BenchLeader

GLM 5.3 Flash vs Qwen3.8 Max

詳しいプロフィール:GLM 5.3 Flash(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 5.3 FlashとQwen3.8 Maxの品質は互角です(BenchLeader Indexで57.8 対 58.7、±5.8の誤差範囲内)。価格はGLM 5.3 Flashの方が13倍安く、100万トークンあたりのブレンド価格で$0.238 対 $3.00です。数学(69 対 65)を重視するならGLM 5.3 Flash、知識(58 対 45)、コーディング(62 対 57)、推論(52 対 48)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GLM 5.3 Flashが57.8、Qwen3.8 Maxが58.7です(BenchLeader、2026年11月16日)。
  • GLM 5.3 Flashの100万トークンあたりのブレンド価格は$0.238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59件のベンチマークのうち、Qwen3.8 Maxが54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 5.3 Flashが1609、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 57;Arena WebDev 1676 対 1609中
エージェント・ツール利用どちらでもカテゴリスコア59 対 59;τ³-Banking (AA) 47.2% 対 51.3%どちらでも
数学GLM 5.3 Flashカテゴリスコア69 対 65;Arena Maths 1505 対 1505中
推論Qwen3.8 Maxカテゴリスコア52 対 48;HLE-Diamond (AA) 24.0% 対 18.2%中
知識Qwen3.8 Maxカテゴリスコア58 対 45;AA-Omniscience v1.1 10.5 対 0.7高
長い文書どちらでもカテゴリスコア65 対 65;AA-LCR v1.1 80.0% 対 80.3%どちらでも
画像などのメディアQwen3.8 Maxカテゴリスコア66 対 64;Arena Vision 1312 対 1295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 5.3 Flash100万トークンあたりブレンド価格$0.238 対 $3.00;エージェント型コーディングセッション$0.011 対 $0.144–
回答開始の速さGLM 5.3 Flash最初の回答トークンまで87.0秒(GLM 5.3 Flash)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 5.3 FlashとQwen3.8 Max (max)の品質は互角です(57.8 対 58.7、±5.8の誤差範囲内)。
  • GLM 5.3 Flashはエージェント・ツール、数学で優れています。
  • 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、マルチモーダル、推論で優れています。
  • GLM 5.3 Flashの方が13倍安くなっています(100万トークンあたりブレンド価格$0.238 対 $3.00)。

概要

仕様GLM 5.3 FlashQwen3.8 Max
プロバイダーZhipu AIAlibaba
リリース日2026年8月20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 5.3 FlashQwen3.8 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)$0.150 / $0.500 / $0.030$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 5.3 FlashQwen3.8 Max (max)トップ
推論48.351.5Qwen3.8 Max
コーディング56.961.6Qwen3.8 Max
エージェント・ツール58.758.5互角
数学68.865.2GLM 5.3 Flash
知識45.158.0Qwen3.8 Max
人間の評価66.467.5Qwen3.8 Max
マルチモーダル64.065.7Qwen3.8 Max
長文コンテキスト64.664.8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推論コーディングエージェント・ツール数学知識長文コンテキストマルチモーダル人間の評価GLM 5.3 Flash, 推論: 48.3GLM 5.3 Flash, コーディング: 56.9GLM 5.3 Flash, エージェント・ツール: 58.7GLM 5.3 Flash, 数学: 68.8GLM 5.3 Flash, 知識: 45.1GLM 5.3 Flash, 長文コンテキスト: 64.6GLM 5.3 Flash, マルチモーダル: 64.0GLM 5.3 Flash, 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, 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。

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59件のベンチマークのうち、GLM 5.3 Flashのリードが5件、Qwen3.8 Maxのリードが54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 5.3 FlashQwen3.8 Max (max)トップ
BenchLeader Index57.858.7互角
AA Intelligence Index v5.0.127.833.6Qwen3.8 Max
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 5.3 FlashQwen3.8 Max (max)
100万トークンあたりのブレンド価格$0.238$3.00
100万トークンあたりの入力/出力$0.150 / $0.500$2.00 / $6.00
100万トークンあたりのキャッシュ入力$0.030$0.250
タスクあたりの価格:チャットの返答$0.0002$0.0026
タスクあたりの価格:30ページのレポートを要約$0.0021$0.028
タスクあたりの価格:コード編集$0.0017$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$0.011$0.144
タスクあたりの価格:構造化データの抽出$0.0004$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)$0.0056$0.065
ベンチマークのタスクあたりのコスト(AA Index)$0.583$10.02
タスクあたりの出力トークン(AA Index)134k171k
うち推論103k120k
タスクあたりの時間(AA Index)41 min48 min
出力速度54 tok/s59 tok/s
回答開始までの時間87.0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)220.4秒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、GLM 5.3 Flashで$0.583、Qwen3.8 Max (max)で$10.02でした。同じ作業でQwen3.8 Max (max)は1.3倍の出力トークンを書いています。

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。GLM 5.3 Flashのスコアは57.8、最初の回答トークンまで87秒。GLM 5.3 Flash (max)は52.4(87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

158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 5.3 FlashQwen3.8 Max (max)
BenchLeader IndexBenchLeader57.858.7
エージェント・ツールスコアBenchLeader58.758.5
コーディングスコアBenchLeader56.961.6
人間の評価スコアBenchLeader66.467.5
知識スコアBenchLeader45.158.0
長文コンテキストスコアBenchLeader64.664.8
数学スコアBenchLeader68.865.2
マルチモーダルスコアBenchLeader64.065.7
推論スコアBenchLeader48.351.5
総合スコアBenchLeader–45.0
ブレンド価格($/100万トークン)BenchLeader$0.238$3.00
出力速度BenchLeader54 tok/s59 tok/s
回答開始までの時間BenchLeader87.0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 Hub90.2%†92.7%†
Arena Hard PromptsArena (LMArena)15001507
LiveBench 2.0 ReasoningLiveBench77.6%†88.2%
LiveBench 1.0 ReasoningLiveBench77.6%88.2%
GPQA Diamond (AA)Artificial Analysis91.2%92.8%
Humanity's Last Exam (AA)Artificial Analysis39.9%43.1%
HLE-Diamond (AA)Artificial Analysis18.2%24.0%
GPQA Diamond (Vals)Vals AI86.4%†93.7%
ARC-AGI-1ARC Prize91.0%†–
ARC-AGI-2ARC Prize65.8%†–
CritPtArtificial Analysis15.4%20.0%
CritPt v2 hard subset (AA)Artificial Analysis24.5%29.5%
MysteryMechanismVals AI–23.9%
Arena ExpertArena (LMArena)15111514
Chess PuzzlesEpoch AI Benchmarking Hub21.0%†46.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub8.0%†38.0%†
LMCAEpoch AI Benchmarking Hub–46.2%†
DTBenchEpoch AI Benchmarking Hub–92.0%†
BTF-3Epoch AI Benchmarking Hub14.9%–
コーディング
SciCodeSciCode51.6%53.2%
FrontierCodeCognition31.8%†–
Arena CodingArena (LMArena)15261523
Arena WebDevArena (LMArena)16091676
LiveBench 2.0 CodingLiveBench70.9%†60.9%
LiveBench 1.0 CodingLiveBench79.0%72.9%
158件のベンチマークをすべて表示
指標公開元GLM 5.3 FlashQwen3.8 Max (max)
コーディング
LiveCodeBenchVals AI80.5%†87.8%
IOIVals AI52.5%†68.9%
SWE-bench (Vals)Vals AI92.0%†85.6%
Code MigrationVals AI20.5%†24.0%
Code Migration v1.1Vals AI51.6%†–
ProgramBenchVals AI0.0%†0.0%
SWE-bench MultimodalVals AI–42.5%
Vibe Code Bench 1-100Vals AI16.0%†12.8%
Vibe Code Bench v1.1Vals AI30.8%†64.7%
SWE Atlas v1.1Scale AI SEAL55.3%64.4%
SWE Atlas v1.1: Codebase QnAScale AI SEAL66.9%81.5%
SWE Atlas v1.1: Test WritingScale AI SEAL53.3%58.9%
SWE Atlas v1.1: RefactoringScale AI SEAL45.7%52.9%
MirrorCodeEpoch AI Benchmarking Hub–52.2%†
Surface Evolver BenchEpoch AI Benchmarking Hub52.5%†–
DeepSWE v1.1Epoch AI Benchmarking Hub63.4%†57.5%†
CursorBenchCursor36.8%†–
ALE-BenchEpoch AI Benchmarking Hub303.6†1679.1†
FrontierSWEEpoch AI Benchmarking Hub18.1%†17.8%†
Terminal-Bench 4.0 (AA)Artificial Analysis32.8%38.9%
Terminal-Bench 2.1 (AA)Artificial Analysis84.3%88.8%
Startrise FrontendStartrise–71.3%
GameBench 2 OverallDuelLab GameBench 254.954.2†
GameBench 2 by reasoning settingDuelLab GameBench 257.2†69.6†
Design Arena WebsiteDesign Arena12571269
FrontierCode 1.1 (AA)Artificial Analysis41.0%43.2%
FrontierCode 2.0 (AA)Artificial Analysis17.6%23.4%
エージェント・ツール
Terminal-BenchTerminal-Bench37.0%†27.0%
APEX-AgentsMercor52.8%63.3%
Arena AgentArena (LMArena)-2.90.1
LiveBench Long AgenticLiveBench20.7%†26.6%
LiveBench BrowserLiveBench59.8%†49.4%
LiveBench Agentic CodingLiveBench56.8%64.7%
Terminal-Bench 2.1 (Vals)Vals AI62.9%†67.4%
τ³-bench Bankingτ²-bench–55.1%†
GDPval-AA v2.1, normalised scoreArtificial Analysis57.1%58.3%
GDPval-AA v2.1Artificial Analysis16481674
τ³-Banking (AA)Artificial Analysis47.2%51.3%
ITBench SRE (AA)Artificial Analysis51.2%40.3%
Analyst Agent (AA)Artificial Analysis25.0%45.0%
APEX-Agents (AA)Artificial Analysis–42.4%
CyberBenchVals AI67.9%†28.6%
Finance Agent v2Vals AI57.9%†50.6%
Finance Agent v2.1Vals AI60.6%†–
Harvey's Legal Agent Benchmark v1.1Vals AI10.4%†–
Harvey's Legal Agent Benchmark v1Vals AI6.7%†10.4%
Legal Research BenchVals AI45.2%†47.6%
SkillsBenchVals AI40.2%†42.0%
SREBenchVals AI0.8%†–
Tax Agent BenchVals AI31.6%†32.1%
Terminal-Bench 4.0 (Vals)Vals AI37.4%†34.3%
Terminal-Bench ScienceVals AI2.9%†12.9%
Arena SearchArena (LMArena)–1227
Arena Agent Task CompletionArena (LMArena)1.34.5
PostTrainBenchEpoch AI Benchmarking Hub36.8%†–
AutomationBenchArtificial Analysis60.4%56.2%
GDP.pdf (AA)Artificial Analysis15.4%22.8%
Harvey LAB-AA v1.1Harvey0.8%–
EnterpriseOps-GymArtificial Analysis33.2%47.6%
AA-Briefcase v1.1Artificial Analysis14501604
GDPxGDPx by SemiAnalysis–3.5%
Design Arena AgenticDesign Arena–1264
Terminal-Bench-Science 0.1 (AA)Artificial Analysis4.8%11.9%
CWE-Bench (AA)Artificial Analysis55.8%–
DeepSec-Bench (AA)Artificial Analysis19.9%–
CyberGym end-to-end (AA)Artificial Analysis74.0%–
MKA (AA)Artificial Analysis36.2%37.4%
FACTS SearchGoogle–85.0%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub55.8%†74.7%†
FrontierMath Tier 4Epoch AI Benchmarking Hub17.1%†46.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub93.9%†100.0%†
ProofBenchVals AI21.0%†58.0%
LiveBench MathematicsLiveBench81.2%91.3%
Arena MathsArena (LMArena)15051505
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub–47.3%†
LiveBench 2.0 Data AnalysisLiveBench76.4%†78.4%
LiveBench ResearchLiveBench73.9%†72.8%
LiveBench 1.0 Data AnalysisLiveBench76.4%78.4%
AA-Omniscience v1.1Artificial Analysis0.710.5
MMLU-ProVals AI86.1%†88.6%
LegalBenchVals AI83.9%†83.6%
CorpFinVals AI–65.8%
TaxEvalVals AI75.6%†75.5%
Excel Modeling BenchmarkVals AI55.9%†60.1%
Excel Modeling Benchmark v1.1Vals AI66.3%†66.0%
MedCodeVals AI–40.7%
MedScribeVals AI88.9%†85.0%
Public Benefits Bench v1.1Vals AI–67.1%
Access to Justice BenchmarkVals AI71.1%†76.4%
Financial Coaching BenchVals AI–75.6%
Immigration BenchVals AI–70.1%
GDP.pdfEpoch AI Benchmarking Hub14.0%†23.2%†
AA-Omniscience v1.1: accuracyArtificial Analysis28.2%29.5%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis61.6%72.9%
FACTS ParametricGoogle–30.8%
指示追従
LiveBench LanguageLiveBench77.3%79.7%
LiveBench Instruction FollowingLiveBench52.8%74.1%
Arena Instruction FollowingArena (LMArena)14741478
人間の評価
Arena TextArena (LMArena)14751484
Arena Creative WritingArena (LMArena)14351472
Arena Multi-turnArena (LMArena)14761495
Arena Longer QueriesArena (LMArena)14801496
マルチモーダル
Arena VisionArena (LMArena)12951312
LiveBench DesignLiveBench73.7%†76.6%
MMMU-ProArtificial Analysis–82.8%
MMMU-Pro (Vals)Vals AI86.0%†88.0%
MortgageTaxVals AI–64.0%
SAGEVals AI89.3%†81.8%
Humanity's Sixth SenseScale AI SEAL26.8%†33.0%
Furniture AssemblyEpoch AI Benchmarking Hub–20.0%†
VIALS-AAHandshake AI39.8%31.7%
Code2Video-AAArtificial Analysis9751021
AA-3DArtificial Analysis937954
FACTS MultimodalGoogle–51.5%
長文コンテキスト
AA-LCR v1.1Artificial Analysis80.0%80.3%
MLCRArtificial Analysis11.7%26.1%
FACTS GroundingGoogle56.1%73.8%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub153.8157.6
LiveBench 2.0LiveBench60.7%†60.9%
LiveBench 1.0LiveBench71.6%78.5%
AA Intelligence Index v5.0.1Artificial Analysis27.833.6
AA Intelligence Index v4.3.2Artificial Analysis41.845.4
AA Progress Index v1Artificial Analysis318.6323.7
Vals IndexVals AI50.9†–
Vals Finance IndexVals AI55.8%†–
Vals RSI IndexVals AI–21.8%
Vals Multimodal IndexVals AI–65.4%
Vals Router IndexVals AI50.9%–
Vals Legal IndexVals AI71.0%†–
AA Cyber IndexArtificial Analysis49.9–
安全性・誠実さ
FORTRESSScale AI SEAL26.7%–
DistressBenchScale AI SEAL72.7%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

  • GLM 5.3 Flash:BenchLeader Index 56.7 → 57.8。
  • Qwen3.8 Max (max):スコアの改訂1件。
  • Qwen3.8 Max (max):スコアの改訂1件。
  • GLM 5.3 Flash:スコアの改訂1件。
  • GLM 5.3 Flash:スコアの改訂5件。
  • Qwen3.8 Max (max):スコアの改訂6件。
  • Qwen3.8 Max (max):スコアの改訂1件。
  • GLM 5.3 Flash:新しい結果1件(FORTRESS)。
  • Qwen3.8 Max (max):新しい結果1件(FACTS Search)、スコアの改訂1件。
  • GLM 5.3 Flash:スコアの改訂2件、価格 $0.034/M → $0.030/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

GLM 5.3 Flash vs Qwen3.8 Max:よくある質問

GLM 5.3 FlashはQwen3.8 Maxより優れていますか?
GLM 5.3 FlashとQwen3.8 Max (max)の品質は互角です(57.8 対 58.7、±5.8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。
GLM 5.3 Flash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 5.3 Flashの方が安く、100万トークンあたり$0.238 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 5.3 Flash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 57。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、GLM 5.3 Flashが1609、Qwen3.8 Maxが1676です。
GLM 5.3 Flash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59 対 54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 5.3 Flash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互角です(カテゴリ指標で59 対 59)。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 5.3 Flashが47.2%、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互角です(65 対 65)。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 5.3 Flashです。Artificial Analysisの測定では、最初の回答トークンまで87.0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 5.3 Flash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59件のベンチマークのうち、GLM 5.3 Flashのリードが5件、Qwen3.8 Maxのリードが54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。
GLM 5.3 Flashはいつリリースされましたか?
GLM 5.3 Flashは2026年8月20日にリリースされました。