AI BENCHY Compare
OpenAI: GPT-5.4 vs Qwen: Qwen3.5-27B
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: 2026-04-16
| 指標 | GPT-5.4 GPT-5.4 medium | Qwen3.5-27B Qwen3.5-27B medium |
|---|---|---|
| スコア | 8.2 | 8.4 |
| 順位 | #16 | #10 |
| 一貫性 | 8.7 | 8.8 |
| 正解テスト | ||
| 試行ごとの合格率 | 79.6% | 81.5% |
| 不安定なテスト | 3 | 3 |
| 総実行回数 | 54 | 54 |
| 結果あたりのコスト | 6.399 | 3.822 |
| 合計コスト | $0.832 | $0.497 |
| ???? | $2.500 / 1M | $0.195 / 1M |
| ???? | $15.000 / 1M | $1.560 / 1M |
| 出力トークン | 2,169 | 2,500 |
| 推論トークン | 48,732 | 242,500 |
| 応答時間（平均） | 18.63s | 53.03s |
| 応答時間（最大） | 100.41s | 163.96s |
| 応答時間（合計） | 335.26s | 954.46s |
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-5.4 | 8.3 | 10.0 | 75.0% | 0 | 4.11s | 240 | 1,511 | |
| Qwen3.5-27B | 8.7 | 7.9 | 91.7% | 1 | 19.75s | 569 | 31,505 |
| 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-5.4 | 10.0 | 10.0 | 100.0% | 0 | 13.03s | 389 | 2,045 | |
| Qwen3.5-27B | 10.0 | 10.0 | 100.0% | 0 | 70.35s | 375 | 19,165 |
| 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-5.4 | 10.0 | 10.0 | 100.0% | 0 | 20.57s | 301 | 3,543 | |
| Qwen3.5-27B | 10.0 | 10.0 | 100.0% | 0 | 163.96s | 483 | 9,991 |
| 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-5.4 | 10.0 | 10.0 | 100.0% | 0 | 5.32s | 234 | 804 | |
| Qwen3.5-27B | 10.0 | 10.0 | 100.0% | 0 | 30.26s | 270 | 16,150 |
| 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-5.4 | 5.3 | 7.2 | 44.4% | 1 | 74.27s | 61 | 34,748 | |
| Qwen3.5-27B | 5.3 | 10.0 | 33.3% | 0 | 79.53s | 43 | 52,368 |
| 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-5.4 | 4.7 | 3.1 | 33.3% | 1 | 4.92s | 145 | 321 | |
| Qwen3.5-27B | 6.1 | 3.1 | 66.7% | 1 | 101.41s | 70 | 23,147 |
| 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-5.4 | 10.0 | 10.0 | 100.0% | 0 | 3.11s | 93 | 897 | |
| Qwen3.5-27B | 10.0 | 10.0 | 100.0% | 0 | 19.66s | 97 | 11,638 |
| 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-5.4 | 8.2 | 7.2 | 88.9% | 1 | 9.13s | 442 | 3,832 | |
| Qwen3.5-27B | 8.2 | 7.7 | 77.8% | 1 | 64.61s | 245 | 77,213 |
| 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-5.4 | 10.0 | 10.0 | 100.0% | 0 | 13.28s | 264 | 1,031 | |
| Qwen3.5-27B | 10.0 | 10.0 | 100.0% | 0 | 7.45s | 348 | 1,323 |
クイック比較
比較ペアを切り替え
Gemini 3 Flash PreviewnonevsGPT-5.4mediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.4mediumGemini 3.1 Flash Lite PreviewnonevsGPT-5.4mediumGemini 3 Flash PreviewnonevsQwen3.5-27BmediumGemini 3.1 Flash Lite PreviewlowvsQwen3.5-27BmediumGemini 3 Flash PreviewlowvsQwen3.5-27BmediumGPT-5.2 ChatnonevsQwen3.5-27BmediumGemini 3.1 Flash Lite PreviewnonevsQwen3.5-27BmediumGemini 3 Flash PreviewlowvsGPT-5.4mediumClaude Opus 4.7nonevsQwen3.5-27BmediumGPT-5.3 ChatnonevsQwen3.5-27BmediumClaude Sonnet 4.6nonevsGPT-5.4medium