ナビゲーション
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

比較対象モデル

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: 2026-05-22

指標 Qwen3.5 Plus 2026-02-15 Qwen3.5 Plus 2026-02-15 medium リリース: 2026-02-15 Qwen3.5-27B Qwen3.5-27B medium リリース: 2026-02-24 GPT-5.4 GPT-5.4 medium リリース: 2026-03-05
スコア 8.1 7.9 7.9
順位 #20 #25 #27
信頼性 10.0 10.0 10.0
一貫性 8.8 8.9 8.5
正解テスト
試行ごとの合格率 76.7% 73.3% 75.0%
不安定なテスト 3 3 4
総実行回数 60 60 60
結果あたりのコスト 2.259 4.664 8.767
合計コスト $0.317 $0.607 $1.140
???? $0.260 / 1M $0.195 / 1M $2.500 / 1M
???? $1.560 / 1M $1.560 / 1M $15.000 / 1M
出力トークン 2,184 2,572 2,222
推論トークン 173,206 312,011 68,503
応答時間（平均） 67.90s 60.85s 22.31s
応答時間（最大） 266.69s 177.36s 100.41s
応答時間（合計） 882.70s 1216.93s 446.15s

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） 出力トークン 推論トークン
Qwen3.5 Plus 2026-02-15 8.2 7.9 83.3% 1 45.78s 205 21,236
Qwen3.5-27B 8.7 7.9 91.7% 1 19.75s 569 31,505
GPT-5.4 8.3 10.0 75.0% 0 4.11s 240 1,511
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
Qwen3.5 Plus 2026-02-15 7.6 6.7 66.7% 1 193.80s 406 63,554
Qwen3.5-27B 7.0 9.8 50.0% 0 123.86s 416 64,993
GPT-5.4 8.2 6.7 83.3% 1 54.98s 412 19,995
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
Qwen3.5 Plus 2026-02-15 10.0 10.0 100.0% 0 46.85s 421 7,906
Qwen3.5-27B 10.0 10.0 100.0% 0 163.96s 483 9,991
GPT-5.4 10.0 10.0 100.0% 0 20.57s 301 3,543
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
Qwen3.5 Plus 2026-02-15 10.0 10.0 100.0% 0 46.91s 270 14,916
Qwen3.5-27B 10.0 10.0 100.0% 0 30.26s 270 16,150
GPT-5.4 10.0 10.0 100.0% 0 5.32s 234 804
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
Qwen3.5 Plus 2026-02-15 5.3 10.0 33.3% 0 17.50s 35 16,680
Qwen3.5-27B 5.3 10.0 33.3% 0 79.53s 43 52,368
GPT-5.4 5.3 7.2 44.4% 1 74.27s 61 34,748
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
Qwen3.5 Plus 2026-02-15 4.7 1.6 66.7% 1 79.86s 73 8,675
Qwen3.5-27B 6.1 3.1 66.7% 1 101.41s 70 23,147
GPT-5.4 4.7 3.1 33.3% 1 4.92s 145 321
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
Qwen3.5 Plus 2026-02-15 10.0 10.0 100.0% 0 31.93s 101 7,704
Qwen3.5-27B 10.0 10.0 100.0% 0 19.66s 97 11,638
GPT-5.4 10.0 10.0 100.0% 0 3.11s 93 897
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
Qwen3.5 Plus 2026-02-15 10.0 10.0 100.0% 0 34.57s 340 14,496
Qwen3.5-27B 8.2 7.7 77.8% 1 64.61s 245 77,213
GPT-5.4 8.2 7.2 88.9% 1 9.13s 442 3,832
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
Qwen3.5 Plus 2026-02-15 10.0 10.0 100.0% 0 7.54s 309 909
Qwen3.5-27B 10.0 10.0 100.0% 0 7.45s 348 1,323
GPT-5.4 10.0 10.0 100.0% 0 13.28s 264 1,031
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） 出力トークン 推論トークン
Qwen3.5 Plus 2026-02-15 3.0 10.0 0.0% 0 103.81s 24 17,130
Qwen3.5-27B 3.0 10.0 0.0% 0 85.11s 31 23,683
GPT-5.4 3.0 10.0 0.0% 0 13.95s 30 1,821

クイック比較

比較ペアを切り替え

GPT-5.4mediumvsQwen3.7 MaxnoneGemini 3.5 FlashminimalvsQwen3.5-27BmediumGemini 3.5 FlashminimalvsGPT-5.4mediumGemini 3.5 FlashminimalvsQwen3.5 Plus 2026-02-15mediumGemini 3 Flash PreviewnonevsGPT-5.4mediumGemini 3 Flash PreviewnonevsQwen3.5-27BmediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.4mediumGemini 3.1 Flash Lite PreviewlowvsQwen3.5-27BmediumGPT-5.2 ChatnonevsQwen3.5-27BmediumGemini 3 Flash PreviewnonevsQwen3.5 Plus 2026-02-15mediumGemini 3.1 Flash Lite PreviewlowvsQwen3.5 Plus 2026-02-15mediumGemini 3.1 Flash Lite PreviewnonevsGPT-5.4medium