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: 2026-06-04

指標	GPT-5.2 Chat GPT-5.2 Chat none リリース: 2025-12-11	GPT-5.3 Chat GPT-5.3 Chat none リリース: 2026-03-03	Gemini 3.1 Flash Lite Preview Gemini 3.1 Flash Lite Preview low リリース: 2026-03-03

指標	GPT-5.2 Chat GPT-5.2 Chat none リリース: 2025-12-11	GPT-5.3 Chat GPT-5.3 Chat none リリース: 2026-03-03	Gemini 3.1 Flash Lite Preview Gemini 3.1 Flash Lite Preview low リリース: 2026-03-03
スコア	7.9	7.2	7.4
順位	#24	#63	#50
信頼性	10.0	10.0	10.0
一貫性	8.9	8.1	10.0
正解テスト
試行ごとの合格率	74.6%	66.7%	61.9%
不安定なテスト	3	5	0
総実行回数	63	63	63
結果あたりのコスト	2.803	3.605	0.196
合計コスト	$0.393	$0.433	$0.026
入力価格	$1.750 / 1M	$1.750 / 1M	$0.250 / 1M
出力価格	$14.000 / 1M	$14.000 / 1M	$1.500 / 1M
合計入力トークン	34,212	34,209	32,715
出力トークン	23,744	26,617	2,286
推論トークン	0	0	9,166
応答時間（平均）	7.13s	6.34s	2.77s
応答時間（最大）	38.52s	18.33s	11.91s
応答時間（合計）	149.69s	133.13s	58.12s

スコア上位モデル

スコア vs 総コスト

応答時間（平均）

スコア vs 応答時間（平均）

合計出力トークン

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）	入力トークン	出力トークン	推論トークン
GPT-5.2 Chat	8.7	7.9	91.7%	1		3.40s	606	1,807	0
GPT-5.3 Chat	6.7	8.1	58.3%	1		3.86s	606	3,167	0
Gemini 3.1 Flash Lite Preview	8.3	10.0	75.0%	0		2.12s	506	462	1,638

コーディング	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）	入力トークン	出力トークン	推論トークン
GPT-5.2 Chat	8.8	7.8	88.9%	1		9.82s	7,305	6,731	0
GPT-5.3 Chat	5.6	4.7	55.6%	2		10.52s	7,302	6,632	0
Gemini 3.1 Flash Lite Preview	5.5	10.0	33.3%	0		1.39s	8,138	660	1,060

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）	入力トークン	出力トークン	推論トークン
GPT-5.2 Chat	10.0	10.0	100.0%	0		9.12s	11,019	1,243	0
GPT-5.3 Chat	10.0	10.0	100.0%	0		11.96s	11,019	2,614	0
Gemini 3.1 Flash Lite Preview	3.0	10.0	0.0%	0		11.91s	8,381	225	762

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）	入力トークン	出力トークン	推論トークン
GPT-5.2 Chat	10.0	10.0	100.0%	0		3.05s	7,140	980	0
GPT-5.3 Chat	10.0	10.0	100.0%	0		2.21s	7,140	942	0
Gemini 3.1 Flash Lite Preview	10.0	10.0	100.0%	0		3.00s	7,455	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	応答時間（平均）	入力トークン	出力トークン	推論トークン
GPT-5.2 Chat	5.3	10.0	33.3%	0		17.78s	723	7,810	0
GPT-5.3 Chat	3.5	4.4	33.3%	2		13.01s	723	8,264	0
Gemini 3.1 Flash Lite Preview	5.3	10.0	33.3%	0		2.36s	641	18	1,212

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）	入力トークン	出力トークン	推論トークン
GPT-5.2 Chat	4.4	3.0	33.3%	1		3.20s	477	335	0
GPT-5.3 Chat	4.6	10.0	0.0%	0		1.99s	477	319	0
Gemini 3.1 Flash Lite Preview	4.0	10.0	0.0%	0		1.54s	490	69	384

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）	入力トークン	出力トークン	推論トークン
GPT-5.2 Chat	9.8	10.0	100.0%	0		5.51s	660	1,441	0
GPT-5.3 Chat	9.8	10.0	100.0%	0		3.51s	660	1,491	0
Gemini 3.1 Flash Lite Preview	10.0	10.0	100.0%	0		1.49s	621	72	753

パズル解決	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）	入力トークン	出力トークン	推論トークン
GPT-5.2 Chat	7.7	10.0	66.7%	0		4.10s	642	1,603	0
GPT-5.3 Chat	10.0	10.0	100.0%	0		2.99s	642	1,758	0
Gemini 3.1 Flash Lite Preview	10.0	10.0	100.0%	0		1.69s	566	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	応答時間（平均）	入力トークン	出力トークン	推論トークン
GPT-5.2 Chat	10.0	10.0	100.0%	0		4.68s	5,445	555	0
GPT-5.3 Chat	10.0	10.0	100.0%	0		8.36s	5,445	861	0
Gemini 3.1 Flash Lite Preview	10.0	10.0	100.0%	0		9.54s	5,757	237	993

雑学	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）	入力トークン	出力トークン	推論トークン
GPT-5.2 Chat	3.0	10.0	0.0%	0		6.89s	195	1,239	0
GPT-5.3 Chat	3.0	10.0	0.0%	0		4.38s	195	569	0
Gemini 3.1 Flash Lite Preview	3.0	10.0	0.0%	0		1.35s	160	9	420

クイック比較

比較ペアを切り替え

Gemini 3.1 Flash Lite PreviewlowvsQwen3.5-Flashmedium GPT-5.2 ChatnonevsQwen3.5 Plus 2026-02-15medium GPT-5.3 ChatnonevsMiMo-V2-Flashmedium Gemini 3.1 Flash Lite PreviewlowvsMimo V2 PROmedium Gemini 3.1 Flash Lite PreviewlowvsGrok Build 0.1medium GPT-5.3 ChatnonevsStep 3.5 Flashmedium Gemini 3.1 Flash LitelowvsGPT-5.3 Chatnone Kimi K2.6medium無料で利用可能vsGPT-5.3 Chatnone Gemini 3.1 Flash Lite PreviewlowvsQwen3.6 35B A3Bmedium GPT-5.3 ChatnonevsGLM 5V Turbomedium Claude Sonnet 4.6mediumvsGemini 3.1 Flash Lite Previewlow GPT-5.2 ChatnonevsGLM 5 Turbomedium