BenchLeader

Gemini 3 Pro vs Qwen3.8 Max

詳しいプロフィール:Gemini 3 Pro(Google)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 · 19件の情報源のデータ

2026年11月16日時点で、Gemini 3 ProとQwen3.8 Maxの品質は互角です(BenchLeader Indexで60.0 対 58.7、±4.8の誤差範囲内)。価格はQwen3.8 Maxの方が1.5倍安く、100万トークンあたりのブレンド価格で$3.00 対 $4.50です。推論(63 対 52)、エージェント・ツール(62 対 59)を重視するならGemini 3 Pro、数学(65 対 54)、コーディング(62 対 58)、知識(58 対 56)を重視するならQwen3.8 Maxが向いています。

要点(2026年11月16日時点)

  • BenchLeader IndexはGemini 3 Proが60.0、Qwen3.8 Maxが58.7です(BenchLeader、2026年11月16日)。
  • Gemini 3 Proの100万トークンあたりのブレンド価格は$4.50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)。
  • 両モデルに結果がある18件のベンチマークのうち、Qwen3.8 Maxが14件でリードしています(BenchLeader、2026年11月16日)。
  • Arena WebDevでの評価はGemini 3 Proが1441、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 58;Arena WebDev 1676 対 1441中
エージェント・ツール利用Gemini 3 Proカテゴリスコア62 対 59;Terminal-Bench 69.4% 対 27.0%中
数学Qwen3.8 Maxカテゴリスコア65 対 54;Arena Maths 1505 対 1475高
推論Gemini 3 Proカテゴリスコア63 対 52;Arena Hard Prompts 1502 対 1507高
知識Qwen3.8 Maxカテゴリスコア58 対 56;MMLU-Pro 88.6% 対 90.1%中
画像などのメディアどちらでもカテゴリスコア66 対 66;Arena Vision 1305 対 1312どちらでも
チャットの質(人間の評価)どちらでもArenaの投票で68 対 68どちらでも
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

  • Gemini 3 ProとQwen3.8 Max (max)の品質は互角です(60.0 対 58.7、±4.8の誤差範囲内)。
  • Gemini 3 Proはエージェント・ツール、人間の評価、推論で優れています。
  • Qwen3.8 Max (max)はコーディング、知識、数学、マルチモーダルで優れています。
  • Qwen3.8 Max (max)の方が1.5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 $4.50)。

概要

仕様Gemini 3 ProQwen3.8 Max
プロバイダーGoogleAlibaba
リリース日2025年11月18日2026年8月3日
コンテキストウィンドウ(トークン)–1,000,000
比較した構成Gemini 3 ProQwen3.8 Max (max)
オープンウェイトなしなし
100万トークンあたりの価格(入力/出力/キャッシュ入力)–$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Gemini 3 ProQwen3.8 Max (max)トップ
推論62.651.5Gemini 3 Pro
コーディング57.861.6Qwen3.8 Max
エージェント・ツール61.758.5Gemini 3 Pro
数学54.065.2Qwen3.8 Max
知識55.958.0Qwen3.8 Max
指示追従61.1–比較不可
人間の評価67.767.5互角
マルチモーダル65.665.7互角
長文コンテキスト–64.8比較不可
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推論コーディングエージェント・ツール数学知識マルチモーダル人間の評価Gemini 3 Pro, 推論: 62.6Gemini 3 Pro, コーディング: 57.8Gemini 3 Pro, エージェント・ツール: 61.7Gemini 3 Pro, 数学: 54.0Gemini 3 Pro, 知識: 55.9Gemini 3 Pro, マルチモーダル: 65.6Gemini 3 Pro, 人間の評価: 67.7Qwen3.8 Max, 推論: 51.5Qwen3.8 Max, コーディング: 61.6Qwen3.8 Max, エージェント・ツール: 58.5Qwen3.8 Max, 数学: 65.2Qwen3.8 Max, 知識: 58.0Qwen3.8 Max, マルチモーダル: 65.7Qwen3.8 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):指示追従, 長文コンテキスト。

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18件のベンチマークのうち、Gemini 3 Proのリードが4件、Qwen3.8 Maxのリードが14件です。両方を評価しているすべての総合指標で、Gemini 3 Proが上回っています。

総合IndexGemini 3 ProQwen3.8 Max (max)トップ
BenchLeader Index60.058.7互角
Arena Text14861484Gemini 3 Pro

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Gemini 3 ProQwen3.8 Max (max)
100万トークンあたりのブレンド価格–$3.00
100万トークンあたりの入力/出力– / –$2.00 / $6.00
100万トークンあたりのキャッシュ入力–$0.250
タスクあたりの価格:チャットの返答–$0.0026
タスクあたりの価格:30ページのレポートを要約–$0.028
タスクあたりの価格:コード編集–$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–$0.144
タスクあたりの価格:構造化データの抽出–$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)–$0.065
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)–171k
うち推論–120k
タスクあたりの時間(AA Index)–48 min
出力速度–59 tok/s
回答開始までの時間–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

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。Gemini 3 Proのスコアは60.0。Gemini 3 Pro (high)は60.0。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

201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Gemini 3 ProQwen3.8 Max (max)
BenchLeader IndexBenchLeader60.058.7
エージェント・ツールスコアBenchLeader61.758.5
コーディングスコアBenchLeader57.861.6
人間の評価スコアBenchLeader67.767.5
指示追従スコアBenchLeader61.1–
知識スコアBenchLeader55.958.0
数学スコアBenchLeader54.065.2
マルチモーダルスコアBenchLeader65.665.7
推論スコアBenchLeader62.651.5
総合スコアBenchLeader–45.0
長文コンテキストスコアBenchLeader–64.8
ブレンド価格($/100万トークン)BenchLeader–$3.00
出力速度BenchLeader–59 tok/s
回答開始までの時間BenchLeader–119.6秒
コンテキストウィンドウBenchLeader–1,000,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub92.6%92.7%†
Humanity's Last ExamScale AI / CAIS37.5%–
SimpleBenchSimpleBench76.4%–
Arena Hard PromptsArena (LMArena)15021507
LiveBench 2.0 ReasoningLiveBench–88.2%
LiveBench 1.0 ReasoningLiveBench–88.2%
GPQA Diamond (AA)Artificial Analysis90.8%†92.8%
Humanity's Last Exam (AA)Artificial Analysis39.7%†43.1%
HLE-Diamond (AA)Artificial Analysis–24.0%
GPQA Diamond (Vals)Vals AI91.7%†93.7%
Kagi LLM BenchmarkKagi LLM Benchmark80.1%–
GPQA Diamond (HELM)HELM Capabilities80.3%–
ARC-AGI-1ARC Prize75.0%–
ARC-AGI-2ARC Prize31.1%–
CritPtArtificial Analysis9.1%†20.0%
CritPt v2 hard subset (AA)Artificial Analysis–29.5%
MysteryMechanismVals AI–23.9%
SciPredictScale AI SEAL25.3%–
Arena ExpertArena (LMArena)14991514
Chess PuzzlesEpoch AI Benchmarking Hub–46.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub–38.0%†
CL-benchEpoch AI Benchmarking Hub15.8%–
LMCAEpoch AI Benchmarking Hub–46.2%†
DTBenchEpoch AI Benchmarking Hub–92.0%†
ForecastBenchForecastBench65.0%–
201件のベンチマークをすべて表示
指標公開元Gemini 3 ProQwen3.8 Max (max)
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub72.9%–
SciCodeSciCode–53.2%
WeirdMLWeirdML69.9%–
GSO-BenchGSO-Bench18.6%–
Arena CodingArena (LMArena)15171523
Arena WebDevArena (LMArena)14411676
LiveBench 2.0 CodingLiveBench–60.9%
LiveBench 1.0 CodingLiveBench–72.9%
LiveCodeBenchVals AI86.4%87.8%
IOIVals AI–68.9%
SWE-bench (Vals)Vals AI76.4%†85.6%
SWE-Bench ProScale AI SEAL43.3%–
SWE-bench Verified (bash only)SWE-bench74.2%–
SWE-bench Multilingual (bash only)SWE-bench68.7%–
SWE-bench Verified (any scaffold)SWE-bench77.4%–
Code MigrationVals AI–24.0%
ProgramBenchVals AI–0.0%
SWE-bench MultimodalVals AI–42.5%
Vibe Code Bench 1-100Vals AI–12.8%
Vibe Code Bench v1.1Vals AI14.3%†64.7%
SWE-Bench Pro (private)Scale AI SEAL17.9%–
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 Hub–52.2%†
DeepSWE v1.1Epoch AI Benchmarking Hub–57.5%†
ALE-BenchEpoch AI Benchmarking Hub1176.81679.1†
AlgoTuneAlgoTune1.8–
FrontierSWEEpoch AI Benchmarking Hub–17.8%†
Terminal-Bench 4.0 (AA)Artificial Analysis–38.9%
Terminal-Bench 2.1 (AA)Artificial Analysis–88.8%
Startrise FrontendStartrise–71.3%
GameBench 2 OverallDuelLab GameBench 2–54.2†
GameBench 2 by reasoning settingDuelLab GameBench 2–69.6†
Design Arena WebsiteDesign Arena12441269
FrontierCode 1.1 (AA)Artificial Analysis–43.2%
FrontierCode 2.0 (AA)Artificial Analysis–23.4%
LiveCodeBench (AA)Artificial Analysis91.8%†–
エージェント・ツール
Terminal-BenchTerminal-Bench69.4%27.0%
GDPvalOpenAI40.3%–
Remote Labor IndexScale AI / CAIS1.3%–
APEX-AgentsMercor–63.3%
Arena AgentArena (LMArena)–0.1
LiveBench Long AgenticLiveBench–26.6%
LiveBench BrowserLiveBench–49.4%
LiveBench Agentic CodingLiveBench–64.7%
Terminal-Bench HardArtificial Analysis41.7%†–
τ²-Bench Telecom (AA)Artificial Analysis87.1%†–
Terminal-Bench 2.1 (Vals)Vals AI–67.4%
MCP AtlasScale AI SEAL70.3%–
BFCL OverallBerkeley Function Calling Leaderboard72.5%–
τ²-benchτ²-bench82.5%†–
τ³-bench Bankingτ²-bench18.0%†55.1%†
GDPval-AA v2.1, normalised scoreArtificial Analysis–58.3%
GDPval-AA v2.1Artificial Analysis–1674
τ³-Banking (AA)Artificial Analysis–51.3%
ITBench SRE (AA)Artificial Analysis–40.3%
Analyst Agent (AA)Artificial Analysis–45.0%
APEX-Agents (AA)Artificial Analysis–42.4%
CyberBenchVals AI–28.6%
Finance Agent v2Vals AI–50.6%
Harvey's Legal Agent Benchmark v1Vals AI–10.4%
Legal Research BenchVals AI–47.6%
Poker AgentVals AI1078.9%–
SkillsBenchVals AI–42.0%
Tax Agent BenchVals AI–32.1%
Terminal-Bench 2.0 (Vals)Vals AI55.1%†–
Terminal-Bench 4.0 (Vals)Vals AI–34.3%
Terminal-Bench ScienceVals AI–12.9%
Arena SearchArena (LMArena)12011227
Arena Agent Task CompletionArena (LMArena)–4.5
BALROGBALROG58.1%–
DeepResearch BenchDeepResearch Bench46.3%†–
METR Time HorizonsMETR71.0%–
Vending-Bench 2Andon Labs5478.2–
AutomationBenchArtificial Analysis–56.2%
GDP.pdf (AA)Artificial Analysis–22.8%
EnterpriseOps-GymArtificial Analysis–47.6%
AA-Briefcase v1.1Artificial Analysis–1604
GDPxGDPx by SemiAnalysis–3.5%
Design Arena AgenticDesign Arena10801264
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–11.9%
MKA (AA)Artificial Analysis–37.4%
FACTS SearchGoogle–85.0%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub–74.7%†
FrontierMath Tier 4Epoch AI Benchmarking Hub–46.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub91.4%100.0%†
ProofBenchVals AI20.0%58.0%
LiveBench MathematicsLiveBench–91.3%
AIME (Vals)Vals AI96.7%†–
MGSMVals AI93.9%†–
AIME 2026MathArena91.7%–
HMMT February 2026MathArena86.4%–
MathArena ApexMathArena23.4%–
Omni-MATH (HELM)HELM Capabilities55.6%–
MATH 500Vals AI96.4%†–
Arena MathsArena (LMArena)14751505
AIME 2025 (AA)Artificial Analysis95.7%†–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub–47.3%†
LiveBench 2.0 Data AnalysisLiveBench–78.4%
LiveBench ResearchLiveBench–72.8%
LiveBench 1.0 Data AnalysisLiveBench–78.4%
AA-Omniscience v1.1Artificial Analysis–10.5
MMLU-ProVals AI90.1%88.6%
LegalBenchVals AI87.0%†83.6%
CorpFinVals AI63.7%†65.8%
TaxEvalVals AI72.6%†75.5%
MedQAVals AI96.0%†–
PRBench FinanceScale AI SEAL39.2%–
PRBench LegalScale AI SEAL40.6%–
MultiNRCScale AI SEAL59.0%–
MMLU-Pro (HELM)HELM Capabilities90.3%–
CaseLaw v2Vals AI53.1%†–
Excel Modeling BenchmarkVals AI–60.1%
Excel Modeling Benchmark v1.1Vals AI–66.0%
MedCodeVals AI52.2%†40.7%
MedScribeVals AI72.0%†85.0%
Public Benefits Bench v1.1Vals AI–67.1%
Access to Justice BenchmarkVals AI–76.4%
Financial Coaching BenchVals AI–75.6%
Immigration BenchVals AI–70.1%
GDP.pdfEpoch AI Benchmarking Hub–23.2%†
AA-Omniscience v1.1: accuracyArtificial Analysis–29.5%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–72.9%
Global-MMLU-Lite (AA)Artificial Analysis92.2%†–
FACTS ParametricGoogle–30.8%
指示追従
LiveBench LanguageLiveBench–79.7%
LiveBench Instruction FollowingLiveBench–74.1%
IFBenchArtificial Analysis70.4%†–
MultiChallengeScale AI SEAL65.7%–
TutorBenchScale AI SEAL53.7%–
IFEval (HELM)HELM Capabilities87.6%–
WildBench (HELM)HELM Capabilities85.9%–
Arena Instruction FollowingArena (LMArena)14731478
人間の評価
Arena TextArena (LMArena)14861484
EQ-Bench Creative Writing v3EQ-Bench1524–
Arena Creative WritingArena (LMArena)14841472
Arena Multi-turnArena (LMArena)14951495
Arena Longer QueriesArena (LMArena)14911496
マルチモーダル
Arena VisionArena (LMArena)13051312
LiveBench DesignLiveBench–76.6%
MMMU-ProArtificial Analysis80.2%†82.8%
VISTAScale AI SEAL51.5%–
MMMU-Pro (Vals)Vals AI87.5%†88.0%
MortgageTaxVals AI69.1%†64.0%
SAGEVals AI–81.8%
AudioMCScale AI SEAL54.6%†–
AudioMC (text output)Scale AI SEAL54.6%†–
Humanity's Sixth SenseScale AI SEAL–33.0%
VTBScale AI SEAL26.9%–
GeoBenchGeoBench84.0%–
VPCTEpoch AI Benchmarking Hub91.0%–
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 Analysis76.0%†80.3%
Arena DocumentArena (LMArena)1451–
MLCRArtificial Analysis–26.1%
FACTS GroundingGoogle–73.8%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub153.0157.6
LiveBench 2.0LiveBench–60.9%
LiveBench 1.0LiveBench–78.5%
AA Intelligence Index v5.0.1Artificial Analysis–33.6
AA Intelligence Index v4.3.2Artificial Analysis28.0†45.4
AA Progress Index v1Artificial Analysis290.7†323.7
HELM Capabilities meanHELM Capabilities79.9%–
Vals RSI IndexVals AI–21.8%
Vals Multimodal IndexVals AI–65.4%
安全性・誠実さ
FORTRESSScale AI SEAL41.7%–
MASKScale AI SEAL42.6%–
PropensityBenchScale AI SEAL52.9%–
DistressBenchScale AI SEAL–77.6%
メタデータ
AA Openness IndexArtificial Analysis5.6†–

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

  • Gemini 3 Pro:スコアの改訂1件。
  • Qwen3.8 Max (max):スコアの改訂1件。
  • Qwen3.8 Max (max):スコアの改訂1件。
  • Qwen3.8 Max (max):スコアの改訂6件。
  • Gemini 3 Pro:新しい結果1件(Arena Search)。
  • Qwen3.8 Max (max):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。
  • Qwen3.8 Max (max):スコアの改訂1件、価格 $0.22/M → $0.25/M。
  • Qwen3.8 Max (max):価格 $0.25/M → $0.22/M。
  • Qwen3.8 Max (max):スコアの改訂1件、価格 $0.22/M → $0.25/M。

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

Gemini 3 Pro vs Qwen3.8 Max:よくある質問

Gemini 3 ProはQwen3.8 Maxより優れていますか?
Gemini 3 ProとQwen3.8 Max (max)の品質は互角です(60.0 対 58.7、±4.8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。
Gemini 3 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Qwen3.8 Maxの方が安く、100万トークンあたり$3.00 対 $4.50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Gemini 3 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 58。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、Gemini 3 Proが1441、Qwen3.8 Maxが1676です。
エージェントやツール利用にはGemini 3 ProとQwen3.8 Max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Gemini 3 Proの方がスコアが高くなっています(カテゴリ指標で62 対 59。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Terminal-Benchでは、Gemini 3 Proが69.4%、Qwen3.8 Maxが27.0%です。
Gemini 3 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18件のベンチマークのうち、Gemini 3 Proのリードが4件、Qwen3.8 Maxのリードが14件です。両方を評価しているすべての総合指標で、Gemini 3 Proが上回っています。
ほかの質問(1件)
Qwen3.8 Maxはいつリリースされましたか?
Qwen3.8 Maxは2026年8月3日にリリースされました。