DeepSeek V4.1 Flash 1017 vs Qwen3.8 2.4T A95B
詳しいプロフィール:DeepSeek V4.1 Flash 1017(DeepSeek)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、DeepSeek V4.1 FlashとQwen3.8 2.4T A95Bの品質は互角です(BenchLeader Indexで57.7 対 51.4、±14.7の誤差範囲内)。価格はDeepSeek V4.1 Flashの方が5.7倍安く、100万トークンあたりのブレンド価格で$0.525 対 $3.00です。エージェント・ツール(58 対 48)、推論(56 対 46)、長文コンテキスト(66 対 65)を重視するならDeepSeek V4.1 Flash、知識(49 対 48)を重視するならQwen3.8 2.4T A95Bが向いています。回答開始までの時間はDeepSeek V4.1 Flashの方が短く、39.7秒 対 107.3秒です。DeepSeek V4.1 Flashは出力が3倍以上速い点も強みです。
要点(2026年11月16日時点)
- BenchLeader IndexはDeepSeek V4.1 Flashが57.7、Qwen3.8 2.4T A95Bが51.4です(BenchLeader、2026年11月16日)。
- DeepSeek V4.1 Flashの100万トークンあたりのブレンド価格は$0.525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)。
- DeepSeek V4.1 Flash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21件のベンチマークのうち、DeepSeek V4.1 Flashが18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 | DeepSeek V4.1 Flash 1017 | カテゴリスコア58 対 48;CWE-Bench (AA) 69.2% 対 28.3% | 高 |
| 推論 | DeepSeek V4.1 Flash 1017 | カテゴリスコア56 対 46;HLE-Diamond (AA) 25.3% 対 20.1% | 高 |
| 知識 | Qwen3.8 2.4T A95B | カテゴリスコア49 対 48;AA-Omniscience v1.1 7.8 対 0.9 | 中 |
| 長い文書 | DeepSeek V4.1 Flash 1017 | 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 | DeepSeek V4.1 Flash 1017 | 100万トークンあたりブレンド価格$0.525 対 $3.00;エージェント型コーディングセッション$0.023 対 $0.144 | – |
| 回答開始の速さ | DeepSeek V4.1 Flash 1017 | 最初の回答トークンまで39.7秒(DeepSeek V4.1 Flash 1017 (max))対 107.3秒(Qwen3.8 2.4T A95B) | – |
| 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
- DeepSeek V4.1 Flash 1017 (max)とQwen3.8 2.4T A95Bの品質は互角です(57.7 対 51.4、±14.7の誤差範囲内)。
- DeepSeek V4.1 Flash 1017 (max)はエージェント・ツール、長文コンテキスト、推論で優れています。
- Qwen3.8 2.4T A95Bは知識で優れています。
- DeepSeek V4.1 Flash 1017 (max)の方が5.7倍安くなっています(100万トークンあたりブレンド価格$0.525 対 $3.00)。
- DeepSeek V4.1 Flash 1017 (max)の方が出力が4.3倍速くなっています(174 対 41トークン/秒)。
概要
| 仕様 | DeepSeek V4.1 Flash 1017 | Qwen3.8 2.4T A95B |
|---|---|---|
| プロバイダー | DeepSeek | Alibaba |
| リリース日 | 2026年10月17日 | 2026年8月12日 |
| コンテキストウィンドウ(トークン) | 1,048,576 | 1,000,000 |
| 比較した構成 | DeepSeek V4.1 Flash 1017 (max) | Qwen3.8 2.4T A95B |
| オープンウェイト | あり | 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) | $0.300 / $1.20 / $0.0060 | $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 | DeepSeek V4.1 Flash 1017 (max) | Qwen3.8 2.4T A95B | トップ |
|---|---|---|---|
| 推論 | 55.7 | 46.4 | DeepSeek V4.1 Flash 1017 |
| コーディング | 63.0 | – | 比較不可 |
| エージェント・ツール | 57.6 | 47.8 | DeepSeek V4.1 Flash 1017 |
| 数学 | 60.9 | – | 比較不可 |
| 知識 | 47.7 | 49.0 | Qwen3.8 2.4T A95B |
| マルチモーダル | 63.0 | – | 比較不可 |
| 長文コンテキスト | 66.0 | 64.8 | DeepSeek V4.1 Flash 1017 |
| 総合 | 55.5 | – | 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。
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。
情報源で評価が分かれる点
両方に結果がある21件のベンチマークのうち、DeepSeek V4.1 Flash 1017のリードが18件、Qwen3.8 2.4T A95Bのリードが3件です。
| 総合Index | DeepSeek V4.1 Flash 1017 (max) | Qwen3.8 2.4T A95B | トップ |
|---|---|---|---|
| BenchLeader Index | 57.7 | 51.4 | 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 | DeepSeek V4.1 Flash 1017 (max) | Qwen3.8 2.4T A95B |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $0.525 | $3.00 |
| 100万トークンあたりの入力/出力 | $0.300 / $1.20 | $2.00 / $6.00 |
| 100万トークンあたりのキャッシュ入力 | $0.0060 | $0.250 |
| タスクあたりの価格:チャットの返答 | $0.0005 | $0.0026 |
| タスクあたりの価格:30ページのレポートを要約 | $0.0043 | $0.028 |
| タスクあたりの価格:コード編集 | $0.0036 | $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 | $0.023 | $0.144 |
| タスクあたりの価格:構造化データの抽出 | $0.0008 | $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) | $0.0096 | $0.065 |
| ベンチマークのタスクあたりのコスト(AA Index) | $0.602 | – |
| タスクあたりの出力トークン(AA Index) | 139k | – |
| うち推論 | 91k | – |
| タスクあたりの時間(AA Index) | 13 min | – |
| 出力速度 | 174 tok/s | 41 tok/s |
| 回答開始までの時間 | 39.7秒 | 107.3秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 91.2秒 | 248.5秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。DeepSeek V4.1 Flash 1017 (max)のスコアは57.7、最初の回答トークンまで40秒。DeepSeek V4.1 Flash 1017 (high)は51.2(20秒)、DeepSeek V4.1 Flash 1017 (推論なし)は44.9(1秒)。Qwen3.8 2.4T A95Bのスコアは51.4、最初の回答トークンまで107秒。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
97件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | DeepSeek V4.1 Flash 1017 (max) | Qwen3.8 2.4T A95B |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 57.7 | 51.4 |
| エージェント・ツールスコア | BenchLeader | 57.6 | 47.8 |
| コーディングスコア | BenchLeader | 63.0 | – |
| 総合スコア | BenchLeader | 55.5 | – |
| 知識スコア | BenchLeader | 47.7 | 49.0 |
| 長文コンテキストスコア | BenchLeader | 66.0 | 64.8 |
| 数学スコア | BenchLeader | 60.9 | – |
| マルチモーダルスコア | BenchLeader | 63.0 | – |
| 推論スコア | BenchLeader | 55.7 | 46.4 |
| ブレンド価格($/100万トークン) | BenchLeader | $0.525 | $3.00 |
| 出力速度 | BenchLeader | 174 tok/s | 41 tok/s |
| 回答開始までの時間 | BenchLeader | 39.7秒 | 107.3秒 |
| コンテキストウィンドウ | BenchLeader | 1,048,576トークン | 1,000,000トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 93.2% | – |
| LiveBench 2.0 Reasoning | LiveBench | 89.1% | – |
| GPQA Diamond (AA) | Artificial Analysis | – | 93.5% |
| Humanity's Last Exam (AA) | Artificial Analysis | 43.3% | 42.5% |
| HLE-Diamond (AA) | Artificial Analysis | 25.3% | 20.1% |
| ARC-AGI-1 | ARC Prize | 93.5% | – |
| ARC-AGI-2 | ARC Prize | 78.1% | – |
| ARC-AGI-3 | ARC Prize | 5.8% | – |
| CritPt | Artificial Analysis | 24.0% | 20.0% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 25.0% | – |
| HLE-Diamond (Scale) | Scale AI SEAL | 20.5%† | – |
| Chess Puzzles | Epoch AI Benchmarking Hub | 46.0% | – |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 49.0% | – |
| コーディング | |||
| SciCode | SciCode | 55.9% | – |
| Arena WebDev | Arena (LMArena) | 1664 | – |
| LiveBench 2.0 Coding | LiveBench | 80.4% | – |
| SciCode (AA) | Artificial Analysis | 55.9% | 54.0% |
| Code Migration | Vals AI | 44.2% | – |
| Code Migration v1.1 | Vals AI | 67.5% | – |
| Vibe Code Bench v1.1 | Vals AI | 87.7% | – |
| Vibe Code Bench 1-100 v1.1 | Vals AI | 26.1% | – |
| CursorBench | Cursor | 47.7% | – |
| ALE-Bench | Epoch AI Benchmarking Hub | 1622 | – |
| WeirdML v3 | WeirdML | 9.2%† | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 33.8% | 11.1% |
97件のベンチマークをすべて表示
| 指標 | 公開元 | DeepSeek V4.1 Flash 1017 (max) | Qwen3.8 2.4T A95B |
|---|---|---|---|
| コーディング | |||
| Terminal-Bench 2.1 (AA) | Artificial Analysis | – | 82.0% |
| GameBench 2 Overall | DuelLab GameBench 2 | 61.4† | 52.8 |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 69.9 | 49.3† |
| Design Arena Website | Design Arena | 1295† | – |
| FrontierCode 1.1 (AA) | Artificial Analysis | 43.7% | – |
| FrontierCode 2.0 (AA) | Artificial Analysis | 28.5% | – |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 38.5% | – |
| APEX-Agents | Mercor | 69.8% | – |
| Arena Agent | Arena (LMArena) | 2 | – |
| LiveBench Long Agentic | LiveBench | 38.8% | – |
| LiveBench Browser | LiveBench | 67.2% | – |
| MCP Atlas | Scale AI SEAL | – | 84.5%† |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 62.3% | 55.4% |
| GDPval-AA v2.1 | Artificial Analysis | 1746 | 1614 |
| τ³-Banking (AA) | Artificial Analysis | – | 49.1% |
| Finance Agent v2 | Vals AI | 57.0% | – |
| Finance Agent v2.1 | Vals AI | 62.9% | – |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | 14.2% | – |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 9.2% | – |
| Legal Research Bench | Vals AI | 45.2% | – |
| Tax Agent Bench | Vals AI | 44.4% | – |
| Terminal-Bench 4.0 (Vals) | Vals AI | 31.8% | – |
| Arena Agent Task Completion | Arena (LMArena) | 2.3 | – |
| AutomationBench | Artificial Analysis | 66.6% | 57.3% |
| GDP.pdf (AA) | Artificial Analysis | 17.2% | 15.6% |
| EnterpriseOps-Gym | Artificial Analysis | – | 47.4% |
| AA-Briefcase v1.1 | Artificial Analysis | 1570 | 1430 |
| GDPx | GDPx by SemiAnalysis | 5.4% | – |
| Design Arena Agentic | Design Arena | 1282† | – |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 12.9% | – |
| CWE-Bench (AA) | Artificial Analysis | 69.2% | 28.3% |
| DeepSec-Bench (AA) | Artificial Analysis | 24.9% | 9.5% |
| CyberGym end-to-end (AA) | Artificial Analysis | 76.3% | 0.0% |
| MKA (AA) | Artificial Analysis | 38.5% | – |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 71.2% | – |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 46.3% | – |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 99.4% | – |
| ArXivMath | MathArena | 42.5% | – |
| BrokenArXiv | MathArena | 48.7% | – |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 42.5% | – |
| LiveBench 2.0 Data Analysis | LiveBench | 79.5% | – |
| LiveBench Research | LiveBench | 78.6% | – |
| AA-Omniscience v1.1 | Artificial Analysis | 0.9 | 7.8 |
| PRBench Finance | Scale AI SEAL | 47.1%† | – |
| PRBench Legal | Scale AI SEAL | 47.3%† | – |
| Excel Modeling Benchmark | Vals AI | 61.8% | – |
| Excel Modeling Benchmark v1.1 | Vals AI | 69.2% | – |
| Access to Justice Benchmark | Vals AI | 73.1% | – |
| DrugDiscoveryBench | Scale AI SEAL | 60.6%† | – |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 39.6% | 31.4% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 35.9% | 65.5% |
| 指示追従 | |||
| MultiChallenge | Scale AI SEAL | 74.9%† | – |
| 人間の評価 | |||
| EQ-Bench Creative Writing v3 | EQ-Bench | – | 1844 |
| マルチモーダル | |||
| LiveBench Design | LiveBench | 79.8% | – |
| MMMU-Pro | Artificial Analysis | 80.6% | – |
| Humanity's Sixth Sense | Scale AI SEAL | 30.1% | – |
| VIALS-AA | Handshake AI | 40.4% | – |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 82.7% | 80.3% |
| MLCR | Artificial Analysis | 26.7% | 30.6% |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 159.4† | – |
| LiveBench 2.0 | LiveBench | 70.3% | – |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 32.6 | – |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 45.1 | 40.0 |
| AA Progress Index v1 | Artificial Analysis | 323.7 | 317.8 |
| Vals Index | Vals AI | 61.3 | – |
| Vals Finance Index | Vals AI | 60.9% | – |
| Vals Router Index | Vals AI | 61.3%† | – |
| Vals Legal Index | Vals AI | 71.9% | – |
| AA Cyber Index | Artificial Analysis | 56.8 | 12.6 |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | 27.2%† | 21.6%† |
| DistressBench | Scale AI SEAL | – | 77.5% |
| メタデータ | |||
| AA Openness Index | Artificial Analysis | 44.4 | 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
- DeepSeek V4.1 Flash 1017 (max):新しい結果8件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
- DeepSeek V4.1 Flash 1017 (max):BenchLeader Index 58.5 → 58.0。
- DeepSeek V4.1 Flash 1017 (max):新しい結果1件(Terminal-Bench)、スコアの改訂1件。
- DeepSeek V4.1 Flash 1017 (max):BenchLeader Index 59.0 → 58.5。
- Qwen3.8 2.4T A95B:BenchLeader Index 52.0 → 51.5。
- DeepSeek V4.1 Flash 1017 (max):スコアの改訂1件。
- DeepSeek V4.1 Flash 1017 (max):スコアの改訂1件。
- DeepSeek V4.1 Flash 1017 (max):スコアの改訂3件。
- Qwen3.8 2.4T A95B:スコアの改訂1件。
- DeepSeek V4.1 Flash 1017 (max):新しい結果1件(ARC-AGI-3)、スコアの改訂2件。
関連する比較
- DeepSeek V4.1 Flash 1017 vs Claude Fable 5.2
- DeepSeek V4.1 Flash 1017 vs Gemini 4 Carbon
- DeepSeek V4.1 Flash 1017 vs Claude Opus 5.5
- DeepSeek V4.1 Flash 1017 vs GPT-6 Astra
- Qwen3.8 2.4T A95B vs Gemini 4 Argon
- DeepSeek V4.1 Flash 1017 vs Qwen3.8 Max
- DeepSeek V4.1 Flash 1017 vs Claude Fable 5.1
- DeepSeek V4.1 Flash 1017 vs GPT-6.1 Sol
ランキング: 総合ベストLLM · エージェントに最適なLLM · 安くて優秀なLLM
DeepSeek V4.1 Flash 1017 vs Qwen3.8 2.4T A95B:よくある質問
- DeepSeek V4.1 Flash 1017はQwen3.8 2.4T A95Bより優れていますか?
- DeepSeek V4.1 Flash 1017 (max)とQwen3.8 2.4T A95Bの品質は互角です(57.7 対 51.4、±14.7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。
- DeepSeek V4.1 Flash 1017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DeepSeek V4.1 Flash 1017の方が安く、100万トークンあたり$0.525 対 $3.00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。
- DeepSeek V4.1 Flash 1017とQwen3.8 2.4T A95Bはどちらが速いですか?
- DeepSeek V4.1 Flash 1017の方が出力が3倍以上速くなっています(出力174 対 41トークン/秒、Artificial Analysisの7日間の中央値)。
- DeepSeek V4.1 FlashとDeepSeek V4.1 Flash 1017は同じものですか?
- ここで比較しているチェックポイントはDeepSeek V4.1 Flash 1017です(BenchLeader Index 57.7)。以前のビルドを置き換えたため、DeepSeek V4.1 Flashで検索した方もこのページに案内しています。
- エージェントやツール利用にはDeepSeek V4.1 Flash 1017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DeepSeek V4.1 Flash 1017の方がスコアが高くなっています(カテゴリ指標で58 対 48。50が平均)。共通するエージェント・ツールベンチマークのうち最も重要なCWE-Bench (AA)では、DeepSeek V4.1 Flash 1017が69.2%、Qwen3.8 2.4T A95Bが28.3%です。
ほかの質問(4件)
- 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DeepSeek V4.1 Flash 1017の方がスコアが高くなっています(66 対 65)。どちらも約1Mトークンです(DeepSeek V4.1 Flash 1017は1,048,576、Qwen3.8 2.4T A95Bは1,000,000)。
- 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DeepSeek V4.1 Flash 1017です。Artificial Analysisの測定では、最初の回答トークンまで39.7秒 対 107.3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。
- DeepSeek V4.1 Flash 1017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21件のベンチマークのうち、DeepSeek V4.1 Flash 1017のリードが18件、Qwen3.8 2.4T A95Bのリードが3件です。
- DeepSeek V4.1 Flash 1017はいつリリースされましたか?
- DeepSeek V4.1 Flash 1017は2026年10月17日にリリースされました。