AI BENCHY Compare
OpenAI: GPT-5.3-Codex vs Qwen: Qwen3.7 Max
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: 2026-05-22
| 指標 | GPT-5.3-Codex GPT-5.3-Codex medium | Qwen3.7 Max Qwen3.7 Max medium |
|---|---|---|
| スコア | 8.3 | 9.0 |
| 順位 | #15 | #5 |
| 信頼性 | 10.0 | 10.0 |
| 一貫性 | 8.4 | 9.6 |
| 正解テスト | ||
| 試行ごとの合格率 | 81.7% | 88.3% |
| 不安定なテスト | 4 | 1 |
| 総実行回数 | 60 | 60 |
| 結果あたりのコスト | 4.891 | 5.540 |
| 合計コスト | $0.685 | $0.942 |
| ???? | $1.750 / 1M | $2.500 / 1M |
| ???? | $14.000 / 1M | $7.500 / 1M |
| 出力トークン | 2,332 | 2,109 |
| 推論トークン | 42,616 | 110,285 |
| 応答時間（平均） | 15.97s | 13.83s |
| 応答時間（最大） | 100.93s | 33.37s |
| 応答時間（合計） | 319.30s | 276.53s |
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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| GPT-5.3-Codex | 8.7 | 7.9 | 91.7% | 1 | 4.16s | 240 | 1,722 | |
| Qwen3.7 Max | 10.0 | 10.0 | 100.0% | 0 | 6.36s | 222 | 8,742 |
| 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 18.45s | 514 | 7,266 | |
| Qwen3.7 Max | 10.0 | 10.0 | 100.0% | 0 | 22.98s | 403 | 22,134 |
| 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-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 19.56s | 364 | 2,731 | |
| Qwen3.7 Max | 10.0 | 10.0 | 100.0% | 0 | 19.60s | 366 | 8,405 |
| 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-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 3.07s | 234 | 728 | |
| Qwen3.7 Max | 10.0 | 10.0 | 100.0% | 0 | 8.80s | 270 | 6,254 |
| 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-5.3-Codex | 5.9 | 7.2 | 55.6% | 1 | 64.31s | 64 | 25,308 | |
| Qwen3.7 Max | 5.9 | 7.2 | 55.6% | 1 | 24.94s | 61 | 31,793 |
| 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-5.3-Codex | 4.6 | 10.0 | 0.0% | 0 | 4.87s | 187 | 331 | |
| Qwen3.7 Max | 10.0 | 10.0 | 100.0% | 0 | 11.70s | 135 | 4,457 |
| 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-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 3.04s | 93 | 693 | |
| Qwen3.7 Max | 10.0 | 10.0 | 100.0% | 0 | 7.46s | 102 | 5,452 |
| 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| GPT-5.3-Codex | 9.0 | 7.9 | 88.9% | 1 | 5.12s | 352 | 1,644 | |
| Qwen3.7 Max | 10.0 | 10.0 | 100.0% | 0 | 8.84s | 259 | 8,908 |
| 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-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 6.37s | 254 | 492 | |
| Qwen3.7 Max | 10.0 | 10.0 | 100.0% | 0 | 6.63s | 267 | 1,220 |
| 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| GPT-5.3-Codex | 2.8 | 1.6 | 33.3% | 1 | 14.43s | 30 | 1,701 | |
| Qwen3.7 Max | 3.0 | 10.0 | 0.0% | 0 | 33.37s | 24 | 12,920 |
クイック比較
比較ペアを切り替え
GPT-5.5lowvsQwen3.7 MaxmediumGemini 3.5 FlashnonevsQwen3.7 MaxmediumGemini 3.5 FlashlowvsQwen3.7 MaxmediumGemini 3 Flash PreviewlowvsGPT-5.3-CodexmediumGemini 3 Flash PreviewlowvsQwen3.7 MaxmediumGemini 3.5 FlashminimalvsGPT-5.3-CodexmediumGPT-5.3-CodexmediumvsQwen3.7 MaxnoneGemini 3.5 FlashnonevsGPT-5.3-CodexmediumGemini 3.5 FlashhighvsQwen3.7 MaxmediumGemini 3 Flash PreviewnonevsGPT-5.3-CodexmediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.3-CodexmediumGemini 3.1 Flash Lite PreviewnonevsGPT-5.3-Codexmedium