AI BENCHY Compare
OpenAI: GPT-5.4 Mini vs Qwen: Qwen3.5-35B-A3B
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: 2026-03-17
| 指標 | GPT-5.4 Mini GPT-5.4 Mini medium | Qwen3.5-35B-A3B Qwen3.5-35B-A3B medium |
|---|---|---|
| 順位 | #34 | #31 |
| スコア | 7.1 | 7.3 |
| 一貫性 | 7.2 | 6.6 |
| 結果あたりのコスト | 3.610 | 3.877 |
| 合計コスト | $0.289 | $0.349 |
| 正解テスト | ||
| 試行ごとの合格率 | 68.6% | 78.4% |
| 不安定なテスト | 6 | 7 |
| 総実行回数 | 51 | 51 |
| 出力トークン | 1,708 | 5,864 |
| 推論トークン | 58,019 | 175,683 |
| 応答時間（平均） | 15.66s | 42.48s |
| 応答時間（最大） | 102.91s | 106.00s |
| 応答時間（合計） | 266.14s | 722.12s |
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 Mini | 8.6 | 7.9 | 91.7% | 1 | 4.05s | 296 | 2,876 | |
| Qwen3.5-35B-A3B | 10.0 | 10.0 | 100.0% | 0 | 21.13s | 798 | 42,652 |
| 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 Mini | 10.0 | 10.0 | 100.0% | 0 | 17.81s | 317 | 4,317 | |
| Qwen3.5-35B-A3B | 4.7 | 1.6 | 66.7% | 1 | 75.34s | 775 | 12,485 |
| 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 Mini | 10.0 | 10.0 | 100.0% | 0 | 2.43s | 234 | 650 | |
| Qwen3.5-35B-A3B | 7.3 | 5.9 | 83.3% | 1 | 59.33s | 235 | 19,493 |
| 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 Mini | 4.1 | 4.4 | 44.5% | 2 | 65.31s | 60 | 43,286 | |
| Qwen3.5-35B-A3B | 4.1 | 4.4 | 44.5% | 2 | 88.34s | 41 | 46,368 |
| 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 Mini | 4.5 | 10.0 | 0.0% | 0 | 3.72s | 150 | 510 | |
| Qwen3.5-35B-A3B | 2.8 | 1.6 | 33.3% | 1 | 30.30s | 20 | 3,753 |
| 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 Mini | 7.4 | 6.5 | 66.7% | 1 | 2.50s | 129 | 1,337 | |
| Qwen3.5-35B-A3B | 10.0 | 10.0 | 100.0% | 0 | 24.45s | 97 | 17,361 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 6.8 | 7.9 | 55.6% | 1 | 4.33s | 271 | 2,449 | |
| Qwen3.5-35B-A3B | 6.4 | 4.4 | 77.8% | 2 | 31.58s | 3,589 | 32,206 |
| 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 Mini | 4.7 | 1.6 | 66.7% | 1 | 9.62s | 251 | 2,594 | |
| Qwen3.5-35B-A3B | 10.0 | 10.0 | 100.0% | 0 | 4.65s | 309 | 1,365 |
クイック比較
比較ペアを切り替え
Claude Sonnet 4.6nonevsQwen3.5-35B-A3BmediumClaude Sonnet 4.6nonevsGPT-5.4 MinimediumGPT-5.3 ChatnonevsQwen3.5-35B-A3BmediumGPT-5.4 MinimediumvsQwen3.5 Plus 2026-02-15noneGPT-5.4 MinimediumvsGLM 5noneGPT-5.2 ChatnonevsQwen3.5-35B-A3BmediumGemini 3.1 Flash Lite PreviewnonevsQwen3.5-35B-A3BmediumQwen3.5-35B-A3BmediumvsGLM 5noneGemini 3.1 Flash Lite PreviewnonevsGPT-5.4 MinimediumGemini 3 Flash PreviewnonevsQwen3.5-35B-A3BmediumGemini 3.1 Flash Lite PreviewlowvsQwen3.5-35B-A3BmediumDeepSeek V3.2nonevsGPT-5.4 Minimedium