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。
18 ベンチマーク2,294,396 タスク評価最終実行 2026年11月15日
ルーター
各ベンチマークで、モデルルーターが品質、コスト、速度のバランスをどのように取るかを比較します。
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。
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。
66 モデル


$0.007Recraft: Recraft V4.1 Flash2sRecraft: Recraft V4.1 Flash

値$0.007Recraft: Recraft V4.1 Flash速度2sRecraft: Recraft V4.1 FlashVideo
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


$0.050TBC: mischief 124sTBC: mischief 1

値$0.050TBC: mischief 1速度24sTBC: mischief 1Speech
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?
37 モデル
$0.000Mistral: Voxtral Mini TTS
1sElevenLabs: Eleven Flash v2.5値$0.000Mistral: Voxtral Mini TTS
速度1sElevenLabs: Eleven Flash v2.5Memes
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。
75 モデル


$0.009Black Forest Labs: FLUX 3 Image Klein7sBlack Forest Labs: FLUX.2 Klein 4B

値$0.009Black Forest Labs: FLUX 3 Image Klein速度7sBlack 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。
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。
248 モデル


$0.000034Mistral: Mistral Nemo
2sMeta: Llama 3.2 3B Instruct


値$0.000034Mistral: Mistral Nemo
速度2sMeta: 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。
60 モデル


$0.000Crouton Alpha15sGoogle: Gemini 3.1 Flash Lite

値$0.000Crouton Alpha速度15sGoogle: Gemini 3.1 Flash Lite
推論
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。
150 モデル最終実行 2026年11月15日
96.5%Gemini 4 Argon$0.021GPT-6.1 Sol20sClaude Sonnet 5.5品質96.5%Gemini 4 Argon値$0.021GPT-6.1 Sol速度20sClaude Sonnet 5.5VGI-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。
67 モデル最終実行 2026年11月14日
66.2%Seed 1.6$0.039Seed 1.664sSeed 1.6品質66.2%Seed 1.6値$0.039Seed 1.6速度64sSeed 1.6
検索
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$0.99Perplexity
Claude Opus 5 · high1.9mPerplexity
Claude Opus 5 · high品質89.0%Perplexity
Claude Opus 5 · high値$0.99Perplexity
Claude Opus 5 · high速度1.9mPerplexity
Claude Opus 5 · highDeepSearchQA
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%ParallelClaude Opus 5 · high$0.10Perplexity
GPT-5.6 Luna · xhigh1.6mPerplexity
GPT-5.6 Luna · xhigh品質77.0%ParallelClaude Opus 5 · high値$0.10Perplexity
GPT-5.6 Luna · xhigh速度1.6mPerplexity
GPT-5.6 Luna · xhighHLE
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。
2 モデル最終実行 2026年8月17日
77.4%Perplexity
Claude Opus 5 · high$0.16Perplexity
Claude Opus 5 · high48sPerplexity
Claude Opus 5 · high品質77.4%Perplexity
Claude Opus 5 · high値$0.16Perplexity
Claude Opus 5 · high速度48sPerplexity
Claude Opus 5 · highWideSearch
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$0.063Perplexity
GPT-5.6 Luna · xhigh1.9mPerplexity
GPT-5.6 Sol · high品質84.0%Perplexity
GPT-5.6 Sol · high値$0.063Perplexity
GPT-5.6 Luna · xhigh速度1.9mPerplexity
GPT-5.6 Sol · high
