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 Max | 100万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-5.5 | Qwen3.6 Max |
|---|---|---|
| プロバイダー | OpenAI | Alibaba |
| 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) | 1,050,000 | 262,144 |
| 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 | 68.1 | 60.8 | GPT-5.5 |
| コーディング | 60.7 | 55.9 | GPT-5.5 |
| エージェント・ツール | 61.8 | 72.1 | Qwen3.6 Max |
| 数学 | 69.3 | 64.4 | GPT-5.5 |
| 知識 | 63.6 | 59.7 | GPT-5.5 |
| 指示追従 | 74.0 | 74.7 | 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 | 66.9 | 65.0 | GPT-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。
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。
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Index | GPT-5.5 (xhigh) | Qwen3.6 Max (max) | トップ |
|---|---|---|---|
| BenchLeader Index | 64.1 | 62.1 | 互角 |
| Arena Text | 1481† | 1460 | GPT-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 | $0.057 |
| 出力速度 | 81 tok/s | – |
| 回答開始までの時間 | 38.3秒 | – |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 104.3秒 | – |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。GPT-5.5 (xhigh)のスコアは64.1、最初の回答トークンまで38秒。GPT-5.5 (high)は63.5(16秒)、GPT-5.5は61.0(3秒)。Qwen3.6 Max (max)のスコアは62.1。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
133件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | GPT-5.5 (xhigh) | Qwen3.6 Max (max) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 64.1 | 62.1 |
| エージェント・ツールスコア | BenchLeader | 61.8 | 72.1 |
| コーディングスコア | BenchLeader | 60.7 | 55.9 |
| 指示追従スコア | BenchLeader | 74.0 | 74.7 |
| 知識スコア | BenchLeader | 63.6 | 59.7 |
| 長文コンテキストスコア | BenchLeader | 66.9 | 65.0 |
| 数学スコア | BenchLeader | 69.3 | 64.4 |
| マルチモーダルスコア | BenchLeader | 62.3 | – |
| 推論スコア | BenchLeader | 68.1 | 60.8 |
| 人間の評価スコア | BenchLeader | – | 64.5 |
| ブレンド価格($/100万トークン) | BenchLeader | $11.25 | $2.92 |
| 出力速度 | BenchLeader | 81 tok/s | – |
| 回答開始までの時間 | BenchLeader | 38.3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 | 90.7%† | 87.4% |
| SimpleBench | SimpleBench | 69.0%† | 63.0% |
| Arena Hard Prompts | Arena (LMArena) | 1499† | 1481 |
| LiveBench 1.0 Reasoning | LiveBench | 89.7% | – |
| GPQA Diamond (AA) | Artificial Analysis | 93.5% | 88.8% |
| Humanity's Last Exam (AA) | Artificial Analysis | 45.8% | 30.8% |
| GPQA Diamond (Vals) | Vals AI | 93.2% | – |
| Kagi LLM Benchmark | Kagi LLM Benchmark | 88.8%† | – |
| ARC-AGI-1 | ARC Prize | 95.0% | – |
| ARC-AGI-2 | ARC Prize | 85.0% | – |
| ARC-AGI-3 | ARC Prize | 0.4%† | – |
| CritPt | Artificial Analysis | 27.1% | 3.7% |
| Arena Expert | Arena (LMArena) | 1510† | 1497 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 63.0% | – |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 56.0% | 19.0%† |
| CL-bench Life | Epoch AI Benchmarking Hub | 22.2%† | – |
| LMCA | Epoch AI Benchmarking Hub | 54.3% | 42.5% |
| DTBench | Epoch AI Benchmarking Hub | 96.0% | 87.2% |
| ForecastBench | ForecastBench | 64.2%† | – |
| BTF-3 | Epoch AI Benchmarking Hub | 14.3%† | – |
| コーディング | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | – | 76.7% |
| SciCode | SciCode | 55.8% | – |
| WeirdML | WeirdML | 84.9% | – |
| FrontierCode | Cognition | 43.0%† | – |
| GSO-Bench | GSO-Bench | 40.2% | – |
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 Coding | Arena (LMArena) | 1510† | 1510 |
| Arena WebDev | Arena (LMArena) | 1512 | 1482 |
| LiveBench 1.0 Coding | LiveBench | 82.2% | – |
| LiveCodeBench | Vals AI | 85.3% | – |
| SWE-bench (Vals) | Vals AI | 82.6% | 72.8% |
| Code Migration | Vals AI | 45.2% | – |
| ProgramBench | Vals AI | 0.5% | – |
| Vibe Code Bench v1.1 | Vals AI | 69.8% | – |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | 45.4% | – |
| SWE Atlas v1.0: Refactoring | Scale AI SEAL | 44.8% | – |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | 42.6% | – |
| MirrorCode | Epoch AI Benchmarking Hub | 23.3% | – |
| Surface Evolver Bench | Epoch AI Benchmarking Hub | 88.1%† | – |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | 67.0% | – |
| ALE-Bench | Epoch AI Benchmarking Hub | 1943.0 | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 14.7% | – |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 84.3% | – |
| GameBench 2 Overall | DuelLab GameBench 2 | 49.2† | – |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 59.9 | – |
| Design Arena Website | Design Arena | 1248† | – |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 84.7%† | – |
| OSWorld-Verified 2.0 | OSWorld | 13.0% | – |
| Remote Labor Index | Scale AI / CAIS | 6.3%† | – |
| APEX-Agents | Mercor | 55.1%† | – |
| LiveBench Agentic Coding | LiveBench | 54.0% | – |
| Terminal-Bench Hard | Artificial Analysis | 60.6% | 43.9% |
| τ²-Bench Telecom (AA) | Artificial Analysis | 93.9% | 95.9% |
| Terminal-Bench 2.1 (Vals) | Vals AI | 57.3%† | – |
| MCP Atlas | Scale AI SEAL | 75.3% | – |
| HiL-Bench | Scale AI SEAL | 39.7%† | – |
| τ³-bench Banking | τ²-bench | 44.6% | – |
| GDPval-AA v2.1 | Artificial Analysis | 1357 | – |
| τ³-Banking (AA) | Artificial Analysis | 39.0% | – |
| ITBench SRE (AA) | Artificial Analysis | 45.8% | – |
| Analyst Agent (AA) | Artificial Analysis | 50.0% | – |
| APEX-Agents (AA) | Artificial Analysis | 37.7% | – |
| Finance Agent v2 | Vals AI | 51.8% | – |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 3.8% | – |
| Legal Research Bench | Vals AI | 40.4% | – |
| SkillsBench | Vals AI | 62.2% | – |
| SREBench | Vals AI | 3.8% | – |
| Tax Agent Bench | Vals AI | 21.8% | – |
| Terminal-Bench 2.0 (Vals) | Vals AI | 73.2%† | 51.7% |
| Time Horizon Index: KSP | Vals AI | 8.3% | – |
| Arena Search | Arena (LMArena) | 1226† | – |
| DeepResearch Bench | DeepResearch Bench | 54.0%† | – |
| PostTrainBench | Epoch AI Benchmarking Hub | 23.9% | – |
| ExploitBench | Epoch AI Benchmarking Hub | 47.4%† | – |
| GBAEval | Epoch AI Benchmarking Hub | 53.2%† | – |
| Vending-Bench 2 | Andon Labs | 7523.8† | 4254.2 |
| AutomationBench | Artificial Analysis | 47.3% | – |
| GDP.pdf (AA) | Artificial Analysis | 21.2% | – |
| EnterpriseOps-Gym | Artificial Analysis | 46.6% | – |
| AA-Briefcase v1.1 | Artificial Analysis | 1135 | – |
| Design Arena Agentic | Design Arena | 1113† | – |
| RoboDojo (LLM as robot policy) | RoboDojo | 1.1† | – |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 85.3% | – |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 72.5% | – |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 84.4%† | 91.1% |
| ProofBench | Vals AI | 50.0% | – |
| LiveBench Mathematics | LiveBench | 95.9% | – |
| AIME 2026 | MathArena | 100.0% | – |
| HMMT February 2026 | MathArena | 98.5% | – |
| USAMO 2026 | MathArena | 98.2% | – |
| MathArena Apex | MathArena | 80.2% | – |
| Arena Maths | Arena (LMArena) | 1500† | 1471 |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | 0.0% | – |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 63.0% | 52.0% |
| LiveBench 1.0 Data Analysis | LiveBench | 81.6% | – |
| MMLU-Pro | Vals AI | 88.1% | – |
| LegalBench | Vals AI | 86.5% | – |
| CorpFin | Vals AI | 68.4% | 66.5% |
| TaxEval | Vals AI | 75.0% | – |
| CaseLaw v2 | Vals AI | 66.2% | 47.9% |
| Excel Modeling Benchmark | Vals AI | 64.5% | – |
| MedCode | Vals AI | 49.1% | – |
| MedScribe | Vals AI | 86.9% | – |
| Public Benefits Bench v1.1 | Vals AI | 60.9% | – |
| DrugDiscoveryBench | Scale AI SEAL | 51.6% | – |
| EBR-bench | Epoch AI Benchmarking Hub | 34.3% | – |
| GDP.pdf | Epoch AI Benchmarking Hub | 26.0% | – |
| 指示追従 | |||
| LiveBench Language | LiveBench | 87.4% | – |
| LiveBench Instruction Following | LiveBench | 70.7% | – |
| IFBench | Artificial Analysis | 75.8% | 76.6% |
| Arena Instruction Following | Arena (LMArena) | 1475† | 1451 |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1476† | 1460 |
| EQ-Bench 4 | EQ-Bench | 1295† | – |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1845† | – |
| Arena Creative Writing | Arena (LMArena) | 1448† | 1438 |
| Arena Multi-turn | Arena (LMArena) | 1484† | 1466 |
| Arena Longer Queries | Arena (LMArena) | 1486† | 1473 |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1296† | – |
| MMMU-Pro | Artificial Analysis | 79.9% | – |
| MMMU-Pro (Vals) | Vals AI | 88.3% | – |
| MortgageTax | Vals AI | 68.8% | – |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 36.2%† | – |
| Furniture Assembly | Epoch AI Benchmarking Hub | 44.2% | – |
| Code2Video-AA | Artificial Analysis | 1000 | – |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 84.3% | 80.7% |
| Arena Document | Arena (LMArena) | 1479† | – |
| MLCR | Artificial Analysis | 28.9% | – |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 160.1† | 149.8 |
| LiveBench 1.0 | LiveBench | 80.2% | – |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 38.4 | 28.4 |
| AA Progress Index v1 | Artificial Analysis | 320 | 297.1 |
| Vals RSI Index | Vals AI | 16.5% | – |
| Vals Multimodal Index | Vals AI | 68.1% | – |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | 16.3% | – |
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)。
関連する比較
- GPT-5.5 vs Claude Fable 5.2
- GPT-5.5 vs Gemini 4 Carbon
- GPT-5.5 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-5.4 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-5.5 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。