BenchLeader

Qwen3.8 2.4T A95B vs Qwen4 Max

詳しいプロフィール:Qwen3.8 2.4T A95B(Alibaba)とQwen4 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 · 8件の情報源のデータ

2026年11月19日時点で、共通するベンチマークが少なく、品質の判定はできません。価格はQwen4 Maxの方が1.3倍安く、100万トークンあたりのブレンド価格で$2.25 対 $3.00です。両方を測定できるすべてのカテゴリでQwen4 Maxがリードしています。Qwen4 Maxの方が出力が速いです。

Qwen4 Maxは2026年11月16日にリリースされましたが、まだBenchLeader Indexがありません(2つのカテゴリにまたがる5件の第三者の結果が必要です)。そのため、このページでは品質の判定は行わず、両モデルについてこれまでに公開されている価格、コンテキストウィンドウ、速度、両方に結果があるベンチマークを比較しています。最初の結果は次のページで追跡しています: Qwen4 Maxのページ

要点(2026年11月19日時点)

  • 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19日)。
  • Qwen4 Maxの100万トークンあたりのブレンド価格は$2.25です(定価、2026年11月19日)。
  • Qwen4 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19日)。
  • 両モデルに結果がある11件のベンチマークのうち、Qwen4 Maxが10件でリードしています(BenchLeader、2026年11月19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
推論Qwen4 Maxカテゴリスコア59 対 46;HLE-Diamond (AA) 44.9% 対 20.1%高
知識Qwen4 Maxカテゴリスコア59 対 49;AA-Omniscience v1.1 27.7 対 7.8高
最低コストQwen4 Max100万トークンあたりブレンド価格$2.25 対 $3.00;エージェント型コーディングセッション$0.108 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111.5秒(Qwen3.8 2.4T A95B)対 139.2秒(Qwen4 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

  • 共通するベンチマークが少なく、判定できません。
  • Qwen4 Maxは知識、推論で優れています。
  • Qwen4 Maxの方が1.3倍安くなっています(100万トークンあたりブレンド価格$2.25 対 $3.00)。
  • Qwen4 Maxの方が出力が1.4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 A95BQwen4 Max
プロバイダーAlibabaAlibaba
リリース日2026年8月12日2026年11月16日
コンテキストウィンドウ(トークン)1,000,000991,808
比較した構成Qwen3.8 2.4T A95BQwen4 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$1.50 / $4.50 / $0.071

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 A95BQwen4 Maxトップ
推論45.558.5Qwen4 Max
コーディング–55.1比較不可
エージェント・ツール50.3–比較不可
知識48.859.0Qwen4 Max
長文コンテキスト64.8–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推論コーディングエージェント・ツール知識長文コンテキストQwen3.8 2.4T A95B, 推論: 45.5Qwen3.8 2.4T A95B, エージェント・ツール: 50.3Qwen3.8 2.4T A95B, 知識: 48.8Qwen3.8 2.4T A95B, 長文コンテキスト: 64.8Qwen4 Max, 推論: 58.5Qwen4 Max, コーディング: 55.1Qwen4 Max, 知識: 59.0

破線:そのモデルは横切る軸の結果がなく、線は隣の軸同士をつないでいるだけです。

描画していないもの(これらのモデルの結果なし):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11件のベンチマークのうち、Qwen3.8 2.4T A95Bのリードが1件、Qwen4 Maxのリードが10件です。

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 A95BQwen4 Max
100万トークンあたりのブレンド価格$3.00$2.25
100万トークンあたりの入力/出力$2.00 / $6.00$1.50 / $4.50
100万トークンあたりのキャッシュ入力$0.250$0.071
タスクあたりの価格:チャットの返答$0.0026$0.0020
タスクあたりの価格:30ページのレポートを要約$0.028$0.021
タスクあたりの価格:コード編集$0.021$0.016
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$0.108
タスクあたりの価格:構造化データの抽出$0.0052$0.0039
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$0.044
ベンチマークのタスクあたりのコスト(AA Index)–$3.27
タスクあたりの出力トークン(AA Index)–105k
うち推論–69k
タスクあたりの時間(AA Index)–30 min
出力速度41 tok/s59 tok/s
回答開始までの時間111.5秒139.2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–

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51.6、最初の回答トークンまで111秒。Qwen4 Maxは最初の回答トークンまで139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

61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 A95BQwen4 Max
BenchLeader IndexBenchLeader51.6–
エージェント・ツールスコアBenchLeader50.3–
知識スコアBenchLeader48.859.0
長文コンテキストスコアBenchLeader64.8–
推論スコアBenchLeader45.558.5
コーディングスコアBenchLeader–55.1
ブレンド価格($/100万トークン)BenchLeader$3.00$2.25
出力速度BenchLeader41 tok/s59 tok/s
回答開始までの時間BenchLeader111.5秒139.2秒
コンテキストウィンドウBenchLeader1,000,000トークン991,808トークン
推論
LiveBench 2.0 ReasoningLiveBench–92.2%†
GPQA Diamond (AA)Artificial Analysis93.5%–
Humanity's Last Exam (AA)Artificial Analysis42.5%–
HLE-Diamond (AA)Artificial Analysis20.1%44.9%
CritPtArtificial Analysis20.0%–
CritPt v2 hard subset (AA)Artificial Analysis–43.0%
コーディング
Arena WebDevArena (LMArena)–1750†
LiveBench 2.0 CodingLiveBench–69.8%†
SciCode (AA)Artificial Analysis54.0%–
Vibe Code Bench v1.1Vals AI–86.7%†
Terminal-Bench 4.0 (AA)Artificial Analysis11.1%48.5%
Terminal-Bench 2.1 (AA)Artificial Analysis82.0%–
GameBench 2 OverallDuelLab GameBench 252.8–
GameBench 2 by reasoning settingDuelLab GameBench 249.4†–
FrontierCode 2.0 (AA)Artificial Analysis–26.4%
エージェント・ツール
Arena AgentArena (LMArena)–7.3†
LiveBench Long AgenticLiveBench–46.6%†
LiveBench BrowserLiveBench–80.7%†
MCP AtlasScale AI SEAL84.5%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis55.4%–
GDPval-AA v2.1Artificial Analysis16141809
τ³-Banking (AA)Artificial Analysis49.1%–
Analyst Agent (AA)Artificial Analysis–46.3%
APEX-Agents (AA)Artificial Analysis–59.1%
Finance Agent v2.1Vals AI–66.7%†
61件のベンチマークをすべて表示
指標公開元Qwen3.8 2.4T A95BQwen4 Max
エージェント・ツール
Harvey's Legal Agent Benchmark v1.1Vals AI–21.3%†
Legal Research BenchVals AI–41.4%†
Tax Agent BenchVals AI–40.4%†
Terminal-Bench 4.0 (Vals)Vals AI–48.5%†
Arena Agent Task CompletionArena (LMArena)–8.8†
AutomationBenchArtificial Analysis57.3%72.6%
GDP.pdf (AA)Artificial Analysis15.6%26.2%
Harvey LAB-AA v1.1Harvey–9.4%
EnterpriseOps-GymArtificial Analysis47.4%48.5%
AA-Briefcase v1.1Artificial Analysis14301686
Design Arena AgenticDesign Arena–1356
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–23.3%
CWE-Bench (AA)Artificial Analysis28.3%–
DeepSec-Bench (AA)Artificial Analysis9.5%–
CyberGym end-to-end (AA)Artificial Analysis0.0%–
知識
LiveBench 2.0 Data AnalysisLiveBench–83.4%†
LiveBench ResearchLiveBench–84.7%†
AA-Omniscience v1.1Artificial Analysis7.827.7
Excel Modeling Benchmark v1.1Vals AI–70.8%†
AA-Omniscience v1.1: accuracyArtificial Analysis31.4%43.7%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis65.5%71.6%
人間の評価
EQ-Bench Creative Writing v3EQ-Bench1844–
マルチモーダル
LiveBench DesignLiveBench–79.1%†
長文コンテキスト
AA-LCR v1.1Artificial Analysis80.3%–
MLCRArtificial Analysis30.6%19.4%
総合
LiveBench 2.0LiveBench–73.1%†
AA Intelligence Index v5.0.1Artificial Analysis–42.9
AA Intelligence Index v4.3.2Artificial Analysis40.0–
AA Progress Index v1Artificial Analysis317.8–
Vals IndexVals AI–63.2†
Vals Finance IndexVals AI–62.0%†
Vals Legal IndexVals AI–70.7%†
AA Cyber IndexArtificial Analysis12.6–
安全性・誠実さ
FORTRESSScale AI SEAL21.6%†–
DistressBenchScale AI SEAL77.5%–
メタデータ
AA Openness IndexArtificial Analysis27.8–

データは2026年11月19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 gb2-20261114-ca113f475f5e (https://benchmarks.duellab.org/releases/gb2-20261114-ca113f475f5e/), 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 2.4T A95B:BenchLeader Index 51.0 → 51.6。
  • Qwen3.8 2.4T A95B:BenchLeader Index 51.5 → 51.0。
  • Qwen3.8 2.4T A95B:BenchLeader Index 52.0 → 51.5。
  • Qwen3.8 2.4T A95B:スコアの改訂1件。
  • Qwen3.8 2.4T A95B:BenchLeader Index 53.0 → 52.0。
  • Qwen3.8 2.4T A95B:新しい結果1件(HLE-Diamond (AA))。
  • Qwen3.8 2.4T A95B:BenchLeader Index 56.1 → 53.0。
  • Qwen3.8 2.4T A95B:新しい結果1件(AA Progress Index v1)、スコアの改訂2件。
  • Qwen3.8 2.4T A95B:新しい結果5件(AA Cyber Index, CWE-Bench (AA), DeepSec-Bench (AA)…)。
  • Qwen3.8 2.4T A95B: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

Qwen3.8 2.4T A95B vs Qwen4 Max:よくある質問

Qwen3.8 2.4T A95BとQwen4 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Qwen4 Maxの方が安く、100万トークンあたり$2.25 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。
Qwen3.8 2.4T A95BとQwen4 Maxはどちらが速いですか?
Qwen4 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)。
長い文書にはどちらが向いていますか?
どちらも約1Mトークンです(Qwen3.8 2.4T A95Bは1,000,000、Qwen4 Maxは991,808)。
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111.5秒 対 139.2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Qwen4 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11件のベンチマークのうち、Qwen3.8 2.4T A95Bのリードが1件、Qwen4 Maxのリードが10件です。
ほかの質問(1件)
Qwen4 Maxはいつリリースされましたか?
Qwen4 Maxは2026年11月16日にリリースされました。