BenchLeader

Agnes 2.5 Pro Theta vs Ling 3.1 Flash

詳しいプロフィール:Agnes 2.5 Pro Theta(Sapiens AI)とLing 3.1 Flash(Ant Group)。すべてのベンチマーク、価格、順位を掲載しています。

更新 · 4件の情報源のデータ

2026年11月16日時点で、Agnes 2.5 Pro ThetaとLing 3.1 Flashの品質は互角です(BenchLeader Indexで50.8 対 50.8、±10.9の誤差範囲内)。価格はAgnes 2.5 Pro Thetaの方が3.0倍安く、100万トークンあたりのブレンド価格で$0.150 対 $0.450です。両方を測定できるすべてのカテゴリでLing 3.1 Flashがリードしています。Agnes 2.5 Pro Thetaの方が出力が約2倍速いです。

要点(2026年11月16日時点)

  • BenchLeader IndexはAgnes 2.5 Pro Thetaが50.8、Ling 3.1 Flashが50.8です(BenchLeader、2026年11月16日)。
  • Agnes 2.5 Pro Thetaの100万トークンあたりのブレンド価格は$0.150です(定価、2026年11月16日)。
  • Ling 3.1 Flashの100万トークンあたりのブレンド価格は$0.450です(定価、2026年11月16日)。
  • Agnes 2.5 Pro ThetaはLing 3.1 Flashより出力が約2倍速いです(Artificial Analysis、7日間の中央値、2026年11月16日)。
  • 両モデルに結果がある16件のベンチマークのうち、Ling 3.1 Flashが14件でリードしています(BenchLeader、2026年11月16日)。

用途別のおすすめ

おすすめ側の数値を先に示しています。カテゴリスコアはBenchLeaderの尺度(50が平均的なモデル、15ポイントが1標準偏差)です。標準偏差の半分以上の差があれば信頼度「高」、1ポイント未満の差は「どちらでも」としています。

用途おすすめ理由信頼度
コーディングどちらでもカテゴリスコア46 対 46;FrontierCode 2.0 (AA) 16.6% 対 17.0%どちらでも
推論Ling 3.1 Flashカテゴリスコア48 対 44;HLE-Diamond (AA) 17.2% 対 16.8%中
知識Ling 3.1 Flashカテゴリスコア45 対 39;AA-Omniscience v1.1 -0.1 対 -11.2中
長い文書どちらでもカテゴリスコア67 対 66;AA-LCR v1.1 84.7% 対 83.0%どちらでも
最低コストAgnes 2.5 Pro Theta100万トークンあたりブレンド価格$0.150 対 $0.450;エージェント型コーディングセッション$0.007 対 $0.022–
回答開始の速さAgnes 2.5 Pro Theta最初の回答トークンまで8.1秒(Agnes 2.5 Pro Theta)対 42.3秒(Ling 3.1 Flash)–
低予算での大量処理フラッグシップ以外小型モデルの方が適していることがほとんどです:安くて優秀なLLM、最速のLLM–

主な違い

  • Agnes 2.5 Pro ThetaとLing 3.1 Flashの品質は互角です(50.8 対 50.8、±10.9の誤差範囲内)。
  • Agnes 2.5 Pro Thetaは長文コンテキストで優れています。
  • Ling 3.1 Flashはコーディング、知識、推論で優れています。
  • Agnes 2.5 Pro Thetaの方が3.0倍安くなっています(100万トークンあたりブレンド価格$0.150 対 $0.450)。
  • Agnes 2.5 Pro Thetaの方が出力が2.0倍速くなっています(190 対 94トークン/秒)。

概要

仕様Agnes 2.5 Pro ThetaLing 3.1 Flash
プロバイダーSapiens AIAnt Group
リリース日2026年11月7日2026年10月1日
コンテキストウィンドウ(トークン)1,000,0001,000,000
比較した構成Agnes 2.5 Pro ThetaLing 3.1 Flash
オープンウェイトなしあり
100万トークンあたりの価格(入力/出力/キャッシュ入力)$0.100 / $0.300 / –$0.300 / $0.900 / $0.060

カテゴリ別の比較

カテゴリスコアはBenchLeaderの尺度で、50が評価対象モデルの平均、15ポイントが1標準偏差です。1ポイント未満の差は互角としています。

カテゴリAgnes 2.5 Pro ThetaLing 3.1 Flashトップ
推論43.747.9Ling 3.1 Flash
コーディング45.746.2互角
知識38.744.7Ling 3.1 Flash
マルチモーダル60.8–比較不可
長文コンテキスト67.166.2互角

1つのグラフで比較

各分野をIndexと同じ尺度(平均的なモデルが50)で示しています。分野をクリックすると、その元になったベンチマークが表示されます。 リストから最大5モデルまで選べます。

2550 avg75推論コーディング知識長文コンテキストAgnes 2.5 Pro Theta, 推論: 43.7Agnes 2.5 Pro Theta, コーディング: 45.7Agnes 2.5 Pro Theta, 知識: 38.7Agnes 2.5 Pro Theta, 長文コンテキスト: 67.1Ling 3.1 Flash, 推論: 47.9Ling 3.1 Flash, コーディング: 46.2Ling 3.1 Flash, 知識: 44.7Ling 3.1 Flash, 長文コンテキスト: 66.2

描画していないもの(測定済みのモデルが2つ未満):エージェント・ツール, 数学, 指示追従, マルチモーダル, 人間の評価。

モデル(クリックで追加・削除)Index

情報源で評価が分かれる点

両方に結果がある16件のベンチマークのうち、Agnes 2.5 Pro Thetaのリードが2件、Ling 3.1 Flashのリードが14件です。両方を評価しているすべての総合指標で、Ling 3.1 Flashが上回っています。

総合IndexAgnes 2.5 Pro ThetaLing 3.1 Flashトップ
BenchLeader Index50.850.8互角
AA Intelligence Index v5.0.124.029.6Ling 3.1 Flash

公開元ごとにタスク、評価環境、エフォートの設定が異なるため、総合的な評価が食い違うことがあります。BenchLeaderはそれらを1つの尺度にそろえています。†は同じモデルの別のエフォート設定での測定値です(公開元がここで比較している設定をテストしていないため)。

価格・速度・レイテンシ

定価は、出力1トークンにつき入力3トークンの比率でブレンドしています。タスクあたりの価格は、算出方法のページに記載したトークン数で計算しています。ベンチマークのタスクあたりのコスト、トークン数、時間は実測値で、Artificial AnalysisのIntelligence Index全体の平均です。

指標Agnes 2.5 Pro ThetaLing 3.1 Flash
100万トークンあたりのブレンド価格$0.150$0.450
100万トークンあたりの入力/出力$0.100 / $0.300$0.300 / $0.900
100万トークンあたりのキャッシュ入力–$0.060
タスクあたりの価格:チャットの返答$0.0001$0.0004
タスクあたりの価格:30ページのレポートを要約$0.0014$0.0041
タスクあたりの価格:コード編集$0.0011$0.0032
タスクあたりの価格:エージェント型コーディングセッション$0.0072$0.022
タスクあたりの価格:構造化データの抽出$0.0003$0.0008
エージェント型コーディングセッション(入力の大半がキャッシュ)–$0.011
ベンチマークのタスクあたりのコスト(AA Index)$0.575$3.19
タスクあたりの出力トークン(AA Index)278k225k
うち推論229k151k
タスクあたりの時間(AA Index)24 min–
出力速度190 tok/s94 tok/s
回答開始までの時間8.1秒42.3秒
回答が完了するまでの時間(最終測定2026年11月13日)16.9秒115.5秒

トークン単価とタスクあたりのコストは別物です。Artificial AnalysisのIntelligence Indexの平均的なタスクにかかったコストは、Agnes 2.5 Pro Thetaで$0.575、Ling 3.1 Flashで$3.19でした。同じ作業でAgnes 2.5 Pro Thetaは1.2倍の出力トークンを書いています。

各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Agnes 2.5 Pro Thetaのスコアは50.8、最初の回答トークンまで8秒。Ling 3.1 Flashのスコアは50.8、最初の回答トークンまで42秒。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか

全ベンチマーク

26件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。

指標公開元Agnes 2.5 Pro ThetaLing 3.1 Flash
BenchLeader IndexBenchLeader50.850.8
コーディングスコアBenchLeader45.746.2
知識スコアBenchLeader38.744.7
長文コンテキストスコアBenchLeader67.166.2
マルチモーダルスコアBenchLeader60.8–
推論スコアBenchLeader43.747.9
ブレンド価格($/100万トークン)BenchLeader$0.150$0.450
出力速度BenchLeader190 tok/s94 tok/s
回答開始までの時間BenchLeader8.1秒42.3秒
コンテキストウィンドウBenchLeader1,000,000トークン1,000,000トークン
推論
Humanity's Last Exam (AA)Artificial Analysis37.2%43.5%
HLE-Diamond (AA)Artificial Analysis16.8%17.2%
CritPtArtificial Analysis15.1%26.0%
CritPt v2 hard subset (AA)Artificial Analysis26.0%38.5%
コーディング
SciCode (AA)Artificial Analysis56.0%56.8%
Terminal-Bench 4.0 (AA)Artificial Analysis10.1%33.3%
GameBench 2 by reasoning settingDuelLab GameBench 2–42.9†
Design Arena WebsiteDesign Arena–1292
FrontierCode 2.0 (AA)Artificial Analysis16.6%17.0%
エージェント・ツール
GDPval-AA v2.1, normalised scoreArtificial Analysis–57.3%
GDPval-AA v2.1Artificial Analysis15071655
AutomationBenchArtificial Analysis48.8%67.5%
GDP.pdf (AA)Artificial Analysis14.2%12.6%
AA-Briefcase v1.1Artificial Analysis14961520
Design Arena AgenticDesign Arena–1205
Terminal-Bench-Science 0.1 (AA)Artificial Analysis3.8%4.3%
知識
AA-Omniscience v1.1Artificial Analysis-11.2-0.1
AA-Omniscience v1.1: accuracyArtificial Analysis21.3%26.5%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis58.6%63.7%
マルチモーダル
MMMU-ProArtificial Analysis78.4%–
長文コンテキスト
AA-LCR v1.1Artificial Analysis84.7%83.0%
MLCRArtificial Analysis–15.0%
総合
AA Intelligence Index v5.0.1Artificial Analysis24.029.6
AA Intelligence Index v4.3.2Artificial Analysis–43.9
AA Progress Index v1Artificial Analysis–321.6
26件のベンチマークをすべて表示
指標公開元Agnes 2.5 Pro ThetaLing 3.1 Flash
メタデータ
AA Openness IndexArtificial Analysis–38.9

データは2026年11月16日時点。各モデルの最良の構成で比較しています。すべてのスコアの出典はモデルのページにリンクしています。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

最近の変化

  • Ling 3.1 Flash:スコアの改訂1件。
  • Agnes 2.5 Pro Theta:初めての結果。
  • Ling 3.1 Flash:スコアの改訂1件。
  • Ling 3.1 Flash:BenchLeader Index 50.3 → 50.9。
  • Ling 3.1 Flash:新しい結果6件(AA Intelligence Index v5.0.1, AA Progress Index v1, HLE-Diamond (AA)…)、スコアの改訂3件、価格 $1.01/M → $3.19/M。
  • Ling 3.1 Flash:新しい結果1件(AA-Briefcase v1.1)。
  • Ling 3.1 Flash:スコアの改訂1件。
  • Ling 3.1 Flash:新しい結果1件(AA-Briefcase v1.1)、スコアの改訂8件。
  • Ling 3.1 Flash:新しい結果1件(MLCR)。
  • Ling 3.1 Flash:新しい結果2件(AutomationBench, GDP.pdf (AA))。

ランキング: 総合ベストLLM · エージェントに最適なLLM · 安くて優秀なLLM

Agnes 2.5 Pro Theta vs Ling 3.1 Flash:よくある質問

Agnes 2.5 Pro ThetaはLing 3.1 Flashより優れていますか?
Agnes 2.5 Pro ThetaとLing 3.1 Flashの品質は互角です(50.8 対 50.8、±10.9の誤差範囲内)。BenchLeader Indexは第三者による品質ベンチマークをすべて統合した指標です。2026年11月16日時点では両者の差は誤差範囲内なので、用途に合わせてカテゴリ別のスコアを確認してください。
Agnes 2.5 Pro ThetaとLing 3.1 Flashはどちらが安いですか?今後変わる予定はありますか?
現在はAgnes 2.5 Pro Thetaの方が安く、100万トークンあたり$0.150 対 $0.450です(出力1トークンにつき入力3トークンでブレンド)。どちらも価格変更は発表されていません。
コーディングにはAgnes 2.5 Pro ThetaとLing 3.1 Flashのどちらが向いていますか?
コーディングでは互角です(カテゴリ指標で46 対 46)。共通するコーディングベンチマークのうち最も重要なFrontierCode 2.0 (AA)では、Agnes 2.5 Pro Thetaが16.6%、Ling 3.1 Flashが17.0%です。
Agnes 2.5 Pro ThetaとLing 3.1 Flashはどちらが速いですか?
Agnes 2.5 Pro Thetaの方が出力が約2倍速くなっています(出力190 対 94トークン/秒、Artificial Analysisの7日間の中央値)。
長い文書にはどちらが向いていますか?
長文コンテキストのベンチマークでは互角です(67 対 66)。どちらも1,000,000トークンのコンテキストに対応しています。
ほかの質問(3件)
レイテンシが低いのはどちらですか?
先に回答を始めるのはAgnes 2.5 Pro Thetaです。Artificial Analysisの測定では、最初の回答トークンまで8.1秒 対 42.3秒です。この差の大部分は推論エフォートによるもので、設定が高いほど回答前に長く考えます。
Agnes 2.5 Pro ThetaとLing 3.1 Flashについて、第三者ベンチマークの評価は一致していますか?
両方に結果がある16件のベンチマークのうち、Agnes 2.5 Pro Thetaのリードが2件、Ling 3.1 Flashのリードが14件です。両方を評価しているすべての総合指標で、Ling 3.1 Flashが上回っています。
Agnes 2.5 Pro Thetaはいつリリースされましたか?
Agnes 2.5 Pro Thetaは2026年11月7日にリリースされました。