BenchLeader

Claude Sonnet 5.5 vs Qwen3.8 2.4T A95B

詳しいプロフィール:Claude Sonnet 5.5(Anthropic)とQwen3.8 2.4T A95B(Alibaba)。すべてのベンチマーク、価格、順位を掲載しています。

更新 · 14件の情報源のデータ

2026年11月16日時点で、Claude Sonnet 5.5とQwen3.8 2.4T A95Bの品質は互角です(BenchLeader Indexで64.2 対 51.4、±14.5の誤差範囲内)。価格はQwen3.8 2.4T A95Bの方が1.3倍安く、100万トークンあたりのブレンド価格で$3.00 対 $4.00です。両方を測定できるすべてのカテゴリでClaude Sonnet 5.5がリードしています。Claude Sonnet 5.5の方が出力が3倍以上速いです。

要点(2026年11月16日時点)

  • BenchLeader IndexはClaude Sonnet 5.5が64.2、Qwen3.8 2.4T A95Bが51.4です(BenchLeader、2026年11月16日)。
  • Claude Sonnet 5.5の100万トークンあたりのブレンド価格は$4.00です(定価、2026年11月16日)。
  • Qwen3.8 2.4T A95Bの100万トークンあたりのブレンド価格は$3.00です(定価、2026年11月16日)。
  • Claude Sonnet 5.5はQwen3.8 2.4T A95Bより出力が3倍以上速いです(Artificial Analysis、7日間の中央値、2026年11月16日)。
  • 両モデルに結果がある16件のベンチマークのうち、Claude Sonnet 5.5が15件でリードしています(BenchLeader、2026年11月16日)。

用途別のおすすめ

おすすめ側の数値を先に示しています。カテゴリスコアはBenchLeaderの尺度(50が平均的なモデル、15ポイントが1標準偏差)です。標準偏差の半分以上の差があれば信頼度「高」、1ポイント未満の差は「どちらでも」としています。

用途おすすめ理由信頼度
エージェント・ツール利用Claude Sonnet 5.5カテゴリスコア71 対 48;GDPval-AA v2.1, normalised score 66.9% 対 55.4%高
推論Claude Sonnet 5.5カテゴリスコア68 対 46;HLE-Diamond (AA) 53.3% 対 20.1%高
知識Claude Sonnet 5.5カテゴリスコア57 対 49;AA-Omniscience v1.1 30.5 対 7.8高
長い文書Claude Sonnet 5.5カテゴリスコア66 対 65;AA-LCR v1.1 82.7% 対 80.3%中
最低コストQwen3.8 2.4T A95B100万トークンあたりブレンド価格$3.00 対 $4.00;エージェント型コーディングセッション$0.144 対 $0.160–
回答開始の速さQwen3.8 2.4T A95B最初の回答トークンまで107.3秒(Qwen3.8 2.4T A95B)対 290.5秒(Claude Sonnet 5.5 (max))–
低予算での大量処理フラッグシップ以外小型モデルの方が適していることがほとんどです:安くて優秀なLLM、最速のLLM–

主な違い

  • Claude Sonnet 5.5 (max)とQwen3.8 2.4T A95Bの品質は互角です(64.2 対 51.4、±14.5の誤差範囲内)。
  • Claude Sonnet 5.5 (max)はエージェント・ツール、知識、長文コンテキスト、推論で優れています。
  • Qwen3.8 2.4T A95Bの方が1.3倍安くなっています(100万トークンあたりブレンド価格$3.00 対 $4.00)。
  • Claude Sonnet 5.5 (max)の方が出力が3.7倍速くなっています(152 対 41トークン/秒)。

概要

仕様Claude Sonnet 5.5Qwen3.8 2.4T A95B
プロバイダーAnthropicAlibaba
リリース日2026年9月28日2026年8月12日
コンテキストウィンドウ(トークン)1,000,0001,000,000
比較した構成Claude Sonnet 5.5 (max)Qwen3.8 2.4T A95B
オープンウェイトなしあり
100万トークンあたりの価格(入力/出力/キャッシュ入力)$2.00 / $10.00 / $0.100$2.00 / $6.00 / $0.250

カテゴリ別の比較

カテゴリスコアはBenchLeaderの尺度で、50が評価対象モデルの平均、15ポイントが1標準偏差です。1ポイント未満の差は互角としています。

カテゴリClaude Sonnet 5.5 (max)Qwen3.8 2.4T A95Bトップ
推論67.846.4Claude Sonnet 5.5
コーディング70.2–比較不可
エージェント・ツール70.547.8Claude Sonnet 5.5
数学71.3–比較不可
知識57.449.0Claude Sonnet 5.5
長文コンテキスト66.064.8Claude Sonnet 5.5
総合63.0–比較不可

1つのグラフで比較

各分野をIndexと同じ尺度(平均的なモデルが50)で示しています。分野をクリックすると、その元になったベンチマークが表示されます。 リストから最大5モデルまで選べます。

2550 avg75推論エージェント・ツール知識長文コンテキストClaude Sonnet 5.5, 推論: 67.8Claude Sonnet 5.5, エージェント・ツール: 70.5Claude Sonnet 5.5, 知識: 57.4Claude Sonnet 5.5, 長文コンテキスト: 66.0Qwen3.8 2.4T A95B, 推論: 46.4Qwen3.8 2.4T A95B, エージェント・ツール: 47.8Qwen3.8 2.4T A95B, 知識: 49.0Qwen3.8 2.4T A95B, 長文コンテキスト: 64.8

描画していないもの(測定済みのモデルが2つ未満):コーディング, 数学, 指示追従, マルチモーダル, 人間の評価。

モデル(クリックで追加・削除)Index

情報源で評価が分かれる点

両方に結果がある16件のベンチマークのうち、Claude Sonnet 5.5のリードが15件、Qwen3.8 2.4T A95Bのリードが1件です。

総合IndexClaude Sonnet 5.5 (max)Qwen3.8 2.4T A95Bトップ
BenchLeader Index64.251.4互角

公開元ごとにタスク、評価環境、エフォートの設定が異なるため、総合的な評価が食い違うことがあります。BenchLeaderはそれらを1つの尺度にそろえています。†は同じモデルの別のエフォート設定での測定値です(公開元がここで比較している設定をテストしていないため)。

価格・速度・レイテンシ

定価は、出力1トークンにつき入力3トークンの比率でブレンドしています。タスクあたりの価格は、算出方法のページに記載したトークン数で計算しています。ベンチマークのタスクあたりのコスト、トークン数、時間は実測値で、Artificial AnalysisのIntelligence Index全体の平均です。

指標Claude Sonnet 5.5 (max)Qwen3.8 2.4T A95B
100万トークンあたりのブレンド価格$4.00$3.00
100万トークンあたりの入力/出力$2.00 / $10.00$2.00 / $6.00
100万トークンあたりのキャッシュ入力$0.100$0.250
タスクあたりの価格:チャットの返答$0.0038$0.0026
タスクあたりの価格:30ページのレポートを要約$0.030$0.028
タスクあたりの価格:コード編集$0.027$0.021
タスクあたりの価格:エージェント型コーディングセッション$0.160$0.144
タスクあたりの価格:構造化データの抽出$0.0060$0.0052
エージェント型コーディングセッション(入力の大半がキャッシュ)$0.074$0.065
ベンチマークのタスクあたりのコスト(AA Index)$10.02–
タスクあたりの出力トークン(AA Index)285k–
うち推論206k–
タスクあたりの時間(AA Index)31 min–
出力速度152 tok/s41 tok/s
回答開始までの時間290.5秒107.3秒
回答が完了するまでの時間(最終測定2026年11月13日)487.7秒248.5秒

各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Claude Sonnet 5.5 (max)のスコアは64.2、最初の回答トークンまで291秒。Claude Sonnet 5.5 (xhigh)は62.5(27秒)、Claude Sonnet 5.5 (high)は59.5(9秒)。Qwen3.8 2.4T A95Bのスコアは51.4、最初の回答トークンまで107秒。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか

全ベンチマーク

153件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。

指標公開元Claude Sonnet 5.5 (max)Qwen3.8 2.4T A95B
BenchLeader IndexBenchLeader64.251.4
エージェント・ツールスコアBenchLeader70.547.8
コーディングスコアBenchLeader70.2–
総合スコアBenchLeader63.0–
知識スコアBenchLeader57.449.0
長文コンテキストスコアBenchLeader66.064.8
数学スコアBenchLeader71.3–
推論スコアBenchLeader67.846.4
ブレンド価格($/100万トークン)BenchLeader$4.00$3.00
出力速度BenchLeader152 tok/s41 tok/s
回答開始までの時間BenchLeader290.5秒107.3秒
コンテキストウィンドウBenchLeader1,000,000トークン1,000,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub95.6%–
Humanity's Last ExamScale AI / CAIS46.1%†–
SimpleBenchSimpleBench75.9%†–
Arena Hard PromptsArena (LMArena)1499†–
LiveBench 2.0 ReasoningLiveBench91.6%–
LiveBench 1.0 ReasoningLiveBench91.6%–
GPQA Diamond (AA)Artificial Analysis–93.5%
Humanity's Last Exam (AA)Artificial Analysis55.0%42.5%
HLE-Diamond (AA)Artificial Analysis53.3%20.1%
ARC-AGI-1ARC Prize96.5%–
ARC-AGI-2ARC Prize83.9%†–
ARC-AGI-3ARC Prize72.4%†–
CritPtArtificial Analysis31.4%20.0%
CritPt v2 hard subset (AA)Artificial Analysis59.0%–
MysteryMechanismVals AI49.1%–
HLE-Diamond (Scale)Scale AI SEAL37.5%†–
Arena ExpertArena (LMArena)1512†–
Chess PuzzlesEpoch AI Benchmarking Hub59.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub65.0%–
LMCAEpoch AI Benchmarking Hub68.3%–
DTBenchEpoch AI Benchmarking Hub97.3%–
コーディング
SciCodeSciCode61.0%–
FrontierCodeCognition52.1%†–
Arena CodingArena (LMArena)1517†–
Arena WebDevArena (LMArena)1772†–
153件のベンチマークをすべて表示
指標公開元Claude Sonnet 5.5 (max)Qwen3.8 2.4T A95B
コーディング
LiveBench 2.0 CodingLiveBench77.2%–
LiveBench 1.0 CodingLiveBench91.4%–
SciCode (AA)Artificial Analysis61.0%54.0%
IOIVals AI83.1%–
Code MigrationVals AI69.8%–
Code Migration v1.1Vals AI86.9%–
ProgramBenchVals AI6.5%–
SWE-bench MultimodalVals AI58.3%–
Vibe Code Bench v1.1Vals AI92.4%–
SWE Atlas v1.1Scale AI SEAL68.3%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL74.2%†–
SWE Atlas v1.1: Test WritingScale AI SEAL67.8%†–
SWE Atlas v1.1: RefactoringScale AI SEAL62.9%†–
SWE-Bench Pro V2Scale AI SEAL95.8%†–
SWE-Bench Pro V2 HARDScale AI SEAL70.6%†–
MirrorCodeEpoch AI Benchmarking Hub97.8%–
CursorBenchCursor55.5%–
ALE-BenchEpoch AI Benchmarking Hub1819.1†–
FrontierSWEEpoch AI Benchmarking Hub61.9%–
WeirdML v3WeirdML19.9%†–
Terminal-Bench 4.0 (AA)Artificial Analysis63.6%11.1%
Terminal-Bench 2.1 (AA)Artificial Analysis–82.0%
Startrise FrontendStartrise75.9%†–
GameBench 2 OverallDuelLab GameBench 260.4†52.8
GameBench 2 by reasoning settingDuelLab GameBench 291.4†49.3†
Design Arena WebsiteDesign Arena1309†–
FrontierCode 1.1 (AA)Artificial Analysis45.8%–
FrontierCode 2.0 (AA)Artificial Analysis41.7%–
エージェント・ツール
Terminal-BenchTerminal-Bench63.9%–
APEX-AgentsMercor75.5%–
Arena AgentArena (LMArena)16–
LiveBench Long AgenticLiveBench63.4%–
LiveBench BrowserLiveBench89.3%–
LiveBench Agentic CodingLiveBench56.3%–
Terminal-Bench 2.1 (Vals)Vals AI83.2%†–
MCP AtlasScale AI SEAL–84.5%†
GDPval-AA v2.1, normalised scoreArtificial Analysis66.9%55.4%
GDPval-AA v2.1Artificial Analysis18381614
τ³-Banking (AA)Artificial Analysis–49.1%
Analyst Agent (AA)Artificial Analysis57.5%–
CyberBenchVals AI59.6%–
Finance Agent v2Vals AI58.1%–
Finance Agent v2.1Vals AI67.3%–
Harvey's Legal Agent Benchmark v1.1Vals AI10.4%–
Harvey's Legal Agent Benchmark v1Vals AI2.9%–
Legal Research BenchVals AI48.1%–
SREBenchVals AI30.1%–
Tax Agent BenchVals AI42.0%–
Terminal-Bench 4.0 (Vals)Vals AI64.1%–
Terminal-Bench ScienceVals AI47.1%–
Arena Agent Task CompletionArena (LMArena)19.5–
Vending-Bench 2Andon Labs11165.3†–
SpireClimbEpoch AI Benchmarking Hub1.3%–
AutomationBenchArtificial Analysis71.8%57.3%
GDP.pdf (AA)Artificial Analysis25.8%15.6%
Harvey LAB-AA v1.1Harvey2.8%–
EnterpriseOps-GymArtificial Analysis–47.4%
AA-Briefcase v1.1Artificial Analysis18161430
GDPxGDPx by SemiAnalysis8.2%–
Design Arena AgenticDesign Arena1293†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis53.3%–
CWE-Bench (AA)Artificial Analysis–28.3%
DeepSec-Bench (AA)Artificial Analysis–9.5%
CyberGym end-to-end (AA)Artificial Analysis–0.0%
MKA (AA)Artificial Analysis52.0%–
FACTS SearchGoogle86.8%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub88.8%–
FrontierMath Tier 4Epoch AI Benchmarking Hub80.5%–
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%–
ProofBenchVals AI100.0%–
LiveBench MathematicsLiveBench96.1%–
Arena MathsArena (LMArena)1486†–
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub46.5%–
LiveBench 2.0 Data AnalysisLiveBench59.5%–
LiveBench ResearchLiveBench88.0%–
LiveBench 1.0 Data AnalysisLiveBench59.5%–
AA-Omniscience v1.1Artificial Analysis30.57.8
BioMysteryBenchVals AI81.1%–
ClaimBenchVals AI100.0%–
Excel Modeling BenchmarkVals AI75.7%–
Excel Modeling Benchmark v1.1Vals AI75.9%–
MedCodeVals AI52.9%–
MedScribeVals AI91.1%–
Public Benefits Bench v1.1Vals AI67.2%–
Access to Justice BenchmarkVals AI74.9%–
Financial Coaching BenchVals AI74.9%–
Immigration BenchVals AI69.0%–
GDP.pdfEpoch AI Benchmarking Hub31.4%–
AA-Omniscience v1.1: accuracyArtificial Analysis51.5%31.4%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis56.7%65.5%
HealthBench Professional (AA)OpenAI63.0%–
FACTS ParametricGoogle35.1%†–
指示追従
LiveBench LanguageLiveBench78.0%–
LiveBench Instruction FollowingLiveBench56.8%–
Arena Instruction FollowingArena (LMArena)1482†–
人間の評価
Arena TextArena (LMArena)1473†–
EQ-Bench Creative Writing v3EQ-Bench–1844
Arena Creative WritingArena (LMArena)1464†–
Arena Multi-turnArena (LMArena)1469†–
Arena Longer QueriesArena (LMArena)1491†–
マルチモーダル
Arena VisionArena (LMArena)1284†–
LiveBench DesignLiveBench81.3%–
SAGEVals AI88.0%–
Blueprint-Bench 2Epoch AI Benchmarking Hub39.3%†–
Furniture AssemblyEpoch AI Benchmarking Hub75.0%–
VIALS-AAHandshake AI59.6%–
Code2Video-AAArtificial Analysis1443–
AA-3DArtificial Analysis1204–
FACTS MultimodalGoogle50.4%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis82.7%80.3%
MLCRArtificial Analysis41.7%30.6%
FACTS GroundingGoogle62.5%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub166.6†–
LiveBench 2.0LiveBench77.0%–
LiveBench 1.0LiveBench75.7%–
AA Intelligence Index v5.0.1Artificial Analysis54.5–
AA Intelligence Index v4.3.2Artificial Analysis5640.0
AA Progress Index v1Artificial Analysis350.5317.8
Vals IndexVals AI70.8–
Vals Finance IndexVals AI64.5%–
Vals Science IndexVals AI59.1%–
Vals Router IndexVals AI69.0%†–
Vals Legal IndexVals AI68.0%–
AA Cyber IndexArtificial Analysis–12.6
安全性・誠実さ
FORTRESSScale AI SEAL–21.6%†
DistressBenchScale AI SEAL74.6%†77.5%
メタデータ
AA Openness IndexArtificial Analysis–27.8

データは2026年11月16日時点。各モデルの最良の構成で比較しています。すべてのスコアの出典はモデルのページにリンクしています。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

最近の変化

  • Claude Sonnet 5.5 (max):新しい結果36件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Claude Sonnet 5.5 (max):BenchLeader Index 65.1 → 64.6。
  • Qwen3.8 2.4T A95B:BenchLeader Index 52.0 → 51.5。
  • Claude Sonnet 5.5 (max):新しい結果1件(MirrorCode)。
  • Claude Sonnet 5.5 (max):スコアの改訂2件。
  • Claude Sonnet 5.5 (max):スコアの改訂1件。
  • Claude Sonnet 5.5 (max):スコアの改訂1件。
  • Qwen3.8 2.4T A95B:スコアの改訂1件。
  • Claude Sonnet 5.5 (max):スコアの改訂1件。
  • Qwen3.8 2.4T A95B:BenchLeader Index 53.0 → 52.0。

ランキング: 総合ベストLLM · コーディングに最適なLLM · エージェントに最適なLLM · 安くて優秀なLLM

Claude Sonnet 5.5 vs Qwen3.8 2.4T A95B:よくある質問

Claude Sonnet 5.5はQwen3.8 2.4T A95Bより優れていますか?
Claude Sonnet 5.5 (max)とQwen3.8 2.4T A95Bの品質は互角です(64.2 対 51.4、±14.5の誤差範囲内)。BenchLeader Indexは第三者による品質ベンチマークをすべて統合した指標です。2026年11月16日時点では両者の差は誤差範囲内なので、用途に合わせてカテゴリ別のスコアを確認してください。
Claude Sonnet 5.5とQwen3.8 2.4T A95Bはどちらが安いですか?今後変わる予定はありますか?
現在はQwen3.8 2.4T A95Bの方が安く、100万トークンあたり$3.00 対 $4.00です(出力1トークンにつき入力3トークンでブレンド)。どちらも価格変更は発表されていません。
Claude Sonnet 5.5とQwen3.8 2.4T A95Bはどちらが速いですか?
Claude Sonnet 5.5の方が出力が3倍以上速くなっています(出力152 対 41トークン/秒、Artificial Analysisの7日間の中央値)。
エージェントやツール利用にはClaude Sonnet 5.5とQwen3.8 2.4T A95Bのどちらが向いていますか?
エージェント型のタスクではClaude Sonnet 5.5の方がスコアが高くなっています(カテゴリ指標で71 対 48。50が平均)。
長い文書にはどちらが向いていますか?
長文コンテキストのベンチマークではClaude Sonnet 5.5の方がスコアが高くなっています(66 対 65)。どちらも1,000,000トークンのコンテキストに対応しています。
ほかの質問(3件)
レイテンシが低いのはどちらですか?
先に回答を始めるのはQwen3.8 2.4T A95Bです。Artificial Analysisの測定では、最初の回答トークンまで107.3秒 対 290.5秒です。この差の大部分は推論エフォートによるもので、設定が高いほど回答前に長く考えます。
Claude Sonnet 5.5とQwen3.8 2.4T A95Bについて、第三者ベンチマークの評価は一致していますか?
両方に結果がある16件のベンチマークのうち、Claude Sonnet 5.5のリードが15件、Qwen3.8 2.4T A95Bのリードが1件です。
Claude Sonnet 5.5はいつリリースされましたか?
Claude Sonnet 5.5は2026年9月28日にリリースされました。