AI BENCHY Compare
OpenAI: GPT-5.4 vs Qwen: Qwen3.5 Plus 2026-04-20
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-5.4 GPT-5.4 medium | Qwen3.5 Plus 2026-04-20 Qwen3.5 Plus 2026-04-20 medium |
|---|---|---|
| スコア | 7.9 | 7.6 |
| 順位 | #27 | #42 |
| 信頼性 | 10.0 | 9.6 |
| 一貫性 | 8.5 | 8.7 |
| 正解テスト | ||
| 試行ごとの合格率 | 75.0% | 71.7% |
| 不安定なテスト | 4 | 3 |
| 総実行回数 | 60 | 60 |
| 結果あたりのコスト | 8.767 | 2.789 |
| 合計コスト | $1.140 | $0.363 |
| ???? | $2.500 / 1M | $0.300 / 1M |
| ???? | $15.000 / 1M | $1.800 / 1M |
| 出力トークン | 2,222 | 2,245 |
| 推論トークン | 68,503 | 150,235 |
| 応答時間（平均） | 22.31s | 43.63s |
| 応答時間（最大） | 100.41s | 189.38s |
| 応答時間（合計） | 446.15s | 872.61s |
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 Plus 2026-04-20 | 10.0 | 10.0 | 100.0% | 0 | 10.84s | 215 | 7,748 |
| 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 | 8.2 | 6.7 | 83.3% | 1 | 54.98s | 412 | 19,995 | |
| Qwen3.5 Plus 2026-04-20 | 5.4 | 6.0 | 66.7% | 1 | 137.55s | 287 | 42,318 |
| 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 Plus 2026-04-20 | 10.0 | 10.0 | 100.0% | 0 | 92.41s | 483 | 17,490 |
| 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 Plus 2026-04-20 | 10.0 | 10.0 | 100.0% | 0 | 38.32s | 270 | 14,668 |
| 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 Plus 2026-04-20 | 2.9 | 7.2 | 11.1% | 1 | 53.10s | 63 | 28,414 |
| 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 Plus 2026-04-20 | 4.9 | 9.6 | 0.0% | 0 | 25.30s | 125 | 4,792 |
| 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 Plus 2026-04-20 | 10.0 | 10.0 | 100.0% | 0 | 20.25s | 103 | 7,689 |
| 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 Plus 2026-04-20 | 8.2 | 7.2 | 88.9% | 1 | 17.58s | 324 | 9,786 |
| 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 Plus 2026-04-20 | 10.0 | 10.0 | 100.0% | 0 | 14.72s | 348 | 2,164 |
| 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-5.4 | 3.0 | 10.0 | 0.0% | 0 | 13.95s | 30 | 1,821 | |
| Qwen3.5 Plus 2026-04-20 | 3.0 | 10.0 | 0.0% | 0 | 92.57s | 27 | 15,166 |
クイック比較
比較ペアを切り替え
GPT-5.4mediumvsQwen3.7 MaxnoneGPT-5.2 ChatnonevsQwen3.5 Plus 2026-04-20mediumGemini 3.1 Flash Lite PreviewlowvsQwen3.5 Plus 2026-04-20mediumGemini 3 Flash PreviewnonevsQwen3.5 Plus 2026-04-20mediumGemini 3.5 FlashminimalvsGPT-5.4mediumGemini 3.1 Flash Lite PreviewnonevsQwen3.5 Plus 2026-04-20mediumGemini 3.1 Flash LitelowvsQwen3.5 Plus 2026-04-20mediumGPT-5.3 ChatnonevsQwen3.5 Plus 2026-04-20mediumDeepSeek V4 Flashhigh無料で利用可能vsQwen3.5 Plus 2026-04-20mediumGemini 3 Flash PreviewnonevsGPT-5.4mediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.4mediumGemini 3.5 FlashminimalvsQwen3.5 Plus 2026-04-20medium