直接対決の勝率
書いたモデル名がそれぞれに表示された2つの返答をユーザーが並べて比較したとき、その選択を記録する。勝率はこの対決から、Wilson 信頼区間でスコア化される。
5社の11種類のチャットモデル。それぞれに並列比較の勝率、実際のチャットでの高評価率、ライブの速度統計を表示しています。会話の途中でも、いつでも切り替えられます。
DeepSeek V4 Flash
DeepSeek
GLM 5
Z.AI
Llama 3.1 8B
Meta
数字で見る
Reverieでの実際のチャットにおける直接対決でのユーザーの選択で順位付けしています。星はそれぞれの数字がどれだけ確かかを示し、まだ比較を集めている途中のモデルは推測せずにそう表示します。
| モデル | 勝率 | 高評価率 | 速度 | コンテキスト | コスト |
|---|---|---|---|---|---|
GLM 5.3 Flashベーシック Z.AI | 63%信頼度：5段階中3 | 23%信頼度：5段階中3 | 0.5× クレジット | ||
Gemini 3 Flash Previewアドバンスド | 54%信頼度：5段階中5 | 39%信頼度：5段階中3 | 1.2× クレジット | ||
DeepSeek V4 Flashベーシック DeepSeek | 52%信頼度：5段階中5 | 93%信頼度：5段階中5 | 0.3× クレジット | ||
GLM 4.7ベーシック Z.AI | 52%信頼度：5段階中5 | 70%信頼度：5段階中4 | 1× クレジット | ||
GLM 5アドバンスド Z.AI | 52%信頼度：5段階中5 | 31%信頼度：5段階中3 | 1.3× クレジット | ||
DeepSeek V4 Proベーシック DeepSeek | 50%信頼度：5段階中5 | 34%信頼度：5段階中4 | 0.7× クレジット | ||
DeepSeek R1ベーシック DeepSeek | 49%信頼度：5段階中5 | 62%信頼度：5段階中3 | 1× クレジット | ||
DeepSeek V3.2ベーシック DeepSeek | 46%信頼度：5段階中5 | 91%信頼度：5段階中4 | 0.5× クレジット | ||
Llama 3.1 8Bベーシック Meta | 45%信頼度：5段階中5 | 26%信頼度：5段階中4 | 無料 | ||
MiMo V2.6 Flashベーシック Xiaomi | 42%信頼度：5段階中5 | 46%信頼度：5段階中2 | 0.4× クレジット | ||
DeepSeek V4.1 Flashベーシック DeepSeek | 評価中 | 11%信頼度：5段階中2 | 0.7× クレジット |
勝率：並列比較でそのモデルの返信が選ばれた割合。順位は各勝率の信頼区間の下限で決めているので、比較数が少ないのに高い勝率のモデルが上位に来ることはありません。高評価率：評価された返信のうち高評価の割合。速度：最近の返信での最初の単語までの時間の中央値と、1秒あたりの平均トークン数。クレジット倍率は基準クレジットレートに対する相対値です。 統計は2026/10/26に更新。
私たちの立場
どのプラットフォームも自分のAIは素晴らしいと言う。私たちはむしろ勝率を見せて、モデル自身に語らせたい。
— Reverie チーム
デフォルトで透明
4つの指標を Reverie 上の実際の会話から計測 ― プレスリリースから写したベンダーのベンチマークではなく。
書いたモデル名がそれぞれに表示された2つの返答をユーザーが並べて比較したとき、その選択を記録する。勝率はこの対決から、Wilson 信頼区間でスコア化される。
実際の返答へのグッド/バッドの一つひとつがモデル別の高評価率に集計され、各モデルが本物のロールプレイヤーにどう受け取られているかが見える。
モデルが答え始めるまでの時間 ― 平均、中央値、p95 を、自社インフラ上のライブトラフィックから計測。
返答が流れ始めてからの素の生成速度。速いモデルは長いシーンを止めない ― それがどのモデルかが正確に分かる。
すべての品質統計にはサンプル数に基づく1–5つ星の信頼度が付く。数字を信じる前に、それがどれだけ確かなものか分かる。
新しいモデルは「評価中」の状態から始まる ― 正直に語れるだけの並列比較が蓄積されるまで、品質の主張なしで表示する。
得られるもの
ここではモデル切り替えは設定メニューの隠し機能ではない。それがこのプロダクトの本来の使い方。
スレッドを失わずにメッセージの合間でモデルを変更。山場のシーンには切れ味のいいモデルを、雑談には軽いものに戻して。
返答が気に入らない？ 別のモデルで引き直して、読み心地のいい方を残せばいい。勝率は、一部の返信に表示される別枠の並列比較から算出される。
クリエイターはキャラクターごとに推奨モデルを設定でき、書かれたときのエンジンで話させられる。あなた自身の選択が常に優先される。
実力のある無料モデルがクレジット0でメニューに残り続ける（フェアユース制限あり） ― クレジット切れが会話切れを意味することはない。
各モデルにクレジット倍率を表示しています。省コストモデルの0.3×から最先端モデルの1.3×まで。コストはあなたが選ぶもので、請求時の驚きではありません。
込み入ったプロットには純粋な推論モデルを、求めたときだけ考えるハイブリッドも。シーンに合う頭脳を選ぼう。
よくある質問
ほとんどのプラットフォームはモデルを1つ選び、ブランドを付けて、素晴らしいと言う。Reverie は多数を走らせ、互いにどう戦っているかの実績を公開する ― プロダクトの中、あなたが選ぶその場所で。
品質スコアは、書いたモデル名がそれぞれに表示された2つの返答を並べて、ユーザーが選んだ結果から生まれる。選択が行われるのはベンダーのベンチマークではなく、実際のロールプレイチャットだ。
集計スコアだけでなく、ピッカーには直接対決のデータも表示される ― どのモデルがどのモデルに、どれだけの差で勝っているか。ユーザーが実際に行った比較から。
40回の比較によるスコアと4000回によるスコアは別物。各指標にはサンプル数から導いた1–5つ星の信頼度が付き、数字の横に表示される。
最初のトークンまでの時間と毎秒トークン数は、本番の会話から計測 ― 平均、中央値、p95 ― ベンダーのデータシートからの引用ではない。
シーンが違えば、求める頭脳も違う。じっくり進む恋愛、戦術会議、テンポのいいコメディの応酬 ― 理想のモデルは同じではない。だから1つに縛られるべきではない。
DeepSeek、Xiaomi、Z.AI、Google、Metaのチャットモデル。コンテキストウィンドウは131Kから1Mトークンまで、すべてひとつのインターフェースとひとつのクレジット残高で使えます。
モデルは個別に価格設定され、基準クレジットレートの0.3×から1.3×までで、倍率はモデルカードに明記されています。普段の場面には安いモデルを、ここぞという場面には高性能なモデルを。
込み入ったプロットには書く前に考える専用推論モデルを。ハイブリッドモデルは求めに応じて推論し、マルチモーダルモデルはチャットにアップロードした画像を読める。
無料モデルは残高に関係なく利用可能（フェアユース制限あり） ― すべての会話を支える床であって、期限切れになるトライアルではない。
キャラクターや会話、物語づくりの次のステップを選びましょう。