BenchLeader

大量データ抽出に最適なモデル

短くほとんど同じ形の呼び出しが何百万回も続きます。文書から項目を取り出す、チケットを振り分ける、レビューにタグを付ける、といった作業です。1件ごとの応答を待っている人はいないので、レイテンシはほとんど問題にならず、最先端の品質はお金の無駄です。決め手は価格とスループットで、品質は下限として扱います。それでも結果は正しくなければなりません。

2026年11月16日時点で、この用途に最も合うのはMuse Ember(max)で、100万トークンあたりの価格は$0.200、出力速度は437トークン/秒です。

単一の指標で見たランキング: 安価で高性能なLLM(2026年11月)

重みづけの内訳

  • 45%100万トークンあたりの価格この量になると料金がすべてを決めます。10倍の価格差の前では、ほかのどんな要素もかすみます
  • 25%出力速度スループットで、キューを処理し終えるまでの時間が決まります
  • 20%指示追従毎回きちんと形を保つ構造化出力のほうが、ここでは賢さより価値があります
  • 10%品質品質の指標も少しは入れますが、明らかに弱いモデルを除く程度です

下限(順位ではなく条件): 品質が40以上であることが条件です。抽出が間違っていれば、安くて速くても価値はありません。

ランク付けされた339モデルのうち、条件を満たすのは192モデルです。残りは、重みづけに必要な測定値のいずれかが欠けているか、上記の制限から外れています。たまたま持っている指標だけでスコアを付けるより、そのモデルを外すほうを選んでいます。

上記のベンチマークスコアは、モデルの各推論エフォート設定の結果をまとめ、それぞれが基づくベンチマークの数で重みづけしたものです。公開元が同じベンチマークをすべての設定で実行することはまれなので、1つの設定のカテゴリスコアは1件の結果だけから来ていることがよくあります。1件の結果では変動が大きすぎて、順位を決められません。レイテンシと価格は設定ごとに実際に異なるため、設定別のままにしています。

#モデル適合度100万トークンあたりの価格出力速度指示追従品質コンテキストウィンドウOpenRouterシェア
1NEWMuse EmbermaxMeta88$0.200437–52.11.0M0.26%
2DeepSeek V4 FlashmaxDeepSeek87$0.175136–56.81.0M1.0%
3NEWAgnes 2.5 Pro ThetaSapiens AI87$0.150190–50.81M–
4Nemotron 3.5 LightningNVIDIA86$0.095266–41.41M0.01%
5Step 3.5 FlashStepFun85$0.1501336656.3256k–
6Claude Haiku 5.5xhighAnthropic84$0.2002316356.71M1.3%
7Ling 3.0 FlashAnt Group84$0.115119–51.7262k0.06%
8MiniMax M3.1 FlashMiniMax82$0.262151–54.31M1.6%
9DeepSeek V4.1 FlashmaxDeepSeek82$0.525240–58.51.0M7.4%
10DeepSeek V4.1 Flash 1017maxDeepSeek81$0.5251747057.71.0M28.0%
11Mercury 2Inception81$0.3753466949.2128k–
12Nemotron 3 Super 120B A12BthinkingNVIDIA80$0.4501837051.1262k<0.01%
13GPT-6 LunamaxOpenAI80$0.200103–55.11.1M4.0%
14Nemotron 3.5 Super VLNVIDIA80$0.275271–45.81.0M1.7%
15MiniMax M3MiniMax79$0.5251188056.11M0.29%
16Beam 1.0 501B A23BReflection79$0.475193–54.21.0M0.02%
17Step 3.7 FlashStepFun78$0.4381486753.0256k<0.01%
18GPT-5.6 LunaxhighOpenAI77$0.450110–58.21.1M0.88%
19Solar Pro 3Upstage77$0.2621247040.9128k–
20GPT-5 nanohighOpenAI77$0.1381656047.4400k0.03%
21Nemotron 3 Nano 30B A3BthinkingNVIDIA77$0.0881995547.4262k<0.01%
22Qwen3.5 FlashAlibaba76$0.17594–51.81M0.01%
23Command A+Cohere75$0.6001757245.9192k<0.01%
24Nemotron 3 Ultra 550B A55BthinkingNVIDIA74$1.051997949.11M1.5%
25Gemini 3.1 Flash LiteGoogle73$0.5633016352.61.0M0.24%
26Inkling 2 SmallThinking Machines73$0.475100–57.91.0M0.59%
27Gemini 3 FlashthinkingGoogle73$1.131966658.91.0M0.32%
28Beam 1.0Reflection73$0.600288–45.91.0M–
29Gemini 2.5 Flash-LitethinkingGoogle72$0.1753664747.91.0M0.14%
30Gemini 3.5 Flash LiteGoogle72$0.850308–51.41.0M0.11%
31MiniMax-M2MiniMax72$0.5251007151.5205k–
32Inkling SmallThinking Machines72$0.525116–52.066k<0.01%
33gpt-oss-20bhighOpenAI71$0.0931564945.4131k0.07%
34Muse Spark 1.1Meta71$2.001937062.21.0M<0.01%
35Qwen3.8-Flash-NextAlibaba71$0.23080–53.9256k–
36gpt-oss-120blowOpenAI70$0.2481765645.7131k0.21%
37Qwen3.5-9B推論なしAlibaba70$0.1901235349.2262k0.04%
38Gemini 3.6 FlashhighGoogle70$1.50177–61.01.0M0.04%
39GPT-5.4 NanoxhighOpenAI70$0.4631455853.9400k0.04%
40Grok 4.20 Multi-AgentSpaceXAI69$1.56349–58.52M<0.01%

このページの読み方

適合度はパーセンタイルを組み合わせた値で、100点満点のスコアではありません。各指標について、ここで評価できる他のすべてのモデルと比べた順位を出し、上記の重みで合成しています。この値が示すのは、ほかの選択肢と比べてそのモデルがこの用途にどれだけ合うかです。音声用途には非常に合うのに、品質のリーダーボードではかなり下位というモデルもありえます。Indexではなく用途で順位を付けるのはそのためです。

最後の列は適合度には含まれません。OpenRouterで1週間に処理されたトークンのうち各モデルが占めた割合で、測定で優れていたものではなく、人々が選んだものを示します。両者の答えはしばしば異なります。これは1つのマーケットプレイスの一部分として読んでください。プロバイダー自身のAPIに直接送られたトラフィックは含まれず、自前のハードウェアで動かすモデルはまったく表れません。そのため、シェアが小さくても、誰も使っていない証拠にはなりません。

この重みづけに異論がありますか?それはもっともなことで、だからこそ隠さずに示しています。自分で条件を設定したい場合は、モデルファインダーをお使いください。

引用表記:BenchLeader「大量データ抽出に最適なモデル」2026年11月16日時点のデータ、https://www.benchleader.com/ja/use/bulk-extraction