AI BENCHY Compare
OpenAI: GPT-5.4 Mini vs Qwen: Qwen3.5-Flash
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-Flash Qwen3.5-Flash none |
|---|---|---|
| 順位 | #34 | #45 |
| スコア | 7.1 | 6.0 |
| 一貫性 | 7.2 | 9.6 |
| 結果あたりのコスト | 3.610 | 0.077 |
| 合計コスト | $0.289 | $0.006 |
| 正解テスト | ||
| 試行ごとの合格率 | 68.6% | 43.1% |
| 不安定なテスト | 6 | 1 |
| 総実行回数 | 51 | 51 |
| 出力トークン | 1,708 | 3,777 |
| 推論トークン | 58,019 | 0 |
| 応答時間（平均） | 15.66s | 3.36s |
| 応答時間（最大） | 102.91s | 13.73s |
| 応答時間（合計） | 266.14s | 57.15s |
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-Flash | 3.5 | 8.3 | 8.3% | 1 | 1.32s | 690 | 0 |
| 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-Flash | 3.0 | 10.0 | 0.0% | 0 | 6.22s | 1,794 | 0 |
| 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-Flash | 10.0 | 10.0 | 100.0% | 0 | 1.57s | 243 | 0 |
| 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-Flash | 7.7 | 10.0 | 66.7% | 0 | 905ms | 15 | 0 |
| 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-Flash | 10.0 | 10.0 | 100.0% | 0 | 803ms | 100 | 0 |
| 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-Flash | 6.3 | 10.0 | 50.0% | 0 | 8.81s | 63 | 0 |
| 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-Flash | 3.3 | 10.0 | 0.0% | 0 | 5.90s | 608 | 0 |
| 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-Flash | 10.0 | 10.0 | 100.0% | 0 | 3.67s | 264 | 0 |
クイック比較
比較ペアを切り替え
gpt-oss-120bmedium無料で利用可能vsQwen3.5-FlashnoneClaude Sonnet 4.6nonevsGPT-5.4 MinimediumMiniMax M2.5medium無料で利用可能vsQwen3.5-FlashnoneQwen3.5-FlashnonevsGrok 4.20 Multi-Agent BetamediumGPT-5 NanomediumvsQwen3.5-FlashnoneMercury 2mediumvsQwen3.5-FlashnoneGPT-5.4 MinimediumvsQwen3.5 Plus 2026-02-15noneGPT-5.4 MinimediumvsGLM 5noneMistral Small 4mediumvsQwen3.5-FlashnoneGemini 3.1 Flash Lite PreviewnonevsGPT-5.4 MinimediumDeepSeek V3.2nonevsGPT-5.4 MinimediumGPT-5 MinimediumvsQwen3.5-Flashnone