AI BENCHY Compare
OpenAI: GPT-5.3-Codex vs Qwen: Qwen3.7 Plus
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: 2026-06-03
| 指標 | GPT-5.3-Codex GPT-5.3-Codex medium | Qwen3.7 Plus Qwen3.7 Plus medium |
|---|---|---|
| スコア | 8.3 | 8.4 |
| 順位 | #17 | #16 |
| 信頼性 | 10.0 | 9.9 |
| 一貫性 | 8.4 | 9.2 |
| 正解テスト | ||
| 試行ごとの合格率 | 81.7% | 80.0% |
| 不安定なテスト | 4 | 2 |
| 総実行回数 | 60 | 60 |
| 結果あたりのコスト | 4.887 | 1.324 |
| 合計コスト | $0.685 | $0.199 |
| 入力価格 | $1.750 / 1M | $0.400 / 1M |
| 出力価格 | $14.000 / 1M | $1.600 / 1M |
| 合計入力トークン | 31,680 | 38,104 |
| 出力トークン | 2,336 | 2,107 |
| 推論トークン | 42,565 | 112,479 |
| 応答時間（平均） | 15.95s | 36.84s |
| 応答時間（最大） | 100.93s | 178.04s |
| 応答時間（合計） | 319.08s | 736.86s |
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-5.3-Codex | 8.7 | 7.9 | 91.7% | 1 | 4.16s | 606 | 240 | 1,722 | |
| Qwen3.7 Plus | 10.0 | 10.0 | 100.0% | 0 | 8.58s | 672 | 195 | 5,065 |
| 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-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 18.45s | 4,683 | 514 | 7,266 | |
| Qwen3.7 Plus | 6.5 | 5.9 | 66.7% | 1 | 122.40s | 3,637 | 396 | 30,301 |
| 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-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 19.56s | 11,019 | 364 | 2,731 | |
| Qwen3.7 Plus | 10.0 | 10.0 | 100.0% | 0 | 65.24s | 14,934 | 366 | 10,132 |
| 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-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 3.07s | 7,140 | 234 | 728 | |
| Qwen3.7 Plus | 10.0 | 10.0 | 100.0% | 0 | 21.75s | 7,782 | 270 | 6,713 |
| 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-5.3-Codex | 5.9 | 7.2 | 55.6% | 1 | 64.31s | 813 | 64 | 25,308 | |
| Qwen3.7 Plus | 3.6 | 7.2 | 22.2% | 1 | 45.35s | 771 | 57 | 27,073 |
| 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-5.3-Codex | 4.6 | 10.0 | 0.0% | 0 | 4.87s | 477 | 187 | 331 | |
| Qwen3.7 Plus | 10.0 | 10.0 | 100.0% | 0 | 25.48s | 516 | 123 | 3,998 |
| 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-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 3.04s | 660 | 93 | 693 | |
| Qwen3.7 Plus | 10.0 | 10.0 | 100.0% | 0 | 16.13s | 699 | 102 | 5,013 |
| 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-5.3-Codex | 9.0 | 7.9 | 88.9% | 1 | 5.05s | 642 | 356 | 1,593 | |
| Qwen3.7 Plus | 10.0 | 10.0 | 100.0% | 0 | 16.38s | 696 | 280 | 7,312 |
| 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-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 6.37s | 5,445 | 254 | 492 | |
| Qwen3.7 Plus | 10.0 | 10.0 | 100.0% | 0 | 15.02s | 8,193 | 292 | 1,831 |
| 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-5.3-Codex | 2.8 | 1.6 | 33.3% | 1 | 14.43s | 195 | 30 | 1,701 | |
| Qwen3.7 Plus | 3.0 | 10.0 | 0.0% | 0 | 91.07s | 204 | 26 | 15,041 |
クイック比較
比較ペアを切り替え
Gemini 3 Flash PreviewlowvsQwen3.7 PlusmediumGemini 3 Flash PreviewlowvsGPT-5.3-CodexmediumGemini 3.5 FlashnonevsGPT-5.3-CodexmediumGemini 3.5 FlashnonevsQwen3.7 PlusmediumGemini 3.5 FlashminimalvsGPT-5.3-CodexmediumGemini 3.5 FlashminimalvsQwen3.7 PlusmediumGPT-5.3-CodexmediumvsQwen3.7 MaxnoneGPT-5.2 ChatnonevsQwen3.7 PlusmediumGPT-5.5lowvsQwen3.7 PlusmediumGemini 3 Flash PreviewnonevsGPT-5.3-CodexmediumGemini 3 Flash PreviewnonevsQwen3.7 PlusmediumDeepSeek V4 FlashhighvsGPT-5.3-Codexmedium