BenchLeader

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

サイズ

品質と、それを得るためのコスト

5560657075$0.2$0.5$1$2$5$10$20Intelligence Indexのタスクあたりコスト(USD)(対数目盛)BenchLeader Index v1.4Claude Fable 5.2Gemini 4 CarbonClaude Opus 5.5GPT-6 AstraClaude Fable 5.1GPT-6.1 Sol

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。

並べ替え

タスクあたりトークン数

出力トークン(推論を含む)
0100k200kGPT-6 Astra9.1k – 52klowmaxGPT-6.1 Sol5.8k – 68klowmaxClaude Fable 5.138k – 118klowmaxGemini 4 Carbon86k – 123klowhighClaude Opus 5.519k – 173klowmaxClaude Fable 5.236k – 274klowmax

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)
0100M200MGPT-6 Astra10.3M – 54.3MlowmaxGPT-6.1 Sol8.2M – 63.7MlowmaxClaude Fable 5.136.3M – 163MlowmaxGemini 4 Carbon83.9M – 205MlowhighClaude Opus 5.521.1M – 218MlowmaxClaude Fable 5.234.9M – 275Mlowmax

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USD
$0$10$20GPT-6.1 Sol$0.161 – $1.27Gemini 4 Carbon$4.68 – $5.48GPT-6 Astra$1.42 – $6.24lowmaxClaude Opus 5.5$0.976 – $10lowmaxClaude Fable 5.1$4.47 – $13lowmaxClaude Fable 5.2$3.10 – $27lowmax

Index全体の実行コスト

定価でのUSD(AAの集計)
$0$10k$20kGPT-6.1 Sol$238 – $1.1kGemini 4 Carbon$4k – $5.3kGPT-6 Astra$1.7k – $5.7klowmaxClaude Opus 5.5$980 – $8.9klowmaxClaude Fable 5.1$3.9k – $13.3klowmaxClaude Fable 5.2$2.9k – $22.2klowmax

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
010 min20 min30 min40 minGPT-6 Astra3.4 min – 21 minlowmaxClaude Fable 5.17.6 min – 22 minlowmaxGPT-6.1 Sol1.9 min – 22.7 minlowmaxClaude Opus 5.53 min – 24.9 minlowmaxGemini 4 Carbon25.9 min – 32.1 minlowhighClaude Fable 5.25.5 min – 41.7 minlowmax

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。

58件中58件
#
1GPT-6 Lunalow894545.8$0.0051–
2Claude Haiku 5.5low109047.7$0.044–
3Granite 4.2 8B101641.1$0.040小
4Mistral Small 4thinking101540.5$0.040中
5GPT-6.1 Terralow79356.6$0.071–
6MiMo-V2.6-Flash42654.8$0.129大
7NEWMuse Emberxhigh42249.1$0.116–
8GPT-6.1 Sollow37260.0$0.161–
9Gemini 3.1 Flash Lite27152.6$0.194–
10Muse Glimmerhigh26146.5$0.178小
11Inkling Small25652.0$0.203大
12MiMo-V2.6-Pro22457.5$0.257大
13GPT-5.6 Lunamax17056.2$0.331–
14Beam 1.016145.9$0.284大
15Nemotron 3.5 Lightning13241.4$0.314小
16gpt-oss-120bhigh13145.3$0.345中
17DeepSeek V4.1 Flash 1017high11251.2$0.456大
18MiniMax M3.1 Flash11154.3$0.491大
19Claude Sonnet 5.5low99.250.7$0.511–
20GLM 5.3 Flash99.157.8$0.583大
21Qwen3.8-Flash-Next94.753.9$0.569大
22NEWAgnes 2.5 Pro Theta88.450.8$0.575–
23Claude Haiku 4.5thinking85.945.7$0.532–
24Nemotron 3.5 Super VL82.245.8$0.557中
25Gemini 3.5 Flash Lite74.251.4$0.693–
26DeepSeek V4 Prohigh66.056.0$0.849大
27Apodex 1.162.848.0$0.764–
28Claude Opus 5.5low60.458.9$0.976–
29Hy455.056.7$1.03–
30Solar Pro 451.248.9$0.956–
31Inkling 2 Small49.157.9$1.18大
32Mistral Medium 3.544.846.6$1.04中
33MiniMax M343.756.1$1.29大
34GPT-6 Astralow43.562.0$1.42–
35Inklingxhigh37.050.0$1.35大
36NEWGemini 4 Hydrogenhigh33.863.4$1.87–
37Mistral Large 4medium32.545.9$1.41大
38GLM 5.3low30.047.3$1.57大
39Muse Spark Openxhigh26.553.5$2.02大
40Qwen3.8 27Blow25.749.0$1.91小
41GPT-6 Solmax25.462.6$2.47–
42Muse Spark 1.3max25.460.6$2.39–
43Step 5 Preview23.956.0$2.35大
44Kimi K3low22.653.6$2.37大
45Nemotron 3 Ultra 550B A55Bthinking22.249.1$2.21大
46NEWClaude Fable 5.2low21.165.3$3.10–
47Grok 4.7low19.055.4$2.92–
48Kimi K3.1 Pro16.861.8$3.68大
49GPT-5.6 Terramax15.959.5$3.73–
50Ling 3.1 Flash15.950.8$3.19大
51Gemini 4 Argonmedium14.361.6$4.31–
52Gemini 4 Carbonmedium14.165.8$4.68–
53Claude Fable 5.1low13.258.8$4.47–
54Muse Wonderhigh12.356.2$4.56–
55Grok 4.6xhigh12.056.1$4.68–
56Gemini 3.8 Flashmedium9.660.2$6.26–
57Qwen3.8 Maxmax5.958.7$10.02–
58Claude Opus 5max5.565.0$11.82–

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