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
#91#91	Qwen3.5-Flashnone	6.0	Qwen	$0.006	3.11s
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 43.9% 不安定なテスト 1 出力トークン 4,275 推論トークン 0 応答時間（平均） 3.11s 応答時間（合計） 59.03s 応答時間（最大） 13.73s 不正解: 11 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 : 10.0 ドメイン特化 : 7.7 汎用知能 : 10.0 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
#92#92	Qwen3.5 Plus 2026-04-20none	5.9	Qwen	$0.040	4.77s
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 9.9 試行ごとの合格率 45.6% 不安定なテスト 4 出力トークン 11,150 推論トークン 0 応答時間（平均） 4.77s 応答時間（合計） 90.58s 応答時間（最大） 33.34s 不正解: 11 指示に従っていない: 1 反AIトリック : 4.8 コーディング : 5.3 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
#93#93	Qwen3.5-35B-A3Bnone	5.9	Qwen	$0.016	3.64s
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 47.4% 不安定なテスト 3 出力トークン 4,311 推論トークン 0 応答時間（平均） 3.64s 応答時間（合計） 69.23s 応答時間（最大） 47.43s 不正解: 10 指示に従っていない: 2 反AIトリック : 3.4 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 : 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
#94#94	MiMo-V2-Pronone	5.9	Xiaomi	$0.043	2.35s
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 45.6% 不安定なテスト 3 出力トークン 2,344 推論トークン 0 応答時間（平均） 2.35s 応答時間（合計） 44.69s 応答時間（最大） 6.58s 不正解: 10 指示に従っていない: 2 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 : 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
#95#95	Qwen3.5-27Bnone	5.9	Qwen	$0.016	1.68s
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 42.1% 不安定なテスト 2 出力トークン 3,555 推論トークン 0 応答時間（平均） 1.68s 応答時間（合計） 31.92s 応答時間（最大） 9.39s 不正解: 10 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 : 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
#96#96	Qwen3.6 27Bnone	5.8	Qwen	$0.031	4.00s
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 52.6% 不安定なテスト 6 出力トークン 3,786 推論トークン 0 応答時間（平均） 4.00s 応答時間（合計） 76.04s 応答時間（最大） 12.08s 不正解: 9 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 : 10.0 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
#97#97	Cobuddymedium	5.8	Baidu	$0.000	36.50s
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 9.9 試行ごとの合格率 54.4% 不安定なテスト 7 出力トークン 1,648 推論トークン 96,062 応答時間（平均） 36.50s 応答時間（合計） 693.45s 応答時間（最大） 309.02s 不正解: 8 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 : 8.7 コーディング : 4.3 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 : 3.5 ツール呼び出し : 10.0 雑学 : 3.0
#98#98	Owl Alphanone	5.8	Openrouter	$0.000	6.83s
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 43.9% 不安定なテスト 2 出力トークン 1,685 推論トークン 0 応答時間（平均） 6.83s 応答時間（合計） 129.73s 応答時間（最大） 32.27s 不正解: 9 指示に従っていない: 3 反AIトリック : 3.4 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 : 4.3 指示追従 : 6.4 パズル解決 : 5.9 ツール呼び出し : 10.0 雑学 : 3.0
#99#99	GLM 4.7 Flashnone	5.8	Z.ai	$0.003	3.13s
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 40.4% 不安定なテスト 3 出力トークン 2,498 推論トークン 0 応答時間（平均） 3.13s 応答時間（合計） 37.60s 応答時間（最大） 7.05s 不正解: 11 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 : 6.4 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
#100#100	GPT-5.4none	5.7	OpenAI	$0.105	1.48s
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 40.4% 不安定なテスト 2 出力トークン 2,357 推論トークン 0 応答時間（平均） 1.48s 応答時間（合計） 28.20s 応答時間（最大） 2.95s 不正解: 11 指示に従っていない: 1 反AIトリック : 3.2 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 : 4.4 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
#101#101	gpt-oss-120bmedium	5.7	OpenAI	$0.011	16.95s
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 49.1% 不安定なテスト 6 出力トークン 16,594 推論トークン 40,637 応答時間（平均） 16.95s 応答時間（合計） 203.39s 応答時間（最大） 50.92s 不正解: 8 指示に従っていない: 4 反AIトリック : 6.7 コーディング : 4.3 複合 : 10.0 データ解析と抽出 : 6.4 ドメイン特化 : 2.9 汎用知能 : 4.3 指示追従 : 9.9 パズル解決 : 3.2 ツール呼び出し : 9.8 雑学 : 3.0
#102#102	Kimi K2.6none	5.7	Moonshot AI	$0.039	2.02s
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 40.4% 不安定なテスト 2 出力トークン 2,990 推論トークン 0 応答時間（平均） 2.02s 応答時間（合計） 38.29s 応答時間（最大） 6.65s 不正解: 10 指示に従っていない: 2 反AIトリック : 4.6 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 : 5.4 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
#103#103	GLM 5.1none	5.7	Z.ai	$0.053	4.23s
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 10.0 試行ごとの合格率 42.1% 不安定なテスト 5 出力トークン 3,731 推論トークン 0 応答時間（平均） 4.23s 応答時間（合計） 80.36s 応答時間（最大） 32.57s 不正解: 11 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 : 5.1 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 : 6.1 ツール呼び出し : 10.0 雑学 : 3.0
#104#104	MiMo-V2.5-Pronone	5.7	Xiaomi	$0.035	1.88s
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 43.9% 不安定なテスト 4 出力トークン 3,040 推論トークン 0 応答時間（平均） 1.88s 応答時間（合計） 35.63s 応答時間（最大） 8.32s 不正解: 10 指示に従っていない: 3 反AIトリック : 3.3 コーディング : 6.4 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 : 4.0 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
#105#105	Hunter Alphanone	5.7	OpenRouter	$0.000	4.58s
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 出力トークン 2,278 推論トークン 0 応答時間（平均） 4.58s 応答時間（合計） 77.92s 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
#106#106	DeepSeek V3.2none	5.7	DeepSeek	$0.016	13.43s
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 49.1% 不安定なテスト 5 出力トークン 7,194 推論トークン 0 応答時間（平均） 13.43s 応答時間（合計） 255.10s 応答時間（最大） 115.89s 不正解: 8 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 : 3.3 コーディング : 2.4 複合 : 6.5 データ解析と抽出 : 6.3 ドメイン特化 : 3.0 汎用知能 : 7.6 指示追従 : 10.0 パズル解決 : 7.5 ツール呼び出し : 10.0 雑学 : 3.0
#107#107	Qwen3.6 Flashnone	5.6	Qwen	$0.018	1.60s
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 36.8% 不安定なテスト 0 出力トークン 4,170 推論トークン 0 応答時間（平均） 1.60s 応答時間（合計） 30.43s 応答時間（最大） 4.60s 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 : 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 : 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
#108#108	MiniMax M2.5medium	5.5	Minimax	$0.273	43.39s
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 6.7 試行ごとの合格率 52.6% 不安定なテスト 10 出力トークン 108,324 推論トークン 224,957 応答時間（平均） 43.39s 応答時間（合計） 477.26s 応答時間（最大） 237.27s 不正解: 6 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 反AIトリック : 7.9 コーディング : 3.0 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
#109#109	Mistral Small 4medium	5.5	Mistral	$0.035	5.65s
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 47.4% 不安定なテスト 7 出力トークン 15,102 推論トークン 40,965 応答時間（平均） 5.65s 応答時間（合計） 107.44s 応答時間（最大） 30.49s 不正解: 10 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 : 6.7 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
#110#110	Grok 4.20 Betanone	5.5	X AI	$0.091	1.19s
モデルカードを見る合計テスト数 18 誤答テスト数 13 信頼性該当なし試行ごとの合格率 35.2% 不安定なテスト 2 出力トークン 1,591 推論トークン 0 応答時間（平均） 1.19s 応答時間（合計） 21.37s 応答時間（最大） 6.48s 不正解: 11 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 : 5.9 ツール呼び出し : 10.0
#111#111	Elephant Alphamedium	5.5	Openrouter	$0.000	1.27s
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 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 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 : 5.1 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 : 0.0
#112#112	Qwen3.5-122B-A10Bnone	5.5	Qwen	$0.022	3.52s
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 36.8% 不安定なテスト 2 出力トークン 3,350 推論トークン 0 応答時間（平均） 3.52s 応答時間（合計） 66.80s 応答時間（最大） 46.00s 不正解: 11 指示に従っていない: 2 反AIトリック : 4.8 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 : 5.0 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
#113#113	Nemotron 3 Nano Omni 30b A3b Reasoningmedium	5.4	NVIDIA	$0.000	17.15s
モデルカードを見る合計テスト数 19 誤答テスト数 9 信頼性 10.0 試行ごとの合格率 53.9% 不安定なテスト 7 出力トークン 48,462 推論トークン 180,793 応答時間（平均） 17.15s 応答時間（合計） 222.94s 応答時間（最大） 147.45s 不正解: 7 指示に従っていない: 1 回答なし: 1 反AIトリック : 7.6 コーディング : 3.3 複合 : 0.0 データ解析と抽出 : 7.3 ドメイン特化 : 2.9 汎用知能 : 0.0 指示追従 : 7.1 パズル解決 : 3.8 ツール呼び出し : 0.0 雑学 : 0.0
#114#114	Kimi K2.5none	5.4	Moonshot AI	$0.017	12.58s
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 3 出力トークン 2,679 推論トークン 0 応答時間（平均） 12.58s 応答時間（合計） 150.95s 応答時間（最大） 42.13s 不正解: 13 反AIトリック : 3.6 コーディング : 10.0 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
#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
#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
#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
#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
#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
#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

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