BenchLeader

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 Max100万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 ProQwen3.6 Max
プロバイダーOpenAIAlibaba
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)1,050,000262,144
比較した構成GPT-5.4 ProQwen3.6 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 ProQwen3.6 Max (max)トップ
推論70.160.8GPT-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74.059.7GPT-5.4 Pro
指示追従64.474.7Qwen3.6 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。

2550 avg75推論知識指示追従GPT-5.4 Pro, 推論: 70.1GPT-5.4 Pro, 知識: 74.0GPT-5.4 Pro, 指示追従: 64.4Qwen3.6 Max, 推論: 60.8Qwen3.6 Max, 知識: 59.7Qwen3.6 Max, 指示追従: 74.7

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。

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IndexGPT-5.4 ProQwen3.6 Max (max)トップ
BenchLeader Index63.162.1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 ProQwen3.6 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 ProQwen3.6 Max (max)
BenchLeader IndexBenchLeader63.162.1
指示追従スコアBenchLeader64.474.7
知識スコアBenchLeader74.059.7
マルチモーダルスコアBenchLeader69.8–
推論スコアBenchLeader70.160.8
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BenchLeader7 tok/s–
回答開始までの時間BenchLeader7.9秒–
コンテキストウィンドウBenchLeader1,050,000トークン262,144トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub94.6%†87.4%
Humanity's Last ExamScale AI / CAIS44.3%–
SimpleBenchSimpleBench74.1%63.0%
Arena Hard PromptsArena (LMArena)–1481
GPQA Diamond (AA)Artificial Analysis–88.8%
Humanity's Last Exam (AA)Artificial Analysis–30.8%
ARC-AGI-1ARC Prize94.5%†–
ARC-AGI-2ARC Prize83.3%†–
CritPtArtificial Analysis30.0%†3.7%
Arena ExpertArena (LMArena)–1497
Chess PuzzlesEpoch AI Benchmarking Hub59.0%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub–19.0%†
LMCAEpoch AI Benchmarking Hub–42.5%
DTBenchEpoch AI Benchmarking Hub–87.2%
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub–76.7%
WeirdMLWeirdML57.4%†–
Arena CodingArena (LMArena)–1510
Arena WebDevArena (LMArena)–1482
SWE-bench (Vals)Vals AI–72.8%
エージェント・ツール
Terminal-Bench HardArtificial Analysis–43.9%
τ²-Bench Telecom (AA)Artificial Analysis–95.9%
Terminal-Bench 2.0 (Vals)Vals AI–51.7%
Vending-Bench 2Andon Labs–4254.2
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub82.5%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub58.5%†–
47件のベンチマークをすべて表示
指標公開元GPT-5.4 ProQwen3.6 Max (max)
数学
OTIS Mock AIMEEpoch AI Benchmarking Hub–91.1%
MathArena ApexMathArena69.8%†–
Arena MathsArena (LMArena)–1471
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub46.3%†52.0%
CorpFinVals AI–66.5%
MultiNRCScale AI SEAL62.3%–
CaseLaw v2Vals AI–47.9%
指示追従
IFBenchArtificial Analysis–76.6%
MultiChallengeScale AI SEAL69.2%–
TutorBenchScale AI SEAL56.6%–
Arena Instruction FollowingArena (LMArena)–1451
人間の評価
Arena TextArena (LMArena)–1460
Arena Creative WritingArena (LMArena)–1438
Arena Multi-turnArena (LMArena)–1466
Arena Longer QueriesArena (LMArena)–1473
マルチモーダル
VISTAScale AI SEAL53.9%–
長文コンテキスト
AA-LCR v1.1Artificial Analysis–80.7%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub160.2149.8
AA Intelligence Index v4.3.2Artificial Analysis–28.4
AA Progress Index v1Artificial Analysis–297.1
安全性・誠実さ
FORTRESSScale AI SEAL14.8%–
MASKScale AI SEAL91.7%–

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。

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。