AIモデルランキング

ランキングのスコアだけで、ご自身のタスクに適しているか判断することはできません。

Artificial Analysis指数は、複数の評価結果を統合したものです。人間のIQを測定するものでも、日本語専用のテストでもありません。また、バージョンが更新されるため、過去のスナップショットと比較する際は評価方法を確認してください。表には出典の丸められた数値を掲載しているため、同じ数値でも測定結果が同一とは限りません。

Kiramesu独自のテストはベンチマークのセクションで紹介しています。特定のタスクセットでの結果と、市場全体のランキングを区別してください。

表の価格は、入力トークン3個に対して出力トークン1個の比率を前提としています

Megaherc が使用するフィールド：price_1m_blended_3_to_1。これはArtificial AnalysisのAPI価格を入力と出力の比率3:1で平均したもので、任意の100万トークンあたりの料金でも、チャットのサブスクリプション料金でもありません。APIドキュメントでは、キャッシュを考慮した場合など、ほかの価格計算方法とこの値を区別しています。

計算例：入力が100万トークンあたり2 USD、出力が8 USDの場合、この指標は3.50 USDです。利用の半分が入力、半分が出力なら、100万トークンあたりの費用は5 USDになります。これは記載した前提に基づく例であり、特定モデルの料金表ではありません。実際の金額は、使用量、キャッシュ、ツール、提供元の条件に基づいて計算してください。アプリとAPIの比較はAIモデルガイド.

生成が速くても、回答を短時間で得られるとは限りません

速度はトークンの生成ペースを示します。「最初のトークン」列は、出典の測定でストリームが開始するまでの時間を示しています。推論モデルでは、最初の推論トークンを指す場合があるため、人が目にする回答の最初の部分と同じものとはみなしません。測定の詳細はArtificial Analysisの手法.

コンテキストは、モデルのトークン単位のコンテキストウィンドウの大きさであり、文書の語数を保証するものではありません。トークン分割はモデルや言語によって異なり、ウィンドウの一部は指示や回答に必要になる場合があります。OWはオープンウェイトを示します。モデルがご利用のコンピューターで動作することや、ライセンスであらゆる用途が許可されていることを保証するものではありません。

2つのモデルを選び、正しい結果1件あたりのコストを比較

目標、入力資料、合格条件を統一してください。同じタスクを2つのモデルに与え、完成までの時間、費用、修正回数を記録します。そのうえで、より安価または高速な選択肢を選びましょう。ローカルで動かす場合は、まずハードウェア要件を確認してください。たとえば、gpt-oss-20bの実行ガイドをご覧ください。このランキングには、デバイスの価格、アプリの使いやすさ、プロセス全体のプライバシーは含まれません。