ナビゲーション
AI BENCHY
Your ad here

AI BENCHY Compare

比較対象モデル

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: 2026-03-12

指標 Claude Opus 4.6 Claude Opus 4.6 medium リリース: 2026-02-05 Claude Sonnet 4.6 Claude Sonnet 4.6 medium リリース: 2026-02-17 GPT-5.3-Codex GPT-5.3-Codex medium リリース: 2026-02-05 Gemini 3.1 Pro Preview Gemini 3.1 Pro Preview medium リリース: 2026-02-19
順位 #28 #12 #4 #2
平均スコア 6.6 7.7 8.4 9.4
一貫性 9.0 9.5 9.1 10.0
結果あたりのコスト 13.118 8.525 4.485 3.417
合計コスト $1.312 $1.023 $0.539 $0.513
正解テスト
試行ごとの合格率 66.7% 77.1% 83.3% 93.8%
不安定なテスト 2 1 2 0
総実行回数 48 48 48 48
出力トークン 26,254 35,159 1,764 1,521
推論トークン 17,363 24,687 33,348 35,656
応答時間（平均） 22.86s 11.23s 16.59s 16.60s
応答時間（最大） 83.40s 46.35s 100.93s 40.61s
応答時間（合計） 205.71s 89.84s 265.39s 149.36s

スコア上位モデル

スコア vs 総コスト

応答時間（平均）

平均スコア vs 応答時間（平均）

合計出力トークン

平均スコア vs 合計出力トークン

カテゴリ内訳

反AIトリック スコア 一貫性 試行ごとの合格率 不安定なテスト 正解テスト 応答時間（平均） 出力トークン 推論トークン
Claude Opus 4.6 4.0 4.4 55.6% 2 11.88s 897 1,000
Claude Sonnet 4.6 7.0 10.0 66.7% 0 4.95s 1,031 1,093
GPT-5.3-Codex 10.0 10.0 100.0% 0 4.69s 216 1,421
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 9.52s 106 2,533
複合 スコア 一貫性 試行ごとの合格率 不安定なテスト 正解テスト 応答時間（平均） 出力トークン 推論トークン
Claude Opus 4.6 10.0 10.0 100.0% 0 76.66s 8,178 5,194
Claude Sonnet 4.6 10.0 10.0 100.0% 0 46.35s 5,871 3,962
GPT-5.3-Codex 10.0 10.0 100.0% 0 19.56s 364 2,731
Gemini 3.1 Pro Preview 9.0 10.0 100.0% 0 40.61s 432 9,281
データ解析と抽出 スコア 一貫性 試行ごとの合格率 不安定なテスト 正解テスト 応答時間（平均） 出力トークン 推論トークン
Claude Opus 4.6 9.9 10.0 100.0% 0 7.37s 691 757
Claude Sonnet 4.6 9.9 10.0 100.0% 0 13.90s 649 742
GPT-5.3-Codex 9.9 10.0 100.0% 0 3.07s 234 728
Gemini 3.1 Pro Preview 9.9 10.0 100.0% 0 7.72s 279 3,904
ドメイン特化 スコア 一貫性 試行ごとの合格率 不安定なテスト 正解テスト 応答時間（平均） 出力トークン 推論トークン
Claude Opus 4.6 10.0 10.0 0.0% 0 83.40s 14,642 8,687
Claude Sonnet 4.6 10.0 7.2 11.1% 1 0ms 25,790 16,919
GPT-5.3-Codex 4.0 7.2 55.6% 1 64.31s 64 25,308
Gemini 3.1 Pro Preview 7.0 10.0 66.7% 0 32.73s 18 12,424
汎用知能 スコア 一貫性 試行ごとの合格率 不安定なテスト 正解テスト 応答時間（平均） 出力トークン 推論トークン
Claude Opus 4.6 10.0 10.0 100.0% 0 5.04s 188 292
Claude Sonnet 4.6 10.0 10.0 100.0% 0 4.94s 256 433
GPT-5.3-Codex 4.0 10.0 0.0% 0 4.87s 187 331
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 11.77s 108 1,179
指示追従 スコア 一貫性 試行ごとの合格率 不安定なテスト 正解テスト 応答時間（平均） 出力トークン 推論トークン
Claude Opus 4.6 10.0 10.0 100.0% 0 2.43s 266 467
Claude Sonnet 4.6 10.0 10.0 100.0% 0 2.61s 318 552
GPT-5.3-Codex 10.0 10.0 100.0% 0 3.04s 93 693
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 9.56s 72 2,236
Puzzle Solving スコア 一貫性 試行ごとの合格率 不安定なテスト 正解テスト 応答時間（平均） 出力トークン 推論トークン
Claude Opus 4.6 7.0 10.0 66.7% 0 4.60s 531 637
Claude Sonnet 4.6 10.0 10.0 100.0% 0 4.80s 589 635
GPT-5.3-Codex 9.3 7.9 88.9% 1 5.12s 352 1,644
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 7.15s 232 3,117
ツール呼び出し スコア 一貫性 試行ごとの合格率 不安定なテスト 正解テスト 応答時間（平均） 出力トークン 推論トークン
Claude Opus 4.6 10.0 10.0 100.0% 0 9.73s 861 329
Claude Sonnet 4.6 10.0 10.0 100.0% 0 7.48s 655 351
GPT-5.3-Codex 10.0 10.0 100.0% 0 6.37s 254 492
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 23.15s 274 982

クイック比較

比較ペアを切り替え

Gemini 3 Flash PreviewlowvsGPT-5.3-CodexmediumClaude Sonnet 4.6mediumvsGPT-5.2 ChatnoneClaude Opus 4.6mediumvsQwen3.5 Plus 2026-02-15noneClaude Sonnet 4.6mediumvsGemini 3.1 Flash Lite PreviewlowClaude Sonnet 4.6mediumvsGPT-5.3 ChatnoneClaude Sonnet 4.6mediumvsGemini 3 Flash PreviewlowClaude Opus 4.6mediumvsGemini 3.1 Flash Lite PreviewnoneClaude Sonnet 4.6mediumvsGemini 3 Flash PreviewnoneClaude Opus 4.6mediumvsGLM 5noneClaude Opus 4.6mediumvsGemini 3 Flash PreviewnoneClaude Sonnet 4.6mediumvsGemini 3.1 Flash Lite PreviewnoneClaude Opus 4.6mediumvsGPT-5.3 Chatnone