BenchLeader

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 1017100万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 1017Qwen3.8 2.4T A95B
プロバイダーDeepSeekAlibaba
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)1,048,5761,000,000
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55.746.4DeepSeek 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57.647.8DeepSeek V4.1 Flash 1017
数学60.9–比較不可
知識47.749.0Qwen3.8 2.4T A95B
マルチモーダル63.0–比較不可
長文コンテキスト66.064.8DeepSeek 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。

2550 avg75推論エージェント・ツール知識長文コンテキストDeepSeek V4.1 Flash 1017, 推論: 55.7DeepSeek V4.1 Flash 1017, エージェント・ツール: 57.6DeepSeek V4.1 Flash 1017, 知識: 47.7DeepSeek V4.1 Flash 1017, 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IndexDeepSeek V4.1 Flash 1017 (max)Qwen3.8 2.4T A95Bトップ
BenchLeader Index57.751.4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/s41 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 IndexBenchLeader57.751.4
エージェント・ツールスコアBenchLeader57.647.8
コーディングスコアBenchLeader63.0–
総合スコアBenchLeader55.5–
知識スコアBenchLeader47.749.0
長文コンテキストスコアBenchLeader66.064.8
数学スコアBenchLeader60.9–
マルチモーダルスコアBenchLeader63.0–
推論スコアBenchLeader55.746.4
ブレンド価格($/100万トークン)BenchLeader$0.525$3.00
出力速度BenchLeader174 tok/s41 tok/s
回答開始までの時間BenchLeader39.7秒107.3秒
コンテキストウィンドウBenchLeader1,048,576トークン1,000,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub93.2%–
LiveBench 2.0 ReasoningLiveBench89.1%–
GPQA Diamond (AA)Artificial Analysis–93.5%
Humanity's Last Exam (AA)Artificial Analysis43.3%42.5%
HLE-Diamond (AA)Artificial Analysis25.3%20.1%
ARC-AGI-1ARC Prize93.5%–
ARC-AGI-2ARC Prize78.1%–
ARC-AGI-3ARC Prize5.8%–
CritPtArtificial Analysis24.0%20.0%
CritPt v2 hard subset (AA)Artificial Analysis25.0%–
HLE-Diamond (Scale)Scale AI SEAL20.5%†–
Chess PuzzlesEpoch AI Benchmarking Hub46.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub49.0%–
コーディング
SciCodeSciCode55.9%–
Arena WebDevArena (LMArena)1664–
LiveBench 2.0 CodingLiveBench80.4%–
SciCode (AA)Artificial Analysis55.9%54.0%
Code MigrationVals AI44.2%–
Code Migration v1.1Vals AI67.5%–
Vibe Code Bench v1.1Vals AI87.7%–
Vibe Code Bench 1-100 v1.1Vals AI26.1%–
CursorBenchCursor47.7%–
ALE-BenchEpoch AI Benchmarking Hub1622–
WeirdML v3WeirdML9.2%†–
Terminal-Bench 4.0 (AA)Artificial Analysis33.8%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 OverallDuelLab GameBench 261.4†52.8
GameBench 2 by reasoning settingDuelLab GameBench 269.949.3†
Design Arena WebsiteDesign Arena1295†–
FrontierCode 1.1 (AA)Artificial Analysis43.7%–
FrontierCode 2.0 (AA)Artificial Analysis28.5%–
エージェント・ツール
Terminal-BenchTerminal-Bench38.5%–
APEX-AgentsMercor69.8%–
Arena AgentArena (LMArena)2–
LiveBench Long AgenticLiveBench38.8%–
LiveBench BrowserLiveBench67.2%–
MCP AtlasScale AI SEAL–84.5%†
GDPval-AA v2.1, normalised scoreArtificial Analysis62.3%55.4%
GDPval-AA v2.1Artificial Analysis17461614
τ³-Banking (AA)Artificial Analysis–49.1%
Finance Agent v2Vals AI57.0%–
Finance Agent v2.1Vals AI62.9%–
Harvey's Legal Agent Benchmark v1.1Vals AI14.2%–
Harvey's Legal Agent Benchmark v1Vals AI9.2%–
Legal Research BenchVals AI45.2%–
Tax Agent BenchVals AI44.4%–
Terminal-Bench 4.0 (Vals)Vals AI31.8%–
Arena Agent Task CompletionArena (LMArena)2.3–
AutomationBenchArtificial Analysis66.6%57.3%
GDP.pdf (AA)Artificial Analysis17.2%15.6%
EnterpriseOps-GymArtificial Analysis–47.4%
AA-Briefcase v1.1Artificial Analysis15701430
GDPxGDPx by SemiAnalysis5.4%–
Design Arena AgenticDesign Arena1282†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis12.9%–
CWE-Bench (AA)Artificial Analysis69.2%28.3%
DeepSec-Bench (AA)Artificial Analysis24.9%9.5%
CyberGym end-to-end (AA)Artificial Analysis76.3%0.0%
MKA (AA)Artificial Analysis38.5%–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub71.2%–
FrontierMath Tier 4Epoch AI Benchmarking Hub46.3%–
OTIS Mock AIMEEpoch AI Benchmarking Hub99.4%–
ArXivMathMathArena42.5%–
BrokenArXivMathArena48.7%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub42.5%–
LiveBench 2.0 Data AnalysisLiveBench79.5%–
LiveBench ResearchLiveBench78.6%–
AA-Omniscience v1.1Artificial Analysis0.97.8
PRBench FinanceScale AI SEAL47.1%†–
PRBench LegalScale AI SEAL47.3%†–
Excel Modeling BenchmarkVals AI61.8%–
Excel Modeling Benchmark v1.1Vals AI69.2%–
Access to Justice BenchmarkVals AI73.1%–
DrugDiscoveryBenchScale AI SEAL60.6%†–
AA-Omniscience v1.1: accuracyArtificial Analysis39.6%31.4%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis35.9%65.5%
指示追従
MultiChallengeScale AI SEAL74.9%†–
人間の評価
EQ-Bench Creative Writing v3EQ-Bench–1844
マルチモーダル
LiveBench DesignLiveBench79.8%–
MMMU-ProArtificial Analysis80.6%–
Humanity's Sixth SenseScale AI SEAL30.1%–
VIALS-AAHandshake AI40.4%–
長文コンテキスト
AA-LCR v1.1Artificial Analysis82.7%80.3%
MLCRArtificial Analysis26.7%30.6%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub159.4†–
LiveBench 2.0LiveBench70.3%–
AA Intelligence Index v5.0.1Artificial Analysis32.6–
AA Intelligence Index v4.3.2Artificial Analysis45.140.0
AA Progress Index v1Artificial Analysis323.7317.8
Vals IndexVals AI61.3–
Vals Finance IndexVals AI60.9%–
Vals Router IndexVals AI61.3%†–
Vals Legal IndexVals AI71.9%–
AA Cyber IndexArtificial Analysis56.812.6
安全性・誠実さ
FORTRESSScale AI SEAL27.2%†21.6%†
DistressBenchScale AI SEAL–77.5%
メタデータ
AA Openness IndexArtificial Analysis44.427.8

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。

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。