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 GPT-5.2 GPT-5.2 medium リリース: 2025-12-11 GPT-5.3 Chat GPT-5.3 Chat none リリース: 2026-03-03 GPT-5.4 GPT-5.4 none リリース: 2026-03-05
順位 #29 #20 #51
平均スコア 6.5 7.3 4.5
一貫性 7.9 8.5 8.9
結果あたりのコスト 3.125 3.163 1.562
合計コスト $0.313 $0.317 $0.094
正解テスト
試行ごとの合格率 75.0% 70.8% 41.7%
不安定なテスト 4 3 2
総実行回数 48 48 48
出力トークン 2,220 19,272 1,819
推論トークン 16,811 0 0
応答時間（平均） 15.33s 5.96s 1.48s
応答時間（最大） 77.80s 18.33s 2.89s
応答時間（合計） 138.01s 95.30s 23.64s

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
GPT-5.2 7.0 7.3 77.8% 1 14.34s 549 2,002
GPT-5.3 Chat 7.3 7.5 77.8% 1 4.72s 3,091 0
GPT-5.4 10.0 7.3 11.1% 1 1.41s 388 0
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
GPT-5.2 10.0 10.0 100.0% 0 14.06s 291 1,757
GPT-5.3 Chat 10.0 10.0 100.0% 0 11.96s 2,614 0
GPT-5.4 10.0 10.0 0.0% 0 2.89s 291 0
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
GPT-5.2 9.9 10.0 100.0% 0 3.15s 234 420
GPT-5.3 Chat 9.9 10.0 100.0% 0 2.21s 942 0
GPT-5.4 9.9 10.0 100.0% 0 1.04s 222 0
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
GPT-5.2 4.0 7.2 55.6% 1 77.80s 42 10,342
GPT-5.3 Chat 10.0 4.4 33.3% 2 13.01s 8,264 0
GPT-5.4 4.0 7.2 44.4% 1 1.07s 50 0
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
GPT-5.2 10.0 9.7 0.0% 0 4.32s 162 269
GPT-5.3 Chat 4.0 10.0 0.0% 0 1.99s 319 0
GPT-5.4 3.0 9.9 0.0% 0 1.78s 184 0
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
GPT-5.2 9.5 10.0 100.0% 0 3.12s 94 614
GPT-5.3 Chat 9.0 10.0 50.0% 0 3.29s 1,455 0
GPT-5.4 5.5 10.0 50.0% 0 1.07s 81 0
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
GPT-5.2 7.0 7.3 77.8% 1 5.47s 609 938
GPT-5.3 Chat 10.0 10.0 100.0% 0 2.93s 1,726 0
GPT-5.4 4.0 9.8 33.3% 0 1.52s 357 0
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
GPT-5.2 10.0 1.6 66.7% 1 10.30s 239 469
GPT-5.3 Chat 10.0 10.0 100.0% 0 8.36s 861 0
GPT-5.4 10.0 10.0 100.0% 0 2.75s 246 0

クイック比較

比較ペアを切り替え

DeepSeek V3.2mediumvsGPT-5.3 ChatnoneGemini 3.1 Flash Lite PreviewlowvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsMiMo-V2-FlashmediumGemini 2.5 FlashmediumvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsGLM 5mediumGPT-5.3 ChatnonevsStep 3.5 Flashmedium無料で利用可能MiniMax M2.5mediumvsGPT-5.4noneGemini 3.1 Flash Lite PreviewmediumvsGPT-5.3 ChatnoneClaude Sonnet 4.6nonevsGPT-5.2mediumGPT-5.2mediumvsQwen3.5 Plus 2026-02-15noneGPT-5.3 ChatnonevsGrok 4.20 BetamediumSeed-2.0-MinimediumvsGPT-5.3 Chatnone