OpenAI: GPT-5.4 vs Qwen: Qwen3.6 Max Preview

GPT-5.4 (medium) が平均スコアでリードし、8.5 vs 8.4 です。 Qwen3.6 Max Preview (medium) の benchmark コストが低く、$1.143 vs $1.533 です。 GPT-5.4 (medium) の方が高速で、23.10s vs 67.53s です、成功率は 77.3% vs 80.3% です。

おすすめモデルGPT-5.4 (medium)ここでは最高スコア（8.5）で、Qwen3.6 Max Preview (medium) より約 2.9 倍速く応答します。

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: 2026-07-18

指標	GPT-5.4 GPT-5.4 medium リリース: 2026-03-05	Qwen3.6 Max Preview Qwen3.6 Max Preview medium リリース: 2026-04-20

指標	GPT-5.4 GPT-5.4 medium リリース: 2026-03-05	Qwen3.6 Max Preview Qwen3.6 Max Preview medium リリース: 2026-04-20
スコア	8.5	8.4
順位	#18	#19
信頼性	10.0	9.9
一貫性	8.6	8.9
正解テスト
試行ごとの合格率	77.3%	80.3%
不安定なテスト	4	3
総実行回数	66	66
結果あたりのコスト	10.220	8.173
合計コスト	$1.533	$1.143
入力価格	$2.500 / 1M	$1.040 / 1M
出力価格	$15.000 / 1M	$6.240 / 1M
合計入力トークン	81,127	79,240
出力トークン	6,155	5,098
推論トークン	82,515	164,842
応答時間（平均）	23.10s	67.53s
応答時間（最大）	100.41s	238.07s
応答時間（合計）	508.26s	1485.64s

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#18 GPT-5.4

medium

コスト: $0.214
時間: 199.6s
トークン: 14,349 tok

#19 Qwen3.6 Max Preview

medium

コスト: $0.024
時間: 76.5s
トークン: 3,861 tok

スコア上位モデル

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

カテゴリ:

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-5.4	8.3	10.0	75.0%	0		4.11s	606	240	1,511
Qwen3.6 Max Preview	10.0	10.0	100.0%	0		22.13s	672	228	10,075

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-5.4	8.8	7.8	88.9%	1		44.36s	7,305	433	24,216
Qwen3.6 Max Preview	8.8	7.8	88.9%	1		146.48s	7,895	427	52,957

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-5.4	10.0	10.0	100.0%	0		29.77s	58,038	4,214	13,351
Qwen3.6 Max Preview	7.3	5.8	83.3%	1		177.48s	51,812	3,215	35,050

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-5.4	10.0	10.0	100.0%	0		5.32s	7,140	234	804
Qwen3.6 Max Preview	10.0	10.0	100.0%	0		41.15s	7,782	270	10,106

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-5.4	5.3	7.2	44.4%	1		74.27s	619	61	34,748
Qwen3.6 Max Preview	2.9	7.2	11.1%	1		95.91s	771	60	30,371

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-5.4	4.7	3.1	33.3%	1		4.92s	477	145	321
Qwen3.6 Max Preview	10.0	10.0	100.0%	0		32.24s	516	129	3,510

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-5.4	10.0	10.0	100.0%	0		3.11s	660	93	897
Qwen3.6 Max Preview	10.0	10.0	100.0%	0		24.31s	699	103	5,848

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-5.4	8.2	7.2	88.9%	1		9.14s	642	441	3,815
Qwen3.6 Max Preview	10.0	10.0	100.0%	0		24.32s	696	329	7,693

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-5.4	10.0	10.0	100.0%	0		13.28s	5,445	264	1,031
Qwen3.6 Max Preview	10.0	10.0	100.0%	0		18.32s	8,193	309	1,571

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-5.4	3.0	10.0	0.0%	0		13.95s	195	30	1,821
Qwen3.6 Max Preview	3.0	10.0	0.0%	0		60.56s	204	28	7,661

クイック比較

比較ペアを切り替え

Qwen3.6 Max PreviewmediumvsGrok 4.5low GPT-5.4mediumvsGrok 4.5low Muse Spark 1.1lowvsQwen3.6 Max Previewmedium Muse Spark 1.1lowvsGPT-5.4medium Muse Spark 1.1highvsQwen3.6 Max Previewmedium Qwen3.6 Max PreviewmediumvsInklinghigh GPT-5.2 ChatnonevsQwen3.6 Max Previewmedium Qwen3.6 Max PreviewmediumvsGLM 5.2high GPT-5.4mediumvsGrok 4.5high Gemini 3.5 FlashlowvsGPT-5.4medium Muse Spark 1.1highvsGPT-5.4medium GPT-5.4mediumvsInklinghigh