タスクあたりコスト:ベンチマーク1タスクの費用
Artificial Analysis の Intelligence Index の平均的なタスク1件に、各構成でかかったコストです。実行全体を定価で計算しています。冗長な推論はトークン数を何倍にも増やすため、モデル間の差はトークン単価の差よりはるかに大きくなります。
2026年11月16日時点で、BenchLeader は「タスクあたりコスト」ボードでGPT-6 Lunaを1位としています($0.0051)。続いてMistral Small 4($0.040)、Granite 4.2 8B($0.040)です。
156モデル · 2026年11月16日時点のデータ
品質と、それを得るためのコスト
モデルにカーソルを合わせるかタップすると、強調されてほかのエフォート設定も表示されます。クリックで固定(Escで解除)、目のアイコンでモデルを非表示にできます。
タスクあたりコストは、Intelligence Indexの平均的なタスクにかかった定価ベースの費用で、その構成についてのArtificial Analysisの実行全体の平均です(出典:Artificial Analysis)。モデルが実際に書き出したトークンを数えるため、長く考えるモデルほどここで不利になります。 各点は、モデルの最良の推論エフォート設定(Indexが最も高いもの)です。モデルを選ぶと、ほかの設定が低いエフォートから順に線で結ばれて表示されます。左上ほど優秀です。
エフォート設定で各モデルはどこまで変わるか
モデルごとに1本のバーで、推論エフォートの設定間での最小値から最大値までを示し、各設定に印を付けています。モデルは上のグラフと同じです。
タスクあたりトークン数
出力トークン(推論を含む)出力トークン数(Index全体の実行)
実行した全タスク(AAの集計)Artificial Analysisによる実行全体の合計です(9つの評価、5,000以上のタスク、一部は3回または5回実行)。タスクあたりの数値は各評価のIndex内の比重で加重した平均なので、掛け合わせてもこの値にはなりません。
タスクあたりコスト
定価でのUSDIndex全体の実行コスト
定価でのUSD(AAの集計)Artificial Analysisによる実行全体の合計です(9つの評価、5,000以上のタスク、一部は3回または5回実行)。タスクあたりの数値は各評価のIndex内の比重で加重した平均なので、掛け合わせてもこの値にはなりません。
タスクあたり時間
Indexのタスクあたりタスクあたりコスト・トークン数・時間と実行全体の合計は、Artificial AnalysisのIntelligence Index実行によるもので、出典を明記して掲載しており、再利用は許諾していません。IndexはBenchLeader独自のものです。
- 1GPT-6 Luna (low)$0.0051
- 2Mistral Small 4 (thinking)$0.040
- 3Granite 4.2 8B$0.040
- 4Claude Haiku 5.5 (low)$0.044
- 5GPT-6.1 Terra (low)$0.071
- 6Muse Ember (xhigh)$0.116
- 7MiMo-V2.6-Flash$0.129
- 8GPT-6.1 Sol (low)$0.161
- 9Muse Glimmer (high)$0.178
- 10Gemini 3.1 Flash Lite$0.194
- 11Inkling Small$0.203
- 12MiMo-V2.6-Pro$0.257
- 13Beam 1.0$0.284
- 14Gemini 4 Hydrogen (low)$0.292
- 15Nemotron 3.5 Lightning$0.314
引用表記:BenchLeader「タスクあたりコスト:ベンチマーク1タスクの費用」2026年11月16日時点のデータ、https://www.benchleader.com/ja/leaderboards/cost-per-run