GPT-6 Astra vs Qwen3.8 Max
詳しいプロフィール:GPT-6 Astra(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 · 15件の情報源のデータ
2026年11月16日時点で、品質ではGPT-6 AstraがQwen3.8 Maxを上回ります(BenchLeader Indexで67.3 対 58.7)。ただし、価格はQwen3.8 Max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$3.00 対 $20.00です。推論(72 対 52)、知識(72 対 58)、コーディング(73 対 62)を重視するならGPT-6 Astra、人間の評価(68 対 66)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Qwen3.8 Maxの方が短く、119.6秒 対 198.4秒です。Qwen3.8 Max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-6 Astraが67.3、Qwen3.8 Maxが58.7です(BenchLeader、2026年11月16日)。
- GPT-6 Astraの100万トークンあたりのブレンド価格は$20.00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)。
- Qwen3.8 MaxはGPT-6 Astra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86件のベンチマークのうち、GPT-6 Astraが67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-6 Astraが1764、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 | GPT-6 Astra | カテゴリスコア73 対 62;Arena WebDev 1764 対 1676 | 高 |
| エージェント・ツール利用 | GPT-6 Astra | カテゴリスコア64 対 59;Terminal-Bench 60.3% 対 27.0% | 中 |
| 数学 | GPT-6 Astra | カテゴリスコア71 対 65;Arena Maths 1481 対 1505 | 中 |
| 推論 | GPT-6 Astra | カテゴリスコア72 対 52;HLE-Diamond (AA) 63.8% 対 24.0% | 高 |
| 知識 | GPT-6 Astra | カテゴリスコア72 対 58;AA-Omniscience v1.1 42.4 対 10.5 | 高 |
| 長い文書 | どちらでも | カテゴリスコア65 対 65;AA-LCR v1.1 80.7% 対 80.3% | どちらでも |
| 画像などのメディア | どちらでも | カテゴリスコア66 対 66;Arena Vision 1279 対 1312 | どちらでも |
| チャットの質(人間の評価) | Qwen3.8 Max | Arenaの投票で68 対 66 | 中 |
| 最低コスト | Qwen3.8 Max | 100万トークンあたりブレンド価格$3.00 対 $20.00;エージェント型コーディングセッション$0.144 対 $0.800 | – |
| 回答開始の速さ | Qwen3.8 Max | 最初の回答トークンまで119.6秒(Qwen3.8 Max (max))対 198.4秒(GPT-6 Astra (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
- 品質ではGPT-6 Astra (max)がリードしています:67.3 対 58.7。
- GPT-6 Astra (max)はエージェント・ツール、コーディング、総合、知識、長文コンテキスト、数学、推論で優れています。
- Qwen3.8 Max (max)は人間の評価、マルチモーダルで優れています。
- Qwen3.8 Max (max)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$3.00 対 $20.00)。
- Qwen3.8 Max (max)の方が出力が1.4倍速くなっています(59 対 41トークン/秒)。
概要
| 仕様 | GPT-6 Astra | Qwen3.8 Max |
|---|---|---|
| プロバイダー | OpenAI | Alibaba |
| リリース日 | 2026年9月2日 | 2026年8月3日 |
| コンテキストウィンドウ(トークン) | 1,050,000 | 1,000,000 |
| 比較した構成 | GPT-6 Astra (max) | 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) | $10.00 / $50.00 / $1.00 | $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-6 Astra (max) | Qwen3.8 Max (max) | トップ |
|---|---|---|---|
| 推論 | 72.4 | 51.5 | GPT-6 Astra |
| コーディング | 73.2 | 61.6 | GPT-6 Astra |
| エージェント・ツール | 63.9 | 58.5 | GPT-6 Astra |
| 数学 | 70.8 | 65.2 | GPT-6 Astra |
| 知識 | 72.3 | 58.0 | GPT-6 Astra |
| 人間の評価 | 66.2 | 67.5 | Qwen3.8 Max |
| マルチモーダル | 65.6 | 65.7 | 互角 |
| 長文コンテキスト | 65.0 | 64.8 | 互角 |
| 総合 | 71.3 | 45.0 | GPT-6 Astra |
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):指示追従。
情報源で評価が分かれる点
両方に結果がある86件のベンチマークのうち、GPT-6 Astraのリードが67件、Qwen3.8 Maxのリードが19件です。第三者の総合指標でも評価が分かれ、GPT-6 AstraはBenchLeader Index、AA Intelligence Index v5.0.1で、Qwen3.8 MaxはArena Textでリードしています。
| 総合Index | GPT-6 Astra (max) | Qwen3.8 Max (max) | トップ |
|---|---|---|---|
| BenchLeader Index | 67.3 | 58.7 | GPT-6 Astra |
| AA Intelligence Index v5.0.1 | 56.9 | 33.6 | GPT-6 Astra |
| Arena Text | 1474 | 1484 | Qwen3.8 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-6 Astra (max) | Qwen3.8 Max (max) |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $20.00 | $3.00 |
| 100万トークンあたりの入力/出力 | $10.00 / $50.00 | $2.00 / $6.00 |
| 100万トークンあたりのキャッシュ入力 | $1.00 | $0.250 |
| タスクあたりの価格:チャットの返答 | $0.019 | $0.0026 |
| タスクあたりの価格:30ページのレポートを要約 | $0.150 | $0.028 |
| タスクあたりの価格:コード編集 | $0.135 | $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 | $0.800 | $0.144 |
| タスクあたりの価格:構造化データの抽出 | $0.030 | $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) | $0.395 | $0.065 |
| ベンチマークのタスクあたりのコスト(AA Index) | $6.24 | $10.02 |
| タスクあたりの出力トークン(AA Index) | 52k | 171k |
| うち推論 | 36k | 120k |
| タスクあたりの時間(AA Index) | 21 min | 48 min |
| 出力速度 | 41 tok/s | 59 tok/s |
| 回答開始までの時間 | 198.4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) | 533.7秒 | 294.1秒 |
トークン単価とタスクあたりのコストは別物です。Artificial AnalysisのIntelligence Indexの平均的なタスクにかかったコストは、GPT-6 Astra (max)で$6.24、Qwen3.8 Max (max)で$10.02でした。同じ作業でQwen3.8 Max (max)は3.3倍の出力トークンを書いています。これはトークン単価だけでは見えない差です。
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。GPT-6 Astra (max)のスコアは67.3、最初の回答トークンまで198秒。GPT-6 Astraは66.4(5秒)、GPT-6 Astra (high)は66.3(49秒)。Qwen3.8 Max (max)のスコアは58.7、最初の回答トークンまで120秒。Qwen3.8 Max (xhigh)は56.6(3秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
188件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | GPT-6 Astra (max) | Qwen3.8 Max (max) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 67.3 | 58.7 |
| エージェント・ツールスコア | BenchLeader | 63.9 | 58.5 |
| コーディングスコア | BenchLeader | 73.2 | 61.6 |
| 総合スコア | BenchLeader | 71.3 | 45.0 |
| 人間の評価スコア | BenchLeader | 66.2 | 67.5 |
| 知識スコア | BenchLeader | 72.3 | 58.0 |
| 長文コンテキストスコア | BenchLeader | 65.0 | 64.8 |
| 数学スコア | BenchLeader | 70.8 | 65.2 |
| マルチモーダルスコア | BenchLeader | 65.6 | 65.7 |
| 推論スコア | BenchLeader | 72.4 | 51.5 |
| ブレンド価格($/100万トークン) | BenchLeader | $20.00 | $3.00 |
| 出力速度 | BenchLeader | 41 tok/s | 59 tok/s |
| 回答開始までの時間 | BenchLeader | 198.4秒 | 119.6秒 |
| コンテキストウィンドウ | BenchLeader | 1,050,000トークン | 1,000,000トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 95.8% | 92.7%† |
| Humanity's Last Exam | Scale AI / CAIS | 54.8%† | – |
| SimpleBench | SimpleBench | 83.6%† | – |
| Arena Hard Prompts | Arena (LMArena) | 1500 | 1507 |
| LiveBench 2.0 Reasoning | LiveBench | 92.7% | 88.2% |
| LiveBench 1.0 Reasoning | LiveBench | 92.7% | 88.2% |
| GPQA Diamond (AA) | Artificial Analysis | 96.1% | 92.8% |
| Humanity's Last Exam (AA) | Artificial Analysis | 54.7% | 43.1% |
| HLE-Diamond (AA) | Artificial Analysis | 63.8% | 24.0% |
| GPQA Diamond (Vals) | Vals AI | – | 93.7% |
| ARC-AGI-1 | ARC Prize | 97.5% | – |
| ARC-AGI-2 | ARC Prize | 95.0% | – |
| ARC-AGI-3 | ARC Prize | 98.6% | – |
| CritPt | Artificial Analysis | 31.7% | 20.0% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 70.5% | 29.5% |
| MysteryMechanism | Vals AI | 53.1% | 23.9% |
| HLE-Diamond (Scale) | Scale AI SEAL | 60.6%† | – |
| Arena Expert | Arena (LMArena) | 1517 | 1514 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 74.0% | 46.0%† |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 84.0% | 38.0%† |
| LMCA | Epoch AI Benchmarking Hub | 64.1%† | 46.2%† |
| DTBench | Epoch AI Benchmarking Hub | 97.1%† | 92.0%† |
| ForecastBench | ForecastBench | 66.6%† | – |
| BTF-3 | Epoch AI Benchmarking Hub | 13.5%† | – |
| コーディング | |||
| SciCode | SciCode | 56.5% | 53.2% |
188件のベンチマークをすべて表示
| 指標 | 公開元 | GPT-6 Astra (max) | Qwen3.8 Max (max) |
|---|---|---|---|
| コーディング | |||
| WeirdML | WeirdML | 93.3% | – |
| FrontierCode | Cognition | 53.3% | – |
| GSO-Bench | GSO-Bench | 79.4%† | – |
| Arena Coding | Arena (LMArena) | 1548 | 1523 |
| Arena WebDev | Arena (LMArena) | 1764 | 1676 |
| LiveBench 2.0 Coding | LiveBench | 87.5% | 60.9% |
| LiveBench 1.0 Coding | LiveBench | 80.4% | 72.9% |
| LiveCodeBench | Vals AI | – | 87.8% |
| IOI | Vals AI | 100.0% | 68.9% |
| SWE-bench (Vals) | Vals AI | – | 85.6% |
| Code Migration | Vals AI | 67.7% | 24.0% |
| Code Migration v1.1 | Vals AI | 80.6% | – |
| ProgramBench | Vals AI | 5.5% | 0.0% |
| SWE-bench Multimodal | Vals AI | 43.3% | 42.5% |
| Vibe Code Bench 1-100 | Vals AI | 27.6% | 12.8% |
| Vibe Code Bench v1.1 | Vals AI | 89.6% | 64.7% |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | 59.1%† | – |
| SWE Atlas v1.0: Refactoring | Scale AI SEAL | 59.0%† | – |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | 50.7%† | – |
| SWE Atlas v1.1 | Scale AI SEAL | 69.4%† | 64.4% |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | 70.2%† | 81.5% |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | 66.7%† | 58.9% |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | 71.4%† | 52.9% |
| SWE-Bench Pro V2 | Scale AI SEAL | 96.9%† | – |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | 90.2%† | – |
| MirrorCode | Epoch AI Benchmarking Hub | 60.0% | 52.2%† |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | 73.2% | 57.5%† |
| ALE-Bench | Epoch AI Benchmarking Hub | 2951.3 | 1679.1† |
| FrontierSWE | Epoch AI Benchmarking Hub | 65.5% | 17.8%† |
| WeirdML v3 | WeirdML | 42.2%† | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 59.1% | 38.9% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 88.4% | 88.8% |
| Startrise Frontend | Startrise | 79.9%† | 71.3% |
| GameBench 2 Overall | DuelLab GameBench 2 | 88.8† | 54.2† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 94.3† | 69.6† |
| Design Arena Website | Design Arena | 1338 | 1269 |
| FrontierCode 1.1 (AA) | Artificial Analysis | 47.0% | 43.2% |
| FrontierCode 2.0 (AA) | Artificial Analysis | 42.4% | 23.4% |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 60.3% | 27.0% |
| Remote Labor Index | Scale AI / CAIS | 20.8%† | – |
| APEX-Agents | Mercor | 64.7%† | 63.3% |
| Arena Agent | Arena (LMArena) | 14.5 | 0.1 |
| LiveBench Long Agentic | LiveBench | 75.6% | 26.6% |
| LiveBench Browser | LiveBench | 91.3% | 49.4% |
| LiveBench Agentic Coding | LiveBench | 57.3% | 64.7% |
| Terminal-Bench 2.1 (Vals) | Vals AI | 87.3% | 67.4% |
| HiL-Bench | Scale AI SEAL | 65.3%† | – |
| τ³-bench Banking | τ²-bench | – | 55.1%† |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 53.7% | 58.3% |
| GDPval-AA v2.1 | Artificial Analysis | 1587 | 1674 |
| τ³-Banking (AA) | Artificial Analysis | 41.4% | 51.3% |
| ITBench SRE (AA) | Artificial Analysis | 48.6% | 40.3% |
| Analyst Agent (AA) | Artificial Analysis | 51.3% | 45.0% |
| APEX-Agents (AA) | Artificial Analysis | – | 42.4% |
| CUA-bench | Vals AI | 19.2% | – |
| CyberBench | Vals AI | 41.1% | 28.6% |
| Finance Agent v2 | Vals AI | 53.5% | 50.6% |
| Finance Agent v2.1 | Vals AI | 60.4% | – |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | 7.1% | – |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 5.4% | 10.4% |
| Legal Research Bench | Vals AI | 39.4% | 47.6% |
| Robo-bench | Vals AI | 23.3% | – |
| SkillsBench | Vals AI | – | 42.0% |
| SREBench | Vals AI | 56.9% | – |
| Tax Agent Bench | Vals AI | 20.7% | 32.1% |
| Terminal-Bench 4.0 (Vals) | Vals AI | 59.6% | 34.3% |
| Terminal-Bench Science | Vals AI | 62.9% | 12.9% |
| Time Horizon Index: KSP | Vals AI | 90.5% | – |
| Arena Search | Arena (LMArena) | 1245 | 1227 |
| Arena Agent Task Completion | Arena (LMArena) | 14 | 4.5 |
| BALROG | BALROG | 68.3% | – |
| PostTrainBench | Epoch AI Benchmarking Hub | 41.9% | – |
| Vending-Bench 2 | Andon Labs | 15514.7† | – |
| SpireClimb | Epoch AI Benchmarking Hub | 34.0% | – |
| AutomationBench | Artificial Analysis | 68.5% | 56.2% |
| GDP.pdf (AA) | Artificial Analysis | 31.0% | 22.8% |
| Harvey LAB-AA v1.1 | Harvey | 8.6% | – |
| EnterpriseOps-Gym | Artificial Analysis | – | 47.6% |
| AA-Briefcase v1.1 | Artificial Analysis | 1569 | 1604 |
| GDPx | GDPx by SemiAnalysis | 9.6% | 3.5% |
| Design Arena Agentic | Design Arena | 1405 | 1264 |
| RoboDojo (LLM as robot policy) | RoboDojo | 29.0† | – |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 63.3% | 11.9% |
| CWE-Bench (AA) | Artificial Analysis | 63.3% | – |
| DeepSec-Bench (AA) | Artificial Analysis | 36.9% | – |
| CyberGym end-to-end (AA) | Artificial Analysis | 0.0% | – |
| MKA (AA) | Artificial Analysis | 50.2% | 37.4% |
| FACTS Search | 93.3%† | 85.0% | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 93.7% | 74.7%† |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 97.6% | 46.3%† |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 100.0% | 100.0%† |
| ProofBench | Vals AI | 99.0%† | 58.0% |
| LiveBench Mathematics | LiveBench | 96.8% | 91.3% |
| Arena Maths | Arena (LMArena) | 1481 | 1505 |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | 2.9% | – |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 75.6% | 47.3%† |
| LiveBench 2.0 Data Analysis | LiveBench | 83.0% | 78.4% |
| LiveBench Research | LiveBench | 90.6% | 72.8% |
| LiveBench 1.0 Data Analysis | LiveBench | 83.0% | 78.4% |
| AA-Omniscience v1.1 | Artificial Analysis | 42.4 | 10.5 |
| MMLU-Pro | Vals AI | – | 88.6% |
| LegalBench | Vals AI | – | 83.6% |
| CorpFin | Vals AI | – | 65.8% |
| TaxEval | Vals AI | – | 75.5% |
| PRBench Finance | Scale AI SEAL | 47.5%† | – |
| PRBench Legal | Scale AI SEAL | 48.4%† | – |
| BioMysteryBench | Vals AI | 79.3% | – |
| Excel Modeling Benchmark | Vals AI | 71.7% | 60.1% |
| Excel Modeling Benchmark v1.1 | Vals AI | 72.7% | 66.0% |
| MedCode | Vals AI | 48.5% | 40.7% |
| MedScribe | Vals AI | 87.9% | 85.0% |
| Public Benefits Bench v1.1 | Vals AI | – | 67.1% |
| Access to Justice Benchmark | Vals AI | – | 76.4% |
| Financial Coaching Bench | Vals AI | 67.5% | 75.6% |
| Immigration Bench | Vals AI | 67.7% | 70.1% |
| DrugDiscoveryBench | Scale AI SEAL | 68.7% | – |
| EBR-bench | Epoch AI Benchmarking Hub | 76.2% | – |
| GDP.pdf | Epoch AI Benchmarking Hub | 34.2% | 23.2%† |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 61.6% | 29.5% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 50.2% | 72.9% |
| HealthBench Professional (AA) | OpenAI | 66.0% | – |
| FACTS Parametric | 83.8%† | 30.8% | |
| 指示追従 | |||
| LiveBench Language | LiveBench | 89.4% | 79.7% |
| LiveBench Instruction Following | LiveBench | 75.6% | 74.1% |
| Arena Instruction Following | Arena (LMArena) | 1474 | 1478 |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1474 | 1484 |
| EQ-Bench Creative Writing v3 | EQ-Bench | 2177† | – |
| Arena Creative Writing | Arena (LMArena) | 1451 | 1472 |
| Arena Multi-turn | Arena (LMArena) | 1483 | 1495 |
| Arena Longer Queries | Arena (LMArena) | 1485 | 1496 |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1279 | 1312 |
| LiveBench Design | LiveBench | 80.0% | 76.6% |
| MMMU-Pro | Artificial Analysis | 86.9% | 82.8% |
| MMMU-Pro (Vals) | Vals AI | – | 88.0% |
| MortgageTax | Vals AI | – | 64.0% |
| SAGE | Vals AI | – | 81.8% |
| Humanity's Sixth Sense | Scale AI SEAL | 53.6% | 33.0% |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 49.7%† | – |
| Furniture Assembly | Epoch AI Benchmarking Hub | 80.0% | 20.0%† |
| VIALS-AA | Handshake AI | 62.7% | 31.7% |
| Code2Video-AA | Artificial Analysis | 1427 | 1021 |
| AA-3D | Artificial Analysis | 1168 | 954 |
| FACTS Multimodal | 55.2%† | 51.5% | |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 80.7% | 80.3% |
| Arena Document | Arena (LMArena) | 1474 | – |
| MLCR | Artificial Analysis | 41.7% | 26.1% |
| FACTS Grounding | 80.1%† | 73.8% | |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 169† | 157.6 |
| LiveBench 2.0 | LiveBench | 84.5% | 60.9% |
| LiveBench 1.0 | LiveBench | 82.2% | 78.5% |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 56.9 | 33.6 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 52.7 | 45.4 |
| AA Progress Index v1 | Artificial Analysis | 349.6 | 323.7 |
| Vals Index | Vals AI | 65.0 | – |
| Vals Finance Index | Vals AI | 55.6% | – |
| Vals RSI Index | Vals AI | 27.1% | 21.8% |
| Vals Science Index | Vals AI | 65.1% | – |
| Vals Multimodal Index | Vals AI | – | 65.4% |
| Vals Router Index | Vals AI | 65.0%† | – |
| Vals Legal Index | Vals AI | 68.4% | – |
| AA Cyber Index | Artificial Analysis | 33.4 | – |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | 12.1%† | – |
| DistressBench | Scale AI SEAL | 74.3%† | 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
- GPT-6 Astra (max):新しい結果8件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
- Qwen3.8 Max (max):スコアの改訂1件。
- GPT-6 Astra (max):スコアの改訂1件。
- Qwen3.8 Max (max):スコアの改訂1件。
- GPT-6 Astra (max):新しい結果1件(PostTrainBench)、スコアの改訂2件。
- GPT-6 Astra (max):新しい結果1件(MirrorCode)、スコアの改訂1件。
- GPT-6 Astra (max):BenchLeader Index 68.1 → 67.4。
- GPT-6 Astra (max):スコアの改訂2件。
- Qwen3.8 Max (max):スコアの改訂6件。
- GPT-6 Astra (max):スコアの改訂1件。
関連する比較
- GPT-6 Astra vs Claude Fable 5.2
- GPT-6 Astra vs Gemini 4 Carbon
- GPT-6 Astra vs Claude Opus 5.5
- GPT-6 Astra vs Claude Fable 5.1
- GPT-6 Astra vs Qwen3.7 Plus
- GPT-6 Astra vs GPT-6.1 Sol
- GPT-6 Astra vs Claude Fable 5
- GPT-6 Astra vs GPT-5.6 Sol
ランキング: 総合ベストLLM · コーディングに最適なLLM · エージェントに最適なLLM · 安くて優秀なLLM
GPT-6 Astra vs Qwen3.8 Max:よくある質問
- GPT-6 AstraはQwen3.8 Maxより優れていますか?
- 品質ではGPT-6 Astra (max)がリードしています:67.3 対 58.7。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日時点では総合でGPT-6 Astra (max)が上回っていますが、用途に合わせてカテゴリ別のスコアも確認してください。
- GPT-6 Astra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 $20.00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-6 AstraとQwen3.8 Maxのどちらが向いていますか?
- コーディングではGPT-6 Astraの方がスコアが高くなっています(カテゴリ指標で73 対 62。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-6 Astraが1764、Qwen3.8 Maxが1676です。
- GPT-6 AstraとQwen3.8 Maxはどちらが速いですか?
- Qwen3.8 Maxの方が出力が約1.5倍速くなっています(出力59 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-6 Astra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-6 Astraの方がスコアが高くなっています(カテゴリ指標で64 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Terminal-Benchでは、GPT-6 Astraが60.3%、Qwen3.8 Maxが27.0%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(65 対 65)。どちらも約1.1Mトークンです(GPT-6 Astra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Qwen3.8 Maxです。Artificial Analysisの測定では、最初の回答トークンまで119.6秒 対 198.4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-6 Astra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86件のベンチマークのうち、GPT-6 Astraのリードが67件、Qwen3.8 Maxのリードが19件です。第三者の総合指標でも評価が分かれ、GPT-6 AstraはBenchLeader Index、AA Intelligence Index v5.0.1で、Qwen3.8 MaxはArena Textでリードしています。
- GPT-6 Astraはいつリリースされましたか?
- GPT-6 Astraは2026年9月2日にリリースされました。