BenchLeader

GPT-5.6 Terra vs Qwen3.8 Max

詳しいプロフィール:GPT-5.6 Terra(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 TerraとQwen3.8 Maxの品質は互角です(BenchLeader Indexで60.1 対 58.7、±5.2の誤差範囲内)。価格はQwen3.8 Maxの方が1.5倍安く、100万トークンあたりのブレンド価格で$3.00 対 $4.50です。エージェント・ツール(63 対 59)、推論(55 対 52)を重視するならGPT-5.6 Terra、知識(58 対 53)、マルチモーダル(66 対 61)、コーディング(62 対 59)を重視するならQwen3.8 Maxが向いています。回答開始までの時間はGPT-5.6 Terraの方が短く、19.2秒 対 119.6秒です。GPT-5.6 Terraは出力が約1.5倍速い点も強みです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGPT-5.6 Terraが60.1、Qwen3.8 Maxが58.7です(BenchLeader、2026年11月16日)。
  • GPT-5.6 Terraの100万トークンあたりのブレンド価格は$4.50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 Terra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42件のベンチマークのうち、Qwen3.8 Maxが34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 Terraが1520、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 59;Arena WebDev 1676 対 1520中
エージェント・ツール利用GPT-5.6 Terraカテゴリスコア63 対 59;τ³-Banking (AA) 29.7% 対 51.3%中
数学どちらでもカテゴリスコア66 対 65;Arena Maths 1478 対 1505どちらでも
推論GPT-5.6 Terraカテゴリスコア55 対 52;HLE-Diamond (AA) 24.7% 対 24.0%中
知識Qwen3.8 Maxカテゴリスコア58 対 53;AA-Omniscience v1.1 10.5 対 -11.5中
長い文書どちらでもカテゴリスコア64 対 65;AA-LCR v1.1 79.0% 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 61;Arena Vision 1312 対 1269中
チャットの質(人間の評価)Qwen3.8 MaxArenaの投票で68 対 66中
最低コストQwen3.8 Max100万トークンあたりブレンド価格$3.00 対 $4.50;エージェント型コーディングセッション$0.144 対 $0.168–
回答開始の速さGPT-5.6 Terra最初の回答トークンまで19.2秒(GPT-5.6 Terra (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 Terra (xhigh)とQwen3.8 Max (max)の品質は互角です(60.1 対 58.7、±5.2の誤差範囲内)。
  • GPT-5.6 Terra (xhigh)はエージェント・ツール、数学、推論で優れています。
  • Qwen3.8 Max (max)はコーディング、人間の評価、知識、長文コンテキスト、マルチモーダルで優れています。
  • Qwen3.8 Max (max)の方が1.5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 $4.50)。
  • GPT-5.6 Terra (xhigh)の方が出力が1.6倍速くなっています(97 対 59トークン/秒)。

概要

仕様GPT-5.6 TerraQwen3.8 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 Terra (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)$2.00 / $12.00 / $0.200$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 Terra (xhigh)Qwen3.8 Max (max)トップ
推論54.851.5GPT-5.6 Terra
コーディング59.161.6Qwen3.8 Max
エージェント・ツール63.158.5GPT-5.6 Terra
数学65.765.2互角
知識53.058.0Qwen3.8 Max
指示追従65.6–比較不可
人間の評価65.567.5Qwen3.8 Max
マルチモーダル61.265.7Qwen3.8 Max
長文コンテキスト64.164.8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・ツール数学知識長文コンテキストマルチモーダル人間の評価GPT-5.6 Terra, 推論: 54.8GPT-5.6 Terra, コーディング: 59.1GPT-5.6 Terra, エージェント・ツール: 63.1GPT-5.6 Terra, 数学: 65.7GPT-5.6 Terra, 知識: 53.0GPT-5.6 Terra, 長文コンテキスト: 64.1GPT-5.6 Terra, マルチモーダル: 61.2GPT-5.6 Terra, 人間の評価: 65.5Qwen3.8 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, 知識: 58.0Qwen3.8 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):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42件のベンチマークのうち、GPT-5.6 Terraのリードが8件、Qwen3.8 Maxのリードが34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 Terra (xhigh)Qwen3.8 Max (max)トップ
BenchLeader Index60.158.7互角
AA Intelligence Index v5.0.132.3†33.6Qwen3.8 Max
Arena Text14681484Qwen3.8 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 Terra (xhigh)Qwen3.8 Max (max)
100万トークンあたりのブレンド価格$4.50$3.00
100万トークンあたりの入力/出力$2.00 / $12.00$2.00 / $6.00
100万トークンあたりのキャッシュ入力$0.200$0.250
タスクあたりの価格:チャットの返答$0.0044$0.0026
タスクあたりの価格:30ページのレポートを要約$0.031$0.028
タスクあたりの価格:コード編集$0.030$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$0.168$0.144
タスクあたりの価格:構造化データの抽出$0.0064$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)$0.087$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97 tok/s59 tok/s
回答開始までの時間19.2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)84.0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 Terra (xhigh)のスコアは60.1、最初の回答トークンまで19秒。GPT-5.6 Terra (max)は59.5(73秒)、GPT-5.6 Terra (high)は56.8(6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

158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 Terra (xhigh)Qwen3.8 Max (max)
BenchLeader IndexBenchLeader60.158.7
エージェント・ツールスコアBenchLeader63.158.5
コーディングスコアBenchLeader59.161.6
人間の評価スコアBenchLeader65.567.5
指示追従スコアBenchLeader65.6–
知識スコアBenchLeader53.058.0
長文コンテキストスコアBenchLeader64.164.8
数学スコアBenchLeader65.765.2
マルチモーダルスコアBenchLeader61.265.7
推論スコアBenchLeader54.851.5
総合スコアBenchLeader–45.0
ブレンド価格($/100万トークン)BenchLeader$4.50$3.00
出力速度BenchLeader97 tok/s59 tok/s
回答開始までの時間BenchLeader19.2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 Hub93.3%†92.7%†
SimpleBenchSimpleBench48.9%–
Arena Hard PromptsArena (LMArena)14911507
LiveBench 2.0 ReasoningLiveBench90.6%†88.2%
LiveBench 1.0 ReasoningLiveBench90.6%†88.2%
GPQA Diamond (AA)Artificial Analysis90.8%92.8%
Humanity's Last Exam (AA)Artificial Analysis41.9%43.1%
HLE-Diamond (AA)Artificial Analysis24.7%24.0%
GPQA Diamond (Vals)Vals AI90.9%93.7%
Kagi LLM BenchmarkKagi LLM Benchmark51.3%†–
ARC-AGI-1ARC Prize94.0%–
ARC-AGI-2ARC Prize74.2%–
ARC-AGI-3ARC Prize0.7%–
CritPtArtificial Analysis27.1%20.0%
CritPt v2 hard subset (AA)Artificial Analysis50.5%†29.5%
MysteryMechanismVals AI–23.9%
Arena ExpertArena (LMArena)15071514
Chess PuzzlesEpoch AI Benchmarking Hub47.0%†46.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub35.0%†38.0%†
LMCAEpoch AI Benchmarking Hub52.2%46.2%†
DTBenchEpoch AI Benchmarking Hub92.5%92.0%†
コーディング
SciCodeSciCode52.3%53.2%
WeirdMLWeirdML78.3%†–
FrontierCodeCognition41.3%†–
Arena CodingArena (LMArena)15171523
158件のベンチマークをすべて表示
指標公開元GPT-5.6 Terra (xhigh)Qwen3.8 Max (max)
コーディング
Arena WebDevArena (LMArena)15201676
LiveBench 2.0 CodingLiveBench84.2%†60.9%
LiveBench 1.0 CodingLiveBench78.3%†72.9%
LiveCodeBenchVals AI85.9%87.8%
IOIVals AI87.6%†68.9%
SWE-bench (Vals)Vals AI95.4%†85.6%
Code MigrationVals AI47.8%†24.0%
ProgramBenchVals AI0.5%†0.0%
SWE-bench MultimodalVals AI–42.5%
Vibe Code Bench 1-100Vals AI14.8%†12.8%
Vibe Code Bench v1.1Vals AI74.6%†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%
SWE-Bench Pro V2Scale AI SEAL92.4%–
SWE-Bench Pro V2 HARDScale AI SEAL86.3%–
MirrorCodeEpoch AI Benchmarking Hub41.1%†52.2%†
Surface Evolver BenchEpoch AI Benchmarking Hub83.8%–
DeepSWE v1.1Epoch AI Benchmarking Hub60.2%57.5%†
CursorBenchCursor33.6%–
ALE-BenchEpoch AI Benchmarking Hub1951.4†1679.1†
FrontierSWEEpoch AI Benchmarking Hub–17.8%†
Terminal-Bench 4.0 (AA)Artificial Analysis10.1%38.9%
Terminal-Bench 2.1 (AA)Artificial Analysis80.2%88.8%
Startrise FrontendStartrise66.9%†71.3%
GameBench 2 OverallDuelLab GameBench 245.6†54.2†
GameBench 2 by reasoning settingDuelLab GameBench 253.569.6†
Design Arena WebsiteDesign Arena1260†1269
FrontierCode 1.1 (AA)Artificial Analysis–43.2%
FrontierCode 2.0 (AA)Artificial Analysis23.9%†23.4%
エージェント・ツール
Terminal-BenchTerminal-Bench21.5%†27.0%
APEX-AgentsMercor58.2%†63.3%
Arena AgentArena (LMArena)-1.80.1
LiveBench Long AgenticLiveBench25.9%†26.6%
LiveBench BrowserLiveBench70.3%†49.4%
LiveBench Agentic CodingLiveBench55.0%†64.7%
Terminal-Bench HardArtificial Analysis62.9%–
τ²-Bench Telecom (AA)Artificial Analysis80.4%–
Terminal-Bench 2.1 (Vals)Vals AI77.5%†67.4%
τ³-bench Bankingτ²-bench–55.1%†
GDPval-AA v2.1, normalised scoreArtificial Analysis47.4%58.3%
GDPval-AA v2.1Artificial Analysis14561674
τ³-Banking (AA)Artificial Analysis29.7%51.3%
ITBench SRE (AA)Artificial Analysis51.0%†40.3%
Analyst Agent (AA)Artificial Analysis–45.0%
APEX-Agents (AA)Artificial Analysis38.9%†42.4%
CyberBenchVals AI72.1%†28.6%
Finance Agent v2Vals AI54.4%†50.6%
Harvey's Legal Agent Benchmark v1Vals AI0.8%†10.4%
Legal Research BenchVals AI41.4%†47.6%
SkillsBenchVals AI58.9%†42.0%
SREBenchVals AI9.5%†–
Tax Agent BenchVals AI30.0%†32.1%
Terminal-Bench 4.0 (Vals)Vals AI22.7%†34.3%
Terminal-Bench ScienceVals AI10.0%†12.9%
Arena SearchArena (LMArena)–1227
Arena Agent Task CompletionArena (LMArena)-7.24.5
BALROGBALROG53.2%†–
Vending-Bench 2Andon Labs7343.2†–
AutomationBenchArtificial Analysis47.1%56.2%
GDP.pdf (AA)Artificial Analysis24.6%22.8%
EnterpriseOps-GymArtificial Analysis38.5%†47.6%
AA-Briefcase v1.1Artificial Analysis13321604
GDPxGDPx by SemiAnalysis–3.5%
Design Arena AgenticDesign Arena1089†1264
Terminal-Bench-Science 0.1 (AA)Artificial Analysis13.8%†11.9%
DeepSec-Bench (AA)Artificial Analysis25.1%†–
MKA (AA)Artificial Analysis–37.4%
FACTS SearchGoogle87.0%†85.0%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub86.0%†74.7%†
FrontierMath Tier 4Epoch AI Benchmarking Hub70.7%†46.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub99.7%†100.0%†
ProofBenchVals AI74.0%58.0%
LiveBench MathematicsLiveBench94.9%†91.3%
Arena MathsArena (LMArena)14781505
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub43.2%†47.3%†
LiveBench 2.0 Data AnalysisLiveBench79.3%†78.4%
LiveBench ResearchLiveBench79.7%†72.8%
LiveBench 1.0 Data AnalysisLiveBench79.3%†78.4%
AA-Omniscience v1.1Artificial Analysis-11.510.5
MMLU-ProVals AI86.7%88.6%
LegalBenchVals AI85.1%†83.6%
CorpFinVals AI65.3%65.8%
TaxEvalVals AI76.2%75.5%
Excel Modeling BenchmarkVals AI66.2%†60.1%
Excel Modeling Benchmark v1.1Vals AI–66.0%
MedCodeVals AI43.4%40.7%
MedScribeVals AI82.9%85.0%
Public Benefits Bench v1.1Vals AI62.4%†67.1%
Access to Justice BenchmarkVals AI–76.4%
Financial Coaching BenchVals AI71.0%†75.6%
Immigration BenchVals AI–70.1%
GDP.pdfEpoch AI Benchmarking Hub24.7%†23.2%†
AA-Omniscience v1.1: accuracyArtificial Analysis41.3%29.5%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis9.9%72.9%
FACTS ParametricGoogle57.6%†30.8%
指示追従
LiveBench LanguageLiveBench82.9%†79.7%
LiveBench Instruction FollowingLiveBench64.6%†74.1%
IFBenchArtificial Analysis66.3%–
Arena Instruction FollowingArena (LMArena)14631478
人間の評価
Arena TextArena (LMArena)14681484
EQ-Bench 4EQ-Bench1220†–
EQ-Bench Creative Writing v3EQ-Bench1856†–
Arena Creative WritingArena (LMArena)14301472
Arena Multi-turnArena (LMArena)14751495
Arena Longer QueriesArena (LMArena)14691496
マルチモーダル
Arena VisionArena (LMArena)12691312
LiveBench DesignLiveBench70.9%†76.6%
MMMU-ProArtificial Analysis79.5%82.8%
MMMU-Pro (Vals)Vals AI86.5%†88.0%
MortgageTaxVals AI67.3%64.0%
SAGEVals AI87.0%†81.8%
Humanity's Sixth SenseScale AI SEAL22.7%†33.0%
Blueprint-Bench 2Epoch AI Benchmarking Hub30.8%†–
Furniture AssemblyEpoch AI Benchmarking Hub54.2%†20.0%†
VIALS-AAHandshake AI–31.7%
Code2Video-AAArtificial Analysis–1021
AA-3DArtificial Analysis–954
FACTS MultimodalGoogle39.9%†51.5%
長文コンテキスト
AA-LCR v1.1Artificial Analysis79.0%80.3%
Arena DocumentArena (LMArena)1474–
MLCRArtificial Analysis22.8%26.1%
FACTS GroundingGoogle60.5%†73.8%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub160.7†157.6
LiveBench 2.0LiveBench67.2%†60.9%
LiveBench 1.0LiveBench77.9%†78.5%
AA Intelligence Index v5.0.1Artificial Analysis32.3†33.6
AA Intelligence Index v4.3.2Artificial Analysis38.045.4
AA Progress Index v1Artificial Analysis312323.7
Vals RSI IndexVals AI–21.8%
Vals Multimodal IndexVals AI65.1%65.4%
安全性・誠実さ
DistressBenchScale AI SEAL76.4%†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 Terra (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。
  • 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 Terra (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。
  • Qwen3.8 Max (max):スコアの改訂1件、価格 $0.22/M → $0.25/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 Terra vs Qwen3.8 Max:よくある質問

GPT-5.6 TerraはQwen3.8 Maxより優れていますか?
GPT-5.6 Terra (xhigh)とQwen3.8 Max (max)の品質は互角です(60.1 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 Terra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Qwen3.8 Maxの方が安く、100万トークンあたり$3.00 対 $4.50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 Terra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 59。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 Terraが1520、Qwen3.8 Maxが1676です。
GPT-5.6 TerraとQwen3.8 Maxはどちらが速いですか?
GPT-5.6 Terraの方が出力が約1.5倍速くなっています(出力97 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 Terra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GPT-5.6 Terraの方がスコアが高くなっています(カテゴリ指標で63 対 59。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 Terraが29.7%、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(64 対 65)。どちらも約1.1Mトークンです(GPT-5.6 Terra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 Terraです。Artificial Analysisの測定では、最初の回答トークンまで19.2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 Terra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42件のベンチマークのうち、GPT-5.6 Terraのリードが8件、Qwen3.8 Maxのリードが34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。