BenchLeader

GPT-5.5 vs Qwen3.6 Max

詳しいプロフィール:GPT-5.5(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 · 12件の情報源のデータ

2026年11月16日時点で、GPT-5.5とQwen3.6 Maxの品質は互角です(BenchLeader Indexで64.1 対 62.1、±4.9の誤差範囲内)。価格はQwen3.6 Maxの方が3.8倍安く、100万トークンあたりのブレンド価格で$2.92 対 $11.25です。推論(68 対 61)、数学(69 対 64)、コーディング(61 対 56)を重視するならGPT-5.5、エージェント・ツール(72 対 62)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-5.5が64.1、Qwen3.6 Maxが62.1です(BenchLeader、2026年11月16日)。
  • GPT-5.5の100万トークンあたりのブレンド価格は$11.25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15件のベンチマークのうち、GPT-5.5が13件でリードしています(BenchLeader、2026年11月16日)。
  • Arena WebDevでの評価はGPT-5.5が1512、Qwen3.6 Maxが1482です(LMArena、2026年11月16日までの公開値)。

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-5.5カテゴリスコア61 対 56;Arena WebDev 1512 対 1482中
エージェント・ツール利用Qwen3.6 Maxカテゴリスコア72 対 62;Terminal-Bench Hard 43.9% 対 60.6%高
数学GPT-5.5カテゴリスコア69 対 64中
推論GPT-5.5カテゴリスコア68 対 61;GPQA Diamond (AA) 93.5% 対 88.8%中
知識GPT-5.5カテゴリスコア64 対 60;SimpleQA Verified 63.0% 対 52.0%中
長い文書GPT-5.5カテゴリスコア67 対 65;AA-LCR v1.1 84.3% 対 80.7%中
指示への追従どちらでもカテゴリスコア74 対 75;IFBench 75.8% 対 76.6%どちらでも
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 $11.25;エージェント型コーディングセッション$0.109 対 $0.420–
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-5.5 (xhigh)とQwen3.6 Max (max)の品質は互角です(64.1 対 62.1、±4.9の誤差範囲内)。
  • GPT-5.5 (xhigh)はコーディング、知識、長文コンテキスト、数学、推論で優れています。
  • Qwen3.6 Max (max)はエージェント・ツール、指示追従で優れています。
  • Qwen3.6 Max (max)の方が3.8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 $11.25)。

概要

仕様GPT-5.5Qwen3.6 Max
プロバイダーOpenAIAlibaba
リリース日2026年4月23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-5.5 (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)$5.00 / $30.00 / $0.500$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-5.5 (xhigh)Qwen3.6 Max (max)トップ
推論68.160.8GPT-5.5
コーディング60.755.9GPT-5.5
エージェント・ツール61.872.1Qwen3.6 Max
数学69.364.4GPT-5.5
知識63.659.7GPT-5.5
指示追従74.074.7互角
人間の評価–64.5比較不可
マルチモーダル62.3–比較不可
長文コンテキスト66.965.0GPT-5.5

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・ツール数学知識指示追従長文コンテキストGPT-5.5, 推論: 68.1GPT-5.5, コーディング: 60.7GPT-5.5, エージェント・ツール: 61.8GPT-5.5, 数学: 69.3GPT-5.5, 知識: 63.6GPT-5.5, 指示追従: 74.0GPT-5.5, 長文コンテキスト: 66.9Qwen3.6 Max, 推論: 60.8Qwen3.6 Max, コーディング: 55.9Qwen3.6 Max, エージェント・ツール: 72.1Qwen3.6 Max, 数学: 64.4Qwen3.6 Max, 知識: 59.7Qwen3.6 Max, 指示追従: 74.7Qwen3.6 Max, 長文コンテキスト: 65.0

描画していないもの(測定済みのモデルが2つ未満):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15件のベンチマークのうち、GPT-5.5のリードが13件、Qwen3.6 Maxのリードが2件です。両方を評価しているすべての総合指標で、GPT-5.5が上回っています。

総合IndexGPT-5.5 (xhigh)Qwen3.6 Max (max)トップ
BenchLeader Index64.162.1互角
Arena Text1481†1460GPT-5.5

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-5.5 (xhigh)Qwen3.6 Max (max)
100万トークンあたりのブレンド価格$11.25$2.92
100万トークンあたりの入力/出力$5.00 / $30.00$1.30 / $7.80
100万トークンあたりのキャッシュ入力$0.500$0.130
タスクあたりの価格:チャットの返答$0.011$0.0029
タスクあたりの価格:30ページのレポートを要約$0.078$0.020
タスクあたりの価格:コード編集$0.075$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$0.420$0.109
タスクあたりの価格:構造化データの抽出$0.016$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)$0.217$0.057
出力速度81 tok/s–
回答開始までの時間38.3秒–
回答が完了するまでの時間(最終測定2026年11月13日)104.3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-5.5 (xhigh)のスコアは64.1、最初の回答トークンまで38秒。GPT-5.5 (high)は63.5(16秒)、GPT-5.5は61.0(3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

133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-5.5 (xhigh)Qwen3.6 Max (max)
BenchLeader IndexBenchLeader64.162.1
エージェント・ツールスコアBenchLeader61.872.1
コーディングスコアBenchLeader60.755.9
指示追従スコアBenchLeader74.074.7
知識スコアBenchLeader63.659.7
長文コンテキストスコアBenchLeader66.965.0
数学スコアBenchLeader69.364.4
マルチモーダルスコアBenchLeader62.3–
推論スコアBenchLeader68.160.8
人間の評価スコアBenchLeader–64.5
ブレンド価格($/100万トークン)BenchLeader$11.25$2.92
出力速度BenchLeader81 tok/s–
回答開始までの時間BenchLeader38.3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 Hub90.7%†87.4%
SimpleBenchSimpleBench69.0%†63.0%
Arena Hard PromptsArena (LMArena)1499†1481
LiveBench 1.0 ReasoningLiveBench89.7%–
GPQA Diamond (AA)Artificial Analysis93.5%88.8%
Humanity's Last Exam (AA)Artificial Analysis45.8%30.8%
GPQA Diamond (Vals)Vals AI93.2%–
Kagi LLM BenchmarkKagi LLM Benchmark88.8%†–
ARC-AGI-1ARC Prize95.0%–
ARC-AGI-2ARC Prize85.0%–
ARC-AGI-3ARC Prize0.4%†–
CritPtArtificial Analysis27.1%3.7%
Arena ExpertArena (LMArena)1510†1497
Chess PuzzlesEpoch AI Benchmarking Hub63.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub56.0%19.0%†
CL-bench LifeEpoch AI Benchmarking Hub22.2%†–
LMCAEpoch AI Benchmarking Hub54.3%42.5%
DTBenchEpoch AI Benchmarking Hub96.0%87.2%
ForecastBenchForecastBench64.2%†–
BTF-3Epoch AI Benchmarking Hub14.3%†–
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub–76.7%
SciCodeSciCode55.8%–
WeirdMLWeirdML84.9%–
FrontierCodeCognition43.0%†–
GSO-BenchGSO-Bench40.2%–
133件のベンチマークをすべて表示
指標公開元GPT-5.5 (xhigh)Qwen3.6 Max (max)
コーディング
Arena CodingArena (LMArena)1510†1510
Arena WebDevArena (LMArena)15121482
LiveBench 1.0 CodingLiveBench82.2%–
LiveCodeBenchVals AI85.3%–
SWE-bench (Vals)Vals AI82.6%72.8%
Code MigrationVals AI45.2%–
ProgramBenchVals AI0.5%–
Vibe Code Bench v1.1Vals AI69.8%–
SWE Atlas v1.0: Codebase QnAScale AI SEAL45.4%–
SWE Atlas v1.0: RefactoringScale AI SEAL44.8%–
SWE Atlas v1.0: Test WritingScale AI SEAL42.6%–
MirrorCodeEpoch AI Benchmarking Hub23.3%–
Surface Evolver BenchEpoch AI Benchmarking Hub88.1%†–
DeepSWE v1.1Epoch AI Benchmarking Hub67.0%–
ALE-BenchEpoch AI Benchmarking Hub1943.0–
Terminal-Bench 4.0 (AA)Artificial Analysis14.7%–
Terminal-Bench 2.1 (AA)Artificial Analysis84.3%–
GameBench 2 OverallDuelLab GameBench 249.2†–
GameBench 2 by reasoning settingDuelLab GameBench 259.9–
Design Arena WebsiteDesign Arena1248†–
エージェント・ツール
Terminal-BenchTerminal-Bench84.7%†–
OSWorld-Verified 2.0OSWorld13.0%–
Remote Labor IndexScale AI / CAIS6.3%†–
APEX-AgentsMercor55.1%†–
LiveBench Agentic CodingLiveBench54.0%–
Terminal-Bench HardArtificial Analysis60.6%43.9%
τ²-Bench Telecom (AA)Artificial Analysis93.9%95.9%
Terminal-Bench 2.1 (Vals)Vals AI57.3%†–
MCP AtlasScale AI SEAL75.3%–
HiL-BenchScale AI SEAL39.7%†–
τ³-bench Bankingτ²-bench44.6%–
GDPval-AA v2.1Artificial Analysis1357–
τ³-Banking (AA)Artificial Analysis39.0%–
ITBench SRE (AA)Artificial Analysis45.8%–
Analyst Agent (AA)Artificial Analysis50.0%–
APEX-Agents (AA)Artificial Analysis37.7%–
Finance Agent v2Vals AI51.8%–
Harvey's Legal Agent Benchmark v1Vals AI3.8%–
Legal Research BenchVals AI40.4%–
SkillsBenchVals AI62.2%–
SREBenchVals AI3.8%–
Tax Agent BenchVals AI21.8%–
Terminal-Bench 2.0 (Vals)Vals AI73.2%†51.7%
Time Horizon Index: KSPVals AI8.3%–
Arena SearchArena (LMArena)1226†–
DeepResearch BenchDeepResearch Bench54.0%†–
PostTrainBenchEpoch AI Benchmarking Hub23.9%–
ExploitBenchEpoch AI Benchmarking Hub47.4%†–
GBAEvalEpoch AI Benchmarking Hub53.2%†–
Vending-Bench 2Andon Labs7523.8†4254.2
AutomationBenchArtificial Analysis47.3%–
GDP.pdf (AA)Artificial Analysis21.2%–
EnterpriseOps-GymArtificial Analysis46.6%–
AA-Briefcase v1.1Artificial Analysis1135–
Design Arena AgenticDesign Arena1113†–
RoboDojo (LLM as robot policy)RoboDojo1.1†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub85.3%–
FrontierMath Tier 4Epoch AI Benchmarking Hub72.5%–
OTIS Mock AIMEEpoch AI Benchmarking Hub84.4%†91.1%
ProofBenchVals AI50.0%–
LiveBench MathematicsLiveBench95.9%–
AIME 2026MathArena100.0%–
HMMT February 2026MathArena98.5%–
USAMO 2026MathArena98.2%–
MathArena ApexMathArena80.2%–
Arena MathsArena (LMArena)1500†1471
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub63.0%52.0%
LiveBench 1.0 Data AnalysisLiveBench81.6%–
MMLU-ProVals AI88.1%–
LegalBenchVals AI86.5%–
CorpFinVals AI68.4%66.5%
TaxEvalVals AI75.0%–
CaseLaw v2Vals AI66.2%47.9%
Excel Modeling BenchmarkVals AI64.5%–
MedCodeVals AI49.1%–
MedScribeVals AI86.9%–
Public Benefits Bench v1.1Vals AI60.9%–
DrugDiscoveryBenchScale AI SEAL51.6%–
EBR-benchEpoch AI Benchmarking Hub34.3%–
GDP.pdfEpoch AI Benchmarking Hub26.0%–
指示追従
LiveBench LanguageLiveBench87.4%–
LiveBench Instruction FollowingLiveBench70.7%–
IFBenchArtificial Analysis75.8%76.6%
Arena Instruction FollowingArena (LMArena)1475†1451
人間の評価
Arena TextArena (LMArena)1476†1460
EQ-Bench 4EQ-Bench1295†–
EQ-Bench Creative Writing v3EQ-Bench1845†–
Arena Creative WritingArena (LMArena)1448†1438
Arena Multi-turnArena (LMArena)1484†1466
Arena Longer QueriesArena (LMArena)1486†1473
マルチモーダル
Arena VisionArena (LMArena)1296†–
MMMU-ProArtificial Analysis79.9%–
MMMU-Pro (Vals)Vals AI88.3%–
MortgageTaxVals AI68.8%–
Blueprint-Bench 2Epoch AI Benchmarking Hub36.2%†–
Furniture AssemblyEpoch AI Benchmarking Hub44.2%–
Code2Video-AAArtificial Analysis1000–
長文コンテキスト
AA-LCR v1.1Artificial Analysis84.3%80.7%
Arena DocumentArena (LMArena)1479†–
MLCRArtificial Analysis28.9%–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub160.1†149.8
LiveBench 1.0LiveBench80.2%–
AA Intelligence Index v4.3.2Artificial Analysis38.428.4
AA Progress Index v1Artificial Analysis320297.1
Vals RSI IndexVals AI16.5%–
Vals Multimodal IndexVals AI68.1%–
安全性・誠実さ
FORTRESSScale AI SEAL16.3%–

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-5.5 (xhigh):新しい結果1件(GDPval-AA v2.1)。
  • GPT-5.5 (xhigh):BenchLeader Index 64.6 → 64.1。
  • GPT-5.5 (xhigh):スコアの改訂1件。
  • GPT-5.5 (xhigh):新しい結果1件(MirrorCode)。
  • Qwen3.6 Max (max):BenchLeader Index 62.8 → 62.3。
  • GPT-5.5 (xhigh):スコアの改訂1件。
  • GPT-5.5 (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)。
  • GPT-5.5 (xhigh):価格 $2.63/M → $2.10/M。
  • GPT-5.5 (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-5.5 vs Qwen3.6 Max:よくある質問

GPT-5.5はQwen3.6 Maxより優れていますか?
GPT-5.5 (xhigh)とQwen3.6 Max (max)の品質は互角です(64.1 対 62.1、±4.9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-5.5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 $11.25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-5.5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-5.5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)。共通するコーディングベンチマークのうち最も重要なArena WebDevでは、GPT-5.5が1512、Qwen3.6 Maxが1482です。
エージェントやツール利用にはGPT-5.5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Qwen3.6 Maxの方がスコアが高くなっています(カテゴリ指標で72 対 62。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-5.5が60.6%、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-5.5の方がスコアが高くなっています(67 対 65)。コンテキストはGPT-5.5の方が長く、1,050,000トークンです(Qwen3.6 Maxは262,144トークン)。
ほかの質問(2件)
GPT-5.5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15件のベンチマークのうち、GPT-5.5のリードが13件、Qwen3.6 Maxのリードが2件です。両方を評価しているすべての総合指標で、GPT-5.5が上回っています。
GPT-5.5はいつリリースされましたか?
GPT-5.5は2026年4月23日にリリースされました。