BenchLeader

GPT-5.6 Sol vs Qwen3.8 2.4T A95B

詳しいプロフィール:GPT-5.6 Sol(OpenAI)とQwen3.8 2.4T A95B(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-5.6 SolとQwen3.8 2.4T A95Bの品質は互角です(BenchLeader Indexで65.3 対 51.4、±14.7の誤差範囲内)。価格はQwen3.8 2.4T A95Bの方が2.7倍安く、100万トークンあたりのブレンド価格で$3.00 対 $8.00です。両方を測定できるすべてのカテゴリでGPT-5.6 Solがリードしています。GPT-5.6 Solの方が出力が約2倍速いです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGPT-5.6 Solが65.3、Qwen3.8 2.4T A95Bが51.4です(BenchLeader、2026年11月16日)。
  • GPT-5.6 Solの100万トークンあたりのブレンド価格は$8.00です(定価、2026年11月16日)。
  • Qwen3.8 2.4T A95B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 SolはQwen3.8 2.4T A95Bより出力が約2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15件のベンチマークのうち、GPT-5.6 Solが12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
エージェント・ツール利用GPT-5.6 Solカテゴリスコア68 対 48;τ³-Banking (AA) 44.3% 対 49.1%高
推論GPT-5.6 Solカテゴリスコア65 対 46;GPQA Diamond (AA) 94.1% 対 93.5%高
知識GPT-5.6 Solカテゴリスコア64 対 49高
長い文書GPT-5.6 Solカテゴリスコア67 対 65;AA-LCR v1.1 84.0% 対 80.3%中
最低コストQwen3.8 2.4T A95B100万トークンあたりブレンド価格$3.00 対 $8.00;エージェント型コーディングセッション$0.144 対 $0.320–
回答開始の速さGPT-5.6 Sol最初の回答トークンまで33.5秒(GPT-5.6 Sol (max))対 107.3秒(Qwen3.8 2.4T A95B)–
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 Sol (max)とQwen3.8 2.4T A95Bの品質は互角です(65.3 対 51.4、±14.7の誤差範囲内)。
  • GPT-5.6 Sol (max)はエージェント・ツール、知識、長文コンテキスト、推論で優れています。
  • Qwen3.8 2.4T A95Bの方が2.7倍安くなっています(100万トークンあたりブレンド価格$3.00 対 $8.00)。
  • GPT-5.6 Sol (max)の方が出力が2.5倍速くなっています(100 対 41トークン/秒)。

概要

仕様GPT-5.6 SolQwen3.8 2.4T A95B
プロバイダーOpenAIAlibaba
リリース日2026年7月9日2026年8月12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 Sol (max)Qwen3.8 2.4T A95B
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)$4.00 / $20.00 / $0.400$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 Sol (max)Qwen3.8 2.4T A95Bトップ
推論64.746.4GPT-5.6 Sol
コーディング65.8–比較不可
エージェント・ツール67.547.8GPT-5.6 Sol
数学70.0–比較不可
知識63.849.0GPT-5.6 Sol
指示追従71.2–比較不可
マルチモーダル65.9–比較不可
長文コンテキスト66.764.8GPT-5.6 Sol

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推論エージェント・ツール知識長文コンテキストGPT-5.6 Sol, 推論: 64.7GPT-5.6 Sol, エージェント・ツール: 67.5GPT-5.6 Sol, 知識: 63.8GPT-5.6 Sol, 長文コンテキスト: 66.7Qwen3.8 2.4T A95B, 推論: 46.4Qwen3.8 2.4T A95B, エージェント・ツール: 47.8Qwen3.8 2.4T A95B, 知識: 49.0Qwen3.8 2.4T A95B, 長文コンテキスト: 64.8

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, 数学, 指示追従, 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-5.6 Solのリードが12件、Qwen3.8 2.4T A95Bのリードが3件です。

総合IndexGPT-5.6 Sol (max)Qwen3.8 2.4T A95Bトップ
BenchLeader Index65.351.4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-5.6 Sol (max)Qwen3.8 2.4T A95B
100万トークンあたりのブレンド価格$8.00$3.00
100万トークンあたりの入力/出力$4.00 / $20.00$2.00 / $6.00
100万トークンあたりのキャッシュ入力$0.400$0.250
タスクあたりの価格:チャットの返答$0.0076$0.0026
タスクあたりの価格:30ページのレポートを要約$0.060$0.028
タスクあたりの価格:コード編集$0.054$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$0.320$0.144
タスクあたりの価格:構造化データの抽出$0.012$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)$0.158$0.065
出力速度100 tok/s41 tok/s
回答開始までの時間33.5秒107.3秒
回答が完了するまでの時間(最終測定2026年11月13日)157.3秒248.5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 Sol (max)のスコアは65.3、最初の回答トークンまで34秒。GPT-5.6 Sol (xhigh)は63.9(17秒)、GPT-5.6 Sol (high)は63.4(10秒)。Qwen3.8 2.4T A95Bのスコアは51.4、最初の回答トークンまで107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

162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 Sol (max)Qwen3.8 2.4T A95B
BenchLeader IndexBenchLeader65.351.4
エージェント・ツールスコアBenchLeader67.547.8
コーディングスコアBenchLeader65.8–
指示追従スコアBenchLeader71.2–
知識スコアBenchLeader63.849.0
長文コンテキストスコアBenchLeader66.764.8
数学スコアBenchLeader70.0–
マルチモーダルスコアBenchLeader65.9–
推論スコアBenchLeader64.746.4
ブレンド価格($/100万トークン)BenchLeader$8.00$3.00
出力速度BenchLeader100 tok/s41 tok/s
回答開始までの時間BenchLeader33.5秒107.3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 Hub93.5%–
SimpleBenchSimpleBench64.8%†–
Arena Hard PromptsArena (LMArena)1511†–
LiveBench 1.0 ReasoningLiveBench91.7%–
GPQA Diamond (AA)Artificial Analysis94.1%93.5%
Humanity's Last Exam (AA)Artificial Analysis49.5%42.5%
HLE-Diamond (AA)Artificial Analysis–20.1%
GPQA Diamond (Vals)Vals AI95.2%–
EnigmaEvalScale AI SEAL37.1%†–
Kagi LLM BenchmarkKagi LLM Benchmark67.0%†–
ARC-AGI-1ARC Prize96.5%–
ARC-AGI-2ARC Prize92.5%–
ARC-AGI-3ARC Prize7.8%–
CritPtArtificial Analysis32.3%20.0%
CritPt v2 hard subset (AA)Artificial Analysis60.0%–
MysteryMechanismVals AI33.3%–
HLE-Diamond (Scale)Scale AI SEAL31.2%†–
Arena ExpertArena (LMArena)1532†–
Chess PuzzlesEpoch AI Benchmarking Hub59.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub58.0%–
LMCAEpoch AI Benchmarking Hub58.4%–
DTBenchEpoch AI Benchmarking Hub95.5%–
ForecastBenchForecastBench65.7%–
BTF-3Epoch AI Benchmarking Hub13.7%–
コーディング
SciCodeSciCode57.1%–
162件のベンチマークをすべて表示
指標公開元GPT-5.6 Sol (max)Qwen3.8 2.4T A95B
コーディング
WeirdMLWeirdML87.0%–
FrontierCodeCognition47.5%†–
GSO-BenchGSO-Bench76.5%†–
Arena CodingArena (LMArena)1533†–
Arena WebDevArena (LMArena)1615†–
LiveBench 1.0 CodingLiveBench83.9%–
SciCode (AA)Artificial Analysis57.1%54.0%
LiveCodeBenchVals AI82.6%–
IOIVals AI91.2%–
SWE-bench (Vals)Vals AI96.2%–
Code MigrationVals AI52.9%–
ProgramBenchVals AI1.5%–
Vibe Code Bench 1-100Vals AI20.0%–
Vibe Code Bench v1.1Vals AI80.5%–
SWE Atlas v1.0: Codebase QnAScale AI SEAL46.0%†–
SWE Atlas v1.0: Test WritingScale AI SEAL45.9%†–
SWE-Bench Pro V2Scale AI SEAL95.5%†–
SWE-Bench Pro V2 HARDScale AI SEAL82.4%†–
MirrorCodeEpoch AI Benchmarking Hub20.0%†–
Surface Evolver BenchEpoch AI Benchmarking Hub93.1%†–
DeepSWE v1.1Epoch AI Benchmarking Hub72.7%–
CursorBenchCursor41.7%–
ALE-BenchEpoch AI Benchmarking Hub2176.9–
FrontierSWEEpoch AI Benchmarking Hub32.2%–
WeirdML v3WeirdML15.0%†–
Terminal-Bench 4.0 (AA)Artificial Analysis39.9%11.1%
Terminal-Bench 2.1 (AA)Artificial Analysis88.0%82.0%
Startrise FrontendStartrise66.2%†–
GameBench 2 OverallDuelLab GameBench 267.0†52.8
GameBench 2 by reasoning settingDuelLab GameBench 280.0†49.3†
Design Arena WebsiteDesign Arena1319†–
エージェント・ツール
Terminal-BenchTerminal-Bench38.5%–
OSWorld-Verified 2.0OSWorld27.3%–
APEX-AgentsMercor51.4%†–
Arena AgentArena (LMArena)4.6†–
LiveBench Agentic CodingLiveBench56.2%–
Terminal-Bench HardArtificial Analysis65.9%–
τ²-Bench Telecom (AA)Artificial Analysis85.1%–
Terminal-Bench 2.1 (Vals)Vals AI85.8%–
MCP AtlasScale AI SEAL–84.5%†
HiL-BenchScale AI SEAL32.3%†–
τ³-bench Bankingτ²-bench46.9%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis–55.4%
GDPval-AA v2.1Artificial Analysis16191614
τ³-Banking (AA)Artificial Analysis44.3%49.1%
ITBench SRE (AA)Artificial Analysis56.2%–
Analyst Agent (AA)Artificial Analysis47.5%–
CUA-benchVals AI8.3%–
CyberBenchVals AI76.3%–
Finance Agent v2Vals AI53.8%–
Harvey's Legal Agent Benchmark v1Vals AI2.5%–
Legal Research BenchVals AI48.1%–
SkillsBenchVals AI54.1%–
SREBenchVals AI30.5%–
Tax Agent BenchVals AI31.1%–
Terminal-Bench 4.0 (Vals)Vals AI37.9%–
Terminal-Bench ScienceVals AI20.0%–
Time Horizon Index: KSPVals AI23.8%–
Web Search IndexVals AI43.6%–
Arena SearchArena (LMArena)1255†–
Arena Agent Task CompletionArena (LMArena)2.3†–
BALROGBALROG60.0%–
PostTrainBenchEpoch AI Benchmarking Hub31.0%–
GBAEvalEpoch AI Benchmarking Hub52.6%†–
Vending-Bench 2Andon Labs9619.4†–
AutomationBenchArtificial Analysis60.1%57.3%
GDP.pdf (AA)Artificial Analysis27.2%15.6%
EnterpriseOps-GymArtificial Analysis42.9%47.4%
AA-Briefcase v1.1Artificial Analysis14791430
Design Arena AgenticDesign Arena1238†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis22.4%–
CWE-Bench (AA)Artificial Analysis–28.3%
DeepSec-Bench (AA)Artificial Analysis–9.5%
CyberGym end-to-end (AA)Artificial Analysis–0.0%
FACTS SearchGoogle92.9%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub89.1%–
FrontierMath Tier 4Epoch AI Benchmarking Hub82.9%–
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%–
ProofBenchVals AI83.0%–
LiveBench MathematicsLiveBench96.2%–
Arena MathsArena (LMArena)1494†–
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub69.7%–
LiveBench 1.0 Data AnalysisLiveBench79.8%–
AA-Omniscience v1.1Artificial Analysis–7.8
MMLU-ProVals AI89.1%–
LegalBenchVals AI87.0%–
CorpFinVals AI64.4%–
TaxEvalVals AI74.8%–
PRBench FinanceScale AI SEAL50.5%–
PRBench LegalScale AI SEAL50.5%–
BioMysteryBenchVals AI71.1%–
Excel Modeling BenchmarkVals AI72.3%–
MedCodeVals AI44.0%–
MedScribeVals AI85.2%–
Public Benefits Bench v1.1Vals AI66.5%–
Financial Coaching BenchVals AI74.9%–
DrugDiscoveryBenchScale AI SEAL56.5%–
EBR-benchEpoch AI Benchmarking Hub44.8%–
GDP.pdfEpoch AI Benchmarking Hub30.7%–
AA-Omniscience v1.1: accuracyArtificial Analysis–31.4%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–65.5%
FACTS ParametricGoogle81.1%†–
指示追従
LiveBench LanguageLiveBench87.7%–
LiveBench Instruction FollowingLiveBench71.8%–
IFBenchArtificial Analysis72.7%–
Arena Instruction FollowingArena (LMArena)1490†–
人間の評価
Arena TextArena (LMArena)1485†–
EQ-Bench 4EQ-Bench1236†–
EQ-Bench Creative Writing v3EQ-Bench1974†1844
Arena Creative WritingArena (LMArena)1471†–
Arena Multi-turnArena (LMArena)1491†–
Arena Longer QueriesArena (LMArena)1498†–
マルチモーダル
Arena VisionArena (LMArena)1282†–
MMMU-ProArtificial Analysis83.4%–
MMMU-Pro (Vals)Vals AI88.8%–
MortgageTaxVals AI67.3%–
Humanity's Sixth SenseScale AI SEAL30.0%–
GeoBenchGeoBench73.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub33.6%†–
Furniture AssemblyEpoch AI Benchmarking Hub56.7%–
FACTS MultimodalGoogle46.4%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis84.0%80.3%
Arena DocumentArena (LMArena)1487†–
MLCRArtificial Analysis30.0%30.6%
FACTS GroundingGoogle61.9%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub163.0†–
LiveBench 1.0LiveBench81.0%–
AA Intelligence Index v4.3.2Artificial Analysis47.040.0
AA Progress Index v1Artificial Analysis331.5317.8
Vals RSI IndexVals AI23.9%–
Vals Science IndexVals AI41.5%–
Vals Multimodal IndexVals AI72.6%–
AA Cyber IndexArtificial Analysis–12.6
安全性・誠実さ
FORTRESSScale AI SEAL20.1%†21.6%†
DistressBenchScale AI SEAL73.6%†77.5%
メタデータ
AA Openness IndexArtificial Analysis–27.8

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-5.6 Sol (max):新しい結果1件(GDPval-AA v2.1)。
  • Qwen3.8 2.4T A95B:BenchLeader Index 52.0 → 51.5。
  • GPT-5.6 Sol (max):スコアの改訂1件。
  • GPT-5.6 Sol (max):BenchLeader Index 65.8 → 65.3。
  • GPT-5.6 Sol (max):スコアの改訂1件。
  • GPT-5.6 Sol (max):スコアの改訂1件。
  • Qwen3.8 2.4T A95B:スコアの改訂1件。
  • Qwen3.8 2.4T A95B:BenchLeader Index 53.0 → 52.0。
  • Qwen3.8 2.4T A95B:新しい結果1件(HLE-Diamond (AA))。
  • Qwen3.8 2.4T A95B:BenchLeader Index 56.1 → 53.0。

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 Sol vs Qwen3.8 2.4T A95B:よくある質問

GPT-5.6 SolはQwen3.8 2.4T A95Bより優れていますか?
GPT-5.6 Sol (max)とQwen3.8 2.4T A95Bの品質は互角です(65.3 対 51.4、±14.7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 SolとQwen3.8 2.4T A95B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 2.4T A95Bの方が安く、100万トークンあたり$3.00 対 $8.00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。
GPT-5.6 SolとQwen3.8 2.4T A95Bはどちらが速いですか?
GPT-5.6 Solの方が出力が約2倍速くなっています(出力100 対 41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 SolとQwen3.8 2.4T A95B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GPT-5.6 Solの方がスコアが高くなっています(カテゴリ指標で68 対 48。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 Solが44.3%、Qwen3.8 2.4T A95Bが49.1%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-5.6 Solの方がスコアが高くなっています(67 対 65)。どちらも約1.1Mトークンです(GPT-5.6 Solは1,050,000、Qwen3.8 2.4T A95Bは1,000,000)。
ほかの質問(3件)
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 Solです。Artificial Analysisの測定では、最初の回答トークンまで33.5秒 対 107.3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 SolとQwen3.8 2.4T A95B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-5.6 Solのリードが12件、Qwen3.8 2.4T A95Bのリードが3件です。
Qwen3.8 2.4T A95Bはいつリリースされましたか?
Qwen3.8 2.4T A95Bは2026年8月12日にリリースされました。