AI BENCHY Compare
OpenAI: GPT-5.4 vs Qwen: Qwen3.5 Plus 2026-02-15
比較する:
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: 2026-03-06
| 指標 | OpenAI: GPT-5.4 medium リリース: 2026-03-05 | Qwen: Qwen3.5 Plus 2026-02-15 none リリース: 2026-02-15 |
|---|---|---|
| 順位 | #9 | #29 |
| 平均スコア | 8.0 | 6.2 |
| 一貫性 | 8.5 | 9.6 |
| 結果あたりのコスト | 6.601 | 0.172 |
| 合計コスト | $0.793 | $0.016 |
| 正解テスト | ||
| 試行ごとの合格率 | 83.3% | 58.3% |
| 不安定なテスト | 3 | 1 |
| 総実行回数 | 48 (16 x 3) | 48 (16 x 3) |
| 出力トークン | 1,756 | 2,015 |
| 推論トークン | 46,642 | 0 |
| 応答時間（平均） | 20.05s | 2.65s |
| 応答時間（最大） | 100.41s | 6.65s |
| 応答時間（合計） | 320.87s | 26.52s |
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）
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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 5.02s | 216 | 1,466 | |
| Qwen: Qwen3.5 Plus 2026-02-15 | 4.0 | 10.0 | 33.3% | 0 | 2.74s | 514 | 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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 20.57s | 301 | 3,543 | |
| Qwen: Qwen3.5 Plus 2026-02-15 | 10.0 | 10.0 | 0.0% | 0 | 6.65s | 314 | 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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 9.9 | 10.0 | 100.0% | 0 | 5.32s | 234 | 804 | |
| Qwen: Qwen3.5 Plus 2026-02-15 | 9.9 | 10.0 | 100.0% | 0 | 1.89s | 243 | 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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 4.0 | 7.2 | 44.4% | 1 | 74.27s | 61 | 34,748 | |
| Qwen: Qwen3.5 Plus 2026-02-15 | 4.0 | 10.0 | 33.3% | 0 | 1.17s | 17 | 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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 5.0 | 3.1 | 33.3% | 1 | 4.92s | 145 | 321 | |
| Qwen: Qwen3.5 Plus 2026-02-15 | 4.0 | 3.0 | 33.3% | 1 | 2.26s | 117 | 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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 3.11s | 93 | 897 | |
| Qwen: Qwen3.5 Plus 2026-02-15 | 10.0 | 10.0 | 100.0% | 0 | 1.67s | 72 | 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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 7.0 | 7.2 | 88.9% | 1 | 9.13s | 442 | 3,832 | |
| Qwen: Qwen3.5 Plus 2026-02-15 | 7.0 | 10.0 | 66.7% | 0 | 2.82s | 516 | 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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 13.28s | 264 | 1,031 | |
| Qwen: Qwen3.5 Plus 2026-02-15 | 10.0 | 10.0 | 100.0% | 0 | 3.33s | 222 | 0 |
クイック比較
比較ペアを切り替え
Qwen3.5 Plus 2026-02-15nonevsGrok 4.1 FastmediumGemini 3.1 Flash Lite PreviewhighvsGPT-5.4mediumGemini 3 Flash PreviewlowvsGPT-5.4mediumKimi K2.5mediumvsQwen3.5 Plus 2026-02-15noneGPT-5 MinimediumvsQwen3.5 Plus 2026-02-15noneGPT-5.2mediumvsQwen3.5 Plus 2026-02-15noneClaude Opus 4.6mediumvsQwen3.5 Plus 2026-02-15noneGPT-5 NanomediumvsQwen3.5 Plus 2026-02-15noneSeed-2.0-MinimediumvsQwen3.5 Plus 2026-02-15noneGemini 3.1 Flash Lite PreviewlowvsGPT-5.4mediumGemini 3 Flash PreviewnonevsGPT-5.4mediumMercury 2mediumvsQwen3.5 Plus 2026-02-15none