BenchLeader

GLM 5.2 vs Qwen3.8 Max

詳しいプロフィール:GLM 5.2(Zhipu AI)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 · 14件の情報源のデータ

2026年11月16日時点で、GLM 5.2とQwen3.8 Maxの品質は互角です(BenchLeader Indexで58.9 対 58.7、±5.2の誤差範囲内)。価格はGLM 5.2の方が1.4倍安く、100万トークンあたりのブレンド価格で$2.15 対 $3.00です。推論(57 対 52)、エージェント・ツール(62 対 59)を重視するならGLM 5.2、知識(58 対 44)、数学(65 対 53)、人間の評価(68 対 66)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GLM 5.2の方が短く、26.8秒 対 119.6秒です。GLM 5.2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GLM 5.2が58.9、Qwen3.8 Maxが58.7です(BenchLeader、2026年11月16日)。
  • GLM 5.2の100万トークンあたりのブレンド価格は$2.15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)。
  • GLM 5.2はQwen3.8 Max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41件のベンチマークのうち、Qwen3.8 Maxが33件でリードしています(BenchLeader、2026年11月16日)。
  • Arena WebDevでの評価はGLM 5.2が1608、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
コーディングどちらでもカテゴリスコア62 対 62;Arena WebDev 1608 対 1676どちらでも
エージェント・ツール利用GLM 5.2カテゴリスコア62 対 59;Arena Agent 0.2 対 0.1中
数学Qwen3.8 Maxカテゴリスコア65 対 53;Arena Maths 1505 対 1487高
推論GLM 5.2カテゴリスコア57 対 52;HLE-Diamond (AA) 17.7% 対 24.0%中
知識Qwen3.8 Maxカテゴリスコア58 対 44;AA-Omniscience v1.1 10.5 対 0.6高
長い文書Qwen3.8 Maxカテゴリスコア65 対 64;AA-LCR v1.1 80.3% 対 78.3%中
チャットの質(人間の評価)Qwen3.8 MaxArenaの投票で68 対 66中
最低コストGLM 5.2100万トークンあたりブレンド価格$2.15 対 $3.00;エージェント型コーディングセッション$0.102 対 $0.144–
回答開始の速さGLM 5.2最初の回答トークンまで26.8秒(GLM 5.2 (max))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

  • GLM 5.2 (max)とQwen3.8 Max (max)の品質は互角です(58.9 対 58.7、±5.2の誤差範囲内)。
  • GLM 5.2 (max)はエージェント・ツール、コーディング、推論で優れています。
  • Qwen3.8 Max (max)は人間の評価、知識、長文コンテキスト、数学で優れています。
  • GLM 5.2 (max)の方が1.4倍安くなっています(100万トークンあたりブレンド価格$2.15 対 $3.00)。

概要

仕様GLM 5.2Qwen3.8 Max
プロバイダーZhipu AIAlibaba
リリース日2026年6月16日2026年8月3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GLM 5.2 (max)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)$1.40 / $4.40 / $0.260$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GLM 5.2 (max)Qwen3.8 Max (max)トップ
推論57.251.5GLM 5.2
コーディング61.861.6互角
エージェント・ツール62.158.5GLM 5.2
数学52.665.2Qwen3.8 Max
知識44.358.0Qwen3.8 Max
指示追従71.8–比較不可
人間の評価66.467.5Qwen3.8 Max
マルチモーダル–65.7比較不可
長文コンテキスト63.864.8Qwen3.8 Max
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・ツール数学知識長文コンテキスト人間の評価GLM 5.2, 推論: 57.2GLM 5.2, コーディング: 61.8GLM 5.2, エージェント・ツール: 62.1GLM 5.2, 数学: 52.6GLM 5.2, 知識: 44.3GLM 5.2, 長文コンテキスト: 63.8GLM 5.2, 人間の評価: 66.4Qwen3.8 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, 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):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41件のベンチマークのうち、GLM 5.2のリードが8件、Qwen3.8 Maxのリードが33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IndexGLM 5.2 (max)Qwen3.8 Max (max)トップ
BenchLeader Index58.958.7互角
Arena Text14751484Qwen3.8 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GLM 5.2 (max)Qwen3.8 Max (max)
100万トークンあたりのブレンド価格$2.15$3.00
100万トークンあたりの入力/出力$1.40 / $4.40$2.00 / $6.00
100万トークンあたりのキャッシュ入力$0.260$0.250
タスクあたりの価格:チャットの返答$0.0019$0.0026
タスクあたりの価格:30ページのレポートを要約$0.019$0.028
タスクあたりの価格:コード編集$0.015$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$0.102$0.144
タスクあたりの価格:構造化データの抽出$0.0037$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)$0.050$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69 tok/s59 tok/s
回答開始までの時間26.8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)56.7秒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。GLM 5.2 (max)のスコアは58.9、最初の回答トークンまで27秒。GLM 5.2は51.9(1秒)、GLM 5.2 (推論なし)は45.8(2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

165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GLM 5.2 (max)Qwen3.8 Max (max)
BenchLeader IndexBenchLeader58.958.7
エージェント・ツールスコアBenchLeader62.158.5
コーディングスコアBenchLeader61.861.6
人間の評価スコアBenchLeader66.467.5
指示追従スコアBenchLeader71.8–
知識スコアBenchLeader44.358.0
長文コンテキストスコアBenchLeader63.864.8
数学スコアBenchLeader52.665.2
推論スコアBenchLeader57.251.5
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$2.15$3.00
出力速度BenchLeader69 tok/s59 tok/s
回答開始までの時間BenchLeader26.8秒119.6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 Hub91.9%92.7%†
SimpleBenchSimpleBench58.8%†–
Arena Hard PromptsArena (LMArena)14961507
LiveBench 2.0 ReasoningLiveBench–88.2%
LiveBench 1.0 ReasoningLiveBench78.6%†88.2%
GPQA Diamond (AA)Artificial Analysis89.5%92.8%
Humanity's Last Exam (AA)Artificial Analysis41.1%43.1%
HLE-Diamond (AA)Artificial Analysis17.7%24.0%
GPQA Diamond (Vals)Vals AI85.6%†93.7%
Kagi LLM BenchmarkKagi LLM Benchmark62.6%†–
ARC-AGI-1ARC Prize77.0%†–
ARC-AGI-2ARC Prize22.8%†–
CritPtArtificial Analysis20.9%20.0%
CritPt v2 hard subset (AA)Artificial Analysis–29.5%
MysteryMechanismVals AI–23.9%
Arena ExpertArena (LMArena)15021514
Chess PuzzlesEpoch AI Benchmarking Hub22.0%46.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub18.0%†38.0%†
LMCAEpoch AI Benchmarking Hub45.8%46.2%†
DTBenchEpoch AI Benchmarking Hub93.6%92.0%†
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub78.7%–
SciCodeSciCode51.2%53.2%
WeirdMLWeirdML70.1%–
FrontierCodeCognition24.5%†–
Arena CodingArena (LMArena)15151523
165件のベンチマークをすべて表示
指標公開元GLM 5.2 (max)Qwen3.8 Max (max)
コーディング
Arena WebDevArena (LMArena)16081676
LiveBench 2.0 CodingLiveBench–60.9%
LiveBench 1.0 CodingLiveBench79.7%†72.9%
LiveCodeBenchVals AI69.5%†87.8%
IOIVals AI–68.9%
SWE-bench (Vals)Vals AI82.8%85.6%
Code MigrationVals AI37.9%24.0%
ProgramBenchVals AI0.5%0.0%
SWE-bench MultimodalVals AI–42.5%
Vibe Code Bench 1-100Vals AI–12.8%
Vibe Code Bench v1.1Vals AI64.0%64.7%
SWE Atlas v1.0: Codebase QnAScale AI SEAL48.1%†–
SWE Atlas v1.0: RefactoringScale AI SEAL42.4%†–
SWE Atlas v1.0: Test WritingScale AI SEAL41.5%†–
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 Hub36.7%52.2%†
Surface Evolver BenchEpoch AI Benchmarking Hub55.6%†–
DeepSWE v1.1Epoch AI Benchmarking Hub43.8%57.5%†
ALE-BenchEpoch AI Benchmarking Hub1010.21679.1†
FrontierSWEEpoch AI Benchmarking Hub–17.8%†
Terminal-Bench 4.0 (AA)Artificial Analysis1.0%38.9%
Terminal-Bench 2.1 (AA)Artificial Analysis77.9%88.8%
Startrise FrontendStartrise72.1%†71.3%
GameBench 2 OverallDuelLab GameBench 243.1†54.2†
GameBench 2 by reasoning settingDuelLab GameBench 232.4†69.6†
Design Arena WebsiteDesign Arena1277†1269
FrontierCode 1.1 (AA)Artificial Analysis–43.2%
FrontierCode 2.0 (AA)Artificial Analysis–23.4%
エージェント・ツール
Terminal-BenchTerminal-Bench–27.0%
APEX-AgentsMercor45.2%†63.3%
Arena AgentArena (LMArena)0.20.1
LiveBench Long AgenticLiveBench–26.6%
LiveBench BrowserLiveBench–49.4%
LiveBench Agentic CodingLiveBench51.8%†64.7%
Terminal-Bench HardArtificial Analysis50.8%–
τ²-Bench Telecom (AA)Artificial Analysis99.1%–
Terminal-Bench 2.1 (Vals)Vals AI67.8%67.4%
MCP AtlasScale AI SEAL77.8%†–
HiL-BenchScale AI SEAL43.7%†–
τ³-bench Bankingτ²-bench37.1%†55.1%†
GDPval-AA v2.1, normalised scoreArtificial Analysis–58.3%
GDPval-AA v2.1Artificial Analysis13801674
τ³-Banking (AA)Artificial Analysis34.6%51.3%
ITBench SRE (AA)Artificial Analysis42.7%40.3%
Analyst Agent (AA)Artificial Analysis–45.0%
APEX-Agents (AA)Artificial Analysis33.7%42.4%
CyberBenchVals AI–28.6%
Finance Agent v2Vals AI49.7%†50.6%
Harvey's Legal Agent Benchmark v1Vals AI7.1%10.4%
Legal Research BenchVals AI31.3%47.6%
SkillsBenchVals AI45.1%42.0%
SREBenchVals AI0.0%–
Tax Agent BenchVals AI–32.1%
Terminal-Bench 4.0 (Vals)Vals AI–34.3%
Terminal-Bench ScienceVals AI–12.9%
Arena SearchArena (LMArena)–1227
Arena Agent Task CompletionArena (LMArena)1.74.5
PostTrainBenchEpoch AI Benchmarking Hub30.4%–
GBAEvalEpoch AI Benchmarking Hub0.0%†–
Vending-Bench 2Andon Labs8313.8†–
AutomationBenchArtificial Analysis28.4%56.2%
GDP.pdf (AA)Artificial Analysis10.4%22.8%
EnterpriseOps-GymArtificial Analysis42.7%47.6%
AA-Briefcase v1.1Artificial Analysis12261604
GDPxGDPx by SemiAnalysis–3.5%
Design Arena AgenticDesign Arena1194†1264
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 Hub59.2%74.7%†
FrontierMath Tier 4Epoch AI Benchmarking Hub29.3%46.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub86.4%100.0%†
ProofBenchVals AI35.0%58.0%
LiveBench MathematicsLiveBench89.8%†91.3%
AIME 2026MathArena90.0%–
HMMT February 2026MathArena92.4%–
MathArena ApexMathArena19.8%–
Arena MathsArena (LMArena)14871505
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub34.2%47.3%†
LiveBench 2.0 Data AnalysisLiveBench–78.4%
LiveBench ResearchLiveBench–72.8%
LiveBench 1.0 Data AnalysisLiveBench73.7%†78.4%
AA-Omniscience v1.1Artificial Analysis0.610.5
MMLU-ProVals AI86.7%†88.6%
LegalBenchVals AI84.1%†83.6%
CorpFinVals AI66.1%†65.8%
TaxEvalVals AI73.3%†75.5%
Excel Modeling BenchmarkVals AI61.5%†60.1%
Excel Modeling Benchmark v1.1Vals AI–66.0%
MedCodeVals AI40.8%†40.7%
MedScribeVals AI83.5%†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%
DrugDiscoveryBenchScale AI SEAL36.2%†–
EBR-benchEpoch AI Benchmarking Hub9.5%–
GDP.pdfEpoch AI Benchmarking Hub–23.2%†
AA-Omniscience v1.1: accuracyArtificial Analysis21.1%29.5%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis74.1%72.9%
FACTS ParametricGoogle–30.8%
指示追従
LiveBench LanguageLiveBench76.2%†79.7%
LiveBench Instruction FollowingLiveBench62.3%†74.1%
IFBenchArtificial Analysis73.3%–
Arena Instruction FollowingArena (LMArena)14701478
人間の評価
Arena TextArena (LMArena)14751484
EQ-Bench 4EQ-Bench1208†–
EQ-Bench Creative Writing v3EQ-Bench1759†–
Arena Creative WritingArena (LMArena)14511472
Arena Multi-turnArena (LMArena)14771495
Arena Longer QueriesArena (LMArena)14861496
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 Analysis78.3%80.3%
MLCRArtificial Analysis12.8%26.1%
FACTS GroundingGoogle–73.8%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub153.0†157.6
LiveBench 2.0LiveBench–60.9%
LiveBench 1.0LiveBench73.2%†78.5%
AA Intelligence Index v5.0.1Artificial Analysis–33.6
AA Intelligence Index v4.3.2Artificial Analysis33.745.4
AA Progress Index v1Artificial Analysis302.5323.7
Vals RSI IndexVals AI–21.8%
Vals Multimodal IndexVals AI–65.4%
安全性・誠実さ
FORTRESSScale AI SEAL48.7%†–
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。
  • GLM 5.2 (max):新しい結果1件(GDPval-AA v2.1)。
  • Qwen3.8 Max (max):スコアの改訂1件。
  • GLM 5.2 (max):BenchLeader Index 59.5 → 59.0。
  • GLM 5.2 (max):新しい結果3件(AIME 2026, HMMT February 2026, MathArena Apex)、スコアの改訂1件。
  • GLM 5.2 (max):新しい結果1件(MirrorCode)。
  • Qwen3.8 Max (max):スコアの改訂6件。
  • GLM 5.2 (max):BenchLeader Index 60.2 → 59.5。
  • GLM 5.2 (max):新しい結果4件(HLE-Diamond (AA), AA-Omniscience v1.1, AA-Omniscience v1.1: accuracy…)。
  • Qwen3.8 Max (max):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

GLM 5.2 vs Qwen3.8 Max:よくある質問

GLM 5.2はQwen3.8 Maxより優れていますか?
GLM 5.2 (max)とQwen3.8 Max (max)の品質は互角です(58.9 対 58.7、±5.2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。
GLM 5.2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GLM 5.2の方が安く、100万トークンあたり$2.15 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GLM 5.2とQwen3.8 Maxのどちらが向いていますか?
コーディングでは互角です(カテゴリ指標で62 対 62)。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、GLM 5.2が1608、Qwen3.8 Maxが1676です。
GLM 5.2とQwen3.8 Maxはどちらが速いですか?
GLM 5.2の方が出力が速くなっています(出力69 対 59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GLM 5.2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GLM 5.2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τ³-Banking (AA)では、GLM 5.2が34.6%、Qwen3.8 Maxが51.3%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Qwen3.8 Maxの方がスコアが高くなっています(65 対 64)。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。
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GLM 5.2です。Artificial Analysisの測定では、最初の回答トークンまで26.8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。
GLM 5.2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41件のベンチマークのうち、GLM 5.2のリードが8件、Qwen3.8 Maxのリードが33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。
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。