BenchLeader

DeepSeek V4 Pro vs Qwen3.8 Max

詳しいプロフィール:DeepSeek V4 Pro(DeepSeek)とQwen3.8 Max(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 · 15件の情報源のデータ

2026年11月16日時点で、DeepSeek V4 ProとQwen3.8 Maxの品質は互角です(BenchLeader Indexで56.0 対 58.7、±5.6の誤差範囲内)。価格はDeepSeek V4 Proの方が3.0倍安く、100万トークンあたりのブレンド価格で$0.990 対 $3.00です。推論(56 対 52)を重視するならDeepSeek V4 Pro、知識(58 対 41)、コーディング(62 対 52)、人間の評価(68 対 65)を重視するならQwen3.8 Maxが向いています。回答開始までの時間はDeepSeek V4 Proの方が短く、42.8秒 対 119.6秒です。Qwen3.8 Maxは出力が速い点も強みです。

要点(2026年11月16日時点)

  • BenchLeader IndexはDeepSeek V4 Proが56.0、Qwen3.8 Maxが58.7です(BenchLeader、2026年11月16日)。
  • DeepSeek V4 Proの100万トークンあたりのブレンド価格は$0.990です(定価、2026年11月16日)。
  • Qwen3.8 Max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)。
  • Qwen3.8 MaxはDeepSeek V4 Proより出力が速いです(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26件のベンチマークのうち、Qwen3.8 Maxが25件でリードしています(BenchLeader、2026年11月16日)。
  • Arena WebDevでの評価はDeepSeek V4 Proが1581、Qwen3.8 Maxが1676です(LMArena、2026年11月16日までの公開値)。

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
コーディングQwen3.8 Maxカテゴリスコア62 対 52;Arena WebDev 1676 対 1581高
数学どちらでもカテゴリスコア65 対 65;Arena Maths 1465 対 1505どちらでも
推論DeepSeek V4 Proカテゴリスコア56 対 52;HLE-Diamond (AA) 20.5% 対 24.0%中
知識Qwen3.8 Maxカテゴリスコア58 対 41;AA-Omniscience v1.1 10.5 対 -6.5高
長い文書どちらでもカテゴリスコア64 対 65;AA-LCR v1.1 79.3% 対 80.3%どちらでも
チャットの質(人間の評価)Qwen3.8 MaxArenaの投票で68 対 65中
最低コストDeepSeek V4 Pro100万トークンあたりブレンド価格$1.98 対 $3.00;エージェント型コーディングセッション$0.095 対 $0.144–
回答開始の速さDeepSeek V4 Pro最初の回答トークンまで42.8秒(DeepSeek V4 Pro (high))対 119.6秒(Qwen3.8 Max (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

  • DeepSeek V4 Pro (high)とQwen3.8 Max (max)の品質は互角です(56.0 対 58.7、±5.6の誤差範囲内)。
  • DeepSeek V4 Pro (high)は推論で優れています。
  • Qwen3.8 Max (max)はコーディング、人間の評価、知識、長文コンテキスト、数学で優れています。
  • DeepSeek V4 Pro (high)の方が3.0倍安くなっています(100万トークンあたりブレンド価格$0.990 対 $3.00)。
  • DeepSeek V4 Pro (high)の方が出力が1.4倍速くなっています(80 対 59トークン/秒)。

概要

仕様DeepSeek V4 ProQwen3.8 Max
プロバイダーDeepSeekAlibaba
リリース日2026年8月13日2026年8月3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 Pro (high)Qwen3.8 Max (max)
オープンウェイトありなし
100万トークンあたりの価格(入力/出力/キャッシュ入力)$1.32 / $3.96 / $0.022$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 Pro (high)Qwen3.8 Max (max)トップ
推論55.651.5DeepSeek V4 Pro
コーディング51.561.6Qwen3.8 Max
エージェント・ツール–58.5比較不可
数学64.565.2互角
知識41.258.0Qwen3.8 Max
人間の評価65.067.5Qwen3.8 Max
マルチモーダル–65.7比較不可
長文コンテキスト64.364.8互角
総合–45.0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推論コーディング数学知識長文コンテキスト人間の評価DeepSeek V4 Pro, 推論: 55.6DeepSeek V4 Pro, コーディング: 51.5DeepSeek V4 Pro, 数学: 64.5DeepSeek V4 Pro, 知識: 41.2DeepSeek V4 Pro, 長文コンテキスト: 64.3DeepSeek V4 Pro, 人間の評価: 65.0Qwen3.8 Max, 推論: 51.5Qwen3.8 Max, コーディング: 61.6Qwen3.8 Max, 数学: 65.2Qwen3.8 Max, 知識: 58.0Qwen3.8 Max, 長文コンテキスト: 64.8Qwen3.8 Max, 人間の評価: 67.5

描画していないもの(測定済みのモデルが2つ未満):エージェント・ツール, 指示追従, マルチモーダル。

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26件のベンチマークのうち、DeepSeek V4 Proのリードが1件、Qwen3.8 Maxのリードが25件です。両方を評価しているすべての総合指標で、Qwen3.8 Maxが上回っています。

総合IndexDeepSeek V4 Pro (high)Qwen3.8 Max (max)トップ
BenchLeader Index56.058.7互角
AA Intelligence Index v5.0.120.833.6Qwen3.8 Max
Arena Text14641484Qwen3.8 Max

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 Pro (high)Qwen3.8 Max (max)
100万トークンあたりのブレンド価格$1.98$3.00
100万トークンあたりの入力/出力$1.32 / $3.96$2.00 / $6.00
100万トークンあたりのキャッシュ入力$0.022$0.250
タスクあたりの価格:チャットの返答$0.0017$0.0026
タスクあたりの価格:30ページのレポートを要約$0.018$0.028
タスクあたりの価格:コード編集$0.014$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$0.095$0.144
タスクあたりの価格:構造化データの抽出$0.0034$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)$0.037$0.065
ベンチマークのタスクあたりのコスト(AA Index)$0.849$10.02
タスクあたりの出力トークン(AA Index)70k171k
うち推論45k120k
タスクあたりの時間(AA Index)15 min48 min
出力速度80 tok/s59 tok/s
回答開始までの時間42.8秒119.6秒
回答が完了するまでの時間(最終測定2026年11月13日)–294.1秒

トークン単価とタスクあたりのコストは別物です。Artificial AnalysisのIntelligence Indexの平均的なタスクにかかったコストは、DeepSeek V4 Pro (high)で$0.849、Qwen3.8 Max (max)で$10.02でした。同じ作業でQwen3.8 Max (max)は2.4倍の出力トークンを書いています。これはトークン単価だけでは見えない差です。

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 Pro (high)のスコアは56.0、最初の回答トークンまで43秒。DeepSeek V4 Pro (max)は54.7(47秒)、DeepSeek V4 Proは53.0(1秒)。Qwen3.8 Max (max)のスコアは58.7、最初の回答トークンまで120秒。Qwen3.8 Max (xhigh)は56.6(3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

169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 Pro (high)Qwen3.8 Max (max)
BenchLeader IndexBenchLeader56.058.7
コーディングスコアBenchLeader51.561.6
人間の評価スコアBenchLeader65.067.5
知識スコアBenchLeader41.258.0
長文コンテキストスコアBenchLeader64.364.8
数学スコアBenchLeader64.565.2
推論スコアBenchLeader55.651.5
エージェント・ツールスコアBenchLeader–58.5
総合スコアBenchLeader–45.0
マルチモーダルスコアBenchLeader–65.7
ブレンド価格($/100万トークン)BenchLeader$1.98$3.00
出力速度BenchLeader80 tok/s59 tok/s
回答開始までの時間BenchLeader42.8秒119.6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 Hub90.9%92.7%†
Arena Hard PromptsArena (LMArena)14821507
LiveBench 2.0 ReasoningLiveBench–88.2%
LiveBench 1.0 ReasoningLiveBench85.8%†88.2%
GPQA Diamond (AA)Artificial Analysis92.8%†92.8%
Humanity's Last Exam (AA)Artificial Analysis41.5%43.1%
HLE-Diamond (AA)Artificial Analysis20.5%24.0%
GPQA Diamond (Vals)Vals AI92.4%†93.7%
Kagi LLM BenchmarkKagi LLM Benchmark53.5%†–
ARC-AGI-1ARC Prize87.2%–
ARC-AGI-2ARC Prize59.7%–
CritPtArtificial Analysis18.6%20.0%
CritPt v2 hard subset (AA)Artificial Analysis28.5%29.5%
MysteryMechanismVals AI–23.9%
HLE-Diamond (Scale)Scale AI SEAL13.4%†–
Arena ExpertArena (LMArena)14811514
Chess PuzzlesEpoch AI Benchmarking Hub16.0%46.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub43.0%†38.0%†
CL-bench LifeEpoch AI Benchmarking Hub13.5%–
LMCAEpoch AI Benchmarking Hub45.5%†46.2%†
DTBenchEpoch AI Benchmarking Hub93.9%†92.0%†
ForecastBenchForecastBench60.7%†–
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub77.6%†–
SciCodeSciCode46.4%53.2%
WeirdMLWeirdML46.5%–
169件のベンチマークをすべて表示
指標公開元DeepSeek V4 Pro (high)Qwen3.8 Max (max)
コーディング
FrontierCodeCognition28.6%–
Arena CodingArena (LMArena)15031523
Arena WebDevArena (LMArena)15811676
LiveBench 2.0 CodingLiveBench–60.9%
LiveBench 1.0 CodingLiveBench77.2%†72.9%
SciCode (AA)Artificial Analysis51.7%53.2%
LiveCodeBenchVals AI87.5%†87.8%
IOIVals AI51.6%†68.9%
SWE-bench (Vals)Vals AI96.4%†85.6%
Code MigrationVals AI41.5%†24.0%
Code Migration v1.1Vals AI52.0%†–
ProgramBenchVals AI0.0%†0.0%
SWE-bench MultimodalVals AI–42.5%
Vibe Code Bench 1-100Vals AI17.5%†12.8%
Vibe Code Bench v1.1Vals AI82.3%†64.7%
SWE Atlas v1.0: Codebase QnAScale AI SEAL27.1%†–
SWE Atlas v1.0: Test WritingScale AI SEAL27.1%†–
SWE Atlas v1.1Scale AI SEAL–64.4%
SWE Atlas v1.1: Codebase QnAScale AI SEAL–81.5%
SWE Atlas v1.1: Test WritingScale AI SEAL–58.9%
SWE Atlas v1.1: RefactoringScale AI SEAL–52.9%
MirrorCodeEpoch AI Benchmarking Hub33.3%†52.2%†
Surface Evolver BenchEpoch AI Benchmarking Hub40.0%–
DeepSWE v1.1Epoch AI Benchmarking Hub–57.5%†
ALE-BenchEpoch AI Benchmarking Hub1006.11679.1†
FrontierSWEEpoch AI Benchmarking Hub–17.8%†
Terminal-Bench 4.0 (AA)Artificial Analysis6.1%38.9%
Terminal-Bench 2.1 (AA)Artificial Analysis78.7%†88.8%
Startrise FrontendStartrise62.7%†71.3%
GameBench 2 OverallDuelLab GameBench 241.9†54.2†
GameBench 2 by reasoning settingDuelLab GameBench 245.169.6†
Design Arena WebsiteDesign Arena1227†1269
FrontierCode 1.1 (AA)Artificial Analysis38.8%†43.2%
FrontierCode 2.0 (AA)Artificial Analysis16.7%23.4%
エージェント・ツール
Terminal-BenchTerminal-Bench6.7%†27.0%
APEX-AgentsMercor47.3%†63.3%
Arena AgentArena (LMArena)–0.1
LiveBench Long AgenticLiveBench–26.6%
LiveBench BrowserLiveBench–49.4%
LiveBench Agentic CodingLiveBench55.0%†64.7%
Terminal-Bench 2.1 (Vals)Vals AI50.2%†67.4%
HiL-BenchScale AI SEAL38.5%†–
τ³-bench Bankingτ²-bench–55.1%†
GDPval-AA v2.1, normalised scoreArtificial Analysis47.5%†58.3%
GDPval-AA v2.1Artificial Analysis13361674
τ³-Banking (AA)Artificial Analysis39.6%†51.3%
ITBench SRE (AA)Artificial Analysis–40.3%
Analyst Agent (AA)Artificial Analysis–45.0%
APEX-Agents (AA)Artificial Analysis–42.4%
CyberBenchVals AI72.9%†28.6%
Finance Agent v2Vals AI50.4%†50.6%
Finance Agent v2.1Vals AI57.1%†–
Harvey's Legal Agent Benchmark v1.1Vals AI10.8%†–
Harvey's Legal Agent Benchmark v1Vals AI7.5%†10.4%
Legal Research BenchVals AI40.9%†47.6%
SkillsBenchVals AI53.8%†42.0%
SREBenchVals AI1.9%†–
Tax Agent BenchVals AI26.8%†32.1%
Terminal-Bench 2.0 (Vals)Vals AI56.2%†–
Terminal-Bench 4.0 (Vals)Vals AI14.1%†34.3%
Terminal-Bench ScienceVals AI4.3%†12.9%
Arena SearchArena (LMArena)–1227
Arena Agent Task CompletionArena (LMArena)–4.5
Vending-Bench 2Andon Labs3284.5†–
AutomationBenchArtificial Analysis46.2%56.2%
GDP.pdf (AA)Artificial Analysis10.4%22.8%
EnterpriseOps-GymArtificial Analysis49.6%†47.6%
AA-Briefcase v1.1Artificial Analysis11481604
GDPxGDPx by SemiAnalysis–3.5%
Design Arena AgenticDesign Arena927†1264
Terminal-Bench-Science 0.1 (AA)Artificial Analysis1.9%11.9%
MKA (AA)Artificial Analysis–37.4%
FACTS SearchGoogle–85.0%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub64.6%†74.7%†
FrontierMath Tier 4Epoch AI Benchmarking Hub26.8%†46.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub95.6%100.0%†
ProofBenchVals AI50.0%†58.0%
LiveBench MathematicsLiveBench95.1%†91.3%
AIME 2026MathArena96.7%†–
HMMT February 2026MathArena93.9%†–
USAMO 2026MathArena60.7%†–
MathArena ApexMathArena28.1%†–
Arena MathsArena (LMArena)14651505
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub52.9%†47.3%†
LiveBench 2.0 Data AnalysisLiveBench–78.4%
LiveBench ResearchLiveBench–72.8%
LiveBench 1.0 Data AnalysisLiveBench79.2%†78.4%
AA-Omniscience v1.1Artificial Analysis-6.510.5
MMLU-ProVals AI87.3%†88.6%
LegalBenchVals AI82.4%†83.6%
CorpFinVals AI65.4%†65.8%
TaxEvalVals AI73.1%†75.5%
CaseLaw v2Vals AI59.4%†–
Excel Modeling BenchmarkVals AI52.8%†60.1%
Excel Modeling Benchmark v1.1Vals AI65.1%†66.0%
MedCodeVals AI42.5%†40.7%
MedScribeVals AI80.2%†85.0%
Public Benefits Bench v1.1Vals AI62.9%†67.1%
Access to Justice BenchmarkVals AI–76.4%
Financial Coaching BenchVals AI–75.6%
Immigration BenchVals AI61.7%†70.1%
DrugDiscoveryBenchScale AI SEAL31.7%†–
GDP.pdfEpoch AI Benchmarking Hub–23.2%†
AA-Omniscience v1.1: accuracyArtificial Analysis45.1%29.5%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis5.9%72.9%
FACTS ParametricGoogle–30.8%
指示追従
LiveBench LanguageLiveBench82.1%†79.7%
LiveBench Instruction FollowingLiveBench67.7%†74.1%
Arena Instruction FollowingArena (LMArena)14611478
人間の評価
Arena TextArena (LMArena)14641484
EQ-Bench 4EQ-Bench1156†–
EQ-Bench Creative Writing v3EQ-Bench1553†–
Arena Creative WritingArena (LMArena)14441472
Arena Multi-turnArena (LMArena)14691495
Arena Longer QueriesArena (LMArena)14741496
マルチモーダル
Arena VisionArena (LMArena)–1312
LiveBench DesignLiveBench–76.6%
MMMU-ProArtificial Analysis–82.8%
MMMU-Pro (Vals)Vals AI–88.0%
MortgageTaxVals AI–64.0%
SAGEVals AI–81.8%
Humanity's Sixth SenseScale AI SEAL–33.0%
Furniture AssemblyEpoch AI Benchmarking Hub–20.0%†
VIALS-AAHandshake AI–31.7%
Code2Video-AAArtificial Analysis–1021
AA-3DArtificial Analysis–954
FACTS MultimodalGoogle–51.5%
長文コンテキスト
AA-LCR v1.1Artificial Analysis79.3%80.3%
MLCRArtificial Analysis–26.1%
FACTS GroundingGoogle–73.8%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub155.9†157.6
LiveBench 2.0LiveBench–60.9%
LiveBench 1.0LiveBench77.4%†78.5%
AA Intelligence Index v5.0.1Artificial Analysis20.833.6
AA Intelligence Index v4.3.2Artificial Analysis36†45.4
AA Progress Index v1Artificial Analysis311.5†323.7
Vals IndexVals AI53.0†–
Vals Finance IndexVals AI52.9%†–
Vals RSI IndexVals AI–21.8%
Vals Multimodal IndexVals AI–65.4%
Vals Router IndexVals AI53.0%†–
Vals Legal IndexVals AI69.0%†–
安全性・誠実さ
DistressBenchScale AI SEAL–77.6%
メタデータ
AA Openness IndexArtificial Analysis44.4–

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

  • Qwen3.8 Max (max):スコアの改訂1件。
  • Qwen3.8 Max (max):スコアの改訂1件。
  • DeepSeek V4 Pro (high):BenchLeader Index 59.1 → 56.0。
  • DeepSeek V4 Pro (high):新しい結果17件(AA Intelligence Index v5.0.1, Humanity's Last Exam (AA), HLE-Diamond (AA)…)、入力価格 $0.66/M → $1.32/M、出力価格 $1.98/M → $3.96/M。
  • DeepSeek V4 Pro (high):BenchLeader Index 57.5 → 59.1。
  • Qwen3.8 Max (max):スコアの改訂6件。
  • Qwen3.8 Max (max):スコアの改訂1件。
  • DeepSeek V4 Pro (high):スコアの改訂1件。
  • Qwen3.8 Max (max):新しい結果1件(FACTS Search)、スコアの改訂1件。
  • DeepSeek V4 Pro (high):スコアの改訂1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 Pro vs Qwen3.8 Max:よくある質問

DeepSeek V4 ProはQwen3.8 Maxより優れていますか?
DeepSeek V4 Pro (high)とQwen3.8 Max (max)の品質は互角です(56.0 対 58.7、±5.6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 ProとQwen3.8 Max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 Proの方が安く、100万トークンあたり$0.990 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。
コーディングにはDeepSeek V4 ProとQwen3.8 Maxのどちらが向いていますか?
コーディングではQwen3.8 Maxの方がスコアが高くなっています(カテゴリ指標で62 対 52。50が平均)。共通するコーディングベンチマークのうち最も重要なArena WebDevでは、DeepSeek V4 Proが1581、Qwen3.8 Maxが1676です。
DeepSeek V4 ProとQwen3.8 Maxはどちらが速いですか?
Qwen3.8 Maxの方が出力が速くなっています(出力80 対 59トークン/秒、Artificial Analysisの7日間の中央値)。
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互角です(64 対 65)。どちらも約1Mトークンです(DeepSeek V4 Proは1,048,576、Qwen3.8 Maxは1,000,000)。
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DeepSeek V4 Proです。Artificial Analysisの測定では、最初の回答トークンまで42.8秒 対 119.6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 ProとQwen3.8 Max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26件のベンチマークのうち、DeepSeek V4 Proのリードが1件、Qwen3.8 Maxのリードが25件です。両方を評価しているすべての総合指標で、Qwen3.8 Maxが上回っています。
DeepSeek V4 Proはいつリリースされましたか?
DeepSeek V4 Proは2026年8月13日にリリースされました。