AI BENCHY Compare
OpenAI: GPT-5.4 vs Qwen: Qwen3.5-Flash
比較する:
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: 2026-03-06
| 指標 | OpenAI: GPT-5.4 none リリース: 2026-03-05 | Qwen: Qwen3.5-Flash medium リリース: 2026-02-24 |
|---|---|---|
| 平均スコア | 4.6 | 7.0 |
| 順位 | #44 | #24 |
| 正解テスト | ||
| 一貫性 | 8.9 | 7.8 |
| 結果あたりのコスト | 1.496 | 0.565 |
| 合計コスト | $0.090 | $0.057 |
| 試行ごとの合格率 | 44.4% | 82.2% |
| 不安定なテスト | 2 | 4 |
| common.totalRuns | 45 (15 x 3) | 45 (15 x 3) |
| 出力トークン | 1,635 | 1,708 |
| 推論トークン | 0 | 131,466 |
| 応答時間（平均） | 1.46s | 72.86s |
| 応答時間（最大） | 2.89s | 234.29s |
| 応答時間（合計） | 21.86s | 1092.84s |
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）
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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 10.0 | 7.3 | 11.1% | 1 | 1.41s | 388 | 0 | |
| Qwen: Qwen3.5-Flash | 10.0 | 10.0 | 100.0% | 0 | 71.35s | 363 | 23,645 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 10.0 | 10.0 | 0.0% | 0 | 2.89s | 291 | 0 | |
| Qwen: Qwen3.5-Flash | 10.0 | 10.0 | 100.0% | 0 | 17.78s | 483 | 8,270 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 9.9 | 10.0 | 100.0% | 0 | 1.04s | 222 | 0 | |
| Qwen: Qwen3.5-Flash | 5.5 | 5.9 | 83.3% | 1 | 56.99s | 235 | 16,237 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 4.0 | 7.2 | 44.4% | 1 | 1.07s | 50 | 0 | |
| Qwen: Qwen3.5-Flash | 4.0 | 7.2 | 44.4% | 1 | 146.50s | 58 | 43,615 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 5.5 | 10.0 | 50.0% | 0 | 1.07s | 81 | 0 | |
| Qwen: Qwen3.5-Flash | 10.0 | 10.0 | 100.0% | 0 | 63.49s | 98 | 14,139 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 4.0 | 9.8 | 33.3% | 0 | 1.52s | 357 | 0 | |
| Qwen: Qwen3.5-Flash | 4.0 | 4.4 | 77.8% | 2 | 56.74s | 162 | 24,276 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 2.75s | 246 | 0 | |
| Qwen: Qwen3.5-Flash | 10.0 | 10.0 | 100.0% | 0 | 10.33s | 309 | 1,284 |
クイック比較
比較ペアを切り替え
Gemini 3 Flash PreviewnonevsQwen3.5-FlashmediumClaude Sonnet 4.6nonevsQwen3.5-FlashmediumMiniMax M2.5mediumvsGPT-5.4noneGemini 3.1 Flash Lite PreviewnonevsQwen3.5-FlashmediumGPT-5.3 ChatnonevsQwen3.5-FlashmediumGemini 3.1 Flash Lite PreviewlowvsQwen3.5-FlashmediumGPT-5.2 ChatnonevsQwen3.5-FlashmediumMercury 2mediumvsGPT-5.4noneGemini 3.1 Flash Lite PreviewhighvsQwen3.5-FlashmediumGemini 3 Flash PreviewlowvsQwen3.5-FlashmediumQwen3.5-FlashmediumvsGLM 5noneGPT-5.4nonevsQwen3.5-35B-A3Bmedium