BenchLeader

GPT-5.2 vs Qwen3.8 Max

詳しいプロフィール:GPT-5.2(OpenAI)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、GPT-5.2とQwen3.8 Maxの品質は互角です(BenchLeader Indexで59.9 対 58.7、±5.2の誤差範囲内)。価格はQwen3.8 Maxの方が1.6倍安く、100万トークンあたりのブレンド価格で$3.00 対 $4.81です。推論(60 対 52)、コーディング(63 対 62)、長文コンテキスト(66 対 65)を重視するならGPT-5.2、数学(65 対 57)、エージェント・ツール(59 対 54)、知識(58 対 56)を重視するならQwen3.8 Maxが向いています。GPT-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GPT-5.2が59.9、Qwen3.8 Maxが58.7です(BenchLeader、2026年11月16日)。
  • GPT-5.2の100万トークンあたりのブレンド価格は$4.81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)。
  • GPT-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20件のベンチマークのうち、Qwen3.8 Maxが15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
コーディングGPT-5.2カテゴリスコア63 対 62;LiveCodeBench 85.4% 対 87.8%中
エージェント・ツール利用Qwen3.8 Maxカテゴリスコア59 対 54中
数学Qwen3.8 Maxカテゴリスコア65 対 57;ProofBench 58.0% 対 15.0%高
推論GPT-5.2カテゴリスコア60 対 52;GPQA Diamond (AA) 90.3% 対 92.8%高
知識Qwen3.8 Maxカテゴリスコア58 対 56;MMLU-Pro 88.6% 対 86.2%中
長い文書GPT-5.2カテゴリスコア66 対 65;AA-LCR v1.1 82.7% 対 80.3%中
チャットの質(人間の評価)–Arenaの評価があるのはQwen3.8 Maxのみです(カテゴリスコア68)比較不可
最低コストQwen3.8 Max100万トークンあたりブレンド価格$3.00 対 $4.81;エージェント型コーディングセッション$0.144 対 $0.161–
回答開始の速さどちらでも最初の回答トークンまで112.5秒(GPT-5.2 (xhigh))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

  • GPT-5.2 (xhigh)とQwen3.8 Max (max)の品質は互角です(59.9 対 58.7、±5.2の誤差範囲内)。
  • GPT-5.2 (xhigh)はコーディング、長文コンテキスト、推論で優れています。
  • Qwen3.8 Max (max)はエージェント・ツール、知識、数学で優れています。
  • Qwen3.8 Max (max)の方が1.6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 $4.81)。

概要

仕様GPT-5.2Qwen3.8 Max
プロバイダーOpenAIAlibaba
リリース日2025年12月11日2026年8月3日
コンテキストウィンドウ(トークン)400,0001,000,000
比較した構成GPT-5.2 (xhigh)Qwen3.8 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)$1.75 / $14.00 / $0.175$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GPT-5.2 (xhigh)Qwen3.8 Max (max)トップ
推論60.451.5GPT-5.2
コーディング63.061.6GPT-5.2
エージェント・ツール53.858.5Qwen3.8 Max
数学56.565.2Qwen3.8 Max
知識56.158.0Qwen3.8 Max
指示追従73.7–比較不可
人間の評価–67.5比較不可
マルチモーダル–65.7比較不可
長文コンテキスト66.064.8GPT-5.2
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GPT-5.2, 推論: 60.4GPT-5.2, コーディング: 63.0GPT-5.2, エージェント・ツール: 53.8GPT-5.2, 数学: 56.5GPT-5.2, 知識: 56.1GPT-5.2, 長文コンテキスト: 66.0Qwen3.8 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: 64.8

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, 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20件のベンチマークのうち、GPT-5.2のリードが5件、Qwen3.8 Maxのリードが15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IndexGPT-5.2 (xhigh)Qwen3.8 Max (max)トップ
BenchLeader Index59.958.7互角
Arena Text1437†1484Qwen3.8 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GPT-5.2 (xhigh)Qwen3.8 Max (max)
100万トークンあたりのブレンド価格$4.81$3.00
100万トークンあたりの入力/出力$1.75 / $14.00$2.00 / $6.00
100万トークンあたりのキャッシュ入力$0.175$0.250
タスクあたりの価格:チャットの返答$0.0049$0.0026
タスクあたりの価格:30ページのレポートを要約$0.029$0.028
タスクあたりの価格:コード編集$0.032$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$0.161$0.144
タスクあたりの価格:構造化データの抽出$0.0063$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)$0.090$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76 tok/s59 tok/s
回答開始までの時間112.5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)154.4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。GPT-5.2 (xhigh)のスコアは59.9、最初の回答トークンまで112秒。GPT-5.2は56.7(2秒)、GPT-5.2 (medium)は56.2(7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

188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GPT-5.2 (xhigh)Qwen3.8 Max (max)
BenchLeader IndexBenchLeader59.958.7
エージェント・ツールスコアBenchLeader53.858.5
コーディングスコアBenchLeader63.061.6
指示追従スコアBenchLeader73.7–
知識スコアBenchLeader56.158.0
長文コンテキストスコアBenchLeader66.064.8
数学スコアBenchLeader56.565.2
推論スコアBenchLeader60.451.5
総合スコアBenchLeader–45.0
人間の評価スコアBenchLeader–67.5
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$4.81$3.00
出力速度BenchLeader76 tok/s59 tok/s
回答開始までの時間BenchLeader112.5秒119.6秒
コンテキストウィンドウBenchLeader400,000トークン1,000,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub91.4%92.7%†
Humanity's Last ExamScale AI / CAIS27.8%†–
SimpleBenchSimpleBench45.8%†–
Arena Hard PromptsArena (LMArena)1497†1507
LiveBench 2.0 ReasoningLiveBench–88.2%
LiveBench 1.0 ReasoningLiveBench83.2%†88.2%
GPQA Diamond (AA)Artificial Analysis90.3%92.8%
Humanity's Last Exam (AA)Artificial Analysis37.7%43.1%
HLE-Diamond (AA)Artificial Analysis–24.0%
GPQA Diamond (Vals)Vals AI91.7%93.7%
Kagi LLM BenchmarkKagi LLM Benchmark73.3%†–
ARC-AGI-1ARC Prize86.2%–
ARC-AGI-2ARC Prize52.9%–
CritPtArtificial Analysis11.6%20.0%
CritPt v2 hard subset (AA)Artificial Analysis–29.5%
MysteryMechanismVals AI–23.9%
SciPredictScale AI SEAL20.6%†–
Arena ExpertArena (LMArena)1491†1514
Chess PuzzlesEpoch AI Benchmarking Hub48.0%46.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub22.0%†38.0%†
CL-benchEpoch AI Benchmarking Hub18.2%†–
LMCAEpoch AI Benchmarking Hub43.9%46.2%†
DTBenchEpoch AI Benchmarking Hub90.9%92.0%†
ForecastBenchForecastBench63.8%†–
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub73.8%†–
188件のベンチマークをすべて表示
指標公開元GPT-5.2 (xhigh)Qwen3.8 Max (max)
コーディング
SciCodeSciCode–53.2%
WeirdMLWeirdML72.2%–
GSO-BenchGSO-Bench27.4%†–
Arena CodingArena (LMArena)1515†1523
Arena WebDevArena (LMArena)1421†1676
LiveBench 2.0 CodingLiveBench–60.9%
LiveBench 1.0 CodingLiveBench76.1%†72.9%
LiveCodeBenchVals AI85.4%87.8%
IOIVals AI–68.9%
SWE-bench (Vals)Vals AI75.8%85.6%
SWE-Bench ProScale AI SEAL29.9%†–
SWE-bench Verified (bash only)SWE-bench69.0%†–
SWE-bench Multilingual (bash only)SWE-bench66.7%†–
SWE-bench Verified (any scaffold)SWE-bench72.8%†–
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 AI53.5%64.7%
SWE-Bench Pro (private)Scale AI SEAL23.8%†–
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 Hub32.2%52.2%†
DeepSWE v1.1Epoch AI Benchmarking Hub–57.5%†
ALE-BenchEpoch AI Benchmarking Hub1249.8†1679.1†
AlgoTuneAlgoTune2.0†–
FrontierSWEEpoch AI Benchmarking Hub–17.8%†
WeirdML v3WeirdML5.0%–
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 Arena11861269
FrontierCode 1.1 (AA)Artificial Analysis–43.2%
FrontierCode 2.0 (AA)Artificial Analysis–23.4%
LiveCodeBench (AA)Artificial Analysis88.9%–
エージェント・ツール
Terminal-BenchTerminal-Bench64.9%†27.0%
GDPvalOpenAI49.7%†–
Remote Labor IndexScale AI / CAIS2.1%†–
APEX-AgentsMercor–63.3%
Arena AgentArena (LMArena)–0.1
LiveBench Long AgenticLiveBench–26.6%
LiveBench BrowserLiveBench–49.4%
LiveBench Agentic CodingLiveBench50.3%†64.7%
Terminal-Bench HardArtificial Analysis47.0%–
τ²-Bench Telecom (AA)Artificial Analysis84.8%–
Terminal-Bench 2.1 (Vals)Vals AI–67.4%
MCP AtlasScale AI SEAL67.6%–
BFCL OverallBerkeley Function Calling Leaderboard55.9%†–
τ²-benchτ²-bench84.8%†–
τ³-bench Bankingτ²-bench32.2%†55.1%†
GDPval-AA v2.1, normalised scoreArtificial Analysis–58.3%
GDPval-AA v2.1Artificial Analysis–1674
τ³-Banking (AA)Artificial Analysis11.1%†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 AI1131.8%†–
SkillsBenchVals AI–42.0%
Tax Agent BenchVals AI–32.1%
Terminal-Bench 2.0 (Vals)Vals AI51.7%†–
Terminal-Bench 4.0 (Vals)Vals AI–34.3%
Terminal-Bench ScienceVals AI–12.9%
Arena SearchArena (LMArena)1161†1227
Arena Agent Task CompletionArena (LMArena)–4.5
DeepResearch BenchDeepResearch Bench41.1%†–
METR Time HorizonsMETR75.3%†–
Vending-Bench 2Andon Labs3591.3†–
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 Arena1065†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 Hub67.4%74.7%†
FrontierMath Tier 4Epoch AI Benchmarking Hub31.7%46.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub96.1%100.0%†
ProofBenchVals AI15.0%58.0%
LiveBench MathematicsLiveBench93.2%†91.3%
AIME (Vals)Vals AI96.9%–
MGSMVals AI94.0%–
AIME 2026MathArena98.3%†–
HMMT February 2026MathArena97.0%†–
MathArena ApexMathArena13.5%†–
Arena MathsArena (LMArena)1453†1505
AIME 2025 (AA)Artificial Analysis99.0%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub37.1%47.3%†
LiveBench 2.0 Data AnalysisLiveBench–78.4%
LiveBench ResearchLiveBench–72.8%
LiveBench 1.0 Data AnalysisLiveBench78.2%†78.4%
AA-Omniscience v1.1Artificial Analysis–10.5
MMLU-ProVals AI86.2%88.6%
LegalBenchVals AI82.8%83.6%
CorpFinVals AI65.9%65.8%
TaxEvalVals AI75.8%75.5%
MedQAVals AI94.1%–
MultiNRCScale AI SEAL42.2%†–
CaseLaw v2Vals AI66.0%–
Excel Modeling BenchmarkVals AI–60.1%
Excel Modeling Benchmark v1.1Vals AI–66.0%
MedCodeVals AI49.8%40.7%
MedScribeVals AI84.4%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 SEAL29.3%–
EBR-benchEpoch AI Benchmarking Hub23.0%–
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 Analysis89.8%†–
FACTS ParametricGoogle–30.8%
指示追従
LiveBench LanguageLiveBench79.8%†79.7%
LiveBench Instruction FollowingLiveBench61.8%†74.1%
IFBenchArtificial Analysis75.4%–
TutorBenchScale AI SEAL53.5%†–
Arena Instruction FollowingArena (LMArena)1457†1478
人間の評価
Arena TextArena (LMArena)1476†1484
EQ-Bench Creative Writing v3EQ-Bench1703†–
Arena Creative WritingArena (LMArena)1432†1472
Arena Multi-turnArena (LMArena)1495†1495
Arena Longer QueriesArena (LMArena)1472†1496
マルチモーダル
Arena VisionArena (LMArena)1268†1312
LiveBench DesignLiveBench–76.6%
MMMU-ProArtificial Analysis74.6%†82.8%
VISTAScale AI SEAL46.6%†–
MMMU-Pro (Vals)Vals AI86.7%88.0%
MortgageTaxVals AI67.1%64.0%
SAGEVals AI–81.8%
Humanity's Sixth SenseScale AI SEAL–33.0%
VPCTEpoch AI Benchmarking Hub84.0%–
Furniture AssemblyEpoch AI Benchmarking Hub38.3%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 Analysis82.7%80.3%
Arena DocumentArena (LMArena)1425†–
MLCRArtificial Analysis–26.1%
FACTS GroundingGoogle–73.8%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub154.5†157.6
LiveBench 2.0LiveBench–60.9%
LiveBench 1.0LiveBench74.6%†78.5%
AA Intelligence Index v5.0.1Artificial Analysis–33.6
AA Intelligence Index v4.3.2Artificial Analysis30.445.4
AA Progress Index v1Artificial Analysis295.5323.7
Vals RSI IndexVals AI15.8%21.8%
Vals Multimodal IndexVals AI–65.4%
安全性・誠実さ
FORTRESSScale AI SEAL17.5%†–
MASKScale AI SEAL86.7%†–
PropensityBenchScale AI SEAL34.4%†–
DistressBenchScale AI SEAL–77.6%

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

  • Qwen3.8 Max (max):スコアの改訂1件。
  • GPT-5.2 (xhigh):新しい結果1件(AIME 2025 (AA))。
  • Qwen3.8 Max (max):スコアの改訂1件。
  • GPT-5.2 (xhigh):新しい結果1件(MirrorCode)。
  • Qwen3.8 Max (max):スコアの改訂6件。
  • 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

GPT-5.2 vs Qwen3.8 Max:よくある質問

GPT-5.2はQwen3.8 Maxより優れていますか?
GPT-5.2 (xhigh)とQwen3.8 Max (max)の品質は互角です(59.9 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。
GPT-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Qwen3.8 Maxの方が安く、100万トークンあたり$3.00 対 $4.81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GPT-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GPT-5.2の方がスコアが高くなっています(カテゴリ指標で63 対 62。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LiveCodeBenchでは、GPT-5.2が85.4%、Qwen3.8 Maxが87.8%です。
GPT-5.2とQwen3.8 Maxはどちらが速いですか?
GPT-5.2の方が出力が速くなっています(出力76 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GPT-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59 対 54。50が平均)。
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GPT-5.2の方がスコアが高くなっています(66 対 65)。コンテキストはQwen3.8 Maxの方が長く、1,000,000トークンです(GPT-5.2は400,000トークン)。
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GPT-5.2です。Artificial Analysisの測定では、最初の回答トークンまで112.5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。
GPT-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20件のベンチマークのうち、GPT-5.2のリードが5件、Qwen3.8 Maxのリードが15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。