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 Max | 100万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 A95B | Qwen4 Max |
|---|---|---|
| プロバイダー | Alibaba | Alibaba |
| 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) | 1,000,000 | 991,808 |
| 比較した構成 | Qwen3.8 2.4T A95B | Qwen4 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 A95B | Qwen4 Max | トップ |
|---|---|---|---|
| 推論 | 45.5 | 58.5 | Qwen4 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 | 48.8 | 59.0 | Qwen4 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。
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。
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 A95B | Qwen4 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) | – | $3.27 |
| タスクあたりの出力トークン(AA Index) | – | 105k |
| うち推論 | – | 69k |
| タスクあたりの時間(AA Index) | – | 30 min |
| 出力速度 | 41 tok/s | 59 tok/s |
| 回答開始までの時間 | 111.5秒 | 139.2秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 248.5秒 | – |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Qwen3.8 2.4T A95Bのスコアは51.6、最初の回答トークンまで111秒。Qwen4 Maxは最初の回答トークンまで139秒。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
61件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Qwen3.8 2.4T A95B | Qwen4 Max |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 51.6 | – |
| エージェント・ツールスコア | BenchLeader | 50.3 | – |
| 知識スコア | BenchLeader | 48.8 | 59.0 |
| 長文コンテキストスコア | BenchLeader | 64.8 | – |
| 推論スコア | BenchLeader | 45.5 | 58.5 |
| コーディングスコア | BenchLeader | – | 55.1 |
| ブレンド価格($/100万トークン) | BenchLeader | $3.00 | $2.25 |
| 出力速度 | BenchLeader | 41 tok/s | 59 tok/s |
| 回答開始までの時間 | BenchLeader | 111.5秒 | 139.2秒 |
| コンテキストウィンドウ | BenchLeader | 1,000,000トークン | 991,808トークン |
| 推論 | |||
| LiveBench 2.0 Reasoning | LiveBench | – | 92.2%† |
| GPQA Diamond (AA) | Artificial Analysis | 93.5% | – |
| Humanity's Last Exam (AA) | Artificial Analysis | 42.5% | – |
| HLE-Diamond (AA) | Artificial Analysis | 20.1% | 44.9% |
| CritPt | Artificial Analysis | 20.0% | – |
| CritPt v2 hard subset (AA) | Artificial Analysis | – | 43.0% |
| コーディング | |||
| Arena WebDev | Arena (LMArena) | – | 1750† |
| LiveBench 2.0 Coding | LiveBench | – | 69.8%† |
| SciCode (AA) | Artificial Analysis | 54.0% | – |
| Vibe Code Bench v1.1 | Vals AI | – | 86.7%† |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 11.1% | 48.5% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 82.0% | – |
| GameBench 2 Overall | DuelLab GameBench 2 | 52.8 | – |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 49.4† | – |
| FrontierCode 2.0 (AA) | Artificial Analysis | – | 26.4% |
| エージェント・ツール | |||
| Arena Agent | Arena (LMArena) | – | 7.3† |
| LiveBench Long Agentic | LiveBench | – | 46.6%† |
| LiveBench Browser | LiveBench | – | 80.7%† |
| MCP Atlas | Scale AI SEAL | 84.5%† | – |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 55.4% | – |
| GDPval-AA v2.1 | Artificial Analysis | 1614 | 1809 |
| τ³-Banking (AA) | Artificial Analysis | 49.1% | – |
| Analyst Agent (AA) | Artificial Analysis | – | 46.3% |
| APEX-Agents (AA) | Artificial Analysis | – | 59.1% |
| Finance Agent v2.1 | Vals 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 A95B | Qwen4 Max |
|---|---|---|---|
| エージェント・ツール | |||
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | – | 21.3%† |
| Legal Research Bench | Vals AI | – | 41.4%† |
| Tax Agent Bench | Vals AI | – | 40.4%† |
| Terminal-Bench 4.0 (Vals) | Vals AI | – | 48.5%† |
| Arena Agent Task Completion | Arena (LMArena) | – | 8.8† |
| AutomationBench | Artificial Analysis | 57.3% | 72.6% |
| GDP.pdf (AA) | Artificial Analysis | 15.6% | 26.2% |
| Harvey LAB-AA v1.1 | Harvey | – | 9.4% |
| EnterpriseOps-Gym | Artificial Analysis | 47.4% | 48.5% |
| AA-Briefcase v1.1 | Artificial Analysis | 1430 | 1686 |
| Design Arena Agentic | Design Arena | – | 1356 |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | – | 23.3% |
| CWE-Bench (AA) | Artificial Analysis | 28.3% | – |
| DeepSec-Bench (AA) | Artificial Analysis | 9.5% | – |
| CyberGym end-to-end (AA) | Artificial Analysis | 0.0% | – |
| 知識 | |||
| LiveBench 2.0 Data Analysis | LiveBench | – | 83.4%† |
| LiveBench Research | LiveBench | – | 84.7%† |
| AA-Omniscience v1.1 | Artificial Analysis | 7.8 | 27.7 |
| Excel Modeling Benchmark v1.1 | Vals AI | – | 70.8%† |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 31.4% | 43.7% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 65.5% | 71.6% |
| 人間の評価 | |||
| EQ-Bench Creative Writing v3 | EQ-Bench | 1844 | – |
| マルチモーダル | |||
| LiveBench Design | LiveBench | – | 79.1%† |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 80.3% | – |
| MLCR | Artificial Analysis | 30.6% | 19.4% |
| 総合 | |||
| LiveBench 2.0 | LiveBench | – | 73.1%† |
| AA Intelligence Index v5.0.1 | Artificial Analysis | – | 42.9 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 40.0 | – |
| AA Progress Index v1 | Artificial Analysis | 317.8 | – |
| Vals Index | Vals AI | – | 63.2† |
| Vals Finance Index | Vals AI | – | 62.0%† |
| Vals Legal Index | Vals AI | – | 70.7%† |
| AA Cyber Index | Artificial Analysis | 12.6 | – |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | 21.6%† | – |
| DistressBench | Scale AI SEAL | 77.5% | – |
| メタデータ | |||
| AA Openness Index | Artificial Analysis | 27.8 | – |
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。
関連する比較
- Qwen3.8 2.4T A95B vs GPT-5.6 Sol
- Qwen4 Max vs Qwen3.8 Max
- Qwen4 Max vs Inkling 2 Small
- Qwen3.8 2.4T A95B vs Gemini 4 Argon
- Qwen3.8 2.4T A95B vs Claude Sonnet 5.5
- Qwen3.8 2.4T A95B vs Muse Spark 1.3
- Qwen3.8 2.4T A95B vs Gemini 3 Pro
- Qwen3.8 2.4T A95B vs Qwen3.8 Max
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。