AI BENCHY Compare
OpenAI: GPT-5.4 vs Qwen: Qwen3.5-9B
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: 2026-03-12
| 指標 | GPT-5.4 GPT-5.4 none | Qwen3.5-9B Qwen3.5-9B medium |
|---|---|---|
| 順位 | #51 | #66 |
| 平均スコア | 4.5 | 2.6 |
| 一貫性 | 8.9 | 7.4 |
| 結果あたりのコスト | 1.562 | 0.779 |
| 合計コスト | $0.094 | $0.024 |
| 正解テスト | ||
| 試行ごとの合格率 | 41.7% | 35.4% |
| 不安定なテスト | 2 | 5 |
| 総実行回数 | 48 | 48 |
| 出力トークン | 1,819 | 17,930 |
| 推論トークン | 0 | 139,706 |
| 応答時間（平均） | 1.48s | 71.44s |
| 応答時間（最大） | 2.89s | 226.38s |
| 応答時間（合計） | 23.64s | 928.77s |
スコア vs 総コスト
応答時間（平均）
平均スコア vs 応答時間（平均）
合計出力トークン
平均スコア 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 | 10.0 | 7.3 | 11.1% | 1 | 1.41s | 388 | 0 | |
| Qwen3.5-9B | 4.0 | 7.2 | 55.6% | 1 | 31.54s | 2,410 | 10,913 |
| 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 | 10.0 | 10.0 | 0.0% | 0 | 2.89s | 291 | 0 | |
| Qwen3.5-9B | 10.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 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 | 9.9 | 10.0 | 100.0% | 0 | 1.04s | 222 | 0 | |
| Qwen3.5-9B | 5.0 | 5.6 | 33.3% | 1 | 87.31s | 1,383 | 32,113 |
| 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 | 4.0 | 7.2 | 44.4% | 1 | 1.07s | 50 | 0 | |
| Qwen3.5-9B | 10.0 | 7.2 | 22.2% | 1 | 137.75s | 11,549 | 48,475 |
| 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 | 3.0 | 9.9 | 0.0% | 0 | 1.78s | 184 | 0 | |
| Qwen3.5-9B | 10.0 | 1.6 | 33.3% | 1 | 226.38s | 0 | 30,695 |
| 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 | 5.5 | 10.0 | 50.0% | 0 | 1.07s | 81 | 0 | |
| Qwen3.5-9B | 5.5 | 5.8 | 66.7% | 1 | 17.15s | 599 | 4,517 |
| 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 | 4.0 | 9.8 | 33.3% | 0 | 1.52s | 357 | 0 | |
| Qwen3.5-9B | 10.0 | 10.0 | 0.0% | 0 | 33.38s | 1,545 | 11,844 |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 2.75s | 246 | 0 | |
| Qwen3.5-9B | 10.0 | 10.0 | 100.0% | 0 | 4.31s | 444 | 1,149 |
クイック比較
比較ペアを切り替え
MiniMax M2.5mediumvsGPT-5.4noneQwen3.5-9BmediumvsMiMo-V2-FlashnoneQwen3.5-9BmediumvsGrok 4.1 FastnoneGPT-5.4nonevsGrok 4.20 Multi-Agent BetamediumMercury 2nonevsQwen3.5-9BmediumNemotron 3 Super 120b A12bnone無料で利用可能vsQwen3.5-9BmediumMercury 2mediumvsGPT-5.4noneGPT-5.4nonevsQwen3 Coder NextmediumGPT-5.4nonevsQwen3.5-35B-A3BmediumQwen3.5-9BmediumvsGLM 4.7 FlashnoneNemotron 3 Super 120b A12bmedium無料で利用可能vsGPT-5.4noneGPT-5.4nonevsGLM 4.7 Flashmedium