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）
#1🥇 #1	Gemini 3 Flash Previewmedium	9.8	Google	$0.667	18.64s
モデルカードを見る合計テスト数 21 誤答テスト数 1 信頼性 10.0 試行ごとの合格率 98.4% 不安定なテスト 1 入力トークン 37,017 出力トークン 2,006 推論トークン 214,153 応答時間（平均） 18.64s 応答時間（合計） 391.35s 応答時間（最大） 117.26s 不正解: 1 反AIトリック : 10.0 コーディング : 8.6 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 雑学 : 10.0
#2🥈 #2	Gemini 3.5 Flashhigh	9.6	Google	$1.115	8.84s
モデルカードを見る合計テスト数 21 誤答テスト数 1 信頼性 10.0 試行ごとの合格率 96.8% 不安定なテスト 1 入力トークン 37,594 出力トークン 1,975 推論トークン 115,638 応答時間（平均） 8.84s 応答時間（合計） 185.57s 応答時間（最大） 34.82s 不正解: 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 : 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 : 9.8 雑学 : 10.0
#3🥉 #3	Gemini 3.5 Flashlow	9.4	Google	$0.349	3.27s
モデルカードを見る合計テスト数 21 誤答テスト数 2 信頼性 10.0 試行ごとの合格率 90.5% 不安定なテスト 0 入力トークン 36,938 出力トークン 2,033 推論トークン 30,519 応答時間（平均） 3.27s 応答時間（合計） 68.65s 応答時間（最大） 9.05s 不正解: 2 反AIトリック : 10.0 コーディング : 7.8 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 : 9.9 パズル解決 : 10.0 ツール呼び出し : 10.0 雑学 : 10.0
#4#4	Gemini 3.1 Pro Previewmedium	9.4	Google	$1.054	20.14s
モデルカードを見る合計テスト数 21 誤答テスト数 2 信頼性 10.0 試行ごとの合格率 90.5% 不安定なテスト 0 入力トークン 41,617 出力トークン 1,977 推論トークン 78,896 応答時間（平均） 20.14s 応答時間（合計） 281.92s 応答時間（最大） 88.68s 不正解: 2 反AIトリック : 10.0 コーディング : 7.9 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 雑学 : 10.0
#5#5	Qwen3.7 Maxmedium	9.1	Qwen	$0.523 ↓	16.02s
モデルカードを見る合計テスト数 21 誤答テスト数 3 信頼性 10.0 試行ごとの合格率 88.9% 不安定なテスト 1 入力トークン 42,360 出力トークン 2,129 推論トークン 122,959 応答時間（平均） 16.02s 応答時間（合計） 336.51s 応答時間（最大） 59.98s 不正解: 3 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 : 5.9 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 雑学 : 3.0
#6#6	GPT-5.5low	9.0	OpenAI	$0.907	9.76s
モデルカードを見る合計テスト数 21 誤答テスト数 3 信頼性 10.0 試行ごとの合格率 85.7% 不安定なテスト 0 入力トークン 34,209 出力トークン 2,046 推論トークン 22,460 応答時間（平均） 9.76s 応答時間（合計） 204.92s 応答時間（最大） 56.19s 不正解: 3 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 : 9.9 パズル解決 : 10.0 ツール呼び出し : 10.0 雑学 : 3.0
#7#7	Gemini 3.5 Flashmedium	9.0	Google	$0.582	4.94s
モデルカードを見る合計テスト数 21 誤答テスト数 3 信頼性 10.0 試行ごとの合格率 87.3% 不安定なテスト 1 入力トークン 36,936 出力トークン 2,001 推論トークン 56,408 応答時間（平均） 4.94s 応答時間（合計） 103.79s 応答時間（最大） 18.07s 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 : 7.9 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 : 9.9 パズル解決 : 7.7 ツール呼び出し : 10.0 雑学 : 10.0
#8#8	Claude Opus 4.7none	8.9	Anthropic	$0.505	3.02s
モデルカードを見る合計テスト数 19 誤答テスト数 3 信頼性 10.0 試行ごとの合格率 84.2% 不安定なテスト 0 入力トークン 69,576 出力トークン 6,265 推論トークン 0 応答時間（平均） 3.02s 応答時間（合計） 57.44s 応答時間（最大） 18.27s 不正解: 3 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 雑学 : 3.0
#12#12	Gemini 3.1 Flash Lite Previewhigh	8.6	Google	$2.310	68.14s
モデルカードを見る合計テスト数 16 誤答テスト数 3 信頼性該当なし試行ごとの合格率 81.3% 不安定なテスト 0 入力トークン 28,980 出力トークン 1,283 推論トークン 1,533,310 応答時間（平均） 68.14s 応答時間（合計） 1090.28s 応答時間（最大） 280.52s 不正解: 2 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 : 9.8 パズル解決 : 7.7 ツール呼び出し : 10.0
#9#9	GPT-5.5medium	8.8	OpenAI	$3.679	37.98s
モデルカードを見る合計テスト数 21 誤答テスト数 4 信頼性 10.0 試行ごとの合格率 87.3% 不安定なテスト 3 入力トークン 34,212 出力トークン 1,985 推論トークン 114,925 応答時間（平均） 37.98s 応答時間（合計） 797.60s 応答時間（最大） 332.10s 不正解: 4 反AIトリック : 10.0 コーディング : 8.8 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 : 10.0 ツール呼び出し : 10.0 雑学 : 2.8
#10#10	Claude Opus 4.8medium	8.7	Anthropic	$1.107	9.66s
モデルカードを見る合計テスト数 21 誤答テスト数 4 信頼性 10.0 試行ごとの合格率 84.1% 不安定なテスト 1 入力トークン 61,007 出力トークン 26,495 推論トークン 5,901 応答時間（平均） 9.66s 応答時間（合計） 202.89s 応答時間（最大） 38.03s 不正解: 3 回答なし: 1 反AIトリック : 10.0 コーディング : 10.0 複合 : 9.8 データ解析と抽出 : 7.1 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 : 10.0 ツール呼び出し : 10.0 雑学 : 3.0
#11#11	Claude Opus 4.7medium	8.7	Anthropic	$0.679	4.73s
モデルカードを見る合計テスト数 21 誤答テスト数 4 信頼性 10.0 試行ごとの合格率 82.5% 不安定なテスト 1 入力トークン 65,406 出力トークン 11,858 推論トークン 2,198 応答時間（平均） 4.73s 応答時間（合計） 94.51s 応答時間（最大） 23.18s 不正解: 3 タイムアウト: 1 反AIトリック : 8.3 コーディング : 7.6 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 : 3.0
#13#13	Grok 4.20 Betamedium	8.5	X AI	$0.750 ↑	9.75s
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 81.5% 不安定なテスト 1 入力トークン 35,955 出力トークン 1,647 推論トークン 91,565 応答時間（平均） 9.75s 応答時間（合計） 175.48s 応答時間（最大） 31.36s 不正解: 3 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 : 10.0 指示追従 : 9.8 パズル解決 : 10.0 ツール呼び出し : 3.0
#14#14	Qwen3.6 Max Previewmedium	8.5	Qwen	$0.960 ↓	59.63s
モデルカードを見る合計テスト数 21 誤答テスト数 5 信頼性 10.0 試行ごとの合格率 81.0% 不安定なテスト 2 入力トークン 42,362 出力トークン 2,273 推論トークン 144,367 応答時間（平均） 59.63s 応答時間（合計） 1252.17s 応答時間（最大） 238.07s 不正解: 5 反AIトリック : 10.0 コーディング : 8.8 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 雑学 : 3.0
#16#16	Gemini 3 Flash Previewlow	8.4	Google	$0.111	5.76s
モデルカードを見る合計テスト数 21 誤答テスト数 5 信頼性 10.0 試行ごとの合格率 79.4% 不安定なテスト 2 入力トークン 36,769 出力トークン 2,076 推論トークン 28,518 応答時間（平均） 5.76s 応答時間（合計） 120.93s 応答時間（最大） 14.72s 不正解: 5 反AIトリック : 10.0 コーディング : 5.8 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 雑学 : 10.0
#15#15	GPT-5.3-Codexmedium	8.4	OpenAI	$0.740	16.22s
モデルカードを見る合計テスト数 21 誤答テスト数 6 信頼性 10.0 試行ごとの合格率 82.5% 不安定なテスト 4 入力トークン 34,299 出力トークン 2,357 推論トークン 46,189 応答時間（平均） 16.22s 応答時間（合計） 340.67s 応答時間（最大） 100.93s 不正解: 4 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 雑学 : 2.8
#17#17	GLM 5medium	8.3	Z.ai	$0.228 ↓	33.54s
モデルカードを見る合計テスト数 21 誤答テスト数 6 信頼性 10.0 試行ごとの合格率 82.5% 不安定なテスト 4 入力トークン 35,224 出力トークン 21,570 推論トークン 102,996 応答時間（平均） 33.54s 応答時間（合計） 435.99s 応答時間（最大） 99.85s 不正解: 3 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 雑学 : 3.0
#18#18	Qwen3.7 Plusmedium	8.2	Qwen	$0.221	38.95s
モデルカードを見る合計テスト数 21 誤答テスト数 6 信頼性 10.0 試行ごとの合格率 77.8% 不安定なテスト 2 入力トークン 40,939 出力トークン 2,125 推論トークン 125,754 応答時間（平均） 38.95s 応答時間（合計） 817.85s 応答時間（最大） 178.04s 不正解: 5 タイムアウト: 1 反AIトリック : 10.0 コーディング : 6.1 複合 : 10.0 データ解析と抽出 : 10.0 ドメイン特化 : 3.6 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 : 3.0
#20#20	Gemini 3.5 Flashnone	8.1	Google	$1.079	9.93s
モデルカードを見る合計テスト数 21 誤答テスト数 6 信頼性 10.0 試行ごとの合格率 77.8% 不安定なテスト 3 入力トークン 13,843 出力トークン 117,518 推論トークン 0 応答時間（平均） 9.93s 応答時間（合計） 178.68s 応答時間（最大） 64.36s API エラー: 3 不正解: 3 反AIトリック : 10.0 コーディング : 8.8 複合 : 3.0 データ解析と抽出 : 6.5 ドメイン特化 : 7.6 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 : 3.0 雑学 : 2.8
#19#19	Seed-2.0-Litemedium	8.2	Bytedance Seed	$0.175	47.07s
モデルカードを見る合計テスト数 21 誤答テスト数 7 信頼性 10.0 試行ごとの合格率 76.2% 不安定なテスト 3 入力トークン 46,740 出力トークン 3,230 推論トークン 78,406 応答時間（平均） 47.07s 応答時間（合計） 988.37s 応答時間（最大） 254.92s 不正解: 5 指示に従っていない: 2 反AIトリック : 8.3 コーディング : 8.0 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 雑学 : 3.0
#21#21	GPT-5.4medium	8.0	OpenAI	$1.210	22.35s
モデルカードを見る合計テスト数 21 誤答テスト数 7 信頼性 10.0 試行ごとの合格率 76.2% 不安定なテスト 4 入力トークン 34,108 出力トークン 2,242 推論トークン 72,707 応答時間（平均） 22.35s 応答時間（合計） 469.29s 応答時間（最大） 100.41s 不正解: 5 指示に従っていない: 2 反AIトリック : 8.3 コーディング : 8.8 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 雑学 : 3.0
#22#22	Step 3.7 Flashmedium	8.0	Stepfun	$0.376	20.35s
モデルカードを見る合計テスト数 21 誤答テスト数 7 信頼性 9.9 試行ごとの合格率 73.0% 不安定なテスト 2 入力トークン 39,981 出力トークン 319,958 推論トークン 0 応答時間（平均） 20.35s 応答時間（合計） 427.42s 応答時間（最大） 113.98s 不正解: 5 指示に従っていない: 1 回答なし: 1 反AIトリック : 8.7 コーディング : 8.8 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 : 4.0 指示追従 : 9.8 パズル解決 : 5.7 ツール呼び出し : 10.0 雑学 : 3.0
#23#23	GLM 5 Turbomedium	8.0	Z.ai	$0.323 ↑	23.00s
モデルカードを見る合計テスト数 21 誤答テスト数 7 信頼性 10.0 試行ごとの合格率 74.6% 不安定なテスト 4 入力トークン 35,593 出力トークン 12,245 推論トークン 62,277 応答時間（平均） 23.00s 応答時間（合計） 482.97s 応答時間（最大） 194.23s 不正解: 4 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 : 8.2 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 : 8.7 ツール呼び出し : 10.0 雑学 : 3.0
#24#24	GPT-5.2 Chatnone	7.9	OpenAI	$0.393	7.13s
モデルカードを見る合計テスト数 21 誤答テスト数 7 信頼性 10.0 試行ごとの合格率 74.6% 不安定なテスト 3 入力トークン 34,212 出力トークン 23,744 推論トークン 0 応答時間（平均） 7.13s 応答時間（合計） 149.69s 応答時間（最大） 38.52s 不正解: 6 指示に従っていない: 1 反AIトリック : 8.7 コーディング : 8.8 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 : 9.8 パズル解決 : 7.7 ツール呼び出し : 10.0 雑学 : 3.0
#25#25	Qwen3.5 Plus 2026-02-15medium	7.9	Qwen	$0.310 ↓	73.79s
モデルカードを見る合計テスト数 21 誤答テスト数 7 信頼性 10.0 試行ごとの合格率 73.0% 不安定なテスト 3 入力トークン 40,918 出力トークン 2,159 推論トークン 189,604 応答時間（平均） 73.79s 応答時間（合計） 1033.07s 応答時間（最大） 266.69s 不正解: 4 タイムアウト: 2 API エラー: 1 反AIトリック : 8.2 コーディング : 6.6 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 雑学 : 3.0
#26#26	Qwen3.6 Plusmedium	7.9	Qwen	$0.294 ↑	30.70s
モデルカードを見る合計テスト数 21 誤答テスト数 7 信頼性 10.0 試行ごとの合格率 69.8% 不安定なテスト 2 入力トークン 41,565 出力トークン 1,853 推論トークン 141,973 応答時間（平均） 30.70s 応答時間（合計） 613.99s 応答時間（最大） 201.68s 不正解: 5 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 : 6.1 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 : 5.1 指示追従 : 10.0 パズル解決 : 10.0 ツール呼び出し : 10.0 雑学 : 3.0
#27#27	Gemma 4 31Bmedium	7.8	Google	$0.035 ↓	56.55s
モデルカードを見る合計テスト数 21 誤答テスト数 7 信頼性 10.0 試行ごとの合格率 69.8% 不安定なテスト 1 入力トークン 17,957 出力トークン 22,356 推論トークン 65,726 応答時間（平均） 56.55s 応答時間（合計） 1074.41s 応答時間（最大） 437.40s API エラー: 2 タイムアウト: 2 不正解: 2 回答なし: 1 反AIトリック : 10.0 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 : 7.7 汎用知能 : 10.0 指示追従 : 10.0 パズル解決 : 9.9 ツール呼び出し : 3.0 雑学 : 3.0
#28#28	Gemini 2.5 Flashmedium	7.8	Google	$0.379	15.49s
モデルカードを見る合計テスト数 21 誤答テスト数 7 信頼性 10.0 試行ごとの合格率 69.8% 不安定なテスト 1 入力トークン 34,476 出力トークン 1,930 推論トークン 145,145 応答時間（平均） 15.49s 応答時間（合計） 325.39s 応答時間（最大） 95.48s 不正解: 6 指示に従っていない: 1 反AIトリック : 8.4 コーディング : 7.8 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 雑学 : 3.0
#29#29	Qwen3.5-122B-A10Bmedium	7.8	Qwen	$0.588 ↓	42.49s
モデルカードを見る合計テスト数 21 誤答テスト数 7 信頼性 10.0 試行ごとの合格率 73.0% 不安定なテスト 3 入力トークン 41,832 出力トークン 26,187 推論トークン 251,028 応答時間（平均） 42.49s 応答時間（合計） 892.30s 応答時間（最大） 168.16s 不正解: 5 タイムアウト: 2 反AIトリック : 10.0 コーディング : 6.0 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 : 3.4 指示追従 : 10.0 パズル解決 : 10.0 ツール呼び出し : 10.0 雑学 : 3.0
#32#32	Gemini 3.5 Flashminimal	7.7	Google	$0.108	1.57s
モデルカードを見る合計テスト数 21 誤答テスト数 7 信頼性 10.0 試行ごとの合格率 68.3% 不安定なテスト 1 入力トークン 39,847 出力トークン 5,277 推論トークン 0 応答時間（平均） 1.57s 応答時間（合計） 33.02s 応答時間（最大） 5.51s 不正解: 5 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 : 6.5 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 : 10.0 汎用知能 : 10.0 指示追従 : 6.4 パズル解決 : 10.0 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