BenchLeader

GPT-5.4 vs Qwen3.8-Flash-Next

詳しいプロフィール:GPT-5.4(OpenAI)とQwen3.8-Flash-Next(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 · 12件の情報源のデータ

2026年11月16日時点で、品質ではGPT-5.4がQwen3.8-Flash-Nextを上回ります(BenchLeader Indexで63.1 対 53.9)。ただし、価格はQwen3.8-Flash-Nextの方が24倍安く、100万トークンあたりのブレンド価格で$0.230 対 $5.63です。推論(66 対 43)、知識(59 対 38)、コーディング(65 対 61)を重視するならGPT-5.4、エージェント・ツール(64 対 63)を重視するならQwen3.8-Flash-Nextが向いています。回答開始までの時間はQwen3.8-Flash-Nextの方が短く、65.5秒 対 144.9秒です。

要点(2026年11月16日時点)

  • BenchLeader IndexはGPT-5.4が63.1、Qwen3.8-Flash-Nextが53.9です(BenchLeader、2026年11月16日)。
  • GPT-5.4の100万トークンあたりのブレンド価格は$5.63です(定価、2026年11月16日)。
  • Qwen3.8-Flash-Nextの100万トークンあたりのブレンド価格は$0.230です(定価、2026年11月16日)。
  • 両モデルに結果がある17件のベンチマークのうち、GPT-5.4が9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-5.4カテゴリスコア65 対 61;LiveBench 1.0 Coding 77.5% 対 72.5%中
エージェント・ツール利用Qwen3.8-Flash-Nextカテゴリスコア64 対 63;τ³-Banking (AA) 45.4% 対 39.6%中
推論GPT-5.4カテゴリスコア66 対 43;LiveBench 1.0 Reasoning 88.1% 対 87.4%高
知識GPT-5.4カテゴリスコア59 対 38;LiveBench 1.0 Data Analysis 79.3% 対 74.2%高
長い文書GPT-5.4カテゴリスコア66 対 65;AA-LCR v1.1 82.0% 対 79.7%中
画像などのメディアどちらでもカテゴリスコア61 対 61;MMMU-Pro 78.4% 対 78.6%どちらでも
最低コストQwen3.8-Flash-Next100万トークンあたりブレンド価格$0.230 対 $5.63;エージェント型コーディングセッション$0.011 対 $0.210–
回答開始の速さQwen3.8-Flash-Next最初の回答トークンまで65.5秒(Qwen3.8-Flash-Next)対 144.9秒(GPT-5.4 (xhigh))–
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

  • 品質ではGPT-5.4 (xhigh)がリードしています:63.1 対 53.9。
  • GPT-5.4 (xhigh)はコーディング、知識、長文コンテキスト、推論で優れています。
  • Qwen3.8-Flash-Nextはエージェント・ツール、マルチモーダルで優れています。
  • Qwen3.8-Flash-Nextの方が24倍安くなっています(100万トークンあたりブレンド価格$0.230 対 $5.63)。

概要

仕様GPT-5.4Qwen3.8-Flash-Next
プロバイダーOpenAIAlibaba
リリース日2026年3月5日2026年8月26日
コンテキストウィンドウ(トークン)1,050,000256,000
比較した構成GPT-5.4 (xhigh)Qwen3.8-Flash-Next
オープンウェイトなしあり
100万トークンあたりの価格(入力/出力/キャッシュ入力)$2.50 / $15.00 / $0.250$0.150 / $0.470 / –

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 (xhigh)Qwen3.8-Flash-Nextトップ
推論65.743.0GPT-5.4
コーディング64.760.7GPT-5.4
エージェント・ツール63.064.0Qwen3.8-Flash-Next
数学64.8–比較不可
知識58.638.1GPT-5.4
指示追従72.4–比較不可
マルチモーダル60.861.0互角
長文コンテキスト65.764.5GPT-5.4

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・ツール知識長文コンテキストマルチモーダルGPT-5.4, 推論: 65.7GPT-5.4, コーディング: 64.7GPT-5.4, エージェント・ツール: 63.0GPT-5.4, 知識: 58.6GPT-5.4, 長文コンテキスト: 65.7GPT-5.4, マルチモーダル: 60.8Qwen3.8-Flash-Next, 推論: 43.0Qwen3.8-Flash-Next, コーディング: 60.7Qwen3.8-Flash-Next, エージェント・ツール: 64.0Qwen3.8-Flash-Next, 知識: 38.1Qwen3.8-Flash-Next, 長文コンテキスト: 64.5Qwen3.8-Flash-Next, マルチモーダル: 61.0

描画していないもの(測定済みのモデルが2つ未満):数学, 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17件のベンチマークのうち、GPT-5.4のリードが9件、Qwen3.8-Flash-Nextのリードが8件です。両方を評価しているすべての総合指標で、GPT-5.4が上回っています。

総合IndexGPT-5.4 (xhigh)Qwen3.8-Flash-Nextトップ
BenchLeader Index63.153.9GPT-5.4

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 (xhigh)Qwen3.8-Flash-Next
100万トークンあたりのブレンド価格$5.63$0.230
100万トークンあたりの入力/出力$2.50 / $15.00$0.150 / $0.470
100万トークンあたりのキャッシュ入力$0.250–
タスクあたりの価格:チャットの返答$0.0055$0.0002
タスクあたりの価格:30ページのレポートを要約$0.039$0.0021
タスクあたりの価格:コード編集$0.037$0.0016
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$0.210$0.011
タスクあたりの価格:構造化データの抽出$0.0080$0.0004
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)$0.109–
ベンチマークのタスクあたりのコスト(AA Index)–$0.569
タスクあたりの出力トークン(AA Index)–148k
うち推論–97k
タスクあたりの時間(AA Index)–31 min
出力速度73 tok/s80 tok/s
回答開始までの時間144.9秒65.5秒
回答が完了するまでの時間(最終測定2026年11月13日)193.1秒202.8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 (xhigh)のスコアは63.1、最初の回答トークンまで145秒。GPT-5.4 (low)は58.8(3秒)、GPT-5.4 (high)は58.6(2秒)。Qwen3.8-Flash-Nextのスコアは53.9、最初の回答トークンまで66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

136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 (xhigh)Qwen3.8-Flash-Next
BenchLeader IndexBenchLeader63.153.9
エージェント・ツールスコアBenchLeader63.064.0
コーディングスコアBenchLeader64.760.7
指示追従スコアBenchLeader72.4–
知識スコアBenchLeader58.638.1
長文コンテキストスコアBenchLeader65.764.5
数学スコアBenchLeader64.8–
マルチモーダルスコアBenchLeader60.861.0
推論スコアBenchLeader65.743.0
ブレンド価格($/100万トークン)BenchLeader$5.63$0.230
出力速度BenchLeader73 tok/s80 tok/s
回答開始までの時間BenchLeader144.9秒65.5秒
コンテキストウィンドウBenchLeader1,050,000トークン256,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub93.3%–
Humanity's Last ExamScale AI / CAIS36.2%–
Arena Hard PromptsArena (LMArena)1487†–
LiveBench 1.0 ReasoningLiveBench88.1%87.4%
GPQA Diamond (AA)Artificial Analysis92.0%92.3%
Humanity's Last Exam (AA)Artificial Analysis43.7%38.0%
HLE-Diamond (AA)Artificial Analysis–16.3%
GPQA Diamond (Vals)Vals AI91.7%–
Kagi LLM BenchmarkKagi LLM Benchmark63.8%†–
ARC-AGI-1ARC Prize93.7%–
ARC-AGI-2ARC Prize74.0%–
ARC-AGI-3ARC Prize0.2%†–
CritPtArtificial Analysis23.4%11.1%
CritPt v2 hard subset (AA)Artificial Analysis–24.5%
Arena ExpertArena (LMArena)1491†–
Chess PuzzlesEpoch AI Benchmarking Hub48.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub37.0%–
CL-benchEpoch AI Benchmarking Hub27.9%–
CL-bench LifeEpoch AI Benchmarking Hub21.7%–
LMCAEpoch AI Benchmarking Hub52.0%–
DTBenchEpoch AI Benchmarking Hub94.4%–
ForecastBenchForecastBench63.0%†–
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub76.9%†–
SciCodeSciCode56.6%–
WeirdMLWeirdML77.7%–
136件のベンチマークをすべて表示
指標公開元GPT-5.4 (xhigh)Qwen3.8-Flash-Next
コーディング
GSO-BenchGSO-Bench31.4%–
Arena CodingArena (LMArena)1511†–
Arena WebDevArena (LMArena)1400†1624
LiveBench 1.0 CodingLiveBench77.5%72.5%
SciCode (AA)Artificial Analysis–50.6%
LiveCodeBenchVals AI84.1%–
SWE-bench (Vals)Vals AI78.2%–
SWE-Bench ProScale AI SEAL59.1%–
Code MigrationVals AI35.0%–
ProgramBenchVals AI0.0%–
Vibe Code Bench v1.1Vals AI67.4%–
SWE-Bench Pro (private)Scale AI SEAL43.4%–
SWE Atlas v1.0: Codebase QnAScale AI SEAL40.8%–
SWE Atlas v1.0: RefactoringScale AI SEAL44.3%–
SWE Atlas v1.0: Test WritingScale AI SEAL44.4%–
MirrorCodeEpoch AI Benchmarking Hub23.3%–
DeepSWE v1.1Epoch AI Benchmarking Hub51.8%–
ALE-BenchEpoch AI Benchmarking Hub1607†–
AlgoTuneAlgoTune1.9†–
Terminal-Bench 4.0 (AA)Artificial Analysis–25.3%
Terminal-Bench 2.1 (AA)Artificial Analysis78.3%86.1%
GameBench 2 OverallDuelLab GameBench 253.4†–
GameBench 2 by reasoning settingDuelLab GameBench 262.1–
Design Arena WebsiteDesign Arena1190†–
FrontierCode 2.0 (AA)Artificial Analysis–27.1%
エージェント・ツール
Terminal-BenchTerminal-Bench81.8%†–
APEX-AgentsMercor52.4%†–
Arena AgentArena (LMArena)–-4.6
LiveBench Agentic CodingLiveBench53.8%61.6%
Terminal-Bench HardArtificial Analysis57.6%–
τ²-Bench Telecom (AA)Artificial Analysis87.1%–
MCP AtlasScale AI SEAL70.6%–
HiL-BenchScale AI SEAL9.7%†–
τ³-bench Bankingτ²-bench39.4%–
GDPval-AA v2.1, normalised scoreArtificial Analysis–56.4%
GDPval-AA v2.1Artificial Analysis12561637
τ³-Banking (AA)Artificial Analysis39.6%45.4%
APEX-Agents (AA)Artificial Analysis33.3%–
Harvey's Legal Agent Benchmark v1Vals AI0.0%–
SkillsBenchVals AI51.7%–
Terminal-Bench 2.0 (Vals)Vals AI58.4%†–
Arena SearchArena (LMArena)1196†–
Arena Agent Task CompletionArena (LMArena)–0.3
DeepResearch BenchDeepResearch Bench35.1%†–
PostTrainBenchEpoch AI Benchmarking Hub17.8%†–
METR Time HorizonsMETR74.3%–
GBAEvalEpoch AI Benchmarking Hub45.1%†–
Vending-Bench 2Andon Labs6144.2†–
AutomationBenchArtificial Analysis–55.9%
GDP.pdf (AA)Artificial Analysis–15.6%
AA-Briefcase v1.1Artificial Analysis–1572
Design Arena AgenticDesign Arena1042†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–7.1%
DeepSearchQAGoogle63.7%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub78.6%–
FrontierMath Tier 4Epoch AI Benchmarking Hub49.0%–
OTIS Mock AIMEEpoch AI Benchmarking Hub95.3%–
ProofBenchVals AI56.0%–
LiveBench MathematicsLiveBench94.2%85.8%
AIME (Vals)Vals AI96.7%–
AIME 2026MathArena99.2%–
HMMT February 2026MathArena97.7%–
USAMO 2026MathArena95.2%–
MathArena ApexMathArena54.2%–
Arena MathsArena (LMArena)1459†–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub45.1%–
LiveBench 1.0 Data AnalysisLiveBench79.3%74.2%
AA-Omniscience v1.1Artificial Analysis–-12.2
MMLU-ProVals AI87.5%–
LegalBenchVals AI86.0%–
CorpFinVals AI65.3%–
TaxEvalVals AI74.0%–
MedQAVals AI96.1%–
PRBench FinanceScale AI SEAL45.6%†–
PRBench LegalScale AI SEAL44.4%†–
MultiNRCScale AI SEAL58.3%†–
CaseLaw v2Vals AI63.8%–
MedCodeVals AI41.3%–
MedScribeVals AI77.5%–
EBR-benchEpoch AI Benchmarking Hub25.4%–
AA-Omniscience v1.1: accuracyArtificial Analysis–23.5%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–53.2%
指示追従
LiveBench LanguageLiveBench82.6%74.6%
LiveBench Instruction FollowingLiveBench70.2%77.1%
IFBenchArtificial Analysis74.0%–
Arena Instruction FollowingArena (LMArena)1460†–
人間の評価
Arena TextArena (LMArena)1465†–
EQ-Bench 4EQ-Bench1258†–
EQ-Bench Creative Writing v3EQ-Bench1841†–
Arena Creative WritingArena (LMArena)1433†–
Arena Multi-turnArena (LMArena)1480†–
Arena Longer QueriesArena (LMArena)1477†–
マルチモーダル
Arena VisionArena (LMArena)1292†–
MMMU-ProArtificial Analysis78.4%78.6%
VISTAScale AI SEAL50.9%†–
MMMU-Pro (Vals)Vals AI87.5%–
MortgageTaxVals AI68.3%–
VTBScale AI SEAL29.2%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub27.1%†–
Furniture AssemblyEpoch AI Benchmarking Hub37.5%–
長文コンテキスト
AA-LCR v1.1Artificial Analysis82.0%79.7%
Arena DocumentArena (LMArena)1471†–
MLCRArtificial Analysis–20.6%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub157.8†–
LiveBench 1.0LiveBench78.0%76.2%
AA Intelligence Index v5.0.1Artificial Analysis–28.6
AA Intelligence Index v4.3.2Artificial Analysis39.039.8
AA Progress Index v1Artificial Analysis311.6320.2
Vals RSI IndexVals AI15.5%–
安全性・誠実さ
MASKScale AI SEAL89.7%†–
メタデータ
AA Openness IndexArtificial Analysis–38.9

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

  • GPT-5.4 (xhigh):新しい結果1件(GDPval-AA v2.1)。
  • Qwen3.8-Flash-Next:BenchLeader Index 54.7 → 54.0。
  • Qwen3.8-Flash-Next:新しい結果3件(AA Intelligence Index v5.0.1, FrontierCode 2.0 (AA), Terminal-Bench-Science 0.1 (AA))。
  • GPT-5.4 (xhigh):新しい結果1件(MirrorCode)。
  • Qwen3.8-Flash-Next:新しい結果1件(CritPt v2 hard subset (AA))、スコアの改訂1件。
  • GPT-5.4 (xhigh):BenchLeader Index 63.7 → 63.2。
  • GPT-5.4 (xhigh):スコアの改訂1件。
  • Qwen3.8-Flash-Next:新しい結果1件(AA-Briefcase v1.1)、スコアの改訂1件。
  • Qwen3.8-Flash-Next:BenchLeader Index 58.7 → 54.7。
  • GPT-5.4 (xhigh):新しい結果1件(AA Progress Index v1)。

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 vs Qwen3.8-Flash-Next:よくある質問

GPT-5.4はQwen3.8-Flash-Nextより優れていますか?
品質ではGPT-5.4 (xhigh)がリードしています:63.1 対 53.9。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日時点では総合でGPT-5.4 (xhigh)が上回っていますが、用途に合わせてカテゴリ別のスコアも確認してください。
GPT-5.4とQwen3.8-Flash-Next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-Flash-Nextの方が安く、100万トークンあたり$0.230 対 $5.63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-5.4とQwen3.8-Flash-Nextのどちらが向いていますか?
コーディングではGPT-5.4の方がスコアが高くなっています(カテゴリ指標で65 対 61。50が平均)。
GPT-5.4とQwen3.8-Flash-Nextはどちらが速いですか?
Qwen3.8-Flash-Nextの方が出力が速くなっています(出力80 対 73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-5.4とQwen3.8-Flash-Next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-Flash-Nextの方がスコアが高くなっています(カテゴリ指標で64 対 63。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τ³-Banking (AA)では、GPT-5.4が39.6%、Qwen3.8-Flash-Nextが45.4%です。
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-5.4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-5.4の方が長く、1,050,000トークンです(Qwen3.8-Flash-Nextは256,000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Qwen3.8-Flash-Nextです。Artificial Analysisの測定では、最初の回答トークンまで65.5秒 対 144.9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-5.4とQwen3.8-Flash-Next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17件のベンチマークのうち、GPT-5.4のリードが9件、Qwen3.8-Flash-Nextのリードが8件です。両方を評価しているすべての総合指標で、GPT-5.4が上回っています。
Qwen3.8-Flash-Nextはいつリリースされましたか?
Qwen3.8-Flash-Nextは2026年8月26日にリリースされました。