AI BENCHY Compare
OpenAI: GPT-5.4 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: 2026-04-16
| 指標 | GPT-5.4 GPT-5.4 none | Qwen3.5-Flash Qwen3.5-Flash none |
|---|---|---|
| スコア | 5.9 | 6.2 |
| 順位 | #65 | #58 |
| 一貫性 | 9.1 | 9.6 |
| 正解テスト | ||
| 試行ごとの合格率 | 42.6% | 46.3% |
| 不安定なテスト | 2 | 1 |
| 総実行回数 | 54 | 54 |
| 結果あたりのコスト | 1.477 | 0.070 |
| 合計コスト | $0.104 | $0.006 |
| ???? | $2.500 / 1M | $0.065 / 1M |
| ???? | $15.000 / 1M | $0.260 / 1M |
| 出力トークン | 2,317 | 4,266 |
| 推論トークン | 0 | 0 |
| 応答時間（平均） | 1.51s | 3.25s |
| 応答時間（最大） | 2.95s | 13.73s |
| 応答時間（合計） | 27.21s | 58.44s |
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 | 3.2 | 8.0 | 8.3% | 1 | 1.21s | 406 | 0 | |
| Qwen3.5-Flash | 3.5 | 8.3 | 8.3% | 1 | 1.32s | 690 | 0 |
| 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 2.95s | 480 | 0 | |
| Qwen3.5-Flash | 10.0 | 10.0 | 100.0% | 0 | 1.29s | 489 | 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 | 3.0 | 10.0 | 0.0% | 0 | 2.89s | 291 | 0 | |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 1.04s | 222 | 0 | |
| 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 | 5.3 | 7.2 | 44.4% | 1 | 1.07s | 50 | 0 | |
| 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 | 4.4 | 9.9 | 0.0% | 0 | 1.78s | 184 | 0 | |
| 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 | 6.5 | 10.0 | 50.0% | 0 | 1.07s | 81 | 0 | |
| Qwen3.5-Flash | 6.3 | 10.0 | 50.0% | 0 | 8.81s | 63 | 0 |
| 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 | 5.6 | 9.8 | 33.3% | 0 | 1.52s | 357 | 0 | |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 2.75s | 246 | 0 | |
| 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-5 NanomediumvsQwen3.5-FlashnoneMiniMax M2.5medium無料で利用可能vsGPT-5.4noneMistral Small 4mediumvsGPT-5.4noneMercury 2mediumvsQwen3.5-Flashnonegpt-oss-120bmedium無料で利用可能vsQwen3.5-FlashnoneQwen3.5-FlashnonevsGrok 4.1 FastmediumNemotron 3 Supermedium無料で利用可能vsQwen3.5-FlashnoneMiniMax M2.5medium無料で利用可能vsQwen3.5-FlashnoneMistral Small 4mediumvsQwen3.5-FlashnoneMercury 2mediumvsGPT-5.4noneMiniMax M2.7mediumvsGPT-5.4noneGPT-5.4nonevsElephantmedium