BenchLeader

Qwen3.8 Max vs Qwen4 Max

詳しいプロフィール:Qwen3.8 Max(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 · 13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。コーディング(61 対 55)を重視するならQwen3.8 Max、推論(59 対 51)、知識(59 対 58)を重視するならQwen4 Maxが向いています。

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 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)。
  • 両モデルに結果がある17件のベンチマークのうち、Qwen4 Maxが15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
コーディングQwen3.8 Maxカテゴリスコア61 対 55;FrontierCode 2.0 (AA) 23.4% 対 26.4%中
推論Qwen4 Maxカテゴリスコア59 対 51;HLE-Diamond (AA) 44.9% 対 24.0%高
知識Qwen4 Maxカテゴリスコア59 対 58;AA-Omniscience v1.1 27.7 対 10.5中
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Qwen3.8 Max最初の回答トークンまで93.1秒(Qwen3.8 Max)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。
  • Qwen3.8 Maxはコーディングで優れています。
  • 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)。

概要

仕様Qwen3.8 MaxQwen4 Max
プロバイダーAlibabaAlibaba
リリース日2026年8月3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 MaxQwen4 Max
オープンウェイトなしなし
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 MaxQwen4 Maxトップ
推論50.958.5Qwen4 Max
コーディング61.055.1Qwen3.8 Max
エージェント・ツール65.0–比較不可
数学64.9–比較不可
知識58.059.0Qwen4 Max
人間の評価67.5–比較不可
マルチモーダル65.5–比較不可
長文コンテキスト64.8–比較不可
総合43.3–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推論コーディング知識Qwen3.8 Max, 推論: 50.9Qwen3.8 Max, コーディング: 61.0Qwen3.8 Max, 知識: 58.0Qwen4 Max, 推論: 58.5Qwen4 Max, コーディング: 55.1Qwen4 Max, 知識: 59.0

描画していないもの(測定済みのモデルが2つ未満):エージェント・ツール, 数学, 指示追従, 長文コンテキスト, 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17件のベンチマークのうち、Qwen3.8 Maxのリードが2件、Qwen4 Maxのリードが15件です。両方を評価しているすべての総合指標で、Qwen4 Maxが上回っています。

総合IndexQwen3.8 MaxQwen4 Maxトップ
AA Intelligence Index v5.0.133.642.9Qwen4 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Qwen3.8 MaxQwen4 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)$10.02$3.27
タスクあたりの出力トークン(AA Index)171k105k
うち推論120k69k
タスクあたりの時間(AA Index)48 min30 min
出力速度60 tok/s59 tok/s
回答開始までの時間93.1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)282.4秒–

トークン単価とタスクあたりのコストは別物です。Artificial AnalysisのIntelligence Indexの平均的なタスクにかかったコストは、Qwen3.8 Maxで$10.02、Qwen4 Maxで$3.27でした。同じ作業でQwen3.8 Maxは1.6倍の出力トークンを書いています。これはトークン単価だけでは見えない差です。

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 Maxのスコアは59.0、最初の回答トークンまで93秒。Qwen3.8 Max (xhigh)は56.4(116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

143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 MaxQwen4 Max
BenchLeader IndexBenchLeader59.0–
エージェント・ツールスコアBenchLeader65.0–
コーディングスコアBenchLeader61.055.1
総合スコアBenchLeader43.3–
人間の評価スコアBenchLeader67.5–
知識スコアBenchLeader58.059.0
長文コンテキストスコアBenchLeader64.8–
数学スコアBenchLeader64.9–
マルチモーダルスコアBenchLeader65.5–
推論スコアBenchLeader50.958.5
ブレンド価格($/100万トークン)BenchLeader$3.00$2.25
出力速度BenchLeader60 tok/s59 tok/s
回答開始までの時間BenchLeader93.1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
GPQA DiamondEpoch AI Benchmarking Hub92.7%†–
Arena Hard PromptsArena (LMArena)1507–
LiveBench 2.0 ReasoningLiveBench88.2%92.2%†
LiveBench 1.0 ReasoningLiveBench88.2%–
GPQA Diamond (AA)Artificial Analysis92.8%–
Humanity's Last Exam (AA)Artificial Analysis43.1%–
HLE-Diamond (AA)Artificial Analysis24.0%44.9%
GPQA Diamond (Vals)Vals AI93.7%–
CritPtArtificial Analysis20.0%–
CritPt v2 hard subset (AA)Artificial Analysis29.5%43.0%
MysteryMechanismVals AI23.9%–
Arena ExpertArena (LMArena)1514–
Chess PuzzlesEpoch AI Benchmarking Hub46.0%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub38.0%†–
LMCAEpoch AI Benchmarking Hub46.2%†–
DTBenchEpoch AI Benchmarking Hub92.0%†–
コーディング
SciCodeSciCode53.2%–
Arena CodingArena (LMArena)1525–
Arena WebDevArena (LMArena)16751750†
LiveBench 2.0 CodingLiveBench60.9%69.8%†
LiveBench 1.0 CodingLiveBench72.9%–
LiveCodeBenchVals AI87.8%–
IOIVals AI68.9%–
SWE-bench (Vals)Vals AI85.6%–
Code MigrationVals AI24.0%–
143件のベンチマークをすべて表示
指標公開元Qwen3.8 MaxQwen4 Max
コーディング
ProgramBenchVals AI0.0%–
SWE-bench MultimodalVals AI42.5%–
Vibe Code Bench 1-100Vals AI12.8%–
Vibe Code Bench v1.1Vals AI64.7%86.7%†
SWE Atlas v1.1Scale AI SEAL64.4%–
SWE Atlas v1.1: Codebase QnAScale AI SEAL81.5%–
SWE Atlas v1.1: Test WritingScale AI SEAL58.9%–
SWE Atlas v1.1: RefactoringScale AI SEAL52.9%–
MirrorCodeEpoch AI Benchmarking Hub52.2%†–
DeepSWE v1.1Epoch AI Benchmarking Hub57.5%†–
ALE-BenchEpoch AI Benchmarking Hub1679.1†–
FrontierSWEEpoch AI Benchmarking Hub17.8%†–
Terminal-Bench 4.0 (AA)Artificial Analysis38.9%48.5%
Terminal-Bench 2.1 (AA)Artificial Analysis88.8%–
Startrise FrontendStartrise71.3%–
GameBench 2 OverallDuelLab GameBench 254.2–
GameBench 2 by reasoning settingDuelLab GameBench 269.6†–
Design Arena WebsiteDesign Arena1272–
FrontierCode 1.1 (AA)Artificial Analysis43.2%–
FrontierCode 2.0 (AA)Artificial Analysis23.4%26.4%
エージェント・ツール
Terminal-BenchTerminal-Bench27.0%†–
APEX-AgentsMercor63.3%–
Arena AgentArena (LMArena)-0.97.3†
LiveBench Long AgenticLiveBench26.6%46.6%†
LiveBench BrowserLiveBench49.4%80.7%†
LiveBench Agentic CodingLiveBench64.7%–
Terminal-Bench 2.1 (Vals)Vals AI67.4%–
τ³-bench Bankingτ²-bench55.1%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis58.3%–
GDPval-AA v2.1Artificial Analysis16741809
τ³-Banking (AA)Artificial Analysis51.3%–
ITBench SRE (AA)Artificial Analysis40.3%–
Analyst Agent (AA)Artificial Analysis45.0%46.3%
APEX-Agents (AA)Artificial Analysis42.4%59.1%
CyberBenchVals AI28.6%–
Finance Agent v2Vals AI50.6%–
Finance Agent v2.1Vals AI–66.7%†
Harvey's Legal Agent Benchmark v1.1Vals AI–21.3%†
Harvey's Legal Agent Benchmark v1Vals AI10.4%–
Legal Research BenchVals AI47.6%41.4%†
Robo-benchVals AI5.2%†–
SkillsBenchVals AI42.0%–
Tax Agent BenchVals AI32.1%40.4%†
Terminal-Bench 4.0 (Vals)Vals AI34.3%48.5%†
Terminal-Bench ScienceVals AI12.9%–
Arena SearchArena (LMArena)1227–
Arena Agent Task CompletionArena (LMArena)3.68.8†
AutomationBenchArtificial Analysis56.2%72.6%
GDP.pdf (AA)Artificial Analysis22.8%26.2%
Harvey LAB-AA v1.1Harvey–9.4%
EnterpriseOps-GymArtificial Analysis47.6%48.5%
AA-Briefcase v1.1Artificial Analysis16041686
GDPxGDPx by SemiAnalysis3.5%†–
Design Arena AgenticDesign Arena12551356
Terminal-Bench-Science 0.1 (AA)Artificial Analysis11.9%23.3%
MKA (AA)Artificial Analysis37.4%–
FACTS SearchGoogle85.0%–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub74.7%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub46.3%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%†–
ProofBenchVals AI58.0%–
LiveBench MathematicsLiveBench91.3%–
Arena MathsArena (LMArena)1501–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub47.3%†–
LiveBench 2.0 Data AnalysisLiveBench78.4%83.4%†
LiveBench ResearchLiveBench72.8%84.7%†
LiveBench 1.0 Data AnalysisLiveBench78.4%–
AA-Omniscience v1.1Artificial Analysis10.527.7
MMLU-ProVals AI88.6%–
LegalBenchVals AI83.6%–
CorpFinVals AI65.8%–
TaxEvalVals AI75.5%–
Excel Modeling BenchmarkVals AI60.1%–
Excel Modeling Benchmark v1.1Vals AI66.0%70.8%†
MedCodeVals AI40.7%–
MedScribeVals AI85.0%–
Public Benefits Bench v1.1Vals AI67.1%–
Access to Justice BenchmarkVals AI76.4%–
Financial Coaching BenchVals AI75.6%–
Immigration BenchVals AI70.1%–
GDP.pdfEpoch AI Benchmarking Hub42.8%†–
AA-Omniscience v1.1: accuracyArtificial Analysis29.5%43.7%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis72.9%71.6%
FACTS ParametricGoogle30.8%–
指示追従
LiveBench LanguageLiveBench79.7%–
LiveBench Instruction FollowingLiveBench74.1%–
Arena Instruction FollowingArena (LMArena)1478–
人間の評価
Arena TextArena (LMArena)1484–
Arena Creative WritingArena (LMArena)1473–
Arena Multi-turnArena (LMArena)1495–
Arena Longer QueriesArena (LMArena)1498–
マルチモーダル
Arena VisionArena (LMArena)1312–
LiveBench DesignLiveBench76.6%79.1%†
MMMU-ProArtificial Analysis82.8%–
MMMU-Pro (Vals)Vals AI88.0%–
MortgageTaxVals AI64.0%–
SAGEVals AI81.8%–
Humanity's Sixth SenseScale AI SEAL33.0%†–
Furniture AssemblyEpoch AI Benchmarking Hub20.0%†–
VIALS-AAHandshake AI31.7%–
Code2Video-AAArtificial Analysis1021–
AA-3DArtificial Analysis954–
FACTS MultimodalGoogle51.5%–
長文コンテキスト
AA-LCR v1.1Artificial Analysis80.3%–
MLCRArtificial Analysis26.1%19.4%
FACTS GroundingGoogle73.8%–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub157.6–
LiveBench 2.0LiveBench60.9%73.1%†
LiveBench 1.0LiveBench78.5%–
AA Intelligence Index v5.0.1Artificial Analysis33.642.9
AA Intelligence Index v4.3.2Artificial Analysis45.4–
AA Progress Index v1Artificial Analysis323.7–
Vals IndexVals AI–63.2†
Vals Finance IndexVals AI–62.0%†
Vals RSI IndexVals AI21.8%†–
Vals Multimodal IndexVals AI65.4%–
Vals Legal IndexVals AI–70.7%†
安全性・誠実さ
DistressBenchScale AI SEAL77.6%–

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 Max:BenchLeader Index 63.8 → 59.1。
  • Qwen3.8 Max:新しい結果113件(FACTS Search, FACTS Grounding, FACTS Parametric…)、スコアの改訂2件。
  • Qwen3.8 Max:スコアの改訂1件。
  • Qwen3.8 Max: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 Max vs Qwen4 Max:よくある質問

Qwen3.8 Max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。
コーディングにはQwen3.8 MaxとQwen4 Maxのどちらが向いていますか?
コーディングでは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61 対 55。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FrontierCode 2.0 (AA)では、Qwen3.8 Maxが23.4%、Qwen4 Maxが26.4%です。
Qwen3.8 MaxとQwen4 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60 対 59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 Max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 Maxです。Artificial Analysisの測定では、最初の回答トークンまで93.1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。
ほかの質問(2件)
Qwen3.8 Max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17件のベンチマークのうち、Qwen3.8 Maxのリードが2件、Qwen4 Maxのリードが15件です。両方を評価しているすべての総合指標で、Qwen4 Maxが上回っています。
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。