ナビゲーション
AI BENCHY
Your ad here

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: 2026-04-07

指標 GLM 5 GLM 5 medium リリース: 2026-02-12 GLM 5.1 GLM 5.1 medium リリース: 2026-04-07 Kimi K2.5 Kimi K2.5 medium リリース: 2026-01-27 Qwen3.6 Plus Preview Qwen3.6 Plus Preview medium リリース: 2026-03-30
スコア 8.3 8.0 7.2 8.5
順位 #15 #23 #41 #7
一貫性 8.1 9.0 7.2 10.0
正解テスト
試行ごとの合格率 84.3% 76.5% 72.6% 76.5%
不安定なテスト 4 2 6 0
総実行回数 51 51 51 49
結果あたりのコスト 0.896 1.270 2.232 0.000
合計コスト $0.108 $0.153 $0.201 $0.000
???? $0.720 / 1M $1.000 / 1M $0.383 / 1M $0.000 / 1M
???? $2.300 / 1M $3.200 / 1M $1.720 / 1M $0.000 / 1M
出力トークン 19,833 6,666 40,907 1,756
推論トークン 38,523 35,313 75,121 77,213
応答時間（平均） 17.15s 18.23s 64.59s 13.94s
応答時間（最大） 28.96s 43.11s 137.29s 43.55s
応答時間（合計） 154.32s 291.73s 645.93s 237.01s

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
GLM 5 10.0 10.0 100.0% 0 23.66s 480 7,056
GLM 5.1 10.0 10.0 100.0% 0 8.31s 401 5,122
Kimi K2.5 7.3 5.8 83.3% 2 51.38s 2,789 8,880
Qwen3.6 Plus Preview 10.0 10.0 100.0% 0 9.90s 207 7,557
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
GLM 5 10.0 10.0 100.0% 0 28.96s 662 3,242
GLM 5.1 9.5 10.0 100.0% 0 43.11s 327 4,206
Kimi K2.5 10.0 10.0 100.0% 0 71.37s 703 3,713
Qwen3.6 Plus Preview 10.0 10.0 100.0% 0 34.95s 452 13,073
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
GLM 5 7.1 5.6 83.3% 1 8.90s 567 3,734
GLM 5.1 10.0 10.0 100.0% 0 9.33s 991 4,552
Kimi K2.5 10.0 10.0 100.0% 0 49.78s 563 7,940
Qwen3.6 Plus Preview 10.0 10.0 100.0% 0 14.95s 270 10,706
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
GLM 5 3.5 4.4 33.3% 2 0ms 13,176 14,137
GLM 5.1 5.3 10.0 33.3% 0 29.77s 969 11,314
Kimi K2.5 3.5 4.4 33.3% 2 137.29s 20,753 30,564
Qwen3.6 Plus Preview 3.0 10.0 0.0% 0 22.08s 49 26,895
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
GLM 5 6.1 3.1 66.7% 1 14.69s 2,020 2,248
GLM 5.1 10.0 10.0 100.0% 0 20.95s 2,875 2,875
Kimi K2.5 6.5 3.4 66.7% 1 69.73s 3,815 4,262
Qwen3.6 Plus Preview 5.1 10.0 0.0% 0 27.05s 111 5,232
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
GLM 5 10.0 10.0 100.0% 0 7.25s 1,001 2,129
GLM 5.1 6.4 5.8 66.7% 1 7.47s 204 1,617
Kimi K2.5 10.0 10.0 100.0% 0 92.47s 5,371 6,547
Qwen3.6 Plus Preview 10.0 10.0 100.0% 0 7.54s 102 5,552
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
GLM 5 10.0 10.0 100.0% 0 15.64s 1,694 4,983
GLM 5.1 8.2 7.2 88.9% 1 23.85s 899 5,627
Kimi K2.5 5.3 7.3 44.4% 1 45.40s 6,671 12,403
Qwen3.6 Plus Preview 10.0 10.0 100.0% 0 6.11s 298 6,868
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
GLM 5 10.0 10.0 100.0% 0 15.93s 233 994
GLM 5.1 3.0 10.0 0.0% 0 0ms 0 0
Kimi K2.5 10.0 10.0 100.0% 0 31.74s 242 812
Qwen3.6 Plus Preview 10.0 10.0 100.0% 0 5.87s 267 1,330

クイック比較

比較ペアを切り替え

Gemini 3 Flash PreviewnonevsGLM 5.1mediumGemini 3.1 Flash Lite PreviewlowvsGLM 5.1mediumClaude Sonnet 4.6nonevsKimi K2.5mediumGemini 3.1 Flash Lite PreviewnonevsGLM 5.1mediumGPT-5.2 ChatnonevsGLM 5.1mediumGemini 3.1 Flash Lite PreviewlowvsGLM 5mediumGemini 3 Flash PreviewnonevsGLM 5mediumGemini 3 Flash PreviewlowvsQwen3.6 Plus PreviewmediumKimi K2.5mediumvsGPT-5.3 ChatnoneKimi K2.5mediumvsQwen3.5 Plus 2026-02-15noneGPT-5.3 ChatnonevsGLM 5.1mediumGemini 3.1 Flash Lite PreviewlowvsQwen3.6 Plus Previewmedium