GPT-5.4 Pro vs Qwen3.6 Max
詳しいプロフィール:GPT-5.4 Pro(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 · 7件の情報源のデータ
2026年11月16日時点で、GPT-5.4 ProとQwen3.6 Maxの品質は互角です(BenchLeader Indexで63.1 対 62.1、±4.6の誤差範囲内)。価格はQwen3.6 Maxの方が23倍安く、100万トークンあたりのブレンド価格で$2.92 対 $67.50です。知識(74 対 60)、推論(70 対 61)を重視するならGPT-5.4 Pro、指示追従(75 対 64)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-5.4 Proが63.1、Qwen3.6 Maxが62.1です(BenchLeader、2026年11月16日)。
- GPT-5.4 Proの100万トークンあたりのブレンド価格は$67.50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2件のベンチマークのうち、GPT-5.4 Proが2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 |
|---|---|---|---|
| 推論 | GPT-5.4 Pro | カテゴリスコア70 対 61;SimpleBench 74.1% 対 63.0% | 高 |
| 知識 | GPT-5.4 Pro | カテゴリスコア74 対 60 | 高 |
| 指示への追従 | Qwen3.6 Max | カテゴリスコア75 対 64 | 高 |
| 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 $67.50;エージェント型コーディングセッション$0.109 対 $2.52 | – |
| 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-5.4 ProとQwen3.6 Max (max)の品質は互角です(63.1 対 62.1、±4.6の誤差範囲内)。
- GPT-5.4 Proは知識、推論で優れています。
- Qwen3.6 Max (max)は指示追従で優れています。
- Qwen3.6 Max (max)の方が23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 $67.50)。
概要
| 仕様 | GPT-5.4 Pro | Qwen3.6 Max |
|---|---|---|
| プロバイダー | OpenAI | Alibaba |
| リリース日 | 2026年3月4日 | 2026年4月20日 |
| コンテキストウィンドウ(トークン) | 1,050,000 | 262,144 |
| 比較した構成 | GPT-5.4 Pro | 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) | $30.00 / $180.00 / – | $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-5.4 Pro | Qwen3.6 Max (max) | トップ |
|---|---|---|---|
| 推論 | 70.1 | 60.8 | GPT-5.4 Pro |
| コーディング | – | 55.9 | 比較不可 |
| エージェント・ツール | – | 72.1 | 比較不可 |
| 数学 | – | 64.4 | 比較不可 |
| 知識 | 74.0 | 59.7 | GPT-5.4 Pro |
| 指示追従 | 64.4 | 74.7 | Qwen3.6 Max |
| 人間の評価 | – | 64.5 | 比較不可 |
| マルチモーダル | 69.8 | – | 比較不可 |
| 長文コンテキスト | – | 65.0 | 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。
描画していないもの(測定済みのモデルが2つ未満):コーディング, エージェント・ツール, 数学, 長文コンテキスト, 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2件のベンチマークのうち、GPT-5.4 Proのリードが2件、Qwen3.6 Maxのリードが0件です。
| 総合Index | GPT-5.4 Pro | Qwen3.6 Max (max) | トップ |
|---|---|---|---|
| BenchLeader Index | 63.1 | 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-5.4 Pro | Qwen3.6 Max (max) |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $67.50 | $2.92 |
| 100万トークンあたりの入力/出力 | $30.00 / $180.00 | $1.30 / $7.80 |
| 100万トークンあたりのキャッシュ入力 | – | $0.130 |
| タスクあたりの価格:チャットの返答 | $0.066 | $0.0029 |
| タスクあたりの価格:30ページのレポートを要約 | $0.468 | $0.020 |
| タスクあたりの価格:コード編集 | $0.450 | $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 | $2.52 | $0.109 |
| タスクあたりの価格:構造化データの抽出 | $0.096 | $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) | – | $0.057 |
| 出力速度 | 7 tok/s | – |
| 回答開始までの時間 | 7.9秒 | – |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。GPT-5.4 Proのスコアは63.1、最初の回答トークンまで8秒。GPT-5.4 Pro (xhigh)は59.5(8秒)。Qwen3.6 Max (max)のスコアは62.1。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
47件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | GPT-5.4 Pro | Qwen3.6 Max (max) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 63.1 | 62.1 |
| 指示追従スコア | BenchLeader | 64.4 | 74.7 |
| 知識スコア | BenchLeader | 74.0 | 59.7 |
| マルチモーダルスコア | BenchLeader | 69.8 | – |
| 推論スコア | BenchLeader | 70.1 | 60.8 |
| エージェント・ツールスコア | BenchLeader | – | 72.1 |
| コーディングスコア | BenchLeader | – | 55.9 |
| 人間の評価スコア | BenchLeader | – | 64.5 |
| 長文コンテキストスコア | BenchLeader | – | 65.0 |
| 数学スコア | BenchLeader | – | 64.4 |
| ブレンド価格($/100万トークン) | BenchLeader | $67.50 | $2.92 |
| 出力速度 | BenchLeader | 7 tok/s | – |
| 回答開始までの時間 | BenchLeader | 7.9秒 | – |
| コンテキストウィンドウ | BenchLeader | 1,050,000トークン | 262,144トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 94.6%† | 87.4% |
| Humanity's Last Exam | Scale AI / CAIS | 44.3% | – |
| SimpleBench | SimpleBench | 74.1% | 63.0% |
| Arena Hard Prompts | Arena (LMArena) | – | 1481 |
| GPQA Diamond (AA) | Artificial Analysis | – | 88.8% |
| Humanity's Last Exam (AA) | Artificial Analysis | – | 30.8% |
| ARC-AGI-1 | ARC Prize | 94.5%† | – |
| ARC-AGI-2 | ARC Prize | 83.3%† | – |
| CritPt | Artificial Analysis | 30.0%† | 3.7% |
| Arena Expert | Arena (LMArena) | – | 1497 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 59.0%† | – |
| 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 | – | 76.7% |
| WeirdML | WeirdML | 57.4%† | – |
| Arena Coding | Arena (LMArena) | – | 1510 |
| Arena WebDev | Arena (LMArena) | – | 1482 |
| SWE-bench (Vals) | Vals AI | – | 72.8% |
| エージェント・ツール | |||
| Terminal-Bench Hard | Artificial Analysis | – | 43.9% |
| τ²-Bench Telecom (AA) | Artificial Analysis | – | 95.9% |
| Terminal-Bench 2.0 (Vals) | Vals AI | – | 51.7% |
| Vending-Bench 2 | Andon Labs | – | 4254.2 |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 82.5%† | – |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 58.5%† | – |
47件のベンチマークをすべて表示
| 指標 | 公開元 | GPT-5.4 Pro | Qwen3.6 Max (max) |
|---|---|---|---|
| 数学 | |||
| OTIS Mock AIME | Epoch AI Benchmarking Hub | – | 91.1% |
| MathArena Apex | MathArena | 69.8%† | – |
| Arena Maths | Arena (LMArena) | – | 1471 |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 46.3%† | 52.0% |
| CorpFin | Vals AI | – | 66.5% |
| MultiNRC | Scale AI SEAL | 62.3% | – |
| CaseLaw v2 | Vals AI | – | 47.9% |
| 指示追従 | |||
| IFBench | Artificial Analysis | – | 76.6% |
| MultiChallenge | Scale AI SEAL | 69.2% | – |
| TutorBench | Scale AI SEAL | 56.6% | – |
| 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 | |||
| VISTA | Scale AI SEAL | 53.9% | – |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | – | 80.7% |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 160.2 | 149.8 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | – | 28.4 |
| AA Progress Index v1 | Artificial Analysis | – | 297.1 |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | 14.8% | – |
| MASK | Scale AI SEAL | 91.7% | – |
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。
- Qwen3.6 Max (max):新しい結果1件(AA Progress Index v1)。
- GPT-5.4 Pro:BenchLeader Index 63.6 → 63.1。
- Qwen3.6 Max (max):BenchLeader Index 63.3 → 62.8。
- GPT-5.4 Pro:スコアの改訂1件。
関連する比較
- GPT-5.4 Pro vs Claude Fable 5.2
- GPT-5.4 Pro vs Gemini 4 Carbon
- GPT-5.4 Pro 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 Qwen3.6 Max
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-5.4 Pro vs Qwen3.6 Max:よくある質問
- GPT-5.4 ProはQwen3.6 Maxより優れていますか?
- GPT-5.4 ProとQwen3.6 Max (max)の品質は互角です(63.1 対 62.1、±4.6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-5.4 Pro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 $67.50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。
- 長い文書にはどちらが向いていますか?
- コンテキストはGPT-5.4 Proの方が長く、1,050,000トークンです(Qwen3.6 Maxは262,144トークン)。
- GPT-5.4 Pro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2件のベンチマークのうち、GPT-5.4 Proのリードが2件、Qwen3.6 Maxのリードが0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。