BenchLeader

MiniMax M3.1 Flash vs Qwen3.8 2.4T A95B

詳しいプロフィール:MiniMax M3.1 Flash(MiniMax)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 · 9件の情報源のデータ

2026年11月16日時点で、MiniMax M3.1 FlashとQwen3.8 2.4T A95Bの品質は互角です(BenchLeader Indexで54.3 対 51.4、±15.0の誤差範囲内)。価格はMiniMax M3.1 Flashの方が11倍安く、100万トークンあたりのブレンド価格で$0.262 対 $3.00です。エージェント・ツール(55 対 48)、推論(50 対 46)を重視するならMiniMax M3.1 Flash、知識(49 対 46)を重視するならQwen3.8 2.4T A95Bが向いています。回答開始までの時間はMiniMax M3.1 Flashの方が短く、43.3秒 対 107.3秒です。MiniMax M3.1 Flashは出力が3倍以上速い点も強みです。

要点(2026年11月16日時点)

  • BenchLeader IndexはMiniMax M3.1 Flashが54.3、Qwen3.8 2.4T A95Bが51.4です(BenchLeader、2026年11月16日)。
  • MiniMax M3.1 Flashの100万トークンあたりのブレンド価格は$0.262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)。
  • MiniMax M3.1 FlashはQwen3.8 2.4T A95Bより出力が3倍以上速いです(Artificial Analysis、7日間の中央値、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MiniMax M3.1 Flashカテゴリスコア55 対 48;AutomationBench 72.5% 対 57.3%中
推論MiniMax M3.1 Flashカテゴリスコア50 対 46;HLE-Diamond (AA) 28.1% 対 20.1%中
知識Qwen3.8 2.4T A95Bカテゴリスコア49 対 46;AA-Omniscience v1.1 7.8 対 -6.4中
長い文書どちらでもカテゴリスコア65 対 65;AA-LCR v1.1 79.7% 対 80.3%どちらでも
最低コストMiniMax M3.1 Flash100万トークンあたりブレンド価格$0.262 対 $3.00;エージェント型コーディングセッション$0.011 対 $0.144–
回答開始の速さMiniMax M3.1 Flash最初の回答トークンまで43.3秒(MiniMax M3.1 Flash)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

  • MiniMax M3.1 FlashとQwen3.8 2.4T A95Bの品質は互角です(54.3 対 51.4、±15.0の誤差範囲内)。
  • MiniMax M3.1 Flashはエージェント・ツール、推論で優れています。
  • Qwen3.8 2.4T A95Bは知識、長文コンテキストで優れています。
  • MiniMax M3.1 Flashの方が11倍安くなっています(100万トークンあたりブレンド価格$0.262 対 $3.00)。
  • MiniMax M3.1 Flashの方が出力が3.7倍速くなっています(151 対 41トークン/秒)。

概要

仕様MiniMax M3.1 FlashQwen3.8 2.4T A95B
プロバイダーMiniMaxAlibaba
リリース日2026年10月19日2026年8月12日
コンテキストウィンドウ(トークン)1,000,0001,000,000
比較した構成MiniMax M3.1 FlashQwen3.8 2.4T A95B
オープンウェイトありあり
100万トークンあたりの価格(入力/出力/キャッシュ入力)$0.150 / $0.600 / $0.015$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MiniMax M3.1 FlashQwen3.8 2.4T A95Bトップ
推論50.146.4MiniMax M3.1 Flash
コーディング55.4–比較不可
エージェント・ツール55.247.8MiniMax M3.1 Flash
知識45.949.0Qwen3.8 2.4T A95B
マルチモーダル61.5–比較不可
長文コンテキスト64.564.8互角

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MiniMax M3.1 Flash, 推論: 50.1MiniMax M3.1 Flash, エージェント・ツール: 55.2MiniMax M3.1 Flash, 知識: 45.9MiniMax M3.1 Flash, 長文コンテキスト: 64.5Qwen3.8 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17件のベンチマークのうち、MiniMax M3.1 Flashのリードが8件、Qwen3.8 2.4T A95Bのリードが8件、同点が1件です。

総合IndexMiniMax M3.1 FlashQwen3.8 2.4T A95Bトップ
BenchLeader Index54.351.4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MiniMax M3.1 FlashQwen3.8 2.4T A95B
100万トークンあたりのブレンド価格$0.262$3.00
100万トークンあたりの入力/出力$0.150 / $0.600$2.00 / $6.00
100万トークンあたりのキャッシュ入力$0.015$0.250
タスクあたりの価格:チャットの返答$0.0002$0.0026
タスクあたりの価格:30ページのレポートを要約$0.0022$0.028
タスクあたりの価格:コード編集$0.0018$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$0.011$0.144
タスクあたりの価格:構造化データの抽出$0.0004$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)$0.0053$0.065
ベンチマークのタスクあたりのコスト(AA Index)$0.491–
タスクあたりの出力トークン(AA Index)138k–
うち推論103k–
タスクあたりの時間(AA Index)15 min–
出力速度151 tok/s41 tok/s
回答開始までの時間43.3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)141.5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。MiniMax M3.1 Flashのスコアは54.3、最初の回答トークンまで43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

73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MiniMax M3.1 FlashQwen3.8 2.4T A95B
BenchLeader IndexBenchLeader54.351.4
エージェント・ツールスコアBenchLeader55.247.8
コーディングスコアBenchLeader55.4–
知識スコアBenchLeader45.949.0
長文コンテキストスコアBenchLeader64.564.8
マルチモーダルスコアBenchLeader61.5–
推論スコアBenchLeader50.146.4
ブレンド価格($/100万トークン)BenchLeader$0.262$3.00
出力速度BenchLeader151 tok/s41 tok/s
回答開始までの時間BenchLeader43.3秒107.3秒
コンテキストウィンドウBenchLeader1,000,000トークン1,000,000トークン
推論
LiveBench 2.0 ReasoningLiveBench82.9%†–
GPQA Diamond (AA)Artificial Analysis–93.5%
Humanity's Last Exam (AA)Artificial Analysis48.0%42.5%
HLE-Diamond (AA)Artificial Analysis28.1%20.1%
CritPtArtificial Analysis22.3%20.0%
CritPt v2 hard subset (AA)Artificial Analysis32.5%–
コーディング
Arena WebDevArena (LMArena)1584–
LiveBench 2.0 CodingLiveBench68.8%†–
SciCode (AA)Artificial Analysis53.4%54.0%
Vibe Code Bench v1.1Vals AI73.9%†–
Vibe Code Bench 1-100 v1.1Vals AI19.8%†–
SWE-Bench Pro V2Scale AI SEAL96.6%†–
SWE-Bench Pro V2 HARDScale AI SEAL84.3%†–
Terminal-Bench 4.0 (AA)Artificial Analysis25.8%11.1%
Terminal-Bench 2.1 (AA)Artificial Analysis–82.0%
GameBench 2 OverallDuelLab GameBench 2–52.8
GameBench 2 by reasoning settingDuelLab GameBench 230.3†49.3†
Design Arena WebsiteDesign Arena1277–
FrontierCode 1.1 (AA)Artificial Analysis38.6%–
FrontierCode 2.0 (AA)Artificial Analysis20.8%–
エージェント・ツール
Arena AgentArena (LMArena)-2.7–
LiveBench Long AgenticLiveBench25.7%†–
LiveBench BrowserLiveBench80.6%†–
MCP AtlasScale AI SEAL–84.5%†
HiL-BenchScale AI SEAL65.7%–
73件のベンチマークをすべて表示
指標公開元MiniMax M3.1 FlashQwen3.8 2.4T A95B
エージェント・ツール
GDPval-AA v2.1, normalised scoreArtificial Analysis47.9%55.4%
GDPval-AA v2.1Artificial Analysis14651614
τ³-Banking (AA)Artificial Analysis–49.1%
Finance Agent v2.1Vals AI58.8%†–
Harvey's Legal Agent Benchmark v1.1Vals AI7.5%†–
Legal Research BenchVals AI34.1%†–
Tax Agent BenchVals AI32.1%†–
Terminal-Bench 4.0 (Vals)Vals AI25.3%†–
Arena Agent Task CompletionArena (LMArena)-0.7–
AutomationBenchArtificial Analysis72.5%57.3%
GDP.pdf (AA)Artificial Analysis20.8%15.6%
EnterpriseOps-GymArtificial Analysis–47.4%
AA-Briefcase v1.1Artificial Analysis14741430
GDPxGDPx by SemiAnalysis4.0%†–
Design Arena AgenticDesign Arena1252–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis3.3%–
CWE-Bench (AA)Artificial Analysis–28.3%
DeepSec-Bench (AA)Artificial Analysis–9.5%
CyberGym end-to-end (AA)Artificial Analysis–0.0%
MKA (AA)Artificial Analysis33.5%–
知識
LiveBench 2.0 Data AnalysisLiveBench71.4%†–
LiveBench ResearchLiveBench76.7%†–
AA-Omniscience v1.1Artificial Analysis-6.47.8
PRBench FinanceScale AI SEAL45.6%–
PRBench LegalScale AI SEAL45.1%–
Excel Modeling Benchmark v1.1Vals AI67.8%†–
Access to Justice BenchmarkVals AI73.3%†–
AA-Omniscience v1.1: accuracyArtificial Analysis45.1%31.4%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis6.3%65.5%
人間の評価
EQ-Bench Creative Writing v3EQ-Bench–1844
マルチモーダル
LiveBench DesignLiveBench71.2%†–
MMMU-ProArtificial Analysis79.1%–
SAGEVals AI85.3%†–
VIALS-AAHandshake AI29.8%–
長文コンテキスト
AA-LCR v1.1Artificial Analysis79.7%80.3%
MLCRArtificial Analysis16.7%30.6%
総合
LiveBench 2.0LiveBench63.7%†–
AA Intelligence Index v5.0.1Artificial Analysis29.1–
AA Intelligence Index v4.3.2Artificial Analysis42.740.0
AA Progress Index v1Artificial Analysis317.6317.8
Vals IndexVals AI53.8†–
Vals Finance IndexVals AI55.9%†–
Vals Router IndexVals AI53.8%–
Vals Legal IndexVals AI67.1%†–
AA Cyber IndexArtificial Analysis–12.6
安全性・誠実さ
FORTRESSScale AI SEAL52.1%21.6%†
DistressBenchScale AI SEAL–77.5%
メタデータ
AA Openness IndexArtificial Analysis27.827.8

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

  • MiniMax M3.1 Flash:BenchLeader Index 53.7 → 54.3。
  • Qwen3.8 2.4T A95B:BenchLeader Index 52.0 → 51.5。
  • MiniMax M3.1 Flash:BenchLeader Index 54.3 → 53.7。
  • MiniMax M3.1 Flash:スコアの改訂1件。
  • MiniMax M3.1 Flash:スコアの改訂6件。
  • MiniMax M3.1 Flash:BenchLeader Index 53.0 → 54.3。
  • MiniMax M3.1 Flash:新しい結果1件(HiL-Bench)。
  • MiniMax M3.1 Flash:BenchLeader Index 52.0 → 53.0。
  • MiniMax M3.1 Flash:新しい結果2件(PRBench Finance, PRBench Legal)。
  • MiniMax M3.1 Flash:スコアの改訂1件。

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

MiniMax M3.1 Flash vs Qwen3.8 2.4T A95B:よくある質問

MiniMax M3.1 FlashはQwen3.8 2.4T A95Bより優れていますか?
MiniMax M3.1 FlashとQwen3.8 2.4T A95Bの品質は互角です(54.3 対 51.4、±15.0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。
MiniMax M3.1 Flash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MiniMax M3.1 Flashの方が安く、100万トークンあたり$0.262 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。
MiniMax M3.1 FlashとQwen3.8 2.4T A95Bはどちらが速いですか?
MiniMax M3.1 Flashの方が出力が3倍以上速くなっています(出力151 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MiniMax M3.1 Flash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MiniMax M3.1 Flashの方がスコアが高くなっています(カテゴリ指標で55 対 48。50が平均)。
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1,000,000トークンのコンテキストに対応しています。
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MiniMax M3.1 Flashです。Artificial Analysisの測定では、最初の回答トークンまで43.3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。
MiniMax M3.1 Flash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17件のベンチマークのうち、MiniMax M3.1 Flashのリードが8件、Qwen3.8 2.4T A95Bのリードが8件、同点が1件です。
MiniMax M3.1 Flashはいつリリースされましたか?
MiniMax M3.1 Flashは2026年10月19日にリリースされました。