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）
#163#163	Granite 4.1 8Bnone	4.0	IBM Granite	$0.003	728ms
モデルカードを見る合計テスト数 21 誤答テスト数 19 信頼性 10.0 試行ごとの合格率 9.5% 不安定なテスト 0 入力トークン 46,285 出力トークン 2,911 推論トークン 0 応答時間（平均） 728ms 応答時間（合計） 15.29s 応答時間（最大） 2.17s 不正解: 13 指示に従っていない: 4 余分な書式: 1 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 : 4.5 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
#162#162	Nemotron 3 Nano Omni 30b A3b Reasoningnone	4.1	NVIDIA	$0.000	728ms
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 17.5% 不安定なテスト 2 入力トークン 11,661 出力トークン 1,302 推論トークン 0 応答時間（平均） 728ms 応答時間（合計） 9.47s 応答時間（最大） 2.21s 不正解: 9 API エラー: 6 指示に従っていない: 2 反AIトリック : 4.8 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 : 3.0 指示追従 : 4.8 パズル解決 : 3.0 ツール呼び出し : 3.0 雑学 : 3.0
#160#160	LFM2-24B-A2Bnone	4.2	Liquid	$0.001	782ms
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 16.7% 不安定なテスト 1 入力トークン 10,771 出力トークン 1,173 推論トークン 0 応答時間（平均） 782ms 応答時間（合計） 10.94s 応答時間（最大） 3.15s 不正解: 9 API エラー: 4 指示に従っていない: 1 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 : 3.8 ツール呼び出し : 3.0
#159#159	Ling-2.6-1Tnone	4.3	Inclusionai	$0.005	7.72s
モデルカードを見る合計テスト数 21 誤答テスト数 18 信頼性該当なし試行ごとの合格率 14.3% 不安定なテスト 0 入力トークン 34,905 出力トークン 2,434 推論トークン 0 応答時間（平均） 7.72s 応答時間（合計） 139.00s 応答時間（最大） 25.72s 不正解: 12 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 : 3.4 コーディング : 3.8 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 : 3.0
#161#161	Qwen3.5-9Bmedium	4.2	Qwen	$0.035 ↓	82.24s
モデルカードを見る合計テスト数 21 誤答テスト数 18 信頼性 6.7 試行ごとの合格率 27.0% 不安定なテスト 5 入力トークン 17,070 出力トークン 29,045 推論トークン 209,516 応答時間（平均） 82.24s 応答時間（合計） 1315.88s 応答時間（最大） 226.38s タイムアウト: 11 回答なし: 2 不正解: 2 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 : 5.1 コーディング : 2.9 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 : 6.5 パズル解決 : 3.0 ツール呼び出し : 10.0 雑学 : 3.0
#157#157	Grok 4.1 Fastnone	4.4	X AI	$0.008 ↓	1.62s
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 入力トークン 36,608 出力トークン 1,723 推論トークン 0 応答時間（平均） 1.62s 応答時間（合計） 19.48s 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
#148#148	GPT-5.4 Nanonone	4.7	OpenAI	$0.011	1.48s
モデルカードを見る合計テスト数 21 誤答テスト数 17 信頼性 10.0 試行ごとの合格率 30.2% 不安定なテスト 5 入力トークン 34,212 出力トークン 2,784 推論トークン 0 応答時間（平均） 1.48s 応答時間（合計） 31.01s 応答時間（最大） 4.47s 不正解: 15 指示に従っていない: 2 反AIトリック : 3.5 コーディング : 4.6 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 : 5.4 ツール呼び出し : 10.0 雑学 : 3.0
#150#150	Qwen3 Coder Nextmedium	4.6	Qwen	$0.008 ↓	8.58s
モデルカードを見る合計テスト数 21 誤答テスト数 17 信頼性 10.0 試行ごとの合格率 28.6% 不安定なテスト 3 入力トークン 47,250 出力トークン 3,319 推論トークン 0 応答時間（平均） 8.58s 応答時間（合計） 128.68s 応答時間（最大） 81.80s 不正解: 13 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 : 3.7 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
#151#151	Trinity Large Previewnone	4.6	Arcee AI	$0.008 ↑	2.98s
モデルカードを見る合計テスト数 21 誤答テスト数 17 信頼性 10.0 試行ごとの合格率 22.2% 不安定なテスト 2 入力トークン 29,828 出力トークン 2,169 推論トークン 0 応答時間（平均） 2.98s 応答時間（合計） 56.57s 応答時間（最大） 14.34s 不正解: 12 指示に従っていない: 3 API エラー: 2 反AIトリック : 3.1 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 : 4.5 指示追従 : 3.5 パズル解決 : 3.6 ツール呼び出し : 10.0 雑学 : 3.0
#152#152	MiMo-V2-Flashnone	4.6	Xiaomi	$0.025 ↑	2.76s
モデルカードを見る合計テスト数 21 誤答テスト数 17 信頼性 6.7 試行ごとの合格率 25.4% 不安定なテスト 4 入力トークン 36,851 出力トークン 68,882 推論トークン 0 応答時間（平均） 2.76s 応答時間（合計） 46.99s 応答時間（最大） 19.68s 不正解: 13 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 : 3.2 コーディング : 4.3 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 : 5.3 ツール呼び出し : 10.0 雑学 : 3.0
#153#153	Qwen3.6 35B A3Bnone	4.6	Qwen	$0.031 ↑	3.73s
モデルカードを見る合計テスト数 21 誤答テスト数 17 信頼性 10.0 試行ごとの合格率 30.2% 不安定なテスト 5 入力トークン 19,329 出力トークン 27,755 推論トークン 0 応答時間（平均） 3.73s 応答時間（合計） 70.86s 応答時間（最大） 22.52s 不正解: 13 API エラー: 2 指示に従っていない: 2 反AIトリック : 3.6 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 : 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 : 3.0 雑学 : 3.0
#154#154	Qwen3.5-9Bnone	4.6	Qwen	$0.003 ↓	1.89s
モデルカードを見る合計テスト数 21 誤答テスト数 17 信頼性 10.0 試行ごとの合格率 20.6% 不安定なテスト 1 入力トークン 48,041 出力トークン 3,952 推論トークン 0 応答時間（平均） 1.89s 応答時間（合計） 39.68s 応答時間（最大） 6.03s 不正解: 14 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 : 3.9 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 : 3.2 ツール呼び出し : 10.0 雑学 : 3.0
#155#155	Mercury 2none	4.5	Inception	$0.011	653ms
モデルカードを見る合計テスト数 21 誤答テスト数 17 信頼性 10.0 試行ごとの合格率 23.8% 不安定なテスト 2 入力トークン 28,113 出力トークン 4,439 推論トークン 0 応答時間（平均） 653ms 応答時間（合計） 13.72s 応答時間（最大） 1.43s 不正解: 16 指示に従っていない: 1 反AIトリック : 3.0 コーディング : 3.4 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
#156#156	Hy3 previewnone	4.4	Tencent	$0.003	12.92s
モデルカードを見る合計テスト数 21 誤答テスト数 17 信頼性 10.0 試行ごとの合格率 23.8% 不安定なテスト 2 入力トークン 27,172 出力トークン 2,661 推論トークン 0 応答時間（平均） 12.92s 応答時間（合計） 232.64s 応答時間（最大） 35.84s 不正解: 8 API エラー: 4 指示に従っていない: 4 余分な書式: 1 反AIトリック : 4.8 コーディング : 2.7 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
#158#158	GLM 4.7 Flashmedium	4.4	Z.ai	$0.054	35.10s
モデルカードを見る合計テスト数 21 誤答テスト数 17 信頼性 6.7 試行ごとの合格率 33.3% 不安定なテスト 8 入力トークン 37,206 出力トークン 43,754 推論トークン 89,079 応答時間（平均） 35.10s 応答時間（合計） 456.24s 応答時間（最大） 174.55s 不正解: 9 回答なし: 3 指示に従っていない: 2 タイムアウト: 2 無効なツール呼び出し: 1 反AIトリック : 4.7 コーディング : 3.2 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
#145#145	Laguna M.1none	4.8	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 15 信頼性 9.8 試行ごとの合格率 31.6% 不安定なテスト 3 入力トークン 38,147 出力トークン 2,054 推論トークン 0 応答時間（平均） 2.89s 応答時間（合計） 43.28s 応答時間（最大） 15.42s 不正解: 10 API エラー: 4 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 : 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 : 3.0 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
#149#149	Nemotron 3 Nano Omni 30b A3b Reasoningmedium	4.6	NVIDIA	$0.000	17.13s
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 5 入力トークン 11,661 出力トークン 48,491 推論トークン 180,695 応答時間（平均） 17.13s 応答時間（合計） 222.66s 応答時間（最大） 147.45s 不正解: 7 API エラー: 6 指示に従っていない: 1 回答なし: 1 反AIトリック : 6.4 コーディング : 3.3 複合 : 3.0 データ解析と抽出 : 7.3 ドメイン特化 : 2.9 汎用知能 : 3.0 指示追従 : 7.3 パズル解決 : 2.9 ツール呼び出し : 3.0 雑学 : 3.0
#129#129	MiniMax M2.5medium	5.3	Minimax	$0.385 ↓	65.37s
モデルカードを見る合計テスト数 21 誤答テスト数 16 信頼性 10.0 試行ごとの合格率 46.0% 不安定なテスト 9 入力トークン 43,706 出力トークン 109,495 推論トークン 330,814 応答時間（平均） 65.37s 応答時間（合計） 849.76s 応答時間（最大） 251.36s 不正解: 7 タイムアウト: 4 指示に従っていない: 3 無効なツール呼び出し: 1 回答なし: 1 反AIトリック : 7.9 コーディング : 3.4 複合 : 4.5 データ解析と抽出 : 4.6 ドメイン特化 : 2.9 汎用知能 : 3.8 指示追従 : 7.5 パズル解決 : 5.3 ツール呼び出し : 10.0 雑学 : 3.0
#130#130	MiniMax M2.7medium	5.3	Minimax	$0.124 ↓	38.18s
モデルカードを見る合計テスト数 21 誤答テスト数 16 信頼性 10.0 試行ごとの合格率 46.0% 不安定なテスト 8 入力トークン 34,371 出力トークン 8,981 推論トークン 89,812 応答時間（平均） 38.18s 応答時間（合計） 763.60s 応答時間（最大） 196.21s 不正解: 6 指示に従っていない: 5 タイムアウト: 2 API エラー: 1 無効なツール呼び出し: 1 回答なし: 1 反AIトリック : 7.9 コーディング : 5.7 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 : 5.9 ツール呼び出し : 4.7 雑学 : 3.0
#132#132	Mistral Small 4medium	5.3	Mistral	$0.068	9.40s
モデルカードを見る合計テスト数 21 誤答テスト数 16 信頼性 10.0 試行ごとの合格率 44.4% 不安定なテスト 8 入力トークン 42,576 出力トークン 24,184 推論トークン 84,678 応答時間（平均） 9.40s 応答時間（合計） 197.39s 応答時間（最大） 59.15s 不正解: 12 API エラー: 2 指示に従っていない: 2 反AIトリック : 5.6 コーディング : 4.4 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 : 7.3 パズル解決 : 3.4 ツール呼び出し : 10.0 雑学 : 3.0
#137#137	Elephant Alphanone	5.1	Openrouter	$0.000	1.22s
モデルカードを見る合計テスト数 21 誤答テスト数 16 信頼性該当なし試行ごとの合格率 27.0% 不安定なテスト 1 入力トークン 33,743 出力トークン 2,573 推論トークン 0 応答時間（平均） 1.22s 応答時間（合計） 22.03s 応答時間（最大） 3.81s 不正解: 9 API エラー: 3 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 : 4.2 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 : 4.2 ツール呼び出し : 3.0 雑学 : 3.0
#139#139	DeepSeek V4 Flashnone	5.0	DeepSeek	$0.008 ↓	26.75s
モデルカードを見る合計テスト数 21 誤答テスト数 16 信頼性 10.0 試行ごとの合格率 30.2% 不安定なテスト 3 入力トークン 50,127 出力トークン 13,710 推論トークン 0 応答時間（平均） 26.75s 応答時間（合計） 561.82s 応答時間（最大） 111.96s 不正解: 12 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 : 4.2 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
#140#140	Qwen3 Coder Nextnone	4.9	Qwen	$0.009 ↓	8.62s
モデルカードを見る合計テスト数 21 誤答テスト数 16 信頼性 10.0 試行ごとの合格率 27.0% 不安定なテスト 1 入力トークン 47,507 出力トークン 3,584 推論トークン 0 応答時間（平均） 8.62s 応答時間（合計） 129.37s 応答時間（最大） 45.14s 不正解: 14 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 : 4.6 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
#141#141	Nemotron 3 Supernone	4.9	NVIDIA	$0.007 ↑	5.30s
モデルカードを見る合計テスト数 21 誤答テスト数 16 信頼性 10.0 試行ごとの合格率 31.8% 不安定なテスト 3 入力トークン 36,456 出力トークン 6,195 推論トークン 0 応答時間（平均） 5.30s 応答時間（合計） 111.31s 応答時間（最大） 16.45s 不正解: 14 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
#142#142	Mistral Small 4none	4.9	Mistral	$0.007	630ms
モデルカードを見る合計テスト数 21 誤答テスト数 16 信頼性 10.0 試行ごとの合格率 27.0% 不安定なテスト 1 入力トークン 37,309 出力トークン 2,201 推論トークン 0 応答時間（平均） 630ms 応答時間（合計） 13.22s 応答時間（最大） 1.72s 不正解: 15 指示に従っていない: 1 反AIトリック : 3.4 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 : 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
#143#143	MiMo-V2.5none	4.9	Xiaomi	$0.007 ↓	2.20s
モデルカードを見る合計テスト数 21 誤答テスト数 16 信頼性 10.0 試行ごとの合格率 27.0% 不安定なテスト 1 入力トークン 41,985 出力トークン 2,267 推論トークン 0 応答時間（平均） 2.20s 応答時間（合計） 46.21s 応答時間（最大） 6.86s 不正解: 14 余分な書式: 1 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 : 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 : 5.4 ツール呼び出し : 10.0 雑学 : 3.0
#144#144	GPT-5.4 Mininone	4.9	OpenAI	$0.038	1.13s
モデルカードを見る合計テスト数 21 誤答テスト数 16 信頼性 10.0 試行ごとの合格率 30.2% 不安定なテスト 3 入力トークン 34,244 出力トークン 2,541 推論トークン 0 応答時間（平均） 1.13s 応答時間（合計） 23.82s 応答時間（最大） 2.52s 不正解: 13 指示に従っていない: 3 反AIトリック : 3.1 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 : 3.5 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
#147#147	GPT-4o-mininone	4.8	OpenAI	$0.006	1.77s
モデルカードを見る合計テスト数 21 誤答テスト数 16 信頼性 10.0 試行ごとの合格率 23.8% 不安定なテスト 0 入力トークン 31,518 出力トークン 1,982 推論トークン 0 応答時間（平均） 1.77s 応答時間（合計） 24.80s 応答時間（最大） 7.58s 不正解: 15 指示に従っていない: 1 反AIトリック : 4.8 コーディング : 3.2 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 : 4.0 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
#146#146	Laguna Xs.2none	4.8	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 14 信頼性 10.0 試行ごとの合格率 26.3% 不安定なテスト 0 入力トークン 33,675 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 API エラー: 4 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 : 3.0 指示追従 : 6.5 パズル解決 : 5.3 ツール呼び出し : 3.0 雑学 : 3.0
#122#122	GLM 4.7 Flashnone	5.5	Z.ai	$0.004	2.86s
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 36.5% 不安定なテスト 3 入力トークン 38,745 出力トークン 2,521 推論トークン 0 応答時間（平均） 2.86s 応答時間（合計） 40.04s 応答時間（最大） 7.05s 不正解: 13 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 : 5.2 コーディング : 4.3 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 : 4.0 指示追従 : 6.5 パズル解決 : 6.4 ツール呼び出し : 2.8 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