- 順位
- #51
- 合計出力トークン
- 90,466
- 応答時間（平均）
- 22.85s
- 合計コスト
- $1.560
GPT-5.4 (medium) vs Qwen3.8 Max (low)
平均スコアは 8.5 vs 8.6 でほぼ同等です。 Qwen3.8 Max (low) の benchmark コストが低く、$0.702 vs $1.560 です。 Qwen3.8 Max (low) の方が高速で、21.83s vs 22.85s です、成功率は 77.3% vs 80.3% です。
比較対象モデル
- 順位
- #50
- 合計出力トークン
- 83,821
- 応答時間（平均）
- 21.83s
- 合計コスト
- $0.702
おすすめモデル
Qwen3.8 Max (low)
ここでは最高スコア（8.6）で、GPT-5.4 (medium) より約 2.2 倍低コストです。
詳細比較
| 指標 | GPT-5.4 GPT-5.4 medium | Qwen3.8 Max Qwen3.8 Max low |
|---|---|---|
| スコア | 8.5 | 8.6 |
| 順位 | #51 | #50 |
| 信頼性 | 10.0 | 10.0 |
| 一貫性 | 8.6 | 9.0 |
| 試行回数 | 66/66 | 66/66 |
| 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 | 10.399 | 4.384 |
| 合計コスト | $1.560 | $0.702 |
| 入力価格 | $2.500 / 1M | $2.000 / 1M |
| 出力価格 | $15.000 / 1M | $6.000 / 1M |
| 合計入力トークン | 81,136 | 99,181 |
| 出力トークン | 6,155 | 6,132 |
| 推論トークン | 84,311 | 77,689 |
| 応答時間（平均） | 22.85s | 21.83s |
| 応答時間（最大） | 100.41s | 155.75s |
| 応答時間（合計） | 502.78s | 480.37s |
| パラメータ | ~1.5T 総数 (~100B アクティブ) | 2.4T 総数 (~100B アクティブ) |
| 公開状況 | クローズド | クローズド |
モデル生成ショーケース
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#51 GPT-5.4
medium- コスト
- $0.214
- 時間
- 199.6s
- トークン
- 14,349 tok
#50 Qwen3.8 Max
low- コスト
- $0.026
- 時間
- 68.5s
- トークン
- 4,280 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
| 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 | |
| Qwen3.8 Max | 10.0 | 10.0 | 100.0% | 0 | 3.93s | 984 | 228 | 1,750 |
| 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 | |
| Qwen3.8 Max | 8.4 | 7.4 | 88.9% | 1 | 28.69s | 8,127 | 512 | 15,952 |
| 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 | |
| Qwen3.8 Max | 10.0 | 10.0 | 100.0% | 0 | 98.19s | 69,994 | 4,221 | 32,937 |
| 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 | |
| Qwen3.8 Max | 10.0 | 10.0 | 100.0% | 0 | 7.87s | 7,938 | 270 | 2,257 |
| 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 | 72.44s | 628 | 61 | 36,544 | |
| Qwen3.8 Max | 2.9 | 7.2 | 11.1% | 1 | 40.12s | 1,014 | 62 | 19,512 |
| 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 | |
| Qwen3.8 Max | 6.5 | 3.4 | 66.7% | 1 | 5.29s | 594 | 128 | 568 |
| 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 | |
| Qwen3.8 Max | 10.0 | 10.0 | 100.0% | 0 | 4.01s | 855 | 102 | 851 |
| 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 | |
| Qwen3.8 Max | 9.9 | 10.0 | 100.0% | 0 | 4.11s | 930 | 286 | 1,304 |
| 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 | |
| Qwen3.8 Max | 10.0 | 10.0 | 100.0% | 0 | 8.06s | 8,463 | 295 | 693 |
| 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 | |
| Qwen3.8 Max | 3.0 | 10.0 | 0.0% | 0 | 12.43s | 282 | 28 | 1,865 |
クイック比較
比較ペアを切り替え
DeepSeek V4.1 FlashlowvsGPT-5.4mediumDeepSeek V4.1 FlashhighvsGPT-5.4mediumClaude Fable 5mediumvsQwen3.8 MaxlowMuse Spark 1.2lowvsGPT-5.4mediumMuse Spark 1.1mediumvsQwen3.8 MaxlowMuse Spark 1.2mediumvsQwen3.8 MaxlowDeepSeek V4.1 FlashhighvsQwen3.8 MaxlowDeepSeek V4.1 FlashmediumvsQwen3.8 MaxlowQwen3.8 MaxlowvsGrok 4.5mediumMuse Spark 1.2highvsQwen3.8 MaxlowQwen3.8 MaxlowvsGrok 4.6mediumGPT-5.4mediumvsGrok 4.5low