- 順位
- #27
- 合計出力トークン
- 88,670
- 応答時間（平均）
- 23.10s
- 合計コスト
- $1.533
GPT-5.4 (medium) vs Qwen3.8 Max (low)
Qwen3.8 Max (low) が平均スコアでリードし、8.7 vs 8.5 です。 Qwen3.8 Max (low) の benchmark コストが低く、$0.687 vs $1.533 です。 Qwen3.8 Max (low) の方が高速で、21.19s vs 23.10s です、成功率は 77.3% vs 84.9% です。
- 順位
- #23
- 合計出力トークン
- 81,411
- 応答時間（平均）
- 21.19s
- 合計コスト
- $0.687
おすすめモデル
Qwen3.8 Max (low)
ここでは最高スコア（8.7）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 | 8.7 |
| 順位 | #27 | #23 |
| 信頼性 | 10.0 | 10.0 |
| 一貫性 | 8.6 | 9.0 |
| ベンチマーク網羅率 | 22/22 テスト · 66/66 回 | 22/22 テスト · 66/66 回 |
| 正解テスト | ||
| 試行ごとの合格率 | 77.3% | 84.9% |
| 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 | 4.041 |
| 合計コスト | $1.533 | $0.687 |
| 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 | 81,127 | 99,172 |
| 出力トークン | 6,155 | 6,132 |
| 推論トークン | 82,515 | 75,279 |
| 応答時間（平均） | 23.10s | 21.19s |
| 応答時間（最大） | 100.41s | 155.75s |
| 応答時間（合計） | 508.26s | 466.14s |
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.
#27 GPT-5.4
medium- コスト
- $0.214
- 時間
- 199.6s
- トークン
- 14,349 tok
#23 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 | 74.27s | 619 | 61 | 34,748 | |
| Qwen3.8 Max | 5.3 | 7.2 | 44.4% | 1 | 35.37s | 1,005 | 62 | 17,102 |
| 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
Claude Opus 4.7mediumvsQwen3.8 MaxlowMuse Spark 1.1mediumvsQwen3.8 MaxlowClaude Fable 5mediumvsQwen3.8 MaxlowGemini 3.5 Flash LitehighvsQwen3.8 MaxlowClaude Opus 5lowvsGPT-5.4mediumGPT-5.4mediumvsGrok 4.5lowGPT-5.4mediumvsInkling SmallhighClaude Opus 4.8mediumvsQwen3.8 MaxlowGemini 3.6 FlashlowvsGPT-5.4mediumGemini 3.5 Flash LitehighvsGPT-5.4mediumGPT-5.3-CodexmediumvsQwen3.8 MaxlowQwen3.8 MaxlowvsGrok 4.5high