67s 応答時間（合計） 682.42s 応答時間（最大） 381.11s 不正解: 1 エージェントタスク : 10.0 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 : 7.6 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	GPT-6 Solhigh	9.9	OpenAI	$0.921	23.56s
モデルカードを見る合計テスト数 23 誤答テスト数 1 信頼性 10.0 試行ごとの合格率 95.7% 不安定なテスト 0 入力トークン 182,698 出力トークン 5,647 推論トークン 49,872 応答時間（平均） 23.56s 応答時間（合計） 541.85s 応答時間（最大） 136.22s 不正解: 1 エージェントタスク : 10.0 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 : 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-6.1 Solmax	9.9	OpenAI	$1.006	61.98s
モデルカードを見る合計テスト数 23 誤答テスト数 1 信頼性 9.7 試行ごとの合格率 95.7% 不安定なテスト 0 入力トークン 183,607 出力トークン 5,741 推論トークン 58,082 応答時間（平均） 61.98s 応答時間（合計） 1425.65s 応答時間（最大） 960.01s タイムアウト: 1 エージェントタスク : 10.0 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 : 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
#5#5	GPT-6 Astramax	9.9	OpenAI	$5.044	61.63s
モデルカードを見る合計テスト数 23 誤答テスト数 1 信頼性 9.6 試行ごとの合格率 95.7% 不安定なテスト 0 入力トークン 181,223 出力トークン 5,707 推論トークン 58,909 応答時間（平均） 61.63s 応答時間（合計） 1417.51s 応答時間（最大） 960.01s タイムアウト: 1 エージェントタスク : 10.0 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 : 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
#1🥇 #1	Gemini 3.6 Flashhigh	9.9	Google	$0.900 ↓	18.93s
モデルカードを見る合計テスト数 23 誤答テスト数 1 信頼性 10.0 試行ごとの合格率 98.6% 不安定なテスト 1 入力トークン 238,080 出力トークン 4,211 推論トークン 188,109 応答時間（平均） 18.93s 応答時間（合計） 435.48s 応答時間（最大） 104.15s 不正解: 1 エージェントタスク : 10.0 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
#2🥈 #2	Gemini 3.8 Flashhigh	9.9	Google	$1.927	40.60s
モデルカードを見る合計テスト数 23 誤答テスト数 1 信頼性 10.0 試行ごとの合格率 98.6% 不安定なテスト 1 入力トークン 334,568 出力トークン 11,394 推論トークン 435,334 応答時間（平均） 40.60s 応答時間（合計） 933.73s 応答時間（最大） 177.08s 回答なし: 1 エージェントタスク : 10.0 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 15 16

ベンチマーク全体の推移

現在のモデルがスコア、コスト、速度、出力の長さ、カテゴリ別性能をどう両立しているか確認できます。

チャート →

知能とコストのパレートフロンティア

主要企業の最高スコアの推移

知能と応答速度のパレートフロンティア

スコアと出力トークンのパレートフロンティア

モデル全体で見たカテゴリ難易度

クイック比較

Gemini 3.6 FlashhighvsGemini 3.8 Flashhigh Gemini 3.8 FlashhighvsGPT-6 Solhigh GPT-6 SolhighvsGPT-6.1 Solmax GPT-6.1 SolmaxvsGPT-6 Astramax GPT-6 AstramaxvsGPT-6.1 Solxhigh GPT-6.1 SolxhighvsGPT-6 Astrahigh GPT-6 AstrahighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-6.1 Solmedium GPT-6.1 SolmediumvsGPT-6.1 Solhigh GPT-6.1 SolhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow