コンテンツへスキップ

アルファ版

モデル
ランキング
Ori

営業担当に相談

フッター

© 2026 OpenRouter, Inc

製品

チャット
ランキング
ベンチマーク
アプリ
見つける
モデル
Ori
コレクション
プロバイダー
ツール
料金
Business
Enterprise
ラボ

会社情報

概要
ブログ
お客様
採用情報
採用情報
プライバシー
利用規約
トラストセンター
サポート
OR 対応
データ
ブランド

開発者

ドキュメント
API リファレンス
開発者プラットフォーム
ステータス
AI サイトマップ

接続

Discord
GitHub
LinkedIn
X
YouTube

ベンチマーク

OpenRouter のリクエストで実際に設定できるモデル、プロバイダー、検索エンジン、ツールの予算について、独立した再現可能な測定を提供します。各スコアには、その根拠となる設定、コスト、テレメトリへのリンクがあります。

13 ベンチマーク2,447,570 タスク評価最終実行 2026年11月2日

API 経由でベンチマーク結果とメタデータを取得

エージェントとツール

ベンチマーク品質値速度

τ²-Bench Airline
厳格なポリシー制約の下でツール呼び出しを行うマルチターンのサービスエージェント。
140 モデル最終実行 2026年11月2日
80.0%
GPT-5.1
$0.009
GLM 5.3 Flash
42s
GLM 5.3
品質80.0%
GPT-5.1
値$0.009
GLM 5.3 Flash
速度42s
GLM 5.3

メディア

生成された画像、クリップ、音声は、リクエストへの適合度で評価され、出力ごとに料金が設定されます。

ベンチマークサンプル値速度

Image
奥行き、方向、数のカウント、画像内のテキストで失敗を誘うように設計された画像プロンプトです。
60 モデル
$0.007
Recraft: Recraft V4.1 Flash
2s
Recraft: Recraft V4.1 Flash
値$0.007
Recraft: Recraft V4.1 Flash
速度2s
Recraft: Recraft V4.1 Flash
Video
すべてのモデルで長さと解像度を統一した、六秒間の動画です。
28 モデル
$0.050
TBC: mischief 1
24s
TBC: mischief 1
値$0.050
TBC: mischief 1
速度24s
TBC: mischief 1
Speech
同じ文をすべての音声で：言葉が再現され、演出指示どおりに表現されましたか？
36 モデル
$0.000
Mistral: Voxtral Mini TTS
1s
ElevenLabs: Eleven Flash v2.5
値$0.000
Mistral: Voxtral Mini TTS
速度1s
ElevenLabs: Eleven Flash v2.5
Memes
ミームを画像として編集するか、動画クリップとしてアニメーション化し、指示の意図が伝わったかどうかで評価します。
71 モデル
$0.009
Black Forest Labs: FLUX 3 Image Klein
7s
Black Forest Labs: FLUX.2 Klein 4B
値$0.009
Black Forest Labs: FLUX 3 Image Klein
速度7s
Black Forest Labs: FLUX.2 Klein 4B

アーティファクト生成

テキストモデルが、描画やプレイ可能なゲームの作成といった型破りなタスクに取り組みます。

ベンチマークサンプル値速度

Sketch
テキストモデルはプロンプトから絵を作成します。結果は画像として採点されます。
243 モデル
$0.000034
Mistral: Mistral Nemo
2s
Meta: Llama 3.2 3B Instruct
値$0.000034
Mistral: Mistral Nemo
速度2s
Meta: Llama 3.2 3B Instruct
Games
テキストモデルが、単一の概要から一度の試行でプレイ可能なゲームを作成します。
52 モデル
$0.004
OpenAI: gpt-oss-120b
15s
Google: Gemini 3.1 Flash Lite
値$0.004
OpenAI: gpt-oss-120b
速度15s
Google: Gemini 3.1 Flash Lite

推論

ベンチマーク品質値速度

GPQA Diamond
検索による解答が難しく、慎重な推論が求められる大学院レベルの科学の質問です。
160 モデル最終実行 2026年11月2日
96.5%
Gemini 4 Argon
$0.003
Pareto 26.10 Preview
20s
Claude Sonnet 5.5
品質96.5%
Gemini 4 Argon
値$0.003
Pareto 26.10 Preview
速度20s
Claude Sonnet 5.5
VGI-Bench
長い動画で何が映され、何が語られ、何が起きなかったかについての多肢選択式の質問です。
60 モデル最終実行 2026年11月2日
66.2%
Seed 1.6
$0.039
Seed 1.6
64s
Seed 1.6
品質66.2%
Seed 1.6
値$0.039
Seed 1.6
速度64s
Seed 1.6

検索

ベンチマーク品質値速度

BrowseComp
現在のウェブ上で見つけにくい事実を対象に、粘り強い多段階の調査に基づいて採点します。
4 モデル最終実行 2026年8月18日
89.0%
Perplexity
Claude Opus 5 · high
$0.99
Perplexity
Claude Opus 5 · high
1.9m
Perplexity
Claude Opus 5 · high
品質89.0%
Perplexity
Claude Opus 5 · high
値$0.99
Perplexity
Claude Opus 5 · high
速度1.9m
Perplexity
Claude Opus 5 · high
DeepSearchQA
回答がリストになる質問で、余計な項目を加えずに網羅的に取得できるかを採点します。
4 モデル最終実行 2026年8月18日
77.0%
Parallel
Claude Opus 5 · high
$0.10
Perplexity
GPT-5.6 Luna · xhigh
1.6m
Perplexity
GPT-5.6 Luna · xhigh
品質77.0%
Parallel
Claude Opus 5 · high
値$0.10
Perplexity
GPT-5.6 Luna · xhigh
速度1.6m
Perplexity
GPT-5.6 Luna · xhigh
HLE
検索ベンチマークとしての Humanity's Last Exam：ライブ検索で専門家レベルの質問に回答します。
3 モデル最終実行 2026年9月15日
77.4%
Perplexity
Claude Opus 5 · high
$0.16
Perplexity
Claude Opus 5 · high
48s
Perplexity
Claude Opus 5 · high
品質77.4%
Perplexity
Claude Opus 5 · high
値$0.16
Perplexity
Claude Opus 5 · high
速度48s
Perplexity
Claude Opus 5 · high
WideSearch
表全体を埋め、回答項目の正確性は部分一致も採点します。
4 モデル最終実行 2026年8月18日
84.0%
Perplexity
GPT-5.6 Sol · high
$0.063
Perplexity
GPT-5.6 Luna · xhigh
1.9m
Perplexity
GPT-5.6 Sol · high
品質84.0%
Perplexity
GPT-5.6 Sol · high
値$0.063
Perplexity
GPT-5.6 Luna · xhigh
速度1.9m
Perplexity
GPT-5.6 Sol · high

同じモデルの使用量に基づく表示については、モデルランキングとモデルの全一覧をご覧ください。