トークン効率:実作業1ドルあたりの品質
BenchLeader Index を、その構成で Artificial Analysis の Intelligence Index の平均的なタスク1件にかかったコストで割った値です。トークン単価と違い、モデルが実際に消費するトークンを数えるので、長く考えるモデルは定価から想像するより低いスコアになります。
2026年11月16日時点で、BenchLeader は「効率」ボードでGPT-6 Lunaを1位としています(8945)。続いてClaude Haiku 5.5(1090)、Granite 4.2 8B(1016)です。
121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)8945
- 2Claude Haiku 5.5 (low)1090
- 3Granite 4.2 8B1016
- 4Mistral Small 4 (thinking)1015
- 5GPT-6.1 Terra (low)793
- 6MiMo-V2.6-Flash426
- 7Muse Ember (xhigh)422
- 8GPT-6.1 Sol (low)372
- 9Gemini 3.1 Flash Lite271
- 10Muse Glimmer (high)261
- 11Inkling Small256
- 12MiMo-V2.6-Pro224
- 13GPT-5.6 Luna (max)170
- 14Beam 1.0161
- 15Nemotron 3.5 Lightning132
引用表記:BenchLeader「トークン効率:実作業1ドルあたりの品質」2026年11月16日時点のデータ、https://www.benchleader.com/ja/leaderboards/efficiency