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: 2026-04-24 評価済みモデル数: 115

50/115

順位	モデル	スコア	企業	合計コスト	応答時間（平均）
#1🥇 #1	Gemini 3 Flash Previewmedium	10.0	Google	$0.108	12.11s
モデルカードを見る合計テスト数: 18 誤答テスト数: 0 信頼性: 該当なし試行ごとの合格率: 100.0% 不安定なテスト: 0 出力トークン: 655 推論トークン: 33,749 応答時間: 平均 12.11s · 合計 217.93s · 最大 82.37s 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 : 10.0 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
#2🥈 #2	Gemini 3.1 Pro Previewmedium	9.6	Google	$0.578	15.96s
モデルカードを見る合計テスト数: 18 誤答テスト数: 1 信頼性: 該当なし試行ごとの合格率: 94.4% 不安定なテスト: 0 出力トークン: 1,932 推論トークン: 40,542 応答時間: 平均 15.96s · 合計 175.52s · 最大 40.61s 不正解: 1 反AIトリック : 10.0 コーディング : 10.0 複合 : 9.5 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
#3🥉 #3	Claude Opus 4.7medium	9.2	Anthropic	$0.447	3.53s
モデルカードを見る合計テスト数: 18 誤答テスト数: 2 信頼性: 該当なし試行ごとの合格率: 88.9% 不安定なテスト: 0 出力トークン: 5,375 推論トークン: 1,341 応答時間: 平均 3.53s · 合計 60.03s · 最大 21.45s タイムアウト: 1 不正解: 1 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 : 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
#4#4	Claude Opus 4.7none	9.2	Anthropic	$0.505	3.13s
モデルカードを見る合計テスト数: 18 誤答テスト数: 2 信頼性: 該当なし試行ごとの合格率: 88.9% 不安定なテスト: 0 出力トークン: 6,326 推論トークン: 0 応答時間: 平均 3.13s · 合計 56.33s · 最大 18.27s 不正解: 2 反AIトリック : 8.3 コーディング : 10.0 複合 : 9.5 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
#5#5	GPT-5.5medium	9.0	OpenAI	$2.884	32.75s
モデルカードを見る合計テスト数: 18 誤答テスト数: 3 信頼性: 該当なし試行ごとの合格率: 87.0% 不安定なテスト: 2 出力トークン: 1,920 推論トークン: 89,632 応答時間: 平均 32.75s · 合計 589.59s · 最大 332.10s 不正解: 2 指示に従っていない: 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 : 10.0 パズル解決 : 8.6 ツール呼び出し : 10.0
#6#6	Gemini 3 Flash Previewlow	8.8	Google	$0.091	6.01s
モデルカードを見る合計テスト数: 18 誤答テスト数: 3 信頼性: 該当なし試行ごとの合格率: 85.2% 不安定なテスト: 1 出力トークン: 2,018 推論トークン: 23,273 応答時間: 平均 6.01s · 合計 108.12s · 最大 14.72s 不正解: 3 反AIトリック : 10.0 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 : 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
#7#7	Seed-2.0-Litemedium	8.6	Bytedance Seed	$0.121	30.37s
モデルカードを見る合計テスト数: 18 誤答テスト数: 5 信頼性: 該当なし試行ごとの合格率: 83.3% 不安定なテスト: 3 出力トークン: 3,257 推論トークン: 52,042 応答時間: 平均 30.37s · 合計 546.72s · 最大 168.71s 不正解: 3 指示に従っていない: 2 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 : 5.9 汎用知能 : 6.7 指示追従 : 10.0 パズル解決 : 9.0 ツール呼び出し : 10.0
#8#8	GPT-5.3-Codexmedium	8.6	OpenAI	$0.573	15.38s
モデルカードを見る合計テスト数: 18 誤答テスト数: 5 信頼性: 該当なし試行ごとの合格率: 83.3% 不安定なテスト: 3 出力トークン: 2,279 推論トークン: 35,179 応答時間: 平均 15.38s · 合計 276.91s · 最大 100.93s 不正解: 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 : 10.0 データ解析と抽出 : 10.0 ドメイン特化 : 5.9 汎用知能 : 4.6 指示追従 : 10.0 パズル解決 : 9.0 ツール呼び出し : 10.0
#9#9	Qwen3.5 Plus 2026-02-15medium	8.5	Qwen	$0.220	46.56s
モデルカードを見る合計テスト数: 18 誤答テスト数: 4 信頼性: 該当なし試行ごとの合格率: 83.3% 不安定なテスト: 2 出力トークン: 2,121 推論トークン: 111,889 応答時間: 平均 46.56s · 合計 512.20s · 最大 120.91s タイムアウト: 2 不正解: 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 : 5.3 汎用知能 : 4.7 指示追従 : 10.0 パズル解決 : 10.0 ツール呼び出し : 10.0
#10#10	HY3 Previewhigh	8.5	Tencent	$0.000	55.19s
モデルカードを見る合計テスト数: 18 誤答テスト数: 5 信頼性: 該当なし試行ごとの合格率: 81.5% 不安定なテスト: 3 出力トークン: 238,920 推論トークン: 0 応答時間: 平均 55.19s · 合計 938.23s · 最大 149.94s 指示に従っていない: 2 不正解: 2 API エラー: 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 : 6.5 ドメイン特化 : 5.3 汎用知能 : 10.0 指示追従 : 8.5 パズル解決 : 9.0 ツール呼び出し : 10.0
#11#11	Qwen3.6 Plus Previewmedium	8.5	Qwen	$0.000	13.94s
モデルカードを見る合計テスト数: 17 誤答テスト数: 4 信頼性: 該当なし試行ごとの合格率: 76.5% 不安定なテスト: 0 出力トークン: 1,756 推論トークン: 77,213 応答時間: 平均 13.94s · 合計 237.01s · 最大 43.55s 不正解: 3 指示に従っていない: 1 反AIトリック : 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 : 5.1 指示追従 : 10.0 パズル解決 : 10.0 ツール呼び出し : 10.0
#12#12	Qwen3.5-27Bmedium	8.4	Qwen	$0.497	53.03s
モデルカードを見る合計テスト数: 18 誤答テスト数: 5 信頼性: 該当なし試行ごとの合格率: 81.5% 不安定なテスト: 3 出力トークン: 2,500 推論トークン: 242,500 応答時間: 平均 53.03s · 合計 954.46s · 最大 163.96s 指示に従っていない: 2 余分な書式: 1 タイムアウト: 1 不正解: 1 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 : 6.1 指示追従 : 10.0 パズル解決 : 8.2 ツール呼び出し : 10.0
#13#13	Gemini 3.1 Flash Lite Previewhigh	8.4	Google	$2.310	68.83s
モデルカードを見る合計テスト数: 16 誤答テスト数: 4 信頼性: 該当なし試行ごとの合格率: 77.1% 不安定なテスト: 1 出力トークン: 1,283 推論トークン: 1,533,310 応答時間: 平均 68.83s · 合計 1101.32s · 最大 280.52s 不正解: 3 指示に従っていない: 1 反AIトリック : 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 : 7.9 パズル解決 : 7.7 ツール呼び出し : 10.0
#14#14	Gemini 3 PRO Previewmedium	8.4	Google	$0.197	9.06s
モデルカードを見る合計テスト数: 18 誤答テスト数: 4 信頼性: 該当なし試行ごとの合格率: 77.8% 不安定なテスト: 0 出力トークン: 1,508 推論トークン: 10,084 応答時間: 平均 9.06s · 合計 90.58s · 最大 26.24s 不正解: 3 API エラー: 1 反AIトリック : 10.0 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 : 10.0 指示追従 : 9.8 パズル解決 : 10.0 ツール呼び出し : 10.0
#15#15	GLM 5medium	8.4	Z.ai	$0.155	23.34s
モデルカードを見る合計テスト数: 18 誤答テスト数: 5 信頼性: 該当なし試行ごとの合格率: 85.2% 不安定なテスト: 4 出力トークン: 20,163 推論トークン: 58,337 応答時間: 平均 23.34s · 合計 233.40s · 最大 79.09s 不正解: 2 指示に従っていない: 1 回答なし: 1 タイムアウト: 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 : 7.1 ドメイン特化 : 3.5 汎用知能 : 6.1 指示追従 : 10.0 パズル解決 : 10.0 ツール呼び出し : 10.0
#16#16	Gemma 4 31Bmedium	8.3	Google	$0.018	24.88s
モデルカードを見る合計テスト数: 18 誤答テスト数: 5 信頼性: 該当なし試行ごとの合格率: 79.6% 不安定なテスト: 2 出力トークン: 12,734 推論トークン: 27,950 応答時間: 平均 24.88s · 合計 398.13s · 最大 70.97s API エラー: 2 指示に従っていない: 1 タイムアウト: 1 不正解: 1 反AIトリック : 10.0 コーディング : 4.7 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 : 10.0 指示追従 : 10.0 パズル解決 : 8.8 ツール呼び出し : 3.0
#17#17	Gemini 2.5 Flashmedium	8.2	Google	$0.319	12.12s
モデルカードを見る合計テスト数: 18 誤答テスト数: 5 信頼性: 該当なし試行ごとの合格率: 75.9% 不安定なテスト: 1 出力トークン: 1,898 推論トークン: 122,273 応答時間: 平均 12.12s · 合計 218.12s · 最大 95.48s 不正解: 4 指示に従っていない: 1 反AIトリック : 8.4 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 : 4.8 指示追従 : 9.8 パズル解決 : 7.7 ツール呼び出し : 10.0
#18#18	GPT-5.4medium	8.2	OpenAI	$0.832	18.63s
モデルカードを見る合計テスト数: 18 誤答テスト数: 5 信頼性: 該当なし試行ごとの合格率: 79.6% 不安定なテスト: 3 出力トークン: 2,169 推論トークン: 48,732 応答時間: 平均 18.63s · 合計 335.26s · 最大 100.41s 不正解: 3 指示に従っていない: 2 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 : 4.7 指示追従 : 10.0 パズル解決 : 8.2 ツール呼び出し : 10.0
#19#19	Gemini 3.1 Flash Lite Previewmedium	8.2	Google	$0.055	3.74s
モデルカードを見る合計テスト数: 18 誤答テスト数: 5 信頼性: 該当なし試行ごとの合格率: 72.2% 不安定なテスト: 0 出力トークン: 2,168 推論トークン: 29,030 応答時間: 平均 3.74s · 合計 67.31s · 最大 14.93s 不正解: 4 指示に従っていない: 1 反AIトリック : 9.1 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 : 7.7 ツール呼び出し : 10.0
#20#20	DeepSeek V4 Prohigh	8.2	DeepSeek	$0.160	71.21s
モデルカードを見る合計テスト数: 18 誤答テスト数: 5 信頼性: 該当なし試行ごとの合格率: 74.1% 不安定なテスト: 1 出力トークン: 671 推論トークン: 39,383 応答時間: 平均 71.21s · 合計 1281.73s · 最大 351.99s 不正解: 3 指示に従っていない: 2 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 : 5.0 指示追従 : 10.0 パズル解決 : 7.6 ツール呼び出し : 10.0
#21#21	GLM 5 Turbomedium	8.1	Z.ai	$0.182	17.67s
モデルカードを見る合計テスト数: 18 誤答テスト数: 6 信頼性: 該当なし試行ごとの合格率: 77.8% 不安定なテスト: 5 出力トークン: 12,197 推論トークン: 38,933 応答時間: 平均 17.67s · 合計 317.98s · 最大 194.23s 不正解: 3 指示に従っていない: 2 タイムアウト: 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 : 6.1 指示追従 : 10.0 パズル解決 : 7.3 ツール呼び出し : 10.0
#22#22	Qwen3.5-122B-A10Bmedium	8.1	Qwen	$0.528	31.38s
モデルカードを見る合計テスト数: 18 誤答テスト数: 5 信頼性: 該当なし試行ごとの合格率: 79.6% 不安定なテスト: 3 出力トークン: 17,635 推論トークン: 162,668 応答時間: 平均 31.38s · 合計 564.84s · 最大 119.29s 不正解: 3 タイムアウト: 2 反AIトリック : 10.0 コーディング : 4.7 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 : 3.4 指示追従 : 10.0 パズル解決 : 10.0 ツール呼び出し : 10.0
#23#23	Qwen3.6 Plusmedium	8.1	Qwen	$0.000	15.27s
モデルカードを見る合計テスト数: 18 誤答テスト数: 5 信頼性: 該当なし試行ごとの合格率: 74.1% 不安定なテスト: 1 出力トークン: 1,763 推論トークン: 83,782 応答時間: 平均 15.27s · 合計 259.55s · 最大 43.55s 不正解: 3 API エラー: 1 指示に従っていない: 1 反AIトリック : 10.0 コーディング : 3.0 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 : 5.1 指示追従 : 10.0 パズル解決 : 10.0 ツール呼び出し : 10.0
#24#24	HY3 Previewlow	8.1	Tencent	$0.000	23.98s
モデルカードを見る合計テスト数: 18 誤答テスト数: 5 信頼性: 該当なし試行ごとの合格率: 75.9% 不安定なテスト: 1 出力トークン: 65,778 推論トークン: 0 応答時間: 平均 23.98s · 合計 407.72s · 最大 78.74s 指示に従っていない: 2 不正解: 2 API エラー: 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 : 6.5 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 : 5.3 ツール呼び出し : 10.0
#25#25	Gemini 3 Flash Previewnone	8.1	Google	$0.021	1.65s
モデルカードを見る合計テスト数: 18 誤答テスト数: 5 信頼性: 該当なし試行ごとの合格率: 77.8% 不安定なテスト: 2 出力トークン: 1,840 推論トークン: 0 応答時間: 平均 1.65s · 合計 18.20s · 最大 3.56s 不正解: 5 反AIトリック : 8.3 コーディング : 10.0 複合 : 4.7 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 : 6.4 パズル解決 : 7.7 ツール呼び出し : 10.0
#26#26	Gemini 3.1 Flash Lite Previewlow	8.1	Google	$0.022	3.22s
モデルカードを見る合計テスト数: 18 誤答テスト数: 5 信頼性: 該当なし試行ごとの合格率: 72.2% 不安定なテスト: 0 出力トークン: 2,247 推論トークン: 8,058 応答時間: 平均 3.22s · 合計 58.00s · 最大 11.91s 不正解: 4 指示に従っていない: 1 反AIトリック : 8.3 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 : 5.3 汎用知能 : 4.0 指示追従 : 10.0 パズル解決 : 10.0 ツール呼び出し : 10.0
#27#27	MiMo-V2.5-Promedium	8.1	Xiaomi	$0.201	16.17s
モデルカードを見る合計テスト数: 18 誤答テスト数: 6 信頼性: 該当なし試行ごとの合格率: 75.9% 不安定なテスト: 3 出力トークン: 2,735 推論トークン: 52,571 応答時間: 平均 16.17s · 合計 291.09s · 最大 84.22s 余分な書式: 2 指示に従っていない: 2 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 : 7.3 ドメイン特化 : 5.3 汎用知能 : 5.1 指示追従 : 9.9 パズル解決 : 6.7 ツール呼び出し : 10.0
#28#28	MiMo-V2-Promedium	8.1	Xiaomi	$0.159	12.27s
モデルカードを見る合計テスト数: 18 誤答テスト数: 6 信頼性: 該当なし試行ごとの合格率: 77.8% 不安定なテスト: 3 出力トークン: 2,360 推論トークン: 38,320 応答時間: 平均 12.27s · 合計 208.56s · 最大 64.71s 不正解: 3 余分な書式: 1 指示に従っていない: 1 タイムアウト: 1 反AIトリック : 10.0 コーディング : 10.0 複合 : 4.7 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 : 9.9 パズル解決 : 7.0 ツール呼び出し : 10.0
#29#29	HY3 Previewmedium	8.1	Tencent	$0.000	14.63s
モデルカードを見る合計テスト数: 18 誤答テスト数: 5 信頼性: 該当なし試行ごとの合格率: 74.1% 不安定なテスト: 1 出力トークン: 65,057 推論トークン: 0 応答時間: 平均 14.63s · 合計 248.72s · 最大 46.04s 指示に従っていない: 2 不正解: 2 API エラー: 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 : 6.5 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 : 5.3 ツール呼び出し : 10.0
#30#30	Gemma 4 26B A4Bmedium	8.0	Google	$0.028	25.03s
モデルカードを見る合計テスト数: 18 誤答テスト数: 5 信頼性: 該当なし試行ごとの合格率: 75.9% 不安定なテスト: 2 出力トークン: 15,928 推論トークン: 44,631 応答時間: 平均 25.03s · 合計 425.48s · 最大 147.47s タイムアウト: 2 不正解: 2 指示に従っていない: 1 反AIトリック : 10.0 コーディング : 2.8 複合 : 9.6 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 : 7.9 ツール呼び出し : 10.0
#31#31	Grok 4.20 Betamedium	8.0	X AI	$0.633	9.81s
モデルカードを見る合計テスト数: 18 誤答テスト数: 6 信頼性: 該当なし試行ごとの合格率: 74.1% 不安定なテスト: 2 出力トークン: 1,568 推論トークン: 91,909 応答時間: 平均 9.81s · 合計 176.62s · 最大 31.36s 指示に従っていない: 3 不正解: 3 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 : 8.3 パズル解決 : 8.2 ツール呼び出し : 3.0
#32#32	Claude Sonnet 4.6medium	8.0	Anthropic	$1.161	12.66s
モデルカードを見る合計テスト数: 18 誤答テスト数: 5 信頼性: 該当なし試行ごとの合格率: 74.1% 不安定なテスト: 1 出力トークン: 42,068 推論トークン: 26,784 応答時間: 平均 12.66s · 合計 126.62s · 最大 46.35s 余分な書式: 2 不正解: 2 タイムアウト: 1 反AIトリック : 6.5 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
#33#33	DeepSeek V3.2medium	8.0	DeepSeek	$0.028	43.49s
モデルカードを見る合計テスト数: 18 誤答テスト数: 6 信頼性: 該当なし試行ごとの合格率: 79.6% 不安定なテスト: 4 出力トークン: 7,554 推論トークン: 45,588 応答時間: 平均 43.49s · 合計 782.73s · 最大 180.92s 不正解: 3 タイムアウト: 2 指示に従っていない: 1 反AIトリック : 8.4 コーディング : 4.7 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 : 5.4 指示追従 : 10.0 パズル解決 : 8.2 ツール呼び出し : 10.0
#34#34	GPT-5.2 Chatnone	7.9	OpenAI	$0.291	6.84s
モデルカードを見る合計テスト数: 18 誤答テスト数: 6 信頼性: 該当なし試行ごとの合格率: 75.9% 不安定なテスト: 3 出力トークン: 17,346 推論トークン: 0 応答時間: 平均 6.84s · 合計 123.17s · 最大 38.52s 不正解: 5 指示に従っていない: 1 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 : 4.4 指示追従 : 7.5 パズル解決 : 7.7 ツール呼び出し : 10.0
#35#35	Gemini 3.1 Flash Lite Previewnone	7.9	Google	$0.016	1.30s
モデルカードを見る合計テスト数: 18 誤答テスト数: 6 信頼性: 該当なし試行ごとの合格率: 70.4% 不安定なテスト: 1 出力トークン: 5,361 推論トークン: 0 応答時間: 平均 1.30s · 合計 23.42s · 最大 3.39s 不正解: 4 指示に従っていない: 2 反AIトリック : 7.5 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 : 5.3 汎用知能 : 4.0 指示追従 : 10.0 パズル解決 : 10.0 ツール呼び出し : 10.0
#36#36	Step 3.5 Flashmedium	7.9	Stepfun	$0.000	26.78s
モデルカードを見る合計テスト数: 17 誤答テスト数: 6 信頼性: 該当なし試行ごとの合格率: 70.6% 不安定なテスト: 2 出力トークン: 71,904 推論トークン: 155,607 応答時間: 平均 26.78s · 合計 294.58s · 最大 170.45s 指示に従っていない: 3 不正解: 3 反AIトリック : 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 : 5.5 指示追従 : 8.5 パズル解決 : 5.3 ツール呼び出し : 10.0
#37#37	DeepSeek V4 Flashhigh	7.8	DeepSeek	$0.021	47.47s
モデルカードを見る合計テスト数: 18 誤答テスト数: 7 信頼性: 該当なし試行ごとの合格率: 79.6% 不安定なテスト: 5 出力トークン: 1,757 推論トークン: 55,907 応答時間: 平均 47.47s · 合計 854.45s · 最大 255.28s 不正解: 4 指示に従っていない: 3 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 : 4.1 汎用知能 : 6.1 指示追従 : 10.0 パズル解決 : 6.4 ツール呼び出し : 10.0
#38#38	GLM 5V Turbomedium	7.8	Z.ai	$0.291	14.96s
モデルカードを見る合計テスト数: 18 誤答テスト数: 7 信頼性: 該当なし試行ごとの合格率: 77.8% 不安定なテスト: 6 出力トークン: 2,351 推論トークン: 58,941 応答時間: 平均 14.96s · 合計 269.32s · 最大 67.08s 不正解: 3 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 : 7.2 コーディング : 10.0 複合 : 6.9 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 : 7.7 ツール呼び出し : 7.0
#39#39	Qwen3.5-Flashmedium	7.8	Qwen	$0.080	66.72s
モデルカードを見る合計テスト数: 18 誤答テスト数: 7 信頼性: 該当なし試行ごとの合格率: 81.5% 不安定なテスト: 6 出力トークン: 2,073 推論トークン: 191,899 応答時間: 平均 66.72s · 合計 1201.03s · 最大 234.29s タイムアウト: 4 API エラー: 1 指示に従っていない: 1 不正解: 1 反AIトリック : 10.0 コーディング : 4.7 複合 : 10.0 データ解析と抽出 : 7.3 ドメイン特化 : 5.3 汎用知能 : 6.1 指示追従 : 10.0 パズル解決 : 6.4 ツール呼び出し : 10.0
#40#40	GLM 5.1medium	7.8	Z.ai	$0.201	24.13s
モデルカードを見る合計テスト数: 18 誤答テスト数: 6 信頼性: 該当なし試行ごとの合格率: 75.9% 不安定なテスト: 3 出力トークン: 8,005 推論トークン: 49,090 応答時間: 平均 24.13s · 合計 410.25s · 最大 118.52s 不正解: 3 タイムアウト: 2 API エラー: 1 反AIトリック : 10.0 コーディング : 4.7 複合 : 9.5 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 : 6.4 パズル解決 : 8.2 ツール呼び出し : 3.0
#41#41	MiMo-V2.5medium	7.8	Xiaomi	$0.253	13.71s
モデルカードを見る合計テスト数: 18 誤答テスト数: 6 信頼性: 該当なし試行ごとの合格率: 74.1% 不安定なテスト: 3 出力トークン: 2,840 推論トークン: 116,242 応答時間: 平均 13.71s · 合計 246.73s · 最大 86.93s 余分な書式: 2 不正解: 2 指示に従っていない: 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 : 2.7 ドメイン特化 : 5.3 汎用知能 : 3.8 指示追従 : 9.9 パズル解決 : 8.2 ツール呼び出し : 10.0
#42#42	Kimi K2.6medium	7.7	Moonshot AI	$0.722	45.20s
モデルカードを見る合計テスト数: 18 誤答テスト数: 7 信頼性: 該当なし試行ごとの合格率: 74.1% 不安定なテスト: 4 出力トークン: 80,759 推論トークン: 179,814 応答時間: 平均 45.20s · 合計 768.37s · 最大 215.85s 指示に従っていない: 3 タイムアウト: 2 不正解: 2 反AIトリック : 7.0 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 : 10.0 パズル解決 : 5.0 ツール呼び出し : 10.0
#43#43	MiMo-V2-Omnimedium	7.7	Xiaomi	$0.153	16.76s
モデルカードを見る合計テスト数: 18 誤答テスト数: 7 信頼性: 該当なし試行ごとの合格率: 61.1% 不安定なテスト: 0 出力トークン: 928 推論トークン: 72,661 応答時間: 平均 16.76s · 合計 301.61s · 最大 158.78s 不正解: 3 指示に従っていない: 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 : 4.0 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 : 8.3 パズル解決 : 6.5 ツール呼び出し : 10.0
#44#44	GPT-5.3 Chatnone	7.7	OpenAI	$0.340	5.88s
モデルカードを見る合計テスト数: 18 誤答テスト数: 7 信頼性: 該当なし試行ごとの合格率: 68.5% 不安定なテスト: 3 出力トークン: 20,784 推論トークン: 0 応答時間: 平均 5.88s · 合計 105.90s · 最大 18.33s 不正解: 5 指示に従っていない: 2 反AIトリック : 6.7 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 : 3.5 汎用知能 : 4.6 指示追従 : 8.3 パズル解決 : 10.0 ツール呼び出し : 10.0
#45#45	Claude Opus 4.6medium	7.6	Anthropic	$1.446	21.08s
モデルカードを見る合計テスト数: 18 誤答テスト数: 6 信頼性: 該当なし試行ごとの合格率: 70.4% 不安定なテスト: 2 出力トークン: 29,829 推論トークン: 18,938 応答時間: 平均 21.08s · 合計 231.84s · 最大 83.40s 余分な書式: 4 不正解: 2 反AIトリック : 6.4 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 : 7.7 ツール呼び出し : 10.0
#46#46	GPT-5.4 Nanomedium	7.6	OpenAI	$0.083	11.21s
モデルカードを見る合計テスト数: 18 誤答テスト数: 7 信頼性: 該当なし試行ごとの合格率: 68.5% 不安定なテスト: 2 出力トークン: 2,946 推論トークン: 58,132 応答時間: 平均 11.21s · 合計 201.80s · 最大 94.06s 不正解: 4 指示に従っていない: 3 反AIトリック : 8.3 コーディング : 10.0 複合 : 9.8 データ解析と抽出 : 10.0 ドメイン特化 : 5.9 汎用知能 : 4.5 指示追従 : 9.8 パズル解決 : 4.0 ツール呼び出し : 10.0
#47#47	Seed-2.0-Minimedium	7.5	Bytedance Seed	$0.037	69.70s
モデルカードを見る合計テスト数: 18 誤答テスト数: 7 信頼性: 該当なし試行ごとの合格率: 66.7% 不安定なテスト: 2 出力トークン: 2,419 推論トークン: 79,238 応答時間: 平均 69.70s · 合計 1045.47s · 最大 262.83s タイムアウト: 4 不正解: 2 指示に従っていない: 1 反AIトリック : 6.6 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 : 5.1 指示追従 : 10.0 パズル解決 : 8.2 ツール呼び出し : 10.0
#48#48	GPT-5.2medium	7.5	OpenAI	$0.352	14.04s
モデルカードを見る合計テスト数: 18 誤答テスト数: 7 信頼性: 該当なし試行ごとの合格率: 72.2% 不安定なテスト: 4 出力トークン: 2,705 推論トークン: 18,977 応答時間: 平均 14.04s · 合計 154.41s · 最大 77.80s 指示に従っていない: 3 不正解: 2 回答なし: 1 タイムアウト: 1 反AIトリック : 6.5 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 : 3.7 指示追従 : 9.9 パズル解決 : 7.7 ツール呼び出し : 4.7
#49#49	MiMo-V2-Flashmedium	7.5	Xiaomi	$0.038	23.36s
モデルカードを見る合計テスト数: 18 誤答テスト数: 7 信頼性: 該当なし試行ごとの合格率: 70.4% 不安定なテスト: 3 出力トークン: 12,387 推論トークン: 115,182 応答時間: 平均 23.36s · 合計 280.34s · 最大 96.01s 不正解: 3 API エラー: 1 余分な書式: 1 指示に従っていない: 1 タイムアウト: 1 反AIトリック : 8.1 コーディング : 4.7 複合 : 9.8 データ解析と抽出 : 6.5 ドメイン特化 : 5.9 汎用知能 : 4.0 指示追従 : 10.0 パズル解決 : 7.7 ツール呼び出し : 10.0
#50#50	Claude Sonnet 4.6none	7.4	Anthropic	$0.262	4.98s
モデルカードを見る合計テスト数: 18 誤答テスト数: 7 信頼性: 該当なし試行ごとの合格率: 64.8% 不安定なテスト: 1 出力トークン: 7,433 推論トークン: 0 応答時間: 平均 4.98s · 合計 54.83s · 最大 23.84s 余分な書式: 3 不正解: 3 指示に従っていない: 1 反AIトリック : 4.8 コーディング : 10.0 複合 : 9.5 データ解析と抽出 : 10.0 ドメイン特化 : 7.7 汎用知能 : 6.1 指示追従 : 6.5 パズル解決 : 7.7 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 PreviewmediumvsClaude Opus 4.7none Gemini 3 Flash PreviewmediumvsGPT-5.5medium Gemini 3 Flash PreviewmediumvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewmediumvsSeed-2.0-Litemedium Gemini 3 Flash PreviewmediumvsHY3 Previewhigh無料で利用可能 Gemini 3.1 Pro PreviewmediumvsClaude Opus 4.7medium Claude Opus 4.7mediumvsClaude Opus 4.7none Claude Opus 4.7nonevsGPT-5.5medium GPT-5.5mediumvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewlowvsSeed-2.0-Litemedium

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