BenchLeader

GPT-5.3-Codex vs Qwen3.8 Max

詳しいプロフィール:GPT-5.3-Codex(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 · 13件の情報源のデータ

2026年11月16日時点で、GPT-5.3-CodexとQwen3.8 Maxの品質は互角です(BenchLeader Indexで62.9 対 58.7、±7.8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。エージェント・ツール(80 対 59)、長文コンテキスト(66 対 65)を重視するならGPT-5.3-Codex、マルチモーダル(66 対 61)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GPT-5.3-Codexの方が短く、38.2秒 対 119.6秒です。GPT-5.3-Codexは出力が約1.5倍速い点も強みです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGPT-5.3-Codexが62.9、Qwen3.8 Maxが58.7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)。
  • Qwen3.8 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-5.3-CodexはQwen3.8 Maxより出力が約1.5倍速いです(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11件のベンチマークのうち、Qwen3.8 Maxが10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
コーディングどちらでもカテゴリスコア61 対 62;LiveCodeBench 87.3% 対 87.8%どちらでも
エージェント・ツール利用GPT-5.3-Codexカテゴリスコア80 対 59;AA-Briefcase v1.1 868 対 1604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 80.3%中
画像などのメディアQwen3.8 Maxカテゴリスコア66 対 61;MMMU-Pro 82.8% 対 78.5%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GPT-5.3-Codex最初の回答トークンまで38.2秒(GPT-5.3-Codex (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-5.3-Codex (xhigh)とQwen3.8 Max (max)の品質は互角です(62.9 対 58.7、±7.8の誤差範囲内)。
  • GPT-5.3-Codex (xhigh)はエージェント・ツール、長文コンテキストで優れています。
  • Qwen3.8 Max (max)はコーディング、マルチモーダルで優れています。
  • 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)。
  • GPT-5.3-Codex (xhigh)の方が出力が1.6倍速くなっています(94 対 59トークン/秒)。

概要

仕様GPT-5.3-CodexQwen3.8 Max
プロバイダーOpenAIAlibaba
リリース日2026年2月5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-5.3-Codex (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-5.3-Codex (xhigh)Qwen3.8 Max (max)トップ
推論–51.5比較不可
コーディング61.061.6互角
エージェント・ツール80.158.5GPT-5.3-Codex
数学–65.2比較不可
知識–58.0比較不可
指示追従73.6–比較不可
人間の評価–67.5比較不可
マルチモーダル60.865.7Qwen3.8 Max
長文コンテキスト66.464.8GPT-5.3-Codex
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コーディングエージェント・ツール長文コンテキストマルチモーダルGPT-5.3-Codex, コーディング: 61.0GPT-5.3-Codex, エージェント・ツール: 80.1GPT-5.3-Codex, 長文コンテキスト: 66.4GPT-5.3-Codex, マルチモーダル: 60.8Qwen3.8 Max, コーディング: 61.6Qwen3.8 Max, エージェント・ツール: 58.5Qwen3.8 Max, 長文コンテキスト: 64.8Qwen3.8 Max, マルチモーダル: 65.7

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, 指示追従, 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11件のベンチマークのうち、GPT-5.3-Codexのリードが1件、Qwen3.8 Maxのリードが10件です。

総合IndexGPT-5.3-Codex (xhigh)Qwen3.8 Max (max)トップ
BenchLeader Index62.958.7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)Qwen3.8 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94 tok/s59 tok/s
回答開始までの時間38.2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)97.1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-5.3-Codex (xhigh)のスコアは62.9、最初の回答トークンまで38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

145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)Qwen3.8 Max (max)
BenchLeader IndexBenchLeader62.958.7
エージェント・ツールスコアBenchLeader80.158.5
コーディングスコアBenchLeader61.061.6
指示追従スコアBenchLeader73.6–
長文コンテキストスコアBenchLeader66.464.8
マルチモーダルスコアBenchLeader60.865.7
総合スコアBenchLeader–45.0
人間の評価スコアBenchLeader–67.5
知識スコアBenchLeader–58.0
数学スコアBenchLeader–65.2
推論スコアBenchLeader–51.5
ブレンド価格($/100万トークン)BenchLeader$4.81$3.00
出力速度BenchLeader94 tok/s59 tok/s
回答開始までの時間BenchLeader38.2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 Hub–92.7%†
Arena Hard PromptsArena (LMArena)–1507
LiveBench 2.0 ReasoningLiveBench–88.2%
LiveBench 1.0 ReasoningLiveBench–88.2%
GPQA Diamond (AA)Artificial Analysis91.5%92.8%
Humanity's Last Exam (AA)Artificial Analysis42.5%43.1%
HLE-Diamond (AA)Artificial Analysis–24.0%
GPQA Diamond (Vals)Vals AI–93.7%
CritPtArtificial Analysis16.9%20.0%
CritPt v2 hard subset (AA)Artificial Analysis–29.5%
MysteryMechanismVals AI–23.9%
Arena ExpertArena (LMArena)–1514
Chess PuzzlesEpoch AI Benchmarking Hub–46.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub–38.0%†
LMCAEpoch AI Benchmarking Hub–46.2%†
DTBenchEpoch AI Benchmarking Hub–92.0%†
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub74.8%†–
SciCodeSciCode–53.2%
WeirdMLWeirdML77.9%–
Arena CodingArena (LMArena)–1523
Arena WebDevArena (LMArena)1406†1676
LiveBench 2.0 CodingLiveBench–60.9%
LiveBench 1.0 CodingLiveBench–72.9%
LiveCodeBenchVals AI87.3%87.8%
IOIVals AI53.8%68.9%
145件のベンチマークをすべて表示
指標公開元GPT-5.3-Codex (xhigh)Qwen3.8 Max (max)
コーディング
SWE-bench (Vals)Vals AI78.0%85.6%
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 AI61.8%64.7%
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 Hub1655.21679.1†
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 Arena1155†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-Bench78.4%†27.0%
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 Analysis53.0%–
τ²-Bench Telecom (AA)Artificial Analysis86.0%–
Terminal-Bench 2.1 (Vals)Vals AI–67.4%
HiL-BenchScale AI SEAL4.3%†–
τ³-bench Bankingτ²-bench–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%
SkillsBenchVals AI–42.0%
Tax Agent BenchVals AI–32.1%
Terminal-Bench 2.0 (Vals)Vals AI64.0%†–
Terminal-Bench 4.0 (Vals)Vals AI–34.3%
Terminal-Bench ScienceVals AI–12.9%
Arena SearchArena (LMArena)–1227
Arena Agent Task CompletionArena (LMArena)–4.5
METR Time HorizonsMETR74.5%†–
Vending-Bench 2Andon Labs5940.1†–
AutomationBenchArtificial Analysis–56.2%
GDP.pdf (AA)Artificial Analysis–22.8%
EnterpriseOps-GymArtificial Analysis–47.6%
AA-Briefcase v1.1Artificial Analysis8681604
GDPxGDPx by SemiAnalysis–3.5%
Design Arena AgenticDesign Arena1018†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 Hub–74.7%†
FrontierMath Tier 4Epoch AI Benchmarking Hub–46.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub–100.0%†
ProofBenchVals AI–58.0%
LiveBench MathematicsLiveBench–91.3%
Arena MathsArena (LMArena)–1505
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 AI–88.6%
LegalBenchVals AI–83.6%
CorpFinVals AI–65.8%
TaxEvalVals AI–75.5%
Excel Modeling BenchmarkVals AI–60.1%
Excel Modeling Benchmark v1.1Vals AI–66.0%
MedCodeVals AI–40.7%
MedScribeVals AI–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%
FACTS ParametricGoogle–30.8%
指示追従
LiveBench LanguageLiveBench–79.7%
LiveBench Instruction FollowingLiveBench–74.1%
IFBenchArtificial Analysis75.4%–
Arena Instruction FollowingArena (LMArena)–1478
人間の評価
Arena TextArena (LMArena)–1484
Arena Creative WritingArena (LMArena)–1472
Arena Multi-turnArena (LMArena)–1495
Arena Longer QueriesArena (LMArena)–1496
マルチモーダル
Arena VisionArena (LMArena)–1312
LiveBench DesignLiveBench–76.6%
MMMU-ProArtificial Analysis78.5%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 Analysis83.3%80.3%
MLCRArtificial Analysis–26.1%
FACTS GroundingGoogle–73.8%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–157.6
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 Analysis32.545.4
AA Progress Index v1Artificial Analysis301.3323.7
Vals RSI IndexVals AI–21.8%
Vals Multimodal IndexVals AI–65.4%
安全性・誠実さ
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。
  • Qwen3.8 Max (max):スコアの改訂1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。
  • 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。
  • Qwen3.8 Max (max):価格 $0.25/M → $0.22/M。
  • GPT-5.3-Codex (xhigh):新しい結果1件(AA-Briefcase v1.1)。

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 Qwen3.8 Max:よくある質問

GPT-5.3-CodexはQwen3.8 Maxより優れていますか?
GPT-5.3-Codex (xhigh)とQwen3.8 Max (max)の品質は互角です(62.9 対 58.7、±7.8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。
GPT-5.3-Codex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-5.3-Codex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61 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LiveCodeBenchでは、GPT-5.3-Codexが87.3%、Qwen3.8 Maxが87.8%です。
GPT-5.3-CodexとQwen3.8 Maxはどちらが速いですか?
GPT-5.3-Codexの方が出力が約1.5倍速くなっています(出力94 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-5.3-Codex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 59。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-5.3-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Qwen3.8 Maxの方が長く、1,000,000トークンです(GPT-5.3-Codex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-5.3-Codexです。Artificial Analysisの測定では、最初の回答トークンまで38.2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-5.3-Codex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11件のベンチマークのうち、GPT-5.3-Codexのリードが1件、Qwen3.8 Maxのリードが10件です。
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。