BenchLeader

Kimi K2.6 vs Qwen3.8 Max

詳しいプロフィール:Kimi K2.6(Moonshot AI)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 · 13件の情報源のデータ

2026年11月16日時点で、Kimi K2.6とQwen3.8 Maxの品質は互角です(BenchLeader Indexで59.3 対 58.7、±7.9の誤差範囲内)。価格はKimi K2.6の方が1.8倍安く、100万トークンあたりのブレンド価格で$1.71 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。Qwen3.8 Max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Kimi K2.6が59.3、Qwen3.8 Maxが58.7です(BenchLeader、2026年11月16日)。
  • Kimi K2.6の100万トークンあたりのブレンド価格は$1.71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Kimi K2.6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26件のベンチマークのうち、Qwen3.8 Maxが24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・ツール利用どちらでもカテゴリスコア58 対 59;τ³-Banking (AA) 23.3% 対 51.3%どちらでも
長い文書どちらでもカテゴリスコア65 対 65;AA-LCR v1.1 81.0% 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 62;MMMU-Pro 82.8% 対 79.4%中
チャットの質(人間の評価)–Arenaの評価があるのはQwen3.8 Maxのみです(カテゴリスコア68)比較不可
最低コストKimi K2.6100万トークンあたりブレンド価格$1.71 対 $3.00;エージェント型コーディングセッション$0.073 対 $0.144–
回答開始の速さどちらでも最初の回答トークンまで93.1秒(Kimi K2.6 (thinking))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

  • Kimi K2.6 (thinking)とQwen3.8 Max (max)の品質は互角です(59.3 対 58.7、±7.9の誤差範囲内)。
  • Kimi K2.6 (thinking)は長文コンテキストで優れています。
  • Qwen3.8 Max (max)はエージェント・ツール、マルチモーダルで優れています。
  • Kimi K2.6 (thinking)の方が1.8倍安くなっています(100万トークンあたりブレンド価格$1.71 対 $3.00)。
  • Qwen3.8 Max (max)の方が出力が1.5倍速くなっています(59 対 41トークン/秒)。

概要

仕様Kimi K2.6Qwen3.8 Max
プロバイダーMoonshot AIAlibaba
リリース日2026年4月20日2026年8月3日
コンテキストウィンドウ(トークン)262,1441,000,000
比較した構成Kimi K2.6 (thinking)Qwen3.8 Max (max)
オープンウェイトありなし
100万トークンあたりの価格(入力/出力/キャッシュ入力)$0.950 / $4.00 / $0.160$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Kimi K2.6 (thinking)Qwen3.8 Max (max)トップ
推論–51.5比較不可
コーディング–61.6比較不可
エージェント・ツール58.458.5互角
数学–65.2比較不可
知識–58.0比較不可
指示追従74.1–比較不可
人間の評価–67.5比較不可
マルチモーダル61.765.7Qwen3.8 Max
長文コンテキスト65.264.8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エージェント・ツール長文コンテキストマルチモーダルKimi K2.6, エージェント・ツール: 58.4Kimi K2.6, 長文コンテキスト: 65.2Kimi K2.6, マルチモーダル: 61.7Qwen3.8 Max, エージェント・ツール: 58.5Qwen3.8 Max, 長文コンテキスト: 64.8Qwen3.8 Max, マルチモーダル: 65.7

描画していないもの(測定済みのモデルが2つ未満):推論, コーディング, 数学, 知識, 指示追従, 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26件のベンチマークのうち、Kimi K2.6のリードが2件、Qwen3.8 Maxのリードが24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IndexKimi K2.6 (thinking)Qwen3.8 Max (max)トップ
BenchLeader Index59.358.7互角
Arena Text1461†1484Qwen3.8 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Kimi K2.6 (thinking)Qwen3.8 Max (max)
100万トークンあたりのブレンド価格$1.71$3.00
100万トークンあたりの入力/出力$0.950 / $4.00$2.00 / $6.00
100万トークンあたりのキャッシュ入力$0.160$0.250
タスクあたりの価格:チャットの返答$0.0016$0.0026
タスクあたりの価格:30ページのレポートを要約$0.014$0.028
タスクあたりの価格:コード編集$0.012$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$0.073$0.144
タスクあたりの価格:構造化データの抽出$0.0027$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)$0.037$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41 tok/s59 tok/s
回答開始までの時間93.1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)215.8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。Kimi K2.6 (thinking)のスコアは59.3、最初の回答トークンまで93秒。Kimi K2.6は55.1(1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

159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Kimi K2.6 (thinking)Qwen3.8 Max (max)
BenchLeader IndexBenchLeader59.358.7
エージェント・ツールスコアBenchLeader58.458.5
指示追従スコアBenchLeader74.1–
長文コンテキストスコアBenchLeader65.264.8
マルチモーダルスコアBenchLeader61.765.7
コーディングスコアBenchLeader–61.6
総合スコアBenchLeader–45.0
人間の評価スコアBenchLeader–67.5
知識スコアBenchLeader–58.0
数学スコアBenchLeader–65.2
推論スコアBenchLeader–51.5
ブレンド価格($/100万トークン)BenchLeader$1.71$3.00
出力速度BenchLeader41 tok/s59 tok/s
回答開始までの時間BenchLeader93.1秒119.6秒
コンテキストウィンドウBenchLeader262,144トークン1,000,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub90.8%†92.7%†
Arena Hard PromptsArena (LMArena)1485†1507
LiveBench 2.0 ReasoningLiveBench–88.2%
LiveBench 1.0 ReasoningLiveBench79.4%88.2%
GPQA Diamond (AA)Artificial Analysis91.1%92.8%
Humanity's Last Exam (AA)Artificial Analysis37.5%43.1%
HLE-Diamond (AA)Artificial Analysis–24.0%
GPQA Diamond (Vals)Vals AI89.1%†93.7%
CritPtArtificial Analysis8.0%20.0%
CritPt v2 hard subset (AA)Artificial Analysis–29.5%
MysteryMechanismVals AI–23.9%
Arena ExpertArena (LMArena)1503†1514
Chess PuzzlesEpoch AI Benchmarking Hub20.0%†46.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub18.0%†38.0%†
LMCAEpoch AI Benchmarking Hub37.3%†46.2%†
DTBenchEpoch AI Benchmarking Hub90.9%†92.0%†
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub76.7%†–
SciCodeSciCode53.5%†53.2%
WeirdMLWeirdML55.9%†–
Arena CodingArena (LMArena)1516†1523
Arena WebDevArena (LMArena)1509†1676
LiveBench 2.0 CodingLiveBench–60.9%
LiveBench 1.0 CodingLiveBench78.6%72.9%
SciCode (AA)Artificial Analysis51.5%53.2%
LiveCodeBenchVals AI86.8%†87.8%
159件のベンチマークをすべて表示
指標公開元Kimi K2.6 (thinking)Qwen3.8 Max (max)
コーディング
IOIVals AI–68.9%
SWE-bench (Vals)Vals AI76.2%†85.6%
Code MigrationVals AI27.8%†24.0%
ProgramBenchVals AI0.0%†0.0%
SWE-bench MultimodalVals AI–42.5%
Vibe Code Bench 1-100Vals AI–12.8%
Vibe Code Bench v1.1Vals AI37.9%†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 Hub–52.2%†
DeepSWE v1.1Epoch AI Benchmarking Hub–57.5%†
ALE-BenchEpoch AI Benchmarking Hub1092.7†1679.1†
FrontierSWEEpoch AI Benchmarking Hub–17.8%†
Terminal-Bench 4.0 (AA)Artificial Analysis0.5%38.9%
Terminal-Bench 2.1 (AA)Artificial Analysis65.9%88.8%
Startrise FrontendStartrise–71.3%
GameBench 2 OverallDuelLab GameBench 2–54.2†
GameBench 2 by reasoning settingDuelLab GameBench 2–69.6†
Design Arena WebsiteDesign Arena1263†1269
FrontierCode 1.1 (AA)Artificial Analysis–43.2%
FrontierCode 2.0 (AA)Artificial Analysis–23.4%
エージェント・ツール
Terminal-BenchTerminal-Bench–27.0%
OSWorld-Verified 2.0OSWorld4.6%†–
APEX-AgentsMercor–63.3%
Arena AgentArena (LMArena)–0.1
LiveBench Long AgenticLiveBench–26.6%
LiveBench BrowserLiveBench–49.4%
LiveBench Agentic CodingLiveBench46.9%64.7%
Terminal-Bench HardArtificial Analysis43.9%–
τ²-Bench Telecom (AA)Artificial Analysis95.9%–
Terminal-Bench 2.1 (Vals)Vals AI53.6%†67.4%
HiL-BenchScale AI SEAL18.7%†–
τ³-bench Bankingτ²-bench–55.1%†
GDPval-AA v2.1, normalised scoreArtificial Analysis–58.3%
GDPval-AA v2.1Artificial Analysis10461674
τ³-Banking (AA)Artificial Analysis23.3%51.3%
ITBench SRE (AA)Artificial Analysis31.2%40.3%
Analyst Agent (AA)Artificial Analysis–45.0%
APEX-Agents (AA)Artificial Analysis28.5%42.4%
CyberBenchVals AI–28.6%
Finance Agent v2Vals AI44.9%†50.6%
Harvey's Legal Agent Benchmark v1Vals AI1.7%†10.4%
Legal Research BenchVals AI15.9%†47.6%
SkillsBenchVals AI–42.0%
Tax Agent BenchVals AI12.4%†32.1%
Terminal-Bench 2.0 (Vals)Vals AI57.3%†–
Terminal-Bench 4.0 (Vals)Vals AI–34.3%
Terminal-Bench ScienceVals AI–12.9%
Arena SearchArena (LMArena)–1227
Arena Agent Task CompletionArena (LMArena)–4.5
ExploitBenchEpoch AI Benchmarking Hub18.4%†–
GBAEvalEpoch AI Benchmarking Hub0.9%†–
Vending-Bench 2Andon Labs6204.6†–
AutomationBenchArtificial Analysis13.0%56.2%
GDP.pdf (AA)Artificial Analysis13.0%22.8%
EnterpriseOps-GymArtificial Analysis38.5%47.6%
AA-Briefcase v1.1Artificial Analysis8211604
GDPxGDPx by SemiAnalysis–3.5%
Design Arena AgenticDesign Arena1158†1264
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–11.9%
MKA (AA)Artificial Analysis–37.4%
FACTS SearchGoogle–85.0%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub57.2%†74.7%†
FrontierMath Tier 4Epoch AI Benchmarking Hub25.6%†46.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub96.1%†100.0%†
ProofBenchVals AI16.0%†58.0%
LiveBench MathematicsLiveBench84.3%91.3%
AIME 2026MathArena95.8%†–
HMMT February 2026MathArena94.7%†–
USAMO 2026MathArena51.2%†–
MathArena ApexMathArena24.0%†–
Arena MathsArena (LMArena)1479†1505
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub34.9%†47.3%†
LiveBench 2.0 Data AnalysisLiveBench–78.4%
LiveBench ResearchLiveBench–72.8%
LiveBench 1.0 Data AnalysisLiveBench65.1%78.4%
AA-Omniscience v1.1Artificial Analysis–10.5
MMLU-ProVals AI87.6%†88.6%
LegalBenchVals AI84.7%†83.6%
CorpFinVals AI66.7%†65.8%
TaxEvalVals AI74.7%†75.5%
CaseLaw v2Vals AI61.2%†–
Excel Modeling BenchmarkVals AI57.9%†60.1%
Excel Modeling Benchmark v1.1Vals AI–66.0%
MedCodeVals AI40.1%†40.7%
MedScribeVals AI78.2%†85.0%
Public Benefits Bench v1.1Vals AI56.6%†67.1%
Access to Justice BenchmarkVals AI–76.4%
Financial Coaching BenchVals AI–75.6%
Immigration BenchVals AI–70.1%
EBR-benchEpoch AI Benchmarking Hub2.4%†–
GDP.pdfEpoch AI Benchmarking Hub12.0%†23.2%†
AA-Omniscience v1.1: accuracyArtificial Analysis–29.5%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–72.9%
FACTS ParametricGoogle–30.8%
指示追従
LiveBench LanguageLiveBench75.1%79.7%
LiveBench Instruction FollowingLiveBench64.4%74.1%
IFBenchArtificial Analysis76.0%–
Arena Instruction FollowingArena (LMArena)1456†1478
人間の評価
Arena TextArena (LMArena)1461†1484
EQ-Bench 4EQ-Bench1191†–
EQ-Bench Creative Writing v3EQ-Bench1721†–
Arena Creative WritingArena (LMArena)1432†1472
Arena Multi-turnArena (LMArena)1462†1495
Arena Longer QueriesArena (LMArena)1478†1496
マルチモーダル
Arena VisionArena (LMArena)1282†1312
LiveBench DesignLiveBench–76.6%
MMMU-ProArtificial Analysis79.4%82.8%
MMMU-Pro (Vals)Vals AI86.3%†88.0%
MortgageTaxVals AI65.8%†64.0%
SAGEVals AI–81.8%
Humanity's Sixth SenseScale AI SEAL–33.0%
Blueprint-Bench 2Epoch AI Benchmarking Hub3.9%†–
Furniture AssemblyEpoch AI Benchmarking Hub21.7%†20.0%†
VIALS-AAHandshake AI–31.7%
Code2Video-AAArtificial Analysis–1021
AA-3DArtificial Analysis–954
FACTS MultimodalGoogle–51.5%
長文コンテキスト
AA-LCR v1.1Artificial Analysis81.0%80.3%
Arena DocumentArena (LMArena)1450†–
MLCRArtificial Analysis11.1%26.1%
FACTS GroundingGoogle–73.8%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub151.6†157.6
LiveBench 2.0LiveBench–60.9%
LiveBench 1.0LiveBench70.5%78.5%
AA Intelligence Index v5.0.1Artificial Analysis–33.6
AA Intelligence Index v4.3.2Artificial Analysis27.045.4
AA Progress Index v1Artificial Analysis284.4323.7
Vals RSI IndexVals AI–21.8%
Vals Multimodal IndexVals AI56.4%†65.4%
安全性・誠実さ
DistressBenchScale AI SEAL–77.6%
メタデータ
AA Openness IndexArtificial Analysis33.3–

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

  • Qwen3.8 Max (max):スコアの改訂1件。
  • Kimi K2.6 (thinking):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。
  • Kimi K2.6 (thinking):BenchLeader Index 59.8 → 59.3。
  • 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。
  • 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

Kimi K2.6 vs Qwen3.8 Max:よくある質問

Kimi K2.6はQwen3.8 Maxより優れていますか?
Kimi K2.6 (thinking)とQwen3.8 Max (max)の品質は互角です(59.3 対 58.7、±7.9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。
Kimi K2.6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Kimi K2.6の方が安く、100万トークンあたり$1.71 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。
Kimi K2.6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Kimi K2.6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互角です(カテゴリ指標で58 対 59)。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、Kimi K2.6が23.3%、Qwen3.8 Maxが51.3%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互角です(65 対 65)。コンテキストはQwen3.8 Maxの方が長く、1,000,000トークンです(Kimi K2.6は262,144トークン)。
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Kimi K2.6です。Artificial Analysisの測定では、最初の回答トークンまで93.1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。
Kimi K2.6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26件のベンチマークのうち、Kimi K2.6のリードが2件、Qwen3.8 Maxのリードが24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。