BenchLeader

GPT-5.6 Luna vs Qwen3.8 Max

詳しいプロフィール:GPT-5.6 Luna(OpenAI)とQwen3.8 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 · 16件の情報源のデータ

2026年11月16日時点で、GPT-5.6 LunaとQwen3.8 Maxの品質は互角です(BenchLeader Indexで58.2 対 58.7、±5.2の誤差範囲内)。価格はGPT-5.6 Lunaの方が6.7倍安く、100万トークンあたりのブレンド価格で$0.450 対 $3.00です。両方を測定できるすべてのカテゴリでQwen3.8 Maxがリードしています。GPT-5.6 Lunaの方が出力が約1.5倍速いです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGPT-5.6 Lunaが58.2、Qwen3.8 Maxが58.7です(BenchLeader、2026年11月16日)。
  • GPT-5.6 Lunaの100万トークンあたりのブレンド価格は$0.450です(定価、2026年11月16日)。
  • Qwen3.8 Maxの100万トークンあたりのブレンド価格は$3.00です(定価、2026年11月16日)。
  • GPT-5.6 LunaはQwen3.8 Maxより出力が約1.5倍速いです(Artificial Analysis、7日間の中央値、2026年11月16日)。
  • 両モデルに結果がある25件のベンチマークのうち、Qwen3.8 Maxが22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-5.6 Lunaが1519、Qwen3.8 Maxが1676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Qwen3.8 Maxカテゴリスコア62 対 56;Arena WebDev 1676 対 1519中
エージェント・ツール利用Qwen3.8 Maxカテゴリスコア59 対 57;τ³-Banking (AA) 51.3% 対 28.7%中
数学どちらでもカテゴリスコア66 対 65;Arena Maths 1476 対 1505どちらでも
推論どちらでもカテゴリスコア52 対 52;Arena Hard Prompts 1475 対 1507どちらでも
長い文書どちらでもカテゴリスコア66 対 65;AA-LCR v1.1 81.7% 対 80.3%どちらでも
画像などのメディアQwen3.8 Maxカテゴリスコア66 対 60;Arena Vision 1312 対 1256中
チャットの質(人間の評価)Qwen3.8 MaxArenaの投票で68 対 64中
最低コストGPT-5.6 Luna100万トークンあたりブレンド価格$0.450 対 $3.00;エージェント型コーディングセッション$0.017 対 $0.144–
回答開始の速さGPT-5.6 Luna最初の回答トークンまで28.1秒(GPT-5.6 Luna (xhigh))対 119.6秒(Qwen3.8 Max (max))–
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-5.6 Luna (xhigh)とQwen3.8 Max (max)の品質は互角です(58.2 対 58.7、±5.2の誤差範囲内)。
  • GPT-5.6 Luna (xhigh)は長文コンテキスト、数学、推論で優れています。
  • Qwen3.8 Max (max)はエージェント・ツール、コーディング、人間の評価、マルチモーダルで優れています。
  • GPT-5.6 Luna (xhigh)の方が6.7倍安くなっています(100万トークンあたりブレンド価格$0.450 対 $3.00)。
  • GPT-5.6 Luna (xhigh)の方が出力が1.9倍速くなっています(110 対 59トークン/秒)。

概要

仕様GPT-5.6 LunaQwen3.8 Max
プロバイダーOpenAIAlibaba
リリース日2026年7月9日2026年8月3日
コンテキストウィンドウ(トークン)1,050,0001,000,000
比較した構成GPT-5.6 Luna (xhigh)Qwen3.8 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)$0.200 / $1.20 / $0.020$2.00 / $6.00 / $0.250

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-5.6 Luna (xhigh)Qwen3.8 Max (max)トップ
推論51.851.5互角
コーディング56.461.6Qwen3.8 Max
エージェント・ツール57.158.5Qwen3.8 Max
数学65.765.2互角
知識–58.0比較不可
人間の評価63.767.5Qwen3.8 Max
マルチモーダル59.965.7Qwen3.8 Max
長文コンテキスト65.564.8互角
総合–45.0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GPT-5.6 Luna, 推論: 51.8GPT-5.6 Luna, コーディング: 56.4GPT-5.6 Luna, エージェント・ツール: 57.1GPT-5.6 Luna, 数学: 65.7GPT-5.6 Luna, 長文コンテキスト: 65.5GPT-5.6 Luna, マルチモーダル: 59.9GPT-5.6 Luna, 人間の評価: 63.7Qwen3.8 Max, 推論: 51.5Qwen3.8 Max, コーディング: 61.6Qwen3.8 Max, エージェント・ツール: 58.5Qwen3.8 Max, 数学: 65.2Qwen3.8 Max, 長文コンテキスト: 64.8Qwen3.8 Max, マルチモーダル: 65.7Qwen3.8 Max, 人間の評価: 67.5

描画していないもの(測定済みのモデルが2つ未満):知識, 指示追従。

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25件のベンチマークのうち、GPT-5.6 Lunaのリードが3件、Qwen3.8 Maxのリードが22件です。両方を評価しているすべての総合指標で、Qwen3.8 Maxが上回っています。

総合IndexGPT-5.6 Luna (xhigh)Qwen3.8 Max (max)トップ
BenchLeader Index58.258.7互角
AA Intelligence Index v5.0.123.8†33.6Qwen3.8 Max
Arena Text14531484Qwen3.8 Max

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-5.6 Luna (xhigh)Qwen3.8 Max (max)
100万トークンあたりのブレンド価格$0.450$3.00
100万トークンあたりの入力/出力$0.200 / $1.20$2.00 / $6.00
100万トークンあたりのキャッシュ入力$0.020$0.250
タスクあたりの価格:チャットの返答$0.0004$0.0026
タスクあたりの価格:30ページのレポートを要約$0.0031$0.028
タスクあたりの価格:コード編集$0.0030$0.021
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$0.017$0.144
タスクあたりの価格:構造化データの抽出$0.0006$0.0052
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)$0.0087$0.065
ベンチマークのタスクあたりのコスト(AA Index)–$10.02
タスクあたりの出力トークン(AA Index)–171k
うち推論–120k
タスクあたりの時間(AA Index)–48 min
出力速度110 tok/s59 tok/s
回答開始までの時間28.1秒119.6秒
回答が完了するまでの時間(最終測定2026年11月13日)101.7秒294.1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-5.6 Luna (xhigh)のスコアは58.2、最初の回答トークンまで28秒。GPT-5.6 Luna (max)は56.2(59秒)、GPT-5.6 Luna (high)は54.7(11秒)。Qwen3.8 Max (max)のスコアは58.7、最初の回答トークンまで120秒。Qwen3.8 Max (xhigh)は56.6(3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

155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-5.6 Luna (xhigh)Qwen3.8 Max (max)
BenchLeader IndexBenchLeader58.258.7
エージェント・ツールスコアBenchLeader57.158.5
コーディングスコアBenchLeader56.461.6
人間の評価スコアBenchLeader63.767.5
長文コンテキストスコアBenchLeader65.564.8
数学スコアBenchLeader65.765.2
マルチモーダルスコアBenchLeader59.965.7
推論スコアBenchLeader51.851.5
総合スコアBenchLeader–45.0
知識スコアBenchLeader–58.0
ブレンド価格($/100万トークン)BenchLeader$0.450$3.00
出力速度BenchLeader110 tok/s59 tok/s
回答開始までの時間BenchLeader28.1秒119.6秒
コンテキストウィンドウBenchLeader1,050,000トークン1,000,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub91.6%†92.7%†
SimpleBenchSimpleBench46.8%–
Arena Hard PromptsArena (LMArena)14751507
LiveBench 2.0 ReasoningLiveBench–88.2%
LiveBench 1.0 ReasoningLiveBench85.6%†88.2%
GPQA Diamond (AA)Artificial Analysis89.5%92.8%
Humanity's Last Exam (AA)Artificial Analysis37.0%43.1%
HLE-Diamond (AA)Artificial Analysis20.9%†24.0%
GPQA Diamond (Vals)Vals AI91.7%†93.7%
Kagi LLM BenchmarkKagi LLM Benchmark49.1%†–
ARC-AGI-1ARC Prize87.7%–
ARC-AGI-2ARC Prize47.6%–
ARC-AGI-3ARC Prize0.0%–
CritPtArtificial Analysis20.6%20.0%
CritPt v2 hard subset (AA)Artificial Analysis30.5%†29.5%
MysteryMechanismVals AI14.4%†23.9%
Arena ExpertArena (LMArena)14901514
Chess PuzzlesEpoch AI Benchmarking Hub43.0%†46.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub21.0%†38.0%†
LMCAEpoch AI Benchmarking Hub48.5%46.2%†
DTBenchEpoch AI Benchmarking Hub89.1%92.0%†
コーディング
SciCodeSciCode50.5%53.2%
WeirdMLWeirdML60.9%†–
FrontierCodeCognition39.8%†–
Arena CodingArena (LMArena)15031523
155件のベンチマークをすべて表示
指標公開元GPT-5.6 Luna (xhigh)Qwen3.8 Max (max)
コーディング
Arena WebDevArena (LMArena)15191676
LiveBench 2.0 CodingLiveBench–60.9%
LiveBench 1.0 CodingLiveBench82.9%†72.9%
LiveCodeBenchVals AI–87.8%
IOIVals AI61.8%†68.9%
SWE-bench (Vals)Vals AI93.0%†85.6%
Code MigrationVals AI44.5%†24.0%
ProgramBenchVals AI0.0%†0.0%
SWE-bench MultimodalVals AI–42.5%
Vibe Code Bench 1-100Vals AI22.6%†12.8%
Vibe Code Bench v1.1Vals AI77.1%†64.7%
SWE Atlas v1.1Scale AI SEAL–64.4%
SWE Atlas v1.1: Codebase QnAScale AI SEAL–81.5%
SWE Atlas v1.1: Test WritingScale AI SEAL–58.9%
SWE Atlas v1.1: RefactoringScale AI SEAL–52.9%
MirrorCodeEpoch AI Benchmarking Hub21.1%†52.2%†
Surface Evolver BenchEpoch AI Benchmarking Hub61.9%†–
DeepSWE v1.1Epoch AI Benchmarking Hub56.9%57.5%†
CursorBenchCursor33.0%–
ALE-BenchEpoch AI Benchmarking Hub1667.4†1679.1†
FrontierSWEEpoch AI Benchmarking Hub–17.8%†
WeirdML v3WeirdML5.2%–
Terminal-Bench 4.0 (AA)Artificial Analysis3.5%38.9%
Terminal-Bench 2.1 (AA)Artificial Analysis77.9%88.8%
Startrise FrontendStartrise65.0%†71.3%
GameBench 2 OverallDuelLab GameBench 240.2†54.2†
GameBench 2 by reasoning settingDuelLab GameBench 25469.6†
Design Arena WebsiteDesign Arena1248†1269
FrontierCode 1.1 (AA)Artificial Analysis–43.2%
FrontierCode 2.0 (AA)Artificial Analysis17.6%†23.4%
エージェント・ツール
Terminal-BenchTerminal-Bench17.6%†27.0%
APEX-AgentsMercor43.0%†63.3%
Arena AgentArena (LMArena)–0.1
LiveBench Long AgenticLiveBench–26.6%
LiveBench BrowserLiveBench–49.4%
LiveBench Agentic CodingLiveBench48.4%†64.7%
Terminal-Bench 2.1 (Vals)Vals AI79.0%†67.4%
τ³-bench Bankingτ²-bench–55.1%†
GDPval-AA v2.1, normalised scoreArtificial Analysis–58.3%
GDPval-AA v2.1Artificial Analysis14071674
τ³-Banking (AA)Artificial Analysis28.7%51.3%
ITBench SRE (AA)Artificial Analysis40.3%†40.3%
Analyst Agent (AA)Artificial Analysis–45.0%
APEX-Agents (AA)Artificial Analysis35.8%†42.4%
CyberBenchVals AI73.6%†28.6%
Finance Agent v2Vals AI55.0%†50.6%
Harvey's Legal Agent Benchmark v1Vals AI1.3%†10.4%
Legal Research BenchVals AI36.5%†47.6%
SkillsBenchVals AI60.5%†42.0%
SREBenchVals AI1.5%†–
Tax Agent BenchVals AI24.8%†32.1%
Terminal-Bench 4.0 (Vals)Vals AI11.6%†34.3%
Terminal-Bench ScienceVals AI0.0%†12.9%
Arena SearchArena (LMArena)–1227
Arena Agent Task CompletionArena (LMArena)–4.5
BALROGBALROG45.6%†–
Vending-Bench 2Andon Labs4094.7†–
AutomationBenchArtificial Analysis42.6%56.2%
GDP.pdf (AA)Artificial Analysis23.8%22.8%
EnterpriseOps-GymArtificial Analysis40.8%†47.6%
AA-Briefcase v1.1Artificial Analysis12671604
GDPxGDPx by SemiAnalysis–3.5%
Design Arena AgenticDesign Arena1149†1264
Terminal-Bench-Science 0.1 (AA)Artificial Analysis3.3%†11.9%
MKA (AA)Artificial Analysis–37.4%
FACTS SearchGoogle87.0%†85.0%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub82.1%†74.7%†
FrontierMath Tier 4Epoch AI Benchmarking Hub61.0%†46.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub98.3%†100.0%†
ProofBenchVals AI60.0%†58.0%
LiveBench MathematicsLiveBench87.2%†91.3%
Arena MathsArena (LMArena)14761505
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub41.0%†47.3%†
LiveBench 2.0 Data AnalysisLiveBench–78.4%
LiveBench ResearchLiveBench–72.8%
LiveBench 1.0 Data AnalysisLiveBench78.0%†78.4%
AA-Omniscience v1.1Artificial Analysis-17.1†10.5
MMLU-ProVals AI86.0%†88.6%
LegalBenchVals AI84.0%†83.6%
CorpFinVals AI64.2%†65.8%
TaxEvalVals AI76.2%†75.5%
BioMysteryBenchVals AI61.5%†–
Excel Modeling BenchmarkVals AI67.1%†60.1%
Excel Modeling Benchmark v1.1Vals AI–66.0%
MedCodeVals AI42.4%†40.7%
MedScribeVals AI84.4%†85.0%
Public Benefits Bench v1.1Vals AI61.2%†67.1%
Access to Justice BenchmarkVals AI65.6%†76.4%
Financial Coaching BenchVals AI69.3%†75.6%
Immigration BenchVals AI–70.1%
GDP.pdfEpoch AI Benchmarking Hub22.7%†23.2%†
AA-Omniscience v1.1: accuracyArtificial Analysis39.1%†29.5%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis7.7%†72.9%
FACTS ParametricGoogle50.6%†30.8%
指示追従
LiveBench LanguageLiveBench72.6%†79.7%
LiveBench Instruction FollowingLiveBench60.1%†74.1%
Arena Instruction FollowingArena (LMArena)14431478
人間の評価
Arena TextArena (LMArena)14531484
EQ-Bench 4EQ-Bench1146†–
EQ-Bench Creative Writing v3EQ-Bench1832†–
Arena Creative WritingArena (LMArena)14111472
Arena Multi-turnArena (LMArena)14581495
Arena Longer QueriesArena (LMArena)14521496
マルチモーダル
Arena VisionArena (LMArena)12561312
LiveBench DesignLiveBench–76.6%
MMMU-ProArtificial Analysis78.5%82.8%
MMMU-Pro (Vals)Vals AI85.0%†88.0%
MortgageTaxVals AI67.3%†64.0%
SAGEVals AI–81.8%
Humanity's Sixth SenseScale AI SEAL21.6%†33.0%
Blueprint-Bench 2Epoch AI Benchmarking Hub22.6%†–
Furniture AssemblyEpoch AI Benchmarking Hub42.5%†20.0%†
VIALS-AAHandshake AI–31.7%
Code2Video-AAArtificial Analysis–1021
AA-3DArtificial Analysis–954
FACTS MultimodalGoogle37.4%†51.5%
長文コンテキスト
AA-LCR v1.1Artificial Analysis81.7%80.3%
Arena DocumentArena (LMArena)1460–
MLCRArtificial Analysis15.0%26.1%
FACTS GroundingGoogle52.5%†73.8%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.7†157.6
LiveBench 2.0LiveBench–60.9%
LiveBench 1.0LiveBench73.6%†78.5%
AA Intelligence Index v5.0.1Artificial Analysis23.8†33.6
AA Intelligence Index v4.3.2Artificial Analysis34.645.4
AA Progress Index v1Artificial Analysis305.8323.7
Vals RSI IndexVals AI–21.8%
Vals Science IndexVals AI25.3%†–
Vals Multimodal IndexVals AI69.1%†65.4%
安全性・誠実さ
DistressBenchScale AI SEAL72.7%†77.6%

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

  • Qwen3.8 Max (max):スコアの改訂1件。
  • GPT-5.6 Luna (xhigh):新しい結果2件(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Qwen3.8 Max (max):スコアの改訂1件。
  • GPT-5.6 Luna (xhigh):スコアの改訂1件。
  • Qwen3.8 Max (max):スコアの改訂6件。
  • Qwen3.8 Max (max):スコアの改訂1件。
  • Qwen3.8 Max (max):新しい結果1件(FACTS Search)、スコアの改訂1件。
  • GPT-5.6 Luna (xhigh):スコアの改訂1件。
  • Qwen3.8 Max (max):スコアの改訂1件、価格 $0.22/M → $0.25/M。
  • Qwen3.8 Max (max):価格 $0.25/M → $0.22/M。

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-5.6 Luna vs Qwen3.8 Max:よくある質問

GPT-5.6 LunaはQwen3.8 Maxより優れていますか?
GPT-5.6 Luna (xhigh)とQwen3.8 Max (max)の品質は互角です(58.2 対 58.7、±5.2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-5.6 LunaとQwen3.8 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GPT-5.6 Lunaの方が安く、100万トークンあたり$0.450 対 $3.00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-5.6 LunaとQwen3.8 Maxのどちらが向いていますか?
コーディングではQwen3.8 Maxの方がスコアが高くなっています(カテゴリ指標で62 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-5.6 Lunaが1519、Qwen3.8 Maxが1676です。
GPT-5.6 LunaとQwen3.8 Maxはどちらが速いですか?
GPT-5.6 Lunaの方が出力が約1.5倍速くなっています(出力110 対 59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-5.6 LunaとQwen3.8 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Qwen3.8 Maxの方がスコアが高くなっています(カテゴリ指標で59 対 57。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-5.6 Lunaが28.7%、Qwen3.8 Maxが51.3%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互角です(66 対 65)。どちらも約1.1Mトークンです(GPT-5.6 Lunaは1,050,000、Qwen3.8 Maxは1,000,000)。
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GPT-5.6 Lunaです。Artificial Analysisの測定では、最初の回答トークンまで28.1秒 対 119.6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-5.6 LunaとQwen3.8 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25件のベンチマークのうち、GPT-5.6 Lunaのリードが3件、Qwen3.8 Maxのリードが22件です。両方を評価しているすべての総合指標で、Qwen3.8 Maxが上回っています。
Qwen3.8 Maxはいつリリースされましたか?
Qwen3.8 Maxは2026年8月3日にリリースされました。