AI BENCHY

AIベンチマークリーダーボード

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: 2026-05-10 評価済みモデル数: 144

144/144

順位	モデル	スコア	企業	合計コスト	応答時間（平均）	正解テスト
#144#144	Granite 4.1 8Bnone	4.1	IBM Granite	$0.003	743ms
モデルカードを見る合計テスト数 19 誤答テスト数 17 信頼性 10.0 試行ごとの合格率 10.5% 不安定なテスト 0 出力トークン 2,724 推論トークン 0 応答時間（平均） 743ms 応答時間（合計） 14.11s 応答時間（最大） 2.17s 不正解: 12 指示に従っていない: 4 無効なツール呼び出し: 1 反AIトリック : 4.9 コーディング : 6.9 複合 : 3.0 データ解析と抽出 : 3.0 ドメイン特化 : 3.0 汎用知能 : 4.0 指示追従 : 3.6 パズル解決 : 3.2 ツール呼び出し : 10.0 雑学 : 3.0
#143#143	LFM2-24B-A2Bnone	4.2	Liquid	$0.001	811ms
モデルカードを見る合計テスト数 16 誤答テスト数 14 信頼性該当なし試行ごとの合格率 18.8% 不安定なテスト 2 出力トークン 1,185 推論トークン 0 応答時間（平均） 811ms 応答時間（合計） 11.35s 応答時間（最大） 2.88s 不正解: 8 API エラー: 4 指示に従っていない: 2 反AIトリック : 3.3 複合 : 3.0 データ解析と抽出 : 3.0 ドメイン特化 : 5.9 汎用知能 : 4.0 指示追従 : 6.3 パズル解決 : 3.7 ツール呼び出し : 3.0
#142#142	Qwen3.5-9Bmedium	4.3	Qwen	$0.035	80.10s
モデルカードを見る合計テスト数 19 誤答テスト数 16 信頼性 3.3 試行ごとの合格率 33.3% 不安定なテスト 7 出力トークン 27,365 推論トークン 202,291 応答時間（平均） 80.10s 応答時間（合計） 1281.62s 応答時間（最大） 226.38s タイムアウト: 10 不正解: 3 余分な書式: 1 指示に従っていない: 1 回答なし: 1 反AIトリック : 5.1 コーディング : 2.6 複合 : 3.0 データ解析と抽出 : 3.6 ドメイン特化 : 3.6 汎用知能 : 2.8 指示追従 : 6.4 パズル解決 : 2.9 ツール呼び出し : 10.0 雑学 : 3.0
#141#141	Grok 4.1 Fastnone	4.4	X AI	$0.009	1.67s
モデルカードを見る合計テスト数 19 誤答テスト数 16 信頼性 10.0 試行ごとの合格率 22.8% 不安定なテスト 3 出力トークン 1,733 推論トークン 0 応答時間（平均） 1.67s 応答時間（合計） 20.08s 応答時間（最大） 5.51s 不正解: 13 指示に従っていない: 3 反AIトリック : 3.2 コーディング : 5.3 複合 : 3.0 データ解析と抽出 : 10.0 ドメイン特化 : 5.9 汎用知能 : 4.4 指示追従 : 3.0 パズル解決 : 3.0 ツール呼び出し : 2.8 雑学 : 3.0
#140#140	Ling-2.6-1Tnone	4.5	Inclusionai	$0.000	8.79s
モデルカードを見る合計テスト数 19 誤答テスト数 15 信頼性該当なし試行ごとの合格率 16.7% 不安定なテスト 0 出力トークン 2,434 推論トークン 0 応答時間（平均） 8.79s 応答時間（合計） 158.19s 応答時間（最大） 25.72s 不正解: 12 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 : 3.4 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 : 3.0 汎用知能 : 5.0 指示追従 : 6.4 パズル解決 : 3.1 ツール呼び出し : 3.0 雑学 : 0.0
#139#139	MiMo-V2-Flashnone	4.5	Xiaomi	$0.023	2.73s
モデルカードを見る合計テスト数 19 誤答テスト数 16 信頼性 10.0 試行ごとの合格率 26.3% 不安定なテスト 5 出力トークン 68,534 推論トークン 0 応答時間（平均） 2.73s 応答時間（合計） 40.90s 応答時間（最大） 19.68s 不正解: 13 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 : 3.2 コーディング : 6.3 複合 : 3.0 データ解析と抽出 : 2.9 ドメイン特化 : 5.3 汎用知能 : 4.6 指示追従 : 6.5 パズル解決 : 3.6 ツール呼び出し : 10.0 雑学 : 3.0
#138#138	GLM 4.7 Flashmedium	4.5	Z.ai	$0.046	30.57s
モデルカードを見る合計テスト数 19 誤答テスト数 15 信頼性 10.0 試行ごとの合格率 36.8% 不安定なテスト 8 出力トークン 39,759 推論トークン 73,598 応答時間（平均） 30.57s 応答時間（合計） 366.78s 応答時間（最大） 174.55s 不正解: 9 指示に従っていない: 2 回答なし: 2 無効なツール呼び出し: 1 タイムアウト: 1 反AIトリック : 4.7 コーディング : 3.6 複合 : 2.8 データ解析と抽出 : 6.3 ドメイン特化 : 3.5 汎用知能 : 3.6 指示追従 : 6.2 パズル解決 : 2.9 ツール呼び出し : 10.0 雑学 : 3.0
#137#137	GPT-5.4 Nanonone	4.5	OpenAI	$0.010	1.36s
モデルカードを見る合計テスト数 19 誤答テスト数 16 信頼性 10.0 試行ごとの合格率 31.6% 不安定なテスト 6 出力トークン 2,783 推論トークン 0 応答時間（平均） 1.36s 応答時間（合計） 25.91s 応答時間（最大） 3.84s 不正解: 14 指示に従っていない: 2 反AIトリック : 3.5 コーディング : 7.1 複合 : 3.0 データ解析と抽出 : 6.5 ドメイン特化 : 2.9 汎用知能 : 3.8 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
#136#136	Nemotron 3 Nano Omni 30b A3b Reasoningnone	4.6	NVIDIA	$0.000	726ms
モデルカードを見る合計テスト数 19 誤答テスト数 11 信頼性 10.0 試行ごとの合格率 25.6% 不安定なテスト 2 出力トークン 1,267 推論トークン 0 応答時間（平均） 726ms 応答時間（合計） 9.44s 応答時間（最大） 2.21s 不正解: 10 指示に従っていない: 1 反AIトリック : 5.3 コーディング : 10.0 複合 : 0.0 データ解析と抽出 : 3.8 ドメイン特化 : 3.6 汎用知能 : 0.0 指示追従 : 4.3 パズル解決 : 3.0 ツール呼び出し : 0.0 雑学 : 0.0
#135#135	Hy3 previewnone	4.6	Tencent	$0.000	12.96s
モデルカードを見る合計テスト数 19 誤答テスト数 15 信頼性 10.0 試行ごとの合格率 26.3% 不安定なテスト 2 出力トークン 2,654 推論トークン 0 応答時間（平均） 12.96s 応答時間（合計） 233.26s 応答時間（最大） 35.84s 不正解: 8 指示に従っていない: 4 API エラー: 2 余分な書式: 1 反AIトリック : 4.8 コーディング : 2.3 複合 : 3.0 データ解析と抽出 : 6.5 ドメイン特化 : 3.6 汎用知能 : 4.1 指示追従 : 6.3 パズル解決 : 3.1 ツール呼び出し : 10.0 雑学 : 3.0
#134#134	Qwen3.5-9Bnone	4.7	Qwen	$0.005	1.51s
モデルカードを見る合計テスト数 19 誤答テスト数 15 信頼性 10.0 試行ごとの合格率 22.8% 不安定なテスト 1 出力トークン 3,957 推論トークン 0 応答時間（平均） 1.51s 応答時間（合計） 28.75s 応答時間（最大） 5.91s 不正解: 12 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 : 3.1 コーディング : 5.2 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 : 4.4 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
#133#133	Mercury 2none	4.7	Inception	$0.007	610ms
モデルカードを見る合計テスト数 19 誤答テスト数 15 信頼性 10.0 試行ごとの合格率 26.3% 不安定なテスト 2 出力トークン 1,644 推論トークン 0 応答時間（平均） 610ms 応答時間（合計） 11.59s 応答時間（最大） 1.27s 不正解: 14 指示に従っていない: 1 反AIトリック : 3.0 コーディング : 3.6 複合 : 3.0 データ解析と抽出 : 7.3 ドメイン特化 : 5.3 汎用知能 : 4.8 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
#132#132	Trinity Large Previewnone	4.8	Arcee AI	$0.001	3.03s
モデルカードを見る合計テスト数 19 誤答テスト数 15 信頼性 10.0 試行ごとの合格率 26.3% 不安定なテスト 3 出力トークン 2,190 推論トークン 0 応答時間（平均） 3.03s 応答時間（合計） 57.60s 応答時間（最大） 14.34s 不正解: 12 指示に従っていない: 3 反AIトリック : 3.1 コーディング : 4.9 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 : 4.5 指示追従 : 3.4 パズル解決 : 3.6 ツール呼び出し : 10.0 雑学 : 3.0
#131#131	Qwen3 Coder Nextmedium	4.8	Qwen	$0.008	9.95s
モデルカードを見る合計テスト数 19 誤答テスト数 15 信頼性 10.0 試行ごとの合格率 31.6% 不安定なテスト 3 出力トークン 3,253 推論トークン 0 応答時間（平均） 9.95s 応答時間（合計） 129.40s 応答時間（最大） 81.80s 不正解: 11 指示に従っていない: 3 タイムアウト: 1 反AIトリック : 3.5 コーディング : 4.7 複合 : 3.0 データ解析と抽出 : 6.5 ドメイン特化 : 5.3 汎用知能 : 6.3 指示追従 : 6.3 パズル解決 : 3.0 ツール呼び出し : 10.0 雑学 : 3.0
#130#130	MiMo-V2.5none	4.9	Xiaomi	$0.019	2.02s
モデルカードを見る合計テスト数 19 誤答テスト数 15 信頼性 10.0 試行ごとの合格率 28.1% 不安定なテスト 2 出力トークン 2,231 推論トークン 0 応答時間（平均） 2.02s 応答時間（合計） 38.45s 応答時間（最大） 6.86s 不正解: 12 指示に従っていない: 2 余分な書式: 1 反AIトリック : 3.5 コーディング : 10.0 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 : 4.4 指示追従 : 6.5 パズル解決 : 4.2 ツール呼び出し : 10.0 雑学 : 3.0
#129#129	GPT-4o-mininone	4.9	OpenAI	$0.005	1.90s
モデルカードを見る合計テスト数 19 誤答テスト数 14 信頼性 10.0 試行ごとの合格率 26.3% 不安定なテスト 0 出力トークン 1,962 推論トークン 0 応答時間（平均） 1.90s 応答時間（合計） 22.79s 応答時間（最大） 7.58s 不正解: 13 指示に従っていない: 1 反AIトリック : 4.8 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 : 3.0 汎用知能 : 4.0 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
#128#128	Qwen3.6 35B A3Bnone	5.0	Qwen	$0.019	2.73s
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 37.3% 不安定なテスト 5 出力トークン 17,515 推論トークン 0 応答時間（平均） 2.73s 応答時間（合計） 46.41s 応答時間（最大） 12.46s 不正解: 11 指示に従っていない: 2 反AIトリック : 3.6 コーディング : 10.0 複合 : 0.0 データ解析と抽出 : 10.0 ドメイン特化 : 3.5 汎用知能 : 4.4 指示追従 : 6.2 パズル解決 : 3.2 ツール呼び出し : 0.0 雑学 : 3.0
#127#127	GPT-5.4 Mininone	5.0	OpenAI	$0.032	1.18s
モデルカードを見る合計テスト数 19 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 3 出力トークン 2,461 推論トークン 0 応答時間（平均） 1.18s 応答時間（合計） 22.34s 応答時間（最大） 2.52s 不正解: 11 指示に従っていない: 3 反AIトリック : 3.1 コーディング : 10.0 複合 : 3.0 データ解析と抽出 : 10.0 ドメイン特化 : 3.5 汎用知能 : 4.8 指示追従 : 6.3 パズル解決 : 5.4 ツール呼び出し : 3.0 雑学 : 3.0
#126#126	Mistral Small 4none	5.1	Mistral	$0.006	651ms
モデルカードを見る合計テスト数 19 誤答テスト数 14 信頼性 10.0 試行ごとの合格率 29.8% 不安定なテスト 1 出力トークン 2,224 推論トークン 0 応答時間（平均） 651ms 応答時間（合計） 12.37s 応答時間（最大） 1.72s 不正解: 13 指示に従っていない: 1 反AIトリック : 3.4 コーディング : 4.5 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 : 4.0 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	MiniMax M2.7medium	5.1	Minimax	$0.095	30.62s
モデルカードを見る合計テスト数 19 誤答テスト数 15 信頼性 10.0 試行ごとの合格率 49.1% 不安定なテスト 10 出力トークン 8,052 推論トークン 66,239 応答時間（平均） 30.62s 応答時間（合計） 551.14s 応答時間（最大） 117.04s 不正解: 7 指示に従っていない: 5 タイムアウト: 2 無効なツール呼び出し: 1 反AIトリック : 7.9 コーディング : 10.0 複合 : 4.7 データ解析と抽出 : 6.3 ドメイン特化 : 3.0 汎用知能 : 3.9 指示追従 : 3.8 パズル解決 : 3.5 ツール呼び出し : 4.7 雑学 : 3.0
#124#124	Nemotron 3 Supernone	5.2	NVIDIA	$0.002	5.80s
モデルカードを見る合計テスト数 19 誤答テスト数 14 信頼性 10.0 試行ごとの合格率 35.1% 不安定なテスト 3 出力トークン 6,145 推論トークン 0 応答時間（平均） 5.80s 応答時間（合計） 110.20s 応答時間（最大） 16.45s 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 : 3.3 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 : 4.6 指示追従 : 6.3 パズル解決 : 5.5 ツール呼び出し : 4.7 雑学 : 3.0
#123#123	Qwen3 Coder Nextnone	5.2	Qwen	$0.008	9.44s
モデルカードを見る合計テスト数 19 誤答テスト数 14 信頼性 10.0 試行ごとの合格率 29.8% 不安定なテスト 1 出力トークン 3,629 推論トークン 0 応答時間（平均） 9.44s 応答時間（合計） 122.73s 応答時間（最大） 45.14s 不正解: 12 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 : 7.3 複合 : 3.0 データ解析と抽出 : 6.5 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 : 3.0 ツール呼び出し : 10.0 雑学 : 3.0
#122#122	DeepSeek V4 Flashnone	5.2	DeepSeek	$0.008	28.01s
モデルカードを見る合計テスト数 19 誤答テスト数 14 信頼性 10.0 試行ごとの合格率 31.6% 不安定なテスト 2 出力トークン 4,464 推論トークン 0 応答時間（平均） 28.01s 応答時間（合計） 532.17s 応答時間（最大） 111.96s 不正解: 10 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 : 3.0 コーディング : 6.3 複合 : 4.5 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 : 3.1 ツール呼び出し : 10.0 雑学 : 3.0
#121#121	gpt-oss-120bnone	5.2	OpenAI	$0.011	21.86s
モデルカードを見る合計テスト数 19 誤答テスト数 14 信頼性 10.0 試行ごとの合格率 36.8% 不安定なテスト 3 出力トークン 51,505 推論トークン 0 応答時間（平均） 21.86s 応答時間（合計） 349.78s 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: 3 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 : 4.4 ツール呼び出し : 3.0 雑学 : 3.0
#120#120	Ling-2.6-flashnone	5.3	Inclusionai	$0.001	9.76s
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 35.1% 不安定なテスト 2 出力トークン 2,878 推論トークン 0 応答時間（平均） 9.76s 応答時間（合計） 185.37s 応答時間（最大） 35.34s 不正解: 9 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 : 10.0 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
#119#119	Laguna Xs.2none	5.3	Poolside	$0.000	806ms
モデルカードを見る合計テスト数 19 誤答テスト数 10 信頼性 10.0 試行ごとの合格率 33.3% 不安定なテスト 0 出力トークン 2,826 推論トークン 0 応答時間（平均） 806ms 応答時間（合計） 12.09s 応答時間（最大） 2.01s 不正解: 8 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 : 3.0 コーディング : 2.5 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 : 0.0 指示追従 : 6.5 パズル解決 : 6.5 ツール呼び出し : 3.0 雑学 : 0.0
#118#118	Elephant Alphanone	5.3	Openrouter	$0.000	1.23s
モデルカードを見る合計テスト数 19 誤答テスト数 13 信頼性該当なし試行ごとの合格率 31.5% 不安定なテスト 1 出力トークン 2,573 推論トークン 0 応答時間（平均） 1.23s 応答時間（合計） 22.16s 応答時間（最大） 3.81s 不正解: 9 指示に従っていない: 3 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 : 6.4 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 : 4.0 ツール呼び出し : 3.0 雑学 : 0.0
#117#117	Laguna M.1none	5.4	Poolside	$0.000	2.89s
モデルカードを見る合計テスト数 19 誤答テスト数 11 信頼性 9.8 試行ごとの合格率 40.0% 不安定なテスト 3 出力トークン 2,068 推論トークン 0 応答時間（平均） 2.89s 応答時間（合計） 43.40s 応答時間（最大） 15.42s 不正解: 10 無効なツール呼び出し: 1 反AIトリック : 3.6 コーディング : 7.5 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 : 0.0 指示追従 : 6.3 パズル解決 : 3.0 ツール呼び出し : 10.0 雑学 : 0.0
#116#116	GLM 5 Turbonone	5.4	Z.ai	$0.032	2.91s
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 35.1% 不安定なテスト 2 出力トークン 1,791 推論トークン 0 応答時間（平均） 2.91s 応答時間（合計） 55.35s 応答時間（最大） 8.21s 不正解: 11 指示に従っていない: 2 反AIトリック : 3.0 コーディング : 5.3 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 : 4.2 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
#115#115	Grok 4.20none	5.4	X AI	$0.095	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 35.2% 不安定なテスト 1 出力トークン 1,967 推論トークン 0 応答時間（平均） 1.11s 応答時間（合計） 20.02s 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

クイック比較

Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7medium Gemini 3 Flash PreviewmediumvsGPT-5.5medium Gemini 3 Flash PreviewmediumvsGPT-5.5low Gemini 3 Flash PreviewmediumvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewmediumvsQwen3.6 Max Previewmedium Gemini 3 Flash PreviewmediumvsRing 2.6 1tmedium無料で利用可能 Gemini 3.1 Pro PreviewmediumvsClaude Opus 4.7medium Claude Opus 4.7mediumvsGPT-5.5medium GPT-5.5mediumvsGPT-5.5low GPT-5.5lowvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewlowvsQwen3.6 Max Previewmedium