AI BENCHY

AIベンチマークリーダーボード

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: 2026-06-04 評価済みモデル数: 163

163/163

順位	モデル	スコア	企業	合計コスト	応答時間（平均）
#123#123	MiMo-V2.5-Pronone	5.5	Xiaomi	$0.017 ↓	1.78s
モデルカードを見る合計テスト数 21 誤答テスト数 15 信頼性 10.0 試行ごとの合格率 39.7% 不安定なテスト 4 入力トークン 30,724 出力トークン 3,043 推論トークン 0 応答時間（平均） 1.78s 応答時間（合計） 37.42s 応答時間（最大） 8.32s 不正解: 11 指示に従っていない: 4 反AIトリック : 3.3 コーディング : 4.3 複合 : 3.0 データ解析と抽出 : 10.0 ドメイン特化 : 5.3 汎用知能 : 4.0 指示追従 : 6.4 パズル解決 : 6.7 ツール呼び出し : 10.0 雑学 : 3.0
#131#131	Qwen3.5-122B-A10Bnone	5.3	Qwen	$0.020 ↓	3.41s
モデルカードを見る合計テスト数 21 誤答テスト数 15 信頼性 10.0 試行ごとの合格率 31.8% 不安定なテスト 1 入力トークン 47,735 出力トークン 3,383 推論トークン 0 応答時間（平均） 3.41s 応答時間（合計） 71.59s 応答時間（最大） 46.00s 不正解: 13 指示に従っていない: 2 反AIトリック : 4.8 コーディング : 3.7 複合 : 3.0 データ解析と抽出 : 10.0 ドメイン特化 : 5.3 汎用知能 : 5.0 指示追従 : 6.3 パズル解決 : 3.8 ツール呼び出し : 10.0 雑学 : 3.0
#133#133	DeepSeek V3.2none	5.2	DeepSeek	$0.017 ↓	13.83s
モデルカードを見る合計テスト数 21 誤答テスト数 15 信頼性 10.0 試行ごとの合格率 39.7% 不安定なテスト 6 入力トークン 55,997 出力トークン 11,165 推論トークン 0 応答時間（平均） 13.83s 応答時間（合計） 290.43s 応答時間（最大） 115.89s 不正解: 7 API エラー: 4 余分な書式: 2 指示に従っていない: 1 無効なツール呼び出し: 1 反AIトリック : 3.2 コーディング : 3.1 複合 : 6.5 データ解析と抽出 : 6.3 ドメイン特化 : 2.9 汎用知能 : 4.7 指示追従 : 10.0 パズル解決 : 7.6 ツール呼び出し : 10.0 雑学 : 3.0
#134#134	GLM 5 Turbonone	5.2	Z.ai	$0.047 ↑	2.82s
モデルカードを見る合計テスト数 21 誤答テスト数 15 信頼性 10.0 試行ごとの合格率 31.8% 不安定なテスト 2 入力トークン 32,525 出力トークン 1,815 推論トークン 0 応答時間（平均） 2.82s 応答時間（合計） 59.29s 応答時間（最大） 8.21s 不正解: 13 指示に従っていない: 2 反AIトリック : 3.0 コーディング : 3.9 複合 : 3.0 データ解析と抽出 : 10.0 ドメイン特化 : 5.3 汎用知能 : 4.2 指示追従 : 6.5 パズル解決 : 5.5 ツール呼び出し : 10.0 雑学 : 3.0
#135#135	Kimi K2.5none	5.2	Moonshot AI	$0.028 ↑	13.18s
モデルカードを見る合計テスト数 21 誤答テスト数 15 信頼性 10.0 試行ごとの合格率 34.9% 不安定なテスト 3 入力トークン 36,034 出力トークン 6,657 推論トークン 0 応答時間（平均） 13.18s 応答時間（合計） 184.47s 応答時間（最大） 42.13s 不正解: 15 反AIトリック : 3.6 コーディング : 5.5 複合 : 2.8 データ解析と抽出 : 7.3 ドメイン特化 : 5.3 汎用知能 : 10.0 指示追従 : 6.5 パズル解決 : 3.0 ツール呼び出し : 10.0 雑学 : 3.0
#136#136	Elephant Alphamedium	5.1	Openrouter	$0.000	1.27s
モデルカードを見る合計テスト数 21 誤答テスト数 15 信頼性該当なし試行ごとの合格率 30.2% 不安定なテスト 1 入力トークン 33,744 出力トークン 2,596 推論トークン 0 応答時間（平均） 1.27s 応答時間（合計） 22.82s 応答時間（最大） 3.70s 不正解: 9 API エラー: 3 指示に従っていない: 2 無効なツール呼び出し: 1 反AIトリック : 6.6 コーディング : 3.7 複合 : 3.0 データ解析と抽出 : 6.5 ドメイン特化 : 3.0 汎用知能 : 4.3 指示追従 : 9.8 パズル解決 : 5.3 ツール呼び出し : 3.0 雑学 : 3.0
#138#138	Ling-2.6-flashnone	5.0	Inclusionai	$0.001 ↑	9.34s
モデルカードを見る合計テスト数 21 誤答テスト数 15 信頼性 10.0 試行ごとの合格率 31.8% 不安定なテスト 2 入力トークン 40,718 出力トークン 2,878 推論トークン 0 応答時間（平均） 9.34s 応答時間（合計） 177.48s 応答時間（最大） 35.34s 不正解: 9 API エラー: 2 指示に従っていない: 2 無効なツール呼び出し: 2 反AIトリック : 6.8 コーディング : 5.3 複合 : 3.0 データ解析と抽出 : 6.5 ドメイン特化 : 3.0 汎用知能 : 4.0 指示追従 : 9.8 パズル解決 : 2.9 ツール呼び出し : 3.0 雑学 : 3.0
#107#107	Laguna Xs.2medium	5.8	Poolside	$0.000	6.73s
モデルカードを見る合計テスト数 19 誤答テスト数 13 信頼性 10.0 試行ごとの合格率 50.9% 不安定なテスト 6 入力トークン 39,481 出力トークン 54,218 推論トークン 0 応答時間（平均） 6.73s 応答時間（合計） 100.98s 応答時間（最大） 29.11s 不正解: 6 API エラー: 4 回答なし: 2 無効なツール呼び出し: 1 反AIトリック : 6.9 コーディング : 6.3 複合 : 3.0 データ解析と抽出 : 7.1 ドメイン特化 : 4.1 汎用知能 : 3.0 指示追従 : 10.0 パズル解決 : 5.3 ツール呼び出し : 4.7 雑学 : 3.0
#126#126	gpt-oss-120bnone	5.4	OpenAI	$0.010 ↓	21.61s
モデルカードを見る合計テスト数 19 誤答テスト数 13 信頼性 10.0 試行ごとの合格率 38.6% 不安定なテスト 2 入力トークン 9,081 出力トークン 51,664 推論トークン 0 応答時間（平均） 21.61s 応答時間（合計） 345.79s 応答時間（最大） 113.71s 不正解: 8 API エラー: 3 指示に従っていない: 2 反AIトリック : 6.5 コーディング : 4.3 複合 : 3.0 データ解析と抽出 : 6.5 ドメイン特化 : 3.0 汎用知能 : 4.8 指示追従 : 9.8 パズル解決 : 6.0 ツール呼び出し : 3.0 雑学 : 3.0
#106#106	Grok 4.20 Betanone	5.8	X AI	$0.087 ↓	1.19s
モデルカードを見る合計テスト数 18 誤答テスト数 12 信頼性該当なし試行ごとの合格率 37.0% 不安定なテスト 1 入力トークン 40,597 出力トークン 1,657 推論トークン 0 応答時間（平均） 1.19s 応答時間（合計） 21.43s 応答時間（最大） 6.48s 不正解: 10 指示に従っていない: 1 無効なツール呼び出し: 1 反AIトリック : 4.0 コーディング : 5.5 複合 : 3.0 データ解析と抽出 : 10.0 ドメイン特化 : 3.0 汎用知能 : 5.0 指示追従 : 6.3 パズル解決 : 7.7 ツール呼び出し : 10.0
#112#112	GLM 5.1none	5.7	Z.ai	$0.058 ↓	4.10s
モデルカードを見る合計テスト数 21 誤答テスト数 14 信頼性 10.0 試行ごとの合格率 41.3% 不安定なテスト 4 入力トークン 47,133 出力トークン 3,754 推論トークン 0 応答時間（平均） 4.10s 応答時間（合計） 86.18s 応答時間（最大） 32.57s 不正解: 13 無効なツール呼び出し: 1 反AIトリック : 4.0 コーディング : 3.9 複合 : 2.8 データ解析と抽出 : 10.0 ドメイン特化 : 2.9 汎用知能 : 5.0 指示追従 : 9.8 パズル解決 : 7.7 ツール呼び出し : 10.0 雑学 : 3.0
#113#113	DeepSeek V4 Pronone	5.7	DeepSeek	$0.025 ↓	12.38s
モデルカードを見る合計テスト数 21 誤答テスト数 14 信頼性 8.5 試行ごとの合格率 42.9% 不安定なテスト 4 入力トークン 44,845 出力トークン 5,349 推論トークン 0 応答時間（平均） 12.38s 応答時間（合計） 260.06s 応答時間（最大） 58.65s 不正解: 10 指示に従っていない: 2 API エラー: 1 余分な書式: 1 反AIトリック : 3.5 コーディング : 4.6 複合 : 9.5 データ解析と抽出 : 6.9 ドメイン特化 : 5.3 汎用知能 : 4.3 指示追従 : 6.3 パズル解決 : 7.6 ツール呼び出し : 10.0 雑学 : 3.0
#114#114	Qwen3.5 Plus 2026-04-20none	5.7	Qwen	$0.032 ↓	4.39s
モデルカードを見る合計テスト数 21 誤答テスト数 14 信頼性 10.0 試行ごとの合格率 41.3% 不安定なテスト 4 入力トークン 38,910 出力トークン 11,145 推論トークン 0 応答時間（平均） 4.39s 応答時間（合計） 92.26s 応答時間（最大） 33.34s 不正解: 12 指示に従っていない: 2 反AIトリック : 4.8 コーディング : 3.9 複合 : 2.8 データ解析と抽出 : 10.0 ドメイン特化 : 5.3 汎用知能 : 4.8 指示追従 : 6.2 パズル解決 : 6.7 ツール呼び出し : 10.0 雑学 : 3.0
#115#115	Qwen3.5-27Bnone	5.7	Qwen	$0.015 ↓	1.68s
モデルカードを見る合計テスト数 21 誤答テスト数 14 信頼性 10.0 試行ごとの合格率 38.1% 不安定なテスト 2 入力トークン 44,478 出力トークン 3,592 推論トークン 0 応答時間（平均） 1.68s 応答時間（合計） 35.25s 応答時間（最大） 9.39s 不正解: 12 指示に従っていない: 2 反AIトリック : 4.8 コーディング : 5.8 複合 : 2.8 データ解析と抽出 : 10.0 ドメイン特化 : 3.0 汎用知能 : 5.0 指示追従 : 6.3 パズル解決 : 6.7 ツール呼び出し : 10.0 雑学 : 3.0
#116#116	Hunter Alphanone	5.7	OpenRouter	$0.000	4.70s
モデルカードを見る合計テスト数 18 誤答テスト数 12 信頼性該当なし試行ごとの合格率 46.3% 不安定なテスト 4 入力トークン 34,329 出力トークン 2,264 推論トークン 0 応答時間（平均） 4.70s 応答時間（合計） 79.86s 応答時間（最大） 15.17s 不正解: 9 指示に従っていない: 2 API エラー: 1 反AIトリック : 3.5 コーディング : 3.0 複合 : 3.0 データ解析と抽出 : 10.0 ドメイン特化 : 5.3 汎用知能 : 6.1 指示追従 : 6.4 パズル解決 : 5.8 ツール呼び出し : 10.0
#117#117	Qwen3.5-35B-A3Bnone	5.6	Qwen	$0.012 ↓	3.37s
モデルカードを見る合計テスト数 21 誤答テスト数 14 信頼性 10.0 試行ごとの合格率 42.9% 不安定なテスト 3 入力トークン 48,194 出力トークン 4,343 推論トークン 0 応答時間（平均） 3.37s 応答時間（合計） 70.75s 応答時間（最大） 47.43s 不正解: 12 指示に従っていない: 2 反AIトリック : 3.4 コーディング : 5.5 複合 : 3.0 データ解析と抽出 : 10.0 ドメイン特化 : 7.7 汎用知能 : 6.5 指示追従 : 6.3 パズル解決 : 3.7 ツール呼び出し : 10.0 雑学 : 3.0
#118#118	Qwen3.6 27Bnone	5.6	Qwen	$0.028 ↓	3.72s
モデルカードを見る合計テスト数 21 誤答テスト数 14 信頼性 10.0 試行ごとの合格率 47.6% 不安定なテスト 6 入力トークン 52,721 出力トークン 3,812 推論トークン 0 応答時間（平均） 3.72s 応答時間（合計） 78.08s 応答時間（最大） 11.82s 不正解: 11 指示に従っていない: 2 無効なツール呼び出し: 1 反AIトリック : 3.8 コーディング : 5.5 複合 : 3.0 データ解析と抽出 : 7.3 ドメイン特化 : 7.7 汎用知能 : 5.2 指示追従 : 6.2 パズル解決 : 5.3 ツール呼び出し : 9.5 雑学 : 3.0
#119#119	Cobuddymedium	5.6	Baidu	$0.000	39.90s
モデルカードを見る合計テスト数 21 誤答テスト数 14 信頼性 10.0 試行ごとの合格率 47.6% 不安定なテスト 6 入力トークン 37,449 出力トークン 1,677 推論トークン 116,703 応答時間（平均） 39.90s 応答時間（合計） 797.98s 応答時間（最大） 309.02s 不正解: 9 指示に従っていない: 3 API エラー: 1 無効なツール呼び出し: 1 反AIトリック : 8.7 コーディング : 3.7 複合 : 3.0 データ解析と抽出 : 6.3 ドメイン特化 : 2.9 汎用知能 : 4.2 指示追従 : 9.8 パズル解決 : 3.6 ツール呼び出し : 10.0 雑学 : 3.0
#120#120	Mimo V2 PROnone	5.6	Xiaomi	$0.045 ↓	2.27s
モデルカードを見る合計テスト数 21 誤答テスト数 14 信頼性 10.0 試行ごとの合格率 41.3% 不安定なテスト 3 入力トークン 39,344 出力トークン 2,352 推論トークン 0 応答時間（平均） 2.27s 応答時間（合計） 45.50s 応答時間（最大） 6.58s 不正解: 11 指示に従っていない: 2 API エラー: 1 反AIトリック : 3.5 コーディング : 5.5 複合 : 3.0 データ解析と抽出 : 10.0 ドメイン特化 : 5.3 汎用知能 : 4.3 指示追従 : 6.5 パズル解決 : 6.0 ツール呼び出し : 10.0 雑学 : 3.0
#121#121	Owl Alphanone	5.5	Openrouter	$0.000	9.88s
モデルカードを見る合計テスト数 21 誤答テスト数 14 信頼性 10.0 試行ごとの合格率 36.5% 不安定なテスト 1 入力トークン 42,283 出力トークン 5,913 推論トークン 0 応答時間（平均） 9.88s 応答時間（合計） 207.38s 応答時間（最大） 47.10s 不正解: 10 指示に従っていない: 3 余分な書式: 1 反AIトリック : 3.4 コーディング : 5.6 複合 : 3.0 データ解析と抽出 : 10.0 ドメイン特化 : 5.3 汎用知能 : 4.3 指示追従 : 6.4 パズル解決 : 5.4 ツール呼び出し : 10.0 雑学 : 3.0
#124#124	Kimi K2.6none	5.5	Moonshot AI	$0.079 ↓	13.27s
モデルカードを見る合計テスト数 21 誤答テスト数 14 信頼性 10.0 試行ごとの合格率 36.5% 不安定なテスト 2 入力トークン 32,916 出力トークン 16,410 推論トークン 0 応答時間（平均） 13.27s 応答時間（合計） 278.57s 応答時間（最大） 238.89s 不正解: 11 指示に従っていない: 3 反AIトリック : 4.6 コーディング : 5.5 複合 : 3.0 データ解析と抽出 : 10.0 ドメイン特化 : 5.3 汎用知能 : 5.4 指示追従 : 6.5 パズル解決 : 3.1 ツール呼び出し : 10.0 雑学 : 3.0
#125#125	GPT-5.4none	5.5	OpenAI	$0.122	1.42s
モデルカードを見る合計テスト数 21 誤答テスト数 14 信頼性 10.0 試行ごとの合格率 36.5% 不安定なテスト 2 入力トークン 34,212 出力トークン 2,417 推論トークン 0 応答時間（平均） 1.42s 応答時間（合計） 29.87s 応答時間（最大） 2.95s 不正解: 13 指示に従っていない: 1 反AIトリック : 3.2 コーディング : 5.5 複合 : 3.0 データ解析と抽出 : 10.0 ドメイン特化 : 5.3 汎用知能 : 4.4 指示追従 : 6.5 パズル解決 : 5.6 ツール呼び出し : 10.0 雑学 : 3.0
#127#127	Grok 4.20none	5.4	X AI	$0.057 ↓	1.11s
モデルカードを見る合計テスト数 18 誤答テスト数 12 信頼性該当なし試行ごとの合格率 33.3% 不安定なテスト 0 入力トークン 41,313 出力トークン 1,923 推論トークン 0 応答時間（平均） 1.11s 応答時間（合計） 19.96s 応答時間（最大） 6.04s 不正解: 10 余分な書式: 1 無効なツール呼び出し: 1 反AIトリック : 4.8 コーディング : 3.4 複合 : 3.0 データ解析と抽出 : 10.0 ドメイン特化 : 3.0 汎用知能 : 4.8 指示追従 : 6.3 パズル解決 : 5.3 ツール呼び出し : 10.0
#128#128	Qwen3.6 Flashnone	5.4	Qwen	$0.015 ↓	1.60s
モデルカードを見る合計テスト数 21 誤答テスト数 14 信頼性 10.0 試行ごとの合格率 33.3% 不安定なテスト 0 入力トークン 50,810 出力トークン 4,164 推論トークン 0 応答時間（平均） 1.60s 応答時間（合計） 33.59s 応答時間（最大） 4.60s 不正解: 12 指示に従っていない: 1 無効なツール呼び出し: 1 反AIトリック : 3.1 コーディング : 5.4 複合 : 3.0 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 : 6.3 パズル解決 : 3.5 ツール呼び出し : 10.0 雑学 : 3.0
#100#100	Grok Build 0.1none	6.0	X AI	$0.547	28.69s
モデルカードを見る合計テスト数 19 誤答テスト数 12 信頼性 10.0 試行ごとの合格率 50.9% 不安定なテスト 4 入力トークン 11,793 出力トークン 267,275 推論トークン 0 応答時間（平均） 28.69s 応答時間（合計） 459.00s 応答時間（最大） 138.35s 不正解: 7 API エラー: 3 指示に従っていない: 2 反AIトリック : 8.7 コーディング : 10.0 複合 : 3.0 データ解析と抽出 : 3.8 ドメイン特化 : 3.6 汎用知能 : 4.3 指示追従 : 9.8 パズル解決 : 6.4 ツール呼び出し : 3.0 雑学 : 3.0
#101#101	Mimo V2 Omninone	6.0	Xiaomi	$0.021 ↓	2.44s
モデルカードを見る合計テスト数 21 誤答テスト数 13 信頼性 10.0 試行ごとの合格率 39.7% 不安定なテスト 1 入力トークン 40,852 出力トークン 3,314 推論トークン 0 応答時間（平均） 2.44s 応答時間（合計） 48.81s 応答時間（最大） 6.81s 不正解: 10 API エラー: 1 余分な書式: 1 指示に従っていない: 1 反AIトリック : 3.6 コーディング : 4.4 複合 : 3.0 データ解析と抽出 : 10.0 ドメイン特化 : 5.3 汎用知能 : 4.1 指示追従 : 6.5 パズル解決 : 10.0 ツール呼び出し : 10.0 雑学 : 3.0
#102#102	Gemma 4 26B A4Bnone	6.0	Google	$0.004 ↓	5.91s
モデルカードを見る合計テスト数 21 誤答テスト数 13 信頼性 10.0 試行ごとの合格率 44.4% 不安定なテスト 2 入力トークン 40,038 出力トークン 1,824 推論トークン 0 応答時間（平均） 5.91s 応答時間（合計） 124.05s 応答時間（最大） 57.10s 不正解: 10 指示に従っていない: 2 タイムアウト: 1 反AIトリック : 8.3 コーディング : 3.7 複合 : 3.0 データ解析と抽出 : 10.0 ドメイン特化 : 3.6 汎用知能 : 4.0 指示追従 : 6.3 パズル解決 : 6.2 ツール呼び出し : 10.0 雑学 : 3.0
#103#103	DeepSeek V4 Prohigh	6.0	DeepSeek	$0.079 ↓	65.21s
モデルカードを見る合計テスト数 21 誤答テスト数 13 信頼性 9.0 試行ごとの合格率 52.4% 不安定なテスト 6 入力トークン 32,240 出力トークン 12,250 推論トークン 72,257 応答時間（平均） 65.21s 応答時間（合計） 1304.19s 応答時間（最大） 358.35s API エラー: 5 不正解: 4 タイムアウト: 3 指示に従っていない: 1 反AIトリック : 6.4 コーディング : 3.3 複合 : 10.0 データ解析と抽出 : 7.3 ドメイン特化 : 2.9 汎用知能 : 6.1 指示追従 : 10.0 パズル解決 : 5.9 ツール呼び出し : 10.0 雑学 : 3.0
#104#104	Nemotron 3 Ultra 550b A55bnone	6.0	NVIDIA	$0.000	2.27s
モデルカードを見る合計テスト数 21 誤答テスト数 13 信頼性 10.0 試行ごとの合格率 44.4% 不安定なテスト 2 入力トークン 43,326 出力トークン 2,138 推論トークン 0 応答時間（平均） 2.27s 応答時間（合計） 47.65s 応答時間（最大） 13.49s 不正解: 12 指示に従っていない: 1 反AIトリック : 3.5 コーディング : 5.5 複合 : 3.0 データ解析と抽出 : 10.0 ドメイン特化 : 5.3 汎用知能 : 5.0 指示追従 : 10.0 パズル解決 : 5.9 ツール呼び出し : 10.0 雑学 : 3.0
#105#105	Nemotron 3 Supermedium	5.8	NVIDIA	$0.021 ↑	32.00s
モデルカードを見る合計テスト数 21 誤答テスト数 13 信頼性 10.0 試行ごとの合格率 41.3% 不安定なテスト 2 入力トークン 37,527 出力トークン 14,850 推論トークン 33,754 応答時間（平均） 32.00s 応答時間（合計） 607.91s 応答時間（最大） 232.25s 不正解: 5 API エラー: 3 指示に従っていない: 3 回答なし: 1 タイムアウト: 1 反AIトリック : 8.3 コーディング : 3.1 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 : 4.1 指示追従 : 7.3 パズル解決 : 3.0 ツール呼び出し : 10.0 雑学 : 3.0

クイック比較

Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashlow Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsQwen3.7 Maxmedium Gemini 3 Flash PreviewmediumvsGPT-5.5low Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashmedium Gemini 3 Flash PreviewmediumvsNemotron 3 Ultra 550b A55bmedium無料で利用可能 Gemini 3.5 FlashhighvsGemini 3.5 Flashlow Gemini 3.5 FlashlowvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGPT-5.5low GPT-5.5lowvsGemini 3.5 Flashmedium

AIベンチマーク リーダーボード

モデルを絞り込む

クイック比較

AIベンチマークリーダーボード