BenchLeader

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 MaxArenaの投票で65 対 63中
最低コストStep 5 Preview100万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 MaxStep 5 Preview
プロバイダーAlibabaStepFun
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)262,1441,000,000
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60.851.7Qwen3.6 Max
コーディング55.949.9Qwen3.6 Max
エージェント・ツール72.149.1Qwen3.6 Max
数学64.460.1Qwen3.6 Max
知識59.753.7Qwen3.6 Max
指示追従74.7–比較不可
人間の評価64.563.1Qwen3.6 Max
マルチモーダル–59.3比較不可
長文コンテキスト65.069.0Step 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。

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人間の評価Qwen3.6 Max, 推論: 60.8Qwen3.6 Max, コーディング: 55.9Qwen3.6 Max, エージェント・ツール: 72.1Qwen3.6 Max, 数学: 64.4Qwen3.6 Max, 知識: 59.7Qwen3.6 Max, 長文コンテキスト: 65.0Qwen3.6 Max, 人間の評価: 64.5Step 5 Preview, 推論: 51.7Step 5 Preview, コーディング: 49.9Step 5 Preview, エージェント・ツール: 49.1Step 5 Preview, 数学: 60.1Step 5 Preview, 知識: 53.7Step 5 Preview, 長文コンテキスト: 69.0Step 5 Preview, 人間の評価: 63.1

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。

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IndexQwen3.6 Max (max)Step 5 Previewトップ
BenchLeader Index62.156.0Qwen3.6 Max
Arena Text14601449Qwen3.6 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 IndexBenchLeader62.156.0
エージェント・ツールスコアBenchLeader72.149.1
コーディングスコアBenchLeader55.949.9
人間の評価スコアBenchLeader64.563.1
指示追従スコアBenchLeader74.7–
知識スコアBenchLeader59.753.7
長文コンテキストスコアBenchLeader65.069.0
数学スコアBenchLeader64.460.1
推論スコアBenchLeader60.851.7
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BenchLeader262,144トークン1,000,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub87.4%–
SimpleBenchSimpleBench63.0%–
Arena Hard PromptsArena (LMArena)14811477
LiveBench 2.0 ReasoningLiveBench–83.8%†
GPQA Diamond (AA)Artificial Analysis88.8%–
Humanity's Last Exam (AA)Artificial Analysis30.8%46.5%
HLE-Diamond (AA)Artificial Analysis–24.3%
CritPtArtificial Analysis3.7%20.9%
CritPt v2 hard subset (AA)Artificial Analysis–32.5%
MysteryMechanismVals AI–18.5%
Arena ExpertArena (LMArena)14971489
Mystery Game PuzzlesEpoch AI Benchmarking Hub19.0%†–
LMCAEpoch AI Benchmarking Hub42.5%–
DTBenchEpoch AI Benchmarking Hub87.2%–
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub76.7%–
SciCodeSciCode–58.9%
Arena CodingArena (LMArena)15101505
Arena WebDevArena (LMArena)14821573†
LiveBench 2.0 CodingLiveBench–67.6%†
IOIVals AI–38.1%
SWE-bench (Vals)Vals AI72.8%–
Code MigrationVals AI–39.0%
Code Migration v1.1Vals AI–47.0%
SWE-bench MultimodalVals AI–40.8%
Vibe Code Bench v1.1Vals 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 AgentArena (LMArena)–-3.7
LiveBench Long AgenticLiveBench–19.4%†
LiveBench BrowserLiveBench–24.8%†
Terminal-Bench HardArtificial Analysis43.9%–
τ²-Bench Telecom (AA)Artificial Analysis95.9%–
GDPval-AA v2.1, normalised scoreArtificial Analysis–54.3%
GDPval-AA v2.1Artificial 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 v2Vals AI–50.7%
Finance Agent v2.1Vals AI–58.9%
Harvey's Legal Agent Benchmark v1.1Vals AI–12.9%
Harvey's Legal Agent Benchmark v1Vals AI–9.2%
Legal Research BenchVals AI–40.4%
SREBenchVals AI–0.4%
Tax Agent BenchVals AI–27.3%
Terminal-Bench 2.0 (Vals)Vals AI51.7%–
Terminal-Bench 4.0 (Vals)Vals AI–31.8%
Terminal-Bench ScienceVals AI–2.9%
Arena Agent Task CompletionArena (LMArena)–-1.5
Vending-Bench 2Andon Labs4254.2–
AutomationBenchArtificial Analysis–51.0%
GDP.pdf (AA)Artificial Analysis–14.8%
EnterpriseOps-GymArtificial Analysis–47.2%
AA-Briefcase v1.1Artificial 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 AIMEEpoch AI Benchmarking Hub91.1%–
ProofBenchVals AI–42.0%
Arena MathsArena (LMArena)14711470
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub52.0%–
LiveBench 2.0 Data AnalysisLiveBench–63.5%†
LiveBench ResearchLiveBench–75.5%†
AA-Omniscience v1.1Artificial Analysis–16.4
CorpFinVals AI66.5%–
BioMysteryBenchVals AI–67.4%
CaseLaw v2Vals AI47.9%–
Excel Modeling BenchmarkVals AI–57.1%
Excel Modeling Benchmark v1.1Vals AI–69.5%
Public Benefits Bench v1.1Vals AI–58.1%
AA-Omniscience v1.1: accuracyArtificial Analysis–36.4%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–68.7%
指示追従
IFBenchArtificial Analysis76.6%–
Arena Instruction FollowingArena (LMArena)14511450
人間の評価
Arena TextArena (LMArena)14601449
Arena Creative WritingArena (LMArena)14381413
Arena Multi-turnArena (LMArena)14661445
Arena Longer QueriesArena (LMArena)14731461
マルチモーダル
Arena VisionArena (LMArena)–1263
LiveBench DesignLiveBench–70.8%†
MMMU-ProArtificial Analysis–76.4%
Code2Video-AAArtificial Analysis–821
AA-3DArtificial Analysis–859
長文コンテキスト
AA-LCR v1.1Artificial Analysis80.7%88.3%
MLCRArtificial Analysis–18.3%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub149.8–
LiveBench 2.0LiveBench–54.9%†
AA Intelligence Index v5.0.1Artificial Analysis–28.5
AA Intelligence Index v4.3.2Artificial Analysis28.443.7
AA Progress Index v1Artificial Analysis297.1318.2
Vals IndexVals AI–54.8
Vals Finance IndexVals AI–55.4%
Vals Science IndexVals AI–29.6%
Vals Legal IndexVals AI–70.2%
AA Cyber IndexArtificial Analysis–47.7
メタデータ
AA Openness IndexArtificial 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。

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。