AI BENCHY Compare

OpenAI: GPT-5.6 Sol vs Qwen: Qwen3.7 Max

概要

GPT-5.6 Sol (high) vs Qwen3.7 Max (medium) の benchmark 比較: 平均スコアは 9.4 vs 9.4 でほぼ同等です。 Qwen3.7 Max (medium) の benchmark コストが低く、$0.523 vs $0.821 です。 GPT-5.6 Sol (high) の方が高速で、10.56s vs 16.02s です、成功率は 88.9% vs 88.9% です。

おすすめモデル: Qwen3.7 Max (medium) - ここでは最高スコア（9.4）で、GPT-5.6 Sol (high) より約 1.6 倍低コストです。

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: 2026-07-09

指標	GPT-5.6 Sol GPT-5.6 Sol high リリース: 2026-07-09	Qwen3.7 Max Qwen3.7 Max medium リリース: 2026-05-22

指標	GPT-5.6 Sol GPT-5.6 Sol high リリース: 2026-07-09	Qwen3.7 Max Qwen3.7 Max medium リリース: 2026-05-22
スコア	9.4	9.4
順位	#6	#4
信頼性	10.0	10.0
一貫性	8.8	9.6
正解テスト
試行ごとの合格率	88.9%	88.9%
不安定なテスト	3	1
総実行回数	63	63
結果あたりのコスト	4.824	5.517
合計コスト	$0.821	$0.523
入力価格	$5.000 / 1M	$1.250 / 1M
出力価格	$30.000 / 1M	$3.750 / 1M
合計入力トークン	34,114	42,360
出力トークン	1,872	2,129
推論トークン	19,777	122,959
応答時間（平均）	10.56s	16.02s
応答時間（最大）	54.79s	59.98s
応答時間（合計）	221.69s	336.51s

生成ショーケース

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#6 GPT-5.6 Sol

high

コスト: $0.151
時間: 201.9s
トークン: 5,100 tok

#4 Qwen3.7 Max

medium

コスト: $0.017
時間: 68.8s
トークン: 4,526 tok

スコア上位モデル

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）	入力トークン	出力トークン	推論トークン
GPT-5.6 Sol	8.7	7.9	91.7%	1		3.39s	606	171	644
Qwen3.7 Max	10.0	10.0	100.0%	0		6.36s	672	222	8,742

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）	入力トークン	出力トークン	推論トークン
GPT-5.6 Sol	10.0	10.0	100.0%	0		12.52s	7,302	404	5,656
Qwen3.7 Max	10.0	10.0	100.0%	0		35.31s	7,893	423	34,808

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）	入力トークン	出力トークン	推論トークン
GPT-5.6 Sol	10.0	10.0	100.0%	0		13.68s	11,019	315	1,599
Qwen3.7 Max	10.0	10.0	100.0%	0		19.60s	14,934	366	8,405

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）	入力トークン	出力トークン	推論トークン
GPT-5.6 Sol	10.0	10.0	100.0%	0		1.16s	7,140	222	0
Qwen3.7 Max	10.0	10.0	100.0%	0		8.80s	7,782	270	6,254

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）	入力トークン	出力トークン	推論トークン
GPT-5.6 Sol	5.3	7.2	44.4%	1		39.45s	619	62	9,556
Qwen3.7 Max	5.9	7.2	55.6%	1		24.94s	771	61	31,793

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）	入力トークン	出力トークン	推論トークン
GPT-5.6 Sol	10.0	10.0	100.0%	0		4.40s	477	97	238
Qwen3.7 Max	10.0	10.0	100.0%	0		11.70s	516	135	4,457

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）	入力トークン	出力トークン	推論トークン
GPT-5.6 Sol	10.0	10.0	100.0%	0		2.73s	660	96	331
Qwen3.7 Max	10.0	10.0	100.0%	0		7.46s	699	102	5,452

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）	入力トークン	出力トークン	推論トークン
GPT-5.6 Sol	10.0	10.0	100.0%	0		4.10s	642	211	675
Qwen3.7 Max	10.0	10.0	100.0%	0		8.84s	696	259	8,908

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）	入力トークン	出力トークン	推論トークン
GPT-5.6 Sol	10.0	10.0	100.0%	0		7.08s	5,454	264	393
Qwen3.7 Max	10.0	10.0	100.0%	0		6.63s	8,193	267	1,220

雑学	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）	入力トークン	出力トークン	推論トークン
GPT-5.6 Sol	4.7	1.6	66.7%	1		6.97s	195	30	685
Qwen3.7 Max	3.0	10.0	0.0%	0		33.37s	204	24	12,920

クイック比較

比較ペアを切り替え

GPT-5.5lowvsQwen3.7 Maxmedium Gemini 3.5 FlashlowvsGPT-5.6 Solhigh Gemini 3.5 FlashlowvsQwen3.7 Maxmedium Claude Fable 5mediumvsGPT-5.6 Solhigh Gemini 3.1 Pro PreviewmediumvsGPT-5.6 Solhigh GPT-5.6 SollowvsQwen3.7 Maxmedium Gemini 3.5 FlashmediumvsGPT-5.6 Solhigh Gemini 3 Flash PreviewmediumvsGPT-5.6 Solhigh Gemini 3.5 FlashhighvsQwen3.7 Maxmedium GPT-5.6 SolhighvsQwen3.6 Max Previewmedium Claude Opus 4.8mediumvsGPT-5.6 Solhigh Claude Opus 4.7mediumvsGPT-5.6 Solhigh