AI BENCHY Compare
比較対象モデル
比較する:
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: 2026-03-03
| 指標 | OpenAI: GPT-5.2 Chat none リリース: 2025-12-11 | OpenAI: GPT-5.3 Chat none リリース: 2026-03-03 | Google: Gemini 3.1 Flash Lite Preview low リリース: 2026-03-03 |
|---|---|---|---|
| 順位 | #12 | #14 | #8 |
| 平均スコア | 7.41 | 7.27 | 7.84 |
| 一貫性 | 9.45 | 8.26 | 10.00 |
| 結果あたりのコスト | 2.261 | 2.835 | 0.151 |
| 合計コスト | $0.227 | $0.256 | $0.016 |
| 正解テスト | |||
| 試行ごとの合格率 | 73.8% | 73.8% | 71.4% |
| 不安定なテスト | 1 | 3 | 0 |
| 出力トークン | 14,267 | 16,339 | 1,317 |
| 推論トークン | 0 | 0 | 6,126 |
スコア vs 総コスト
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 | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.2 Chat | 10.00 | 10.00 | 100.0% | 0 | 1,651 | 0 | |
| OpenAI: GPT-5.3 Chat | 7.33 | 7.49 | 77.8% | 1 | 3,091 | 0 | |
| Google: Gemini 3.1 Flash Lite Preview | 7.00 | 10.00 | 66.7% | 0 | 456 | 1,224 |
| 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 | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.2 Chat | 9.88 | 10.00 | 100.0% | 0 | 980 | 0 | |
| OpenAI: GPT-5.3 Chat | 9.88 | 10.00 | 100.0% | 0 | 942 | 0 | |
| Google: Gemini 3.1 Flash Lite Preview | 9.88 | 10.00 | 100.0% | 0 | 291 | 696 |
| 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 | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.2 Chat | 4.00 | 10.00 | 33.3% | 0 | 7,810 | 0 | |
| OpenAI: GPT-5.3 Chat | 1.00 | 4.41 | 33.3% | 2 | 8,264 | 0 | |
| Google: Gemini 3.1 Flash Lite Preview | 4.00 | 10.00 | 33.3% | 0 | 18 | 1,212 |
| 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 | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.2 Chat | 5.50 | 6.13 | 66.7% | 1 | 1,528 | 0 | |
| OpenAI: GPT-5.3 Chat | 8.50 | 9.99 | 50.0% | 0 | 1,455 | 0 | |
| Google: Gemini 3.1 Flash Lite Preview | 8.50 | 10.00 | 50.0% | 0 | 72 | 753 |
| 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 | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.2 Chat | 7.00 | 10.00 | 66.7% | 0 | 1,743 | 0 | |
| OpenAI: GPT-5.3 Chat | 10.00 | 10.00 | 100.0% | 0 | 1,726 | 0 | |
| Google: Gemini 3.1 Flash Lite Preview | 10.00 | 10.00 | 100.0% | 0 | 243 | 1,248 |
| 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 | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.2 Chat | 10.00 | 10.00 | 100.0% | 0 | 555 | 0 | |
| OpenAI: GPT-5.3 Chat | 10.00 | 10.00 | 100.0% | 0 | 861 | 0 | |
| Google: Gemini 3.1 Flash Lite Preview | 10.00 | 10.00 | 100.0% | 0 | 237 | 993 |
クイック比較
比較ペアを切り替え
GPT-5.3 ChatnonevsGLM 5mediumClaude Sonnet 4.6mediumvsGPT-5.2 ChatnoneGemini 3.1 Flash Lite PreviewlowvsGPT-5.3-CodexmediumGPT-5.2 ChatnonevsGLM 5mediumClaude Sonnet 4.6mediumvsGPT-5.3 ChatnoneGemini 2.5 FlashmediumvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsStep 3.5 Flashmedium無料で利用可能DeepSeek V3.2mediumvsGPT-5.3 ChatnoneGemini 2.5 FlashmediumvsGPT-5.2 ChatnoneGemini 3.1 Flash Lite PreviewhighvsGPT-5.2 ChatnoneGemini 3.1 Flash Lite PreviewmediumvsGPT-5.3 ChatnoneClaude Sonnet 4.6mediumvsGemini 3.1 Flash Lite Previewlow