BenchLeader

Qwen3.8 2.4T A95B vs Qwen3.8 Max

詳しいプロフィール:Qwen3.8 2.4T A95B(Alibaba)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、Qwen3.8 2.4T A95BとQwen3.8 Maxの品質は互角です(BenchLeader Indexで51.4 対 58.7、±14.7の誤差範囲内)。価格はほぼ同じです(100万トークンあたりのブレンド価格で$3.00 対 $3.00)。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の方が出力が速いです。

要点(2026年11月16日時点)

  • BenchLeader IndexはQwen3.8 2.4T A95Bが51.4、Qwen3.8 Maxが58.7です(BenchLeader、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)。
  • 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Qwen3.8 2.4T A95Bより出力が速いです(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21件のベンチマークのうち、Qwen3.8 Maxが14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Qwen3.8 Maxカテゴリスコア59 対 48;τ³-Banking (AA) 51.3% 対 49.1%高
推論Qwen3.8 Maxカテゴリスコア52 対 46;HLE-Diamond (AA) 24.0% 対 20.1%中
知識Qwen3.8 Maxカテゴリスコア58 対 49;AA-Omniscience v1.1 10.5 対 7.8高
長い文書どちらでもカテゴリスコア65 対 65;AA-LCR v1.1 80.3% 対 80.3%どちらでも
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
最低コストどちらでも100万トークンあたりブレンド価格$3.00 対 $3.00;エージェント型コーディングセッション$0.144 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107.3秒(Qwen3.8 2.4T A95B)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

  • Qwen3.8 2.4T A95BとQwen3.8 Max (max)の品質は互角です(51.4 対 58.7、±14.7の誤差範囲内)。
  • Qwen3.8 Max (max)はエージェント・ツール、知識、推論で優れています。
  • 価格はほぼ同じです(100万トークンあたりブレンド価格$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Qwen3.8 2.4T A95BQwen3.8 Max
プロバイダーAlibabaAlibaba
リリース日2026年8月12日2026年8月3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Qwen3.8 2.4T A95BQwen3.8 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)$2.00 / $6.00 / $0.250$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Qwen3.8 2.4T A95BQwen3.8 Max (max)トップ
推論46.451.5Qwen3.8 Max
コーディング–61.6比較不可
エージェント・ツール47.858.5Qwen3.8 Max
数学–65.2比較不可
知識49.058.0Qwen3.8 Max
人間の評価–67.5比較不可
マルチモーダル–65.7比較不可
長文コンテキスト64.864.8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推論エージェント・ツール知識長文コンテキストQwen3.8 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: 64.8Qwen3.8 Max, 推論: 51.5Qwen3.8 Max, エージェント・ツール: 58.5Qwen3.8 Max, 知識: 58.0Qwen3.8 Max, 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21件のベンチマークのうち、Qwen3.8 2.4T A95Bのリードが5件、Qwen3.8 Maxのリードが14件、同点が2件です。

総合IndexQwen3.8 2.4T A95BQwen3.8 Max (max)トップ
BenchLeader Index51.458.7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Qwen3.8 2.4T A95BQwen3.8 Max (max)
100万トークンあたりのブレンド価格$3.00$3.00
100万トークンあたりの入力/出力$2.00 / $6.00$2.00 / $6.00
100万トークンあたりのキャッシュ入力$0.250$0.250
タスクあたりの価格:チャットの返答$0.0026$0.0026
タスクあたりの価格:30ページのレポートを要約$0.028$0.028
タスクあたりの価格:コード編集$0.021$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$0.144$0.144
タスクあたりの価格:構造化データの抽出$0.0052$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)$0.065$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107.3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)248.5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。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。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

145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Qwen3.8 2.4T A95BQwen3.8 Max (max)
BenchLeader IndexBenchLeader51.458.7
エージェント・ツールスコアBenchLeader47.858.5
知識スコアBenchLeader49.058.0
長文コンテキストスコアBenchLeader64.864.8
推論スコアBenchLeader46.451.5
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
数学スコアBenchLeader–65.2
マルチモーダルスコアBenchLeader–65.7
ブレンド価格($/100万トークン)BenchLeader$3.00$3.00
出力速度BenchLeader41 tok/s59 tok/s
回答開始までの時間BenchLeader107.3秒119.6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
GPQA DiamondEpoch AI Benchmarking Hub–92.7%†
Arena Hard PromptsArena (LMArena)–1507
LiveBench 2.0 ReasoningLiveBench–88.2%
LiveBench 1.0 ReasoningLiveBench–88.2%
GPQA Diamond (AA)Artificial Analysis93.5%92.8%
Humanity's Last Exam (AA)Artificial Analysis42.5%43.1%
HLE-Diamond (AA)Artificial Analysis20.1%24.0%
GPQA Diamond (Vals)Vals AI–93.7%
CritPtArtificial Analysis20.0%20.0%
CritPt v2 hard subset (AA)Artificial Analysis–29.5%
MysteryMechanismVals AI–23.9%
Arena ExpertArena (LMArena)–1514
Chess PuzzlesEpoch AI Benchmarking Hub–46.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub–38.0%†
LMCAEpoch AI Benchmarking Hub–46.2%†
DTBenchEpoch AI Benchmarking Hub–92.0%†
コーディング
SciCodeSciCode–53.2%
Arena CodingArena (LMArena)–1523
Arena WebDevArena (LMArena)–1676
LiveBench 2.0 CodingLiveBench–60.9%
LiveBench 1.0 CodingLiveBench–72.9%
SciCode (AA)Artificial Analysis54.0%53.2%
LiveCodeBenchVals AI–87.8%
IOIVals AI–68.9%
SWE-bench (Vals)Vals AI–85.6%
145件のベンチマークをすべて表示
指標公開元Qwen3.8 2.4T A95BQwen3.8 Max (max)
コーディング
Code MigrationVals AI–24.0%
ProgramBenchVals AI–0.0%
SWE-bench MultimodalVals AI–42.5%
Vibe Code Bench 1-100Vals AI–12.8%
Vibe Code Bench v1.1Vals AI–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 Hub–1679.1†
FrontierSWEEpoch AI Benchmarking Hub–17.8%†
Terminal-Bench 4.0 (AA)Artificial Analysis11.1%38.9%
Terminal-Bench 2.1 (AA)Artificial Analysis82.0%88.8%
Startrise FrontendStartrise–71.3%
GameBench 2 OverallDuelLab GameBench 252.854.2†
GameBench 2 by reasoning settingDuelLab GameBench 249.3†69.6†
Design Arena WebsiteDesign Arena–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%
APEX-AgentsMercor–63.3%
Arena AgentArena (LMArena)–0.1
LiveBench Long AgenticLiveBench–26.6%
LiveBench BrowserLiveBench–49.4%
LiveBench Agentic CodingLiveBench–64.7%
Terminal-Bench 2.1 (Vals)Vals AI–67.4%
MCP AtlasScale AI SEAL84.5%†–
τ³-bench Bankingτ²-bench–55.1%†
GDPval-AA v2.1, normalised scoreArtificial Analysis55.4%58.3%
GDPval-AA v2.1Artificial Analysis16141674
τ³-Banking (AA)Artificial Analysis49.1%51.3%
ITBench SRE (AA)Artificial Analysis–40.3%
Analyst Agent (AA)Artificial Analysis–45.0%
APEX-Agents (AA)Artificial Analysis–42.4%
CyberBenchVals AI–28.6%
Finance Agent v2Vals AI–50.6%
Harvey's Legal Agent Benchmark v1Vals AI–10.4%
Legal Research BenchVals AI–47.6%
SkillsBenchVals AI–42.0%
Tax Agent BenchVals AI–32.1%
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
AutomationBenchArtificial Analysis57.3%56.2%
GDP.pdf (AA)Artificial Analysis15.6%22.8%
EnterpriseOps-GymArtificial Analysis47.4%47.6%
AA-Briefcase v1.1Artificial Analysis14301604
GDPxGDPx by SemiAnalysis–3.5%
Design Arena AgenticDesign Arena–1264
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–11.9%
CWE-Bench (AA)Artificial Analysis28.3%–
DeepSec-Bench (AA)Artificial Analysis9.5%–
CyberGym end-to-end (AA)Artificial Analysis0.0%–
MKA (AA)Artificial Analysis–37.4%
FACTS SearchGoogle–85.0%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub–74.7%†
FrontierMath Tier 4Epoch AI Benchmarking Hub–46.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub–100.0%†
ProofBenchVals AI–58.0%
LiveBench MathematicsLiveBench–91.3%
Arena MathsArena (LMArena)–1505
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub–47.3%†
LiveBench 2.0 Data AnalysisLiveBench–78.4%
LiveBench ResearchLiveBench–72.8%
LiveBench 1.0 Data AnalysisLiveBench–78.4%
AA-Omniscience v1.1Artificial Analysis7.810.5
MMLU-ProVals AI–88.6%
LegalBenchVals AI–83.6%
CorpFinVals AI–65.8%
TaxEvalVals AI–75.5%
Excel Modeling BenchmarkVals AI–60.1%
Excel Modeling Benchmark v1.1Vals AI–66.0%
MedCodeVals AI–40.7%
MedScribeVals AI–85.0%
Public Benefits Bench v1.1Vals AI–67.1%
Access to Justice BenchmarkVals AI–76.4%
Financial Coaching BenchVals AI–75.6%
Immigration BenchVals AI–70.1%
GDP.pdfEpoch AI Benchmarking Hub–23.2%†
AA-Omniscience v1.1: accuracyArtificial Analysis31.4%29.5%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis65.5%72.9%
FACTS ParametricGoogle–30.8%
指示追従
LiveBench LanguageLiveBench–79.7%
LiveBench Instruction FollowingLiveBench–74.1%
Arena Instruction FollowingArena (LMArena)–1478
人間の評価
Arena TextArena (LMArena)–1484
EQ-Bench Creative Writing v3EQ-Bench1844–
Arena Creative WritingArena (LMArena)–1472
Arena Multi-turnArena (LMArena)–1495
Arena Longer QueriesArena (LMArena)–1496
マルチモーダル
Arena VisionArena (LMArena)–1312
LiveBench DesignLiveBench–76.6%
MMMU-ProArtificial Analysis–82.8%
MMMU-Pro (Vals)Vals AI–88.0%
MortgageTaxVals AI–64.0%
SAGEVals AI–81.8%
Humanity's Sixth SenseScale AI SEAL–33.0%
Furniture AssemblyEpoch AI Benchmarking Hub–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 Analysis80.3%80.3%
MLCRArtificial Analysis30.6%26.1%
FACTS GroundingGoogle–73.8%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–157.6
LiveBench 2.0LiveBench–60.9%
LiveBench 1.0LiveBench–78.5%
AA Intelligence Index v5.0.1Artificial Analysis–33.6
AA Intelligence Index v4.3.2Artificial Analysis40.045.4
AA Progress Index v1Artificial Analysis317.8323.7
Vals RSI IndexVals AI–21.8%
Vals Multimodal IndexVals AI–65.4%
AA Cyber IndexArtificial Analysis12.6–
安全性・誠実さ
FORTRESSScale AI SEAL21.6%†–
DistressBenchScale AI SEAL77.5%77.6%
メタデータ
AA Openness IndexArtificial Analysis27.8–

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

  • Qwen3.8 Max (max):スコアの改訂1件。
  • Qwen3.8 Max (max):スコアの改訂1件。
  • Qwen3.8 2.4T A95B:BenchLeader Index 52.0 → 51.5。
  • 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 2.4T A95B: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 2.4T A95B:BenchLeader Index 53.0 → 52.0。

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

Qwen3.8 2.4T A95B vs Qwen3.8 Max:よくある質問

Qwen3.8 2.4T A95BはQwen3.8 Maxより優れていますか?
Qwen3.8 2.4T A95BとQwen3.8 Max (max)の品質は互角です(51.4 対 58.7、±14.7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。
Qwen3.8 2.4T A95B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?
価格は同じで、100万トークンあたりのブレンド価格は$3.00です。どちらも価格変更は発表されていません。
Qwen3.8 2.4T A95BとQwen3.8 Maxはどちらが速いですか?
Qwen3.8 Maxの方が出力が速くなっています(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Qwen3.8 2.4T A95B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Qwen3.8 Maxの方がスコアが高くなっています(カテゴリ指標で59 対 48。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τ³-Banking (AA)では、Qwen3.8 2.4T A95Bが49.1%、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)。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Qwen3.8 2.4T A95Bです。Artificial Analysisの測定では、最初の回答トークンまで107.3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。
Qwen3.8 2.4T A95B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21件のベンチマークのうち、Qwen3.8 2.4T A95Bのリードが5件、Qwen3.8 Maxのリードが14件、同点が2件です。
Qwen3.8 2.4T A95Bはいつリリースされましたか?
Qwen3.8 2.4T A95Bは2026年8月12日にリリースされました。