GPT-5.3-Codex vs Qwen3.6 Max
詳しいプロフィール:GPT-5.3-Codex(OpenAI)とQwen3.6 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 · 6件の情報源のデータ
2026年11月16日時点で、GPT-5.3-CodexとQwen3.6 Maxの品質は互角です(BenchLeader Indexで62.9 対 62.1、±7.6の誤差範囲内)。価格はQwen3.6 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$2.92 対 $4.81です。エージェント・ツール(80 対 72)、コーディング(61 対 56)、長文コンテキスト(66 対 65)を重視するならGPT-5.3-Codex、指示追従(75 対 74)を重視するならQwen3.6 Maxが向いています。
要点(2026年11月16日時点)
- BenchLeader IndexはGPT-5.3-Codexが62.9、Qwen3.6 Maxが62.1です(BenchLeader、2026年11月16日)。
- GPT-5.3-Codex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)。
- Qwen3.6 Maxの100万トークンあたりのブレンド価格は$2.92です(定価、2026年11月16日)。
- 両モデルに結果がある9件のベンチマークのうち、GPT-5.3-Codexが7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-5.3-Codex | カテゴリスコア61 対 56;SWE-bench (Vals) 78.0% 対 72.8% | 中 |
| エージェント・ツール利用 | GPT-5.3-Codex | カテゴリスコア80 対 72;Terminal-Bench Hard 53.0% 対 43.9% | 高 |
| 長い文書 | GPT-5.3-Codex | カテゴリスコア66 対 65;AA-LCR v1.1 83.3% 対 80.7% | 中 |
| 指示への追従 | Qwen3.6 Max | カテゴリスコア75 対 74;IFBench 76.6% 対 75.4% | 中 |
| チャットの質(人間の評価) | – | Arenaの評価があるのはQwen3.6 Maxのみです(カテゴリスコア65) | 比較不可 |
| 最低コスト | Qwen3.6 Max | 100万トークンあたりブレンド価格$2.92 対 $4.81;エージェント型コーディングセッション$0.109 対 $0.161 | – |
| 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-5.3-Codex (xhigh)とQwen3.6 Max (max)の品質は互角です(62.9 対 62.1、±7.6の誤差範囲内)。
- GPT-5.3-Codex (xhigh)はエージェント・ツール、コーディング、長文コンテキストで優れています。
- Qwen3.6 Max (max)は指示追従で優れています。
- Qwen3.6 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$2.92 対 $4.81)。
概要
| 仕様 | GPT-5.3-Codex | Qwen3.6 Max |
|---|---|---|
| プロバイダー | OpenAI | Alibaba |
| リリース日 | 2026年2月5日 | 2026年4月20日 |
| コンテキストウィンドウ(トークン) | 400,000 | 262,144 |
| 比較した構成 | GPT-5.3-Codex (xhigh) | Qwen3.6 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 | $1.30 / $7.80 / $0.130 |
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-5.3-Codex (xhigh) | Qwen3.6 Max (max) | トップ |
|---|---|---|---|
| 推論 | – | 60.8 | 比較不可 |
| コーディング | 61.0 | 55.9 | GPT-5.3-Codex |
| エージェント・ツール | 80.1 | 72.1 | GPT-5.3-Codex |
| 数学 | – | 64.4 | 比較不可 |
| 知識 | – | 59.7 | 比較不可 |
| 指示追従 | 73.6 | 74.7 | Qwen3.6 Max |
| 人間の評価 | – | 64.5 | 比較不可 |
| マルチモーダル | 60.8 | – | 比較不可 |
| 長文コンテキスト | 66.4 | 65.0 | GPT-5.3-Codex |
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。
描画していないもの(測定済みのモデルが2つ未満):推論, 数学, 知識, マルチモーダル, 人間の評価。
情報源で評価が分かれる点
両方に結果がある9件のベンチマークのうち、GPT-5.3-Codexのリードが7件、Qwen3.6 Maxのリードが2件です。
| 総合Index | GPT-5.3-Codex (xhigh) | Qwen3.6 Max (max) | トップ |
|---|---|---|---|
| BenchLeader Index | 62.9 | 62.1 | 互角 |
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-5.3-Codex (xhigh) | Qwen3.6 Max (max) |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $4.81 | $2.92 |
| 100万トークンあたりの入力/出力 | $1.75 / $14.00 | $1.30 / $7.80 |
| 100万トークンあたりのキャッシュ入力 | $0.175 | $0.130 |
| タスクあたりの価格:チャットの返答 | $0.0049 | $0.0029 |
| タスクあたりの価格:30ページのレポートを要約 | $0.029 | $0.020 |
| タスクあたりの価格:コード編集 | $0.032 | $0.019 |
| 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 | $0.109 |
| タスクあたりの価格:構造化データの抽出 | $0.0063 | $0.0042 |
| 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 | $0.057 |
| 出力速度 | 94 tok/s | – |
| 回答開始までの時間 | 38.2秒 | – |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 97.1秒 | – |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。GPT-5.3-Codex (xhigh)のスコアは62.9、最初の回答トークンまで38秒。Qwen3.6 Max (max)のスコアは62.1。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
45件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | GPT-5.3-Codex (xhigh) | Qwen3.6 Max (max) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 62.9 | 62.1 |
| エージェント・ツールスコア | BenchLeader | 80.1 | 72.1 |
| コーディングスコア | BenchLeader | 61.0 | 55.9 |
| 指示追従スコア | BenchLeader | 73.6 | 74.7 |
| 長文コンテキストスコア | BenchLeader | 66.4 | 65.0 |
| マルチモーダルスコア | BenchLeader | 60.8 | – |
| 人間の評価スコア | BenchLeader | – | 64.5 |
| 知識スコア | BenchLeader | – | 59.7 |
| 数学スコア | BenchLeader | – | 64.4 |
| 推論スコア | BenchLeader | – | 60.8 |
| ブレンド価格($/100万トークン) | BenchLeader | $4.81 | $2.92 |
| 出力速度 | BenchLeader | 94 tok/s | – |
| 回答開始までの時間 | BenchLeader | 38.2秒 | – |
| コンテキストウィンドウ | BenchLeader | 400,000トークン | 262,144トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | – | 87.4% |
| SimpleBench | SimpleBench | – | 63.0% |
| Arena Hard Prompts | Arena (LMArena) | – | 1481 |
| GPQA Diamond (AA) | Artificial Analysis | 91.5% | 88.8% |
| Humanity's Last Exam (AA) | Artificial Analysis | 42.5% | 30.8% |
| CritPt | Artificial Analysis | 16.9% | 3.7% |
| Arena Expert | Arena (LMArena) | – | 1497 |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | – | 19.0%† |
| LMCA | Epoch AI Benchmarking Hub | – | 42.5% |
| DTBench | Epoch AI Benchmarking Hub | – | 87.2% |
| コーディング | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | 74.8%† | 76.7% |
| WeirdML | WeirdML | 77.9% | – |
| Arena Coding | Arena (LMArena) | – | 1510 |
| Arena WebDev | Arena (LMArena) | 1406† | 1482 |
| LiveCodeBench | Vals AI | 87.3% | – |
| IOI | Vals AI | 53.8% | – |
| SWE-bench (Vals) | Vals AI | 78.0% | 72.8% |
| Vibe Code Bench v1.1 | Vals AI | 61.8% | – |
| ALE-Bench | Epoch AI Benchmarking Hub | 1655.2 | – |
| Design Arena Website | Design Arena | 1155† | – |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 78.4%† | – |
| Terminal-Bench Hard | Artificial Analysis | 53.0% | 43.9% |
| τ²-Bench Telecom (AA) | Artificial Analysis | 86.0% | 95.9% |
| HiL-Bench | Scale AI SEAL | 4.3%† | – |
| Terminal-Bench 2.0 (Vals) | Vals AI | 64.0%† | 51.7% |
45件のベンチマークをすべて表示
| 指標 | 公開元 | GPT-5.3-Codex (xhigh) | Qwen3.6 Max (max) |
|---|---|---|---|
| エージェント・ツール | |||
| METR Time Horizons | METR | 74.5%† | – |
| Vending-Bench 2 | Andon Labs | 5940.1† | 4254.2 |
| AA-Briefcase v1.1 | Artificial Analysis | 868 | – |
| Design Arena Agentic | Design Arena | 1018† | – |
| 数学 | |||
| OTIS Mock AIME | Epoch AI Benchmarking Hub | – | 91.1% |
| Arena Maths | Arena (LMArena) | – | 1471 |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | – | 52.0% |
| CorpFin | Vals AI | – | 66.5% |
| CaseLaw v2 | Vals AI | – | 47.9% |
| 指示追従 | |||
| IFBench | Artificial Analysis | 75.4% | 76.6% |
| Arena Instruction Following | Arena (LMArena) | – | 1451 |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | – | 1460 |
| Arena Creative Writing | Arena (LMArena) | – | 1438 |
| Arena Multi-turn | Arena (LMArena) | – | 1466 |
| Arena Longer Queries | Arena (LMArena) | – | 1473 |
| マルチモーダル | |||
| MMMU-Pro | Artificial Analysis | 78.5% | – |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 83.3% | 80.7% |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | – | 149.8 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 32.5 | 28.4 |
| AA Progress Index v1 | Artificial Analysis | 301.3 | 297.1 |
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。
最近の変化
- Qwen3.6 Max (max):BenchLeader Index 62.8 → 62.3。
- GPT-5.3-Codex (xhigh):新しい結果1件(AA-Briefcase v1.1)。
- GPT-5.3-Codex (xhigh):新しい結果1件(AA Progress Index v1)。
- Qwen3.6 Max (max):新しい結果1件(AA Progress Index v1)。
- Qwen3.6 Max (max):BenchLeader Index 63.3 → 62.8。
関連する比較
- GPT-5.3-Codex vs Claude Fable 5.2
- GPT-5.3-Codex vs Gemini 4 Carbon
- GPT-5.3-Codex vs Claude Opus 5.5
- Qwen3.6 Max vs Claude Fable 5.2
- Qwen3.6 Max vs Gemini 4 Carbon
- Qwen3.6 Max vs Claude Opus 5.5
- Qwen3.6 Max vs GPT-6 Astra
- GPT-5.3-Codex vs Claude Fable 5.1
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-5.3-Codex vs Qwen3.6 Max:よくある質問
- GPT-5.3-CodexはQwen3.6 Maxより優れていますか?
- GPT-5.3-Codex (xhigh)とQwen3.6 Max (max)の品質は互角です(62.9 対 62.1、±7.6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。
- GPT-5.3-CodexとQwen3.6 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Qwen3.6 Maxの方が安く、100万トークンあたり$2.92 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-5.3-CodexとQwen3.6 Maxのどちらが向いていますか?
- コーディングではGPT-5.3-Codexの方がスコアが高くなっています(カテゴリ指標で61 対 56。50が平均)。
- エージェントやツール利用にはGPT-5.3-CodexとQwen3.6 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GPT-5.3-Codexの方がスコアが高くなっています(カテゴリ指標で80 対 72。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 Hardでは、GPT-5.3-Codexが53.0%、Qwen3.6 Maxが43.9%です。
- 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-5.3-Codex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GPT-5.3-Codexの方が長く、400,000トークンです(Qwen3.6 Maxは262,144トークン)。
ほかの質問(2件)
- GPT-5.3-CodexとQwen3.6 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9件のベンチマークのうち、GPT-5.3-Codexのリードが7件、Qwen3.6 Maxのリードが2件です。
- Qwen3.6 Maxはいつリリースされましたか?
- Qwen3.6 Maxは2026年4月20日にリリースされました。