Qwen3.6 Max vs Step 5 Preview
詳しいプロフィール:Qwen3.6 Max(Alibaba)とStep 5 Preview(StepFun)。すべてのベンチマーク、価格、順位を掲載しています。
更新 · 6件の情報源のデータ
2026年11月16日時点で、品質ではQwen3.6 MaxがStep 5 Previewを上回ります(BenchLeader Indexで62.1 対 56.0)。ただし、価格はStep 5 Previewの方が2.1倍安く、100万トークンあたりのブレンド価格で$1.43 対 $2.92です。エージェント・ツール(72 対 49)、推論(61 対 52)、コーディング(56 対 50)を重視するならQwen3.6 Max、長文コンテキスト(69 対 65)を重視するならStep 5 Previewが向いています。
要点(2026年11月16日時点)
- BenchLeader IndexはQwen3.6 Maxが62.1、Step 5 Previewが56.0です(BenchLeader、2026年11月16日)。
- Qwen3.6 Maxの100万トークンあたりのブレンド価格は$2.92です(定価、2026年11月16日)。
- Step 5 Previewの100万トークンあたりのブレンド価格は$1.43です(定価、2026年11月16日)。
- 両モデルに結果がある12件のベンチマークのうち、Qwen3.6 Maxが8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 |
|---|---|---|---|
| コーディング | Qwen3.6 Max | カテゴリスコア56 対 50;Arena Coding 1510 対 1505 | 中 |
| エージェント・ツール利用 | Qwen3.6 Max | カテゴリスコア72 対 49 | 高 |
| 数学 | Qwen3.6 Max | カテゴリスコア64 対 60;Arena Maths 1471 対 1470 | 中 |
| 推論 | Qwen3.6 Max | カテゴリスコア61 対 52;Arena Hard Prompts 1481 対 1477 | 高 |
| 知識 | Qwen3.6 Max | カテゴリスコア60 対 54 | 中 |
| 長い文書 | Step 5 Preview | カテゴリスコア69 対 65;AA-LCR v1.1 88.3% 対 80.7% | 中 |
| チャットの質(人間の評価) | Qwen3.6 Max | Arenaの投票で65 対 63 | 中 |
| 最低コスト | Step 5 Preview | 100万トークンあたりブレンド価格$1.43 対 $2.92;エージェント型コーディングセッション$0.071 対 $0.109 | – |
| 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Qwen3.6 Max (max)がリードしています:62.1 対 56.0。
- Qwen3.6 Max (max)はエージェント・ツール、コーディング、人間の評価、知識、数学、推論で優れています。
- Step 5 Previewは長文コンテキストで優れています。
- Step 5 Previewの方が2.1倍安くなっています(100万トークンあたりブレンド価格$1.43 対 $2.92)。
概要
| 仕様 | Qwen3.6 Max | Step 5 Preview |
|---|---|---|
| プロバイダー | Alibaba | StepFun |
| リリース日 | 2026年4月20日 | 2026年9月18日 |
| コンテキストウィンドウ(トークン) | 262,144 | 1,000,000 |
| 比較した構成 | Qwen3.6 Max (max) | Step 5 Preview |
| 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) | $1.30 / $7.80 / $0.130 | $1.00 / $2.70 / $0.105 |
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 | Qwen3.6 Max (max) | Step 5 Preview | トップ |
|---|---|---|---|
| 推論 | 60.8 | 51.7 | Qwen3.6 Max |
| コーディング | 55.9 | 49.9 | Qwen3.6 Max |
| エージェント・ツール | 72.1 | 49.1 | Qwen3.6 Max |
| 数学 | 64.4 | 60.1 | Qwen3.6 Max |
| 知識 | 59.7 | 53.7 | Qwen3.6 Max |
| 指示追従 | 74.7 | – | 比較不可 |
| 人間の評価 | 64.5 | 63.1 | Qwen3.6 Max |
| マルチモーダル | – | 59.3 | 比較不可 |
| 長文コンテキスト | 65.0 | 69.0 | Step 5 Preview |
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, マルチモーダル。
情報源で評価が分かれる点
両方に結果がある12件のベンチマークのうち、Qwen3.6 Maxのリードが8件、Step 5 Previewのリードが4件です。両方を評価しているすべての総合指標で、Qwen3.6 Maxが上回っています。
| 総合Index | Qwen3.6 Max (max) | Step 5 Preview | トップ |
|---|---|---|---|
| BenchLeader Index | 62.1 | 56.0 | Qwen3.6 Max |
| Arena Text | 1460 | 1449 | Qwen3.6 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 | Qwen3.6 Max (max) | Step 5 Preview |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $2.92 | $1.43 |
| 100万トークンあたりの入力/出力 | $1.30 / $7.80 | $1.00 / $2.70 |
| 100万トークンあたりのキャッシュ入力 | $0.130 | $0.105 |
| タスクあたりの価格:チャットの返答 | $0.0029 | $0.0012 |
| タスクあたりの価格:30ページのレポートを要約 | $0.020 | $0.014 |
| タスクあたりの価格:コード編集 | $0.019 | $0.010 |
| 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 | $0.109 | $0.071 |
| タスクあたりの価格:構造化データの抽出 | $0.0042 | $0.0025 |
| 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) | $0.057 | $0.030 |
| ベンチマークのタスクあたりのコスト(AA Index) | – | $2.35 |
| タスクあたりの出力トークン(AA Index) | – | 113k |
| うち推論 | – | 80k |
| タスクあたりの時間(AA Index) | – | 15 min |
| 出力速度 | – | 124 tok/s |
| 回答開始までの時間 | – | 23.5秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | – | 54.4秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Qwen3.6 Max (max)のスコアは62.1。Step 5 Previewのスコアは56.0、最初の回答トークンまで24秒。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
98件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Qwen3.6 Max (max) | Step 5 Preview |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 62.1 | 56.0 |
| エージェント・ツールスコア | BenchLeader | 72.1 | 49.1 |
| コーディングスコア | BenchLeader | 55.9 | 49.9 |
| 人間の評価スコア | BenchLeader | 64.5 | 63.1 |
| 指示追従スコア | BenchLeader | 74.7 | – |
| 知識スコア | BenchLeader | 59.7 | 53.7 |
| 長文コンテキストスコア | BenchLeader | 65.0 | 69.0 |
| 数学スコア | BenchLeader | 64.4 | 60.1 |
| 推論スコア | BenchLeader | 60.8 | 51.7 |
| マルチモーダルスコア | BenchLeader | – | 59.3 |
| ブレンド価格($/100万トークン) | BenchLeader | $2.92 | $1.43 |
| 出力速度 | BenchLeader | – | 124 tok/s |
| 回答開始までの時間 | BenchLeader | – | 23.5秒 |
| コンテキストウィンドウ | BenchLeader | 262,144トークン | 1,000,000トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 87.4% | – |
| SimpleBench | SimpleBench | 63.0% | – |
| Arena Hard Prompts | Arena (LMArena) | 1481 | 1477 |
| LiveBench 2.0 Reasoning | LiveBench | – | 83.8%† |
| GPQA Diamond (AA) | Artificial Analysis | 88.8% | – |
| Humanity's Last Exam (AA) | Artificial Analysis | 30.8% | 46.5% |
| HLE-Diamond (AA) | Artificial Analysis | – | 24.3% |
| CritPt | Artificial Analysis | 3.7% | 20.9% |
| CritPt v2 hard subset (AA) | Artificial Analysis | – | 32.5% |
| MysteryMechanism | Vals AI | – | 18.5% |
| Arena Expert | Arena (LMArena) | 1497 | 1489 |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 19.0%† | – |
| LMCA | Epoch AI Benchmarking Hub | 42.5% | – |
| DTBench | Epoch AI Benchmarking Hub | 87.2% | – |
| コーディング | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | 76.7% | – |
| SciCode | SciCode | – | 58.9% |
| Arena Coding | Arena (LMArena) | 1510 | 1505 |
| Arena WebDev | Arena (LMArena) | 1482 | 1573† |
| LiveBench 2.0 Coding | LiveBench | – | 67.6%† |
| IOI | Vals AI | – | 38.1% |
| SWE-bench (Vals) | Vals AI | 72.8% | – |
| Code Migration | Vals AI | – | 39.0% |
| Code Migration v1.1 | Vals AI | – | 47.0% |
| SWE-bench Multimodal | Vals AI | – | 40.8% |
| Vibe Code Bench v1.1 | Vals AI | – | 70.4% |
98件のベンチマークをすべて表示
| 指標 | 公開元 | Qwen3.6 Max (max) | Step 5 Preview |
|---|---|---|---|
| コーディング | |||
| Terminal-Bench 4.0 (AA) | Artificial Analysis | – | 33.3% |
| FrontierCode 1.1 (AA) | Artificial Analysis | – | 38.4% |
| FrontierCode 2.0 (AA) | Artificial Analysis | – | 12.0% |
| エージェント・ツール | |||
| Arena Agent | Arena (LMArena) | – | -3.7 |
| LiveBench Long Agentic | LiveBench | – | 19.4%† |
| LiveBench Browser | LiveBench | – | 24.8%† |
| Terminal-Bench Hard | Artificial Analysis | 43.9% | – |
| τ²-Bench Telecom (AA) | Artificial Analysis | 95.9% | – |
| GDPval-AA v2.1, normalised score | Artificial Analysis | – | 54.3% |
| GDPval-AA v2.1 | Artificial Analysis | – | 1591 |
| ITBench SRE (AA) | Artificial Analysis | – | 55.6% |
| Analyst Agent (AA) | Artificial Analysis | – | 35.0% |
| APEX-Agents (AA) | Artificial Analysis | – | 38.0% |
| Finance Agent v2 | Vals AI | – | 50.7% |
| Finance Agent v2.1 | Vals AI | – | 58.9% |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | – | 12.9% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | – | 9.2% |
| Legal Research Bench | Vals AI | – | 40.4% |
| SREBench | Vals AI | – | 0.4% |
| Tax Agent Bench | Vals AI | – | 27.3% |
| Terminal-Bench 2.0 (Vals) | Vals AI | 51.7% | – |
| Terminal-Bench 4.0 (Vals) | Vals AI | – | 31.8% |
| Terminal-Bench Science | Vals AI | – | 2.9% |
| Arena Agent Task Completion | Arena (LMArena) | – | -1.5 |
| Vending-Bench 2 | Andon Labs | 4254.2 | – |
| AutomationBench | Artificial Analysis | – | 51.0% |
| GDP.pdf (AA) | Artificial Analysis | – | 14.8% |
| EnterpriseOps-Gym | Artificial Analysis | – | 47.2% |
| AA-Briefcase v1.1 | Artificial Analysis | – | 1424 |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | – | 2.4% |
| CWE-Bench (AA) | Artificial Analysis | – | 52.5% |
| DeepSec-Bench (AA) | Artificial Analysis | – | 15.8% |
| CyberGym end-to-end (AA) | Artificial Analysis | – | 74.8% |
| MKA (AA) | Artificial Analysis | – | 27.6% |
| 数学 | |||
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 91.1% | – |
| ProofBench | Vals AI | – | 42.0% |
| Arena Maths | Arena (LMArena) | 1471 | 1470 |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 52.0% | – |
| LiveBench 2.0 Data Analysis | LiveBench | – | 63.5%† |
| LiveBench Research | LiveBench | – | 75.5%† |
| AA-Omniscience v1.1 | Artificial Analysis | – | 16.4 |
| CorpFin | Vals AI | 66.5% | – |
| BioMysteryBench | Vals AI | – | 67.4% |
| CaseLaw v2 | Vals AI | 47.9% | – |
| Excel Modeling Benchmark | Vals AI | – | 57.1% |
| Excel Modeling Benchmark v1.1 | Vals AI | – | 69.5% |
| Public Benefits Bench v1.1 | Vals AI | – | 58.1% |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | – | 36.4% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | – | 68.7% |
| 指示追従 | |||
| IFBench | Artificial Analysis | 76.6% | – |
| Arena Instruction Following | Arena (LMArena) | 1451 | 1450 |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1460 | 1449 |
| Arena Creative Writing | Arena (LMArena) | 1438 | 1413 |
| Arena Multi-turn | Arena (LMArena) | 1466 | 1445 |
| Arena Longer Queries | Arena (LMArena) | 1473 | 1461 |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | – | 1263 |
| LiveBench Design | LiveBench | – | 70.8%† |
| MMMU-Pro | Artificial Analysis | – | 76.4% |
| Code2Video-AA | Artificial Analysis | – | 821 |
| AA-3D | Artificial Analysis | – | 859 |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 80.7% | 88.3% |
| MLCR | Artificial Analysis | – | 18.3% |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 149.8 | – |
| LiveBench 2.0 | LiveBench | – | 54.9%† |
| AA Intelligence Index v5.0.1 | Artificial Analysis | – | 28.5 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 28.4 | 43.7 |
| AA Progress Index v1 | Artificial Analysis | 297.1 | 318.2 |
| Vals Index | Vals AI | – | 54.8 |
| Vals Finance Index | Vals AI | – | 55.4% |
| Vals Science Index | Vals AI | – | 29.6% |
| Vals Legal Index | Vals AI | – | 70.2% |
| AA Cyber Index | Artificial Analysis | – | 47.7 |
| メタデータ | |||
| AA Openness Index | Artificial Analysis | – | 33.3 |
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。
最近の変化
- Step 5 Preview:BenchLeader Index 54.2 → 56.0。
- Step 5 Preview:BenchLeader Index 54.7 → 54.2。
- Step 5 Preview:スコアの改訂1件。
- Qwen3.6 Max (max):BenchLeader Index 62.8 → 62.3。
- Step 5 Preview:スコアの改訂7件。
- Step 5 Preview:新しい結果2件(Vals Index, Harvey's Legal Agent Benchmark v1.1)。
- Step 5 Preview:スコアの改訂1件。
- Step 5 Preview:BenchLeader Index 58.0 → 54.7。
- Qwen3.6 Max (max):新しい結果1件(AA Progress Index v1)。
- Step 5 Preview:新しい結果5件(AA Intelligence Index v5.0.1, AA Progress Index v1, HLE-Diamond (AA)…)、スコアの改訂2件、価格 $1.03/M → $2.35/M。
関連する比較
- Qwen3.6 Max vs Claude Fable 5.2
- Qwen3.6 Max vs Gemini 4 Carbon
- Qwen3.6 Max vs Claude Opus 5.5
- Step 5 Preview vs Claude Opus 5.5
- Step 5 Preview vs GPT-6 Astra
- Step 5 Preview vs GPT-6.1 Sol
- Step 5 Preview vs Gemini 4 Argon
- Qwen3.6 Max vs Claude Fable 5.1
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
Qwen3.6 Max vs Step 5 Preview:よくある質問
- Qwen3.6 MaxはStep 5 Previewより優れていますか?
- 品質ではQwen3.6 Max (max)がリードしています:62.1 対 56.0。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Qwen3.6 Max (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。
- Qwen3.6 MaxとStep 5 Preview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Step 5 Previewの方が安く、100万トークンあたり$1.43 対 $2.92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Qwen3.6 MaxとStep 5 Previewのどちらが向いていますか?
- コーディングではQwen3.6 Maxの方がスコアが高くなっています(カテゴリ指標で56 対 50。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 Codingでは、Qwen3.6 Maxが1510、Step 5 Previewが1505です。
- エージェントやツール利用にはQwen3.6 MaxとStep 5 Preview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Qwen3.6 Maxの方がスコアが高くなっています(カテゴリ指標で72 対 49。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Step 5 Previewの方がスコアが高くなっています(69 対 65)。コンテキストはStep 5 Previewの方が長く、1,000,000トークンです(Qwen3.6 Maxは262,144トークン)。
ほかの質問(2件)
- Qwen3.6 MaxとStep 5 Preview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12件のベンチマークのうち、Qwen3.6 Maxのリードが8件、Step 5 Previewのリードが4件です。両方を評価しているすべての総合指標で、Qwen3.6 Maxが上回っています。
- Step 5 Previewはいつリリースされましたか?
- Step 5 Previewは2026年9月18日にリリースされました。