AIモデル能力比較
マルチモーダル
Only models released within the past year are shown. Only benchmarks covering at least 3 of these models are shown. Unknown release dates are excluded; historical data is retained.
SWE-bench Multimodalマルチモーダルソフトウェアエンジニアリングベンチマーク
— means no published score for this candidate in this source, not zero.8/11 recent-year models have scores
| 番号 | モデル | Cost / Testテストあたりのコスト | Input cost100万tokenあたりの入力価格 | Output cost100万tokenあたりの出力価格 | Duration報告されたテスト所要時間 | Input / Output Tokens報告された入力／出力トークン使用量 | |
|---|---|---|---|---|---|---|---|
| 1 |  Claude Opus 5.5Claude Opus 5.5 | 70.21 | $4.92 | $4 | $20 | 18.53 min | 3.18B / 38.08M |
| 2 | Claude Fable 5.1Claude Fable 5.1 | 61.25 | $5.46 | $10 | $50 | 15.2 min | 2.21B / 27.94M |
| 3 | Claude Sonnet 5.5Claude Sonnet 5.5 | 58.33 | $4.53 | $2 | $10 | 24.22 min | 6.21B / 67.48M |
| 4 |  Gemini 4 ArgonGemini 4 Argon | 56.04 | $11.4 | $4 | $20 | 33.63 min | 6.54B / 56.31M |
| 5 | Claude Haiku 5.5Claude Haiku 5.5 | 43.96 | $0.7 | $0.1 | $0.5 | 16.27 min | 4.64B / 62.24M |
| 6 |  GPT-6.1 SolGPT-6.1 Sol | 43.54 | $0.35 | $2 | $10 | 6.93 min | 242.14M / 8.75M |
| 7 | GPT-6 AstraGPT-6 Astra | 43.33 | $1.81 | $10 | $50 | 7.05 min | 222.91M / 7.78M |
| 8 | GPT-6 LunaGPT-6 Luna | 37.5 | $0.03 | $0.1 | $0.5 | 5.27 min | 524.11M / 13.09M |
PandaNpc 更新日 2026年10月21日 06:01 UTC
ソース: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
列ガイド
- 番号
- 表示順序のみです。並べ替えによりこの数値は変わりますが、公開された能力ランキングではありません。
- モデル
- 評価対象のモデル名とプロバイダーのアイコン。スコア列のダッシュは、ここに公開スコアがないことを意味し、ゼロではありません。
- スコア
- インターフェースのスクリーンショットを解釈するなど、コードだけでなく視覚情報も必要とするソフトウェアエンジニアリングタスクをテストします。 評価方法論 ↗
- Cost / Test
- テストあたりのコスト · USD
- Input cost
- 100万tokenあたりの入力価格 · USD / 1M tokens
- Output cost
- 100万tokenあたりの出力価格 · USD / 1M tokens
- Duration
- 報告されたテスト所要時間 · s / min
- Input / Output Tokens
- 報告された入力／出力トークン使用量 · tokens
- Vals.ai
- コストと時間はこのベンチマークについて Vals によって報告されたものであり、普遍的なモデル価格やレイテンシではありません。CUA-bench の推定 API コストは評価での使用を対象としたもので、下限の推定値であり、タスクあたりのコストではありません。アクションあたりの時間は平均であり、中央値ではありません。アスタリスクは、キャッシュ書き込みコストを増加させたローンチ日のプロンプトキャッシュ動作を示します。欠損値は未公開であり、ゼロではありません。