ライブベンチマーク
フロンティアモデルを、絶え間なくベンチマーク。
主要AIモデルの品質・コスト・速度 — ライブサイクルで更新 · 最終更新 2026-11-03.
総合リーダーボード
知能・コーディング・エージェント指数
Artificial Analysisの総合指数 · 100万トークンあたり価格（入力/出力）
| # | モデル | 知能 | コーディング | エージェント | $ / 1M 入力 | $ / 1M 出力 |
|---|---|---|---|---|---|---|
| 1 | Claude Opus 5.5 (Max, Default Fallback) | 58.4 | — | — | $4.40 | $22.00 |
| 2 | GPT-6 Astra (Max) | 56.9 | 76.9 | 51 | $10.00 | $50.00 |
| 3 | GPT-6.1 Sol (Max) | 54.5 | — | — | $2.00 | $10.00 |
| 4 | Claude Sonnet 5.5 (Max, Default Fallback) | 54.2 | — | — | $2.20 | $11.00 |
| 5 | Qwen3.8 Max | 53.4 | 68.9 | 49.9 | — | — |
| 6 | GPT-6.1 Terra (Max) | 51 | — | — | $1.20 | $6.00 |
| 7 | Gemini 4 Argon (High) | 50.4 | — | — | $2.20 | $11.00 |
| 8 | Claude Fable 5.1 (Xhigh, Default Fallback) | 49.7 | 80.7 | 57.2 | $5.00 | $25.00 |
| 9 | Kimi K3.1 Pro | 46 | — | — | $4.00 | $20.00 |
| 10 | Muse Wonder (Max) | 43.3 | — | — | $4.00 | $20.00 |
| 11 | Muse Spark 1.3 (Max) | 36.4 | 75.8 | 55.5 | $1.25 | $4.25 |
| 12 | Claude Haiku 5.5 (Max) | 36.2 | — | — | $0.110 | $0.550 |
| 13 | Grok 4.7 (High) | 35 | — | — | $1.60 | $4.80 |
| 14 | Qwen3.8 Max (0902) | 33.6 | 76.2 | 56 | $2.00 | $6.00 |
| 15 | GLM-5.3 (Max) | 31.7 | 74.8 | 53.1 | $0.980 | $3.08 |
| 16 | Gemini 3.8 Flash (High) | 30.5 | 76.3 | 40.2 | $0.830 | $4.12 |
| 17 | MiMo-V2.6-Pro | 29.9 | — | — | $0.520 | $1.04 |
| 18 | MiniMax-M3.1-Flash | 28.9 | — | — | $0.140 | $0.540 |
| 19 | DeepSeek V4.1 Flash 1017 (High) | 28.5 | — | — | $0.020 | $0.250 |
| 20 | Step 5 Preview | 28.5 | — | — | $1.00 | $2.70 |
| 21 | Solar Pro 4 | 28.2 | 52.7 | — | $0.150 | $0.600 |
| 22 | GLM-5.3-Flash | 27.8 | 71.5 | 50.9 | $0.100 | $0.500 |
| 23 | GPT-6 Luna (Max) | 27.8 | — | — | $0.100 | $0.500 |
| 24 | MiMo-V2.6-Flash | 26.7 | — | — | $0.140 | $0.280 |
| 25 | Mistral Large 4 (High) | 26 | — | — | $0.770 | $2.31 |
| 26 | Muse Spark Open (Xhigh) | 24.7 | — | — | $1.25 | $4.25 |
| 27 | DeepSeek V4 Pro 0813 (Max) | 23.1 | 68.8 | 41.3 | $0.110 | $4.00 |
| 28 | Qwen3.8 27B (Xhigh) | 20.1 | 68.1 | 45.8 | $0.300 | $1.80 |
| 29 | MiniMax-M3 | 18.7 | 58.6 | 29.5 | $0.220 | $0.880 |
| 30 | Beam 1.0 | 17.7 | — | — | $0.400 | $1.20 |
常時実行ベンチマーク
推論・エージェント・検索 — 最新モデルで再実行
GPQA Diamond
大学院レベルの科学的推論
| # | モデル | スコア | $ / タスク |
|---|---|---|---|
| 1 | Gemini 4 Argon | 96.5% | $0.095 |
| 2 | Gemini 4 Argon | 96.0% | $0.029 |
| 3 | Gemini 3.8 Flash | 95.6% | $0.068 |
| 4 | GPT-6 Astra Pro | 95.5% | $0.333 |
| 5 | Fugu Ultra | 94.6% | $1.15 |
| 6 | Gemini 3.1 Pro Preview | 94.5% | $0.202 |
| 7 | GPT-6 Astra | 94.4% | $0.113 |
| 8 | GPT-6.1 Sol | 94.4% | $0.021 |
| 9 | GPT-5.6 Sol Pro | 94.1% | $0.151 |
| 10 | GPT-5.5 | 93.9% | $0.313 |
| 11 | Gemini 3.7 Flash | 93.9% | $0.029 |
| 12 | Gemini 3.8 Flash | 93.4% | $0.023 |
| 13 | Fugu Ultra V2 | 93.3% | $0.503 |
| 14 | Jev Router | 93.3% | $0.035 |
| 15 | Grok 4.6 | 92.8% | $0.123 |
これが重要な理由
すべてのベンチマークで勝つモデルは存在しない。
タスクごとに首位は入れ替わります。推論はあるモデル、コーディングは別のモデル、エージェント検索はまた別のモデルがトップ。それこそがMultipleChatの存在理由です — トップモデルを並べ、起草・反論・検証をさせ、最良の答えだけを残しましょう。
品質・コスト・速度をまとめて
価格のないベンチマークスコアはマーケティングにすぎません。ここのリーダーボードはすべて、品質とタスクあたり・100万トークンあたりのコストを併記しています。
ライブ＆オープン
常時更新され、次の形式でダウンロードできます: JSON. 当社の四半期比較調査はこちら: MultipleChat AI Benchmark。
出典
Source: OpenRouter (openrouter.ai/rankings) （Artificial Analysis指数を含む）, as of 2026-11-03T23:22:13Z. ライセンス: CC BY 4.0.