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 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 | 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 Max | Qwen4 Max |
|---|---|---|
| プロバイダー | Alibaba | Alibaba |
| 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) | 1,000,000 | 991,808 |
| 比較した構成 | Qwen3.8 Max | Qwen4 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 Max | Qwen4 Max | トップ |
|---|---|---|---|
| 推論 | 50.9 | 58.5 | Qwen4 Max |
| コーディング | 61.0 | 55.1 | Qwen3.8 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 | 58.0 | 59.0 | Qwen4 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。
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。
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Index | Qwen3.8 Max | Qwen4 Max | トップ |
|---|---|---|---|
| AA Intelligence Index v5.0.1 | 33.6 | 42.9 | Qwen4 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 Max | 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) | $10.02 | $3.27 |
| タスクあたりの出力トークン(AA Index) | 171k | 105k |
| うち推論 | 120k | 69k |
| タスクあたりの時間(AA Index) | 48 min | 30 min |
| 出力速度 | 60 tok/s | 59 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$3.27でした。同じ作業でQwen3.8 Maxは1.6倍の出力トークンを書いています。これはトークン単価だけでは見えない差です。
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Qwen3.8 Maxのスコアは59.0、最初の回答トークンまで93秒。Qwen3.8 Max (xhigh)は56.4(116秒)。Qwen4 Maxは最初の回答トークンまで139秒。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
143件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Qwen3.8 Max | Qwen4 Max |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 59.0 | – |
| エージェント・ツールスコア | BenchLeader | 65.0 | – |
| コーディングスコア | BenchLeader | 61.0 | 55.1 |
| 総合スコア | BenchLeader | 43.3 | – |
| 人間の評価スコア | BenchLeader | 67.5 | – |
| 知識スコア | BenchLeader | 58.0 | 59.0 |
| 長文コンテキストスコア | BenchLeader | 64.8 | – |
| 数学スコア | BenchLeader | 64.9 | – |
| マルチモーダルスコア | BenchLeader | 65.5 | – |
| 推論スコア | BenchLeader | 50.9 | 58.5 |
| ブレンド価格($/100万トークン) | BenchLeader | $3.00 | $2.25 |
| 出力速度 | BenchLeader | 60 tok/s | 59 tok/s |
| 回答開始までの時間 | BenchLeader | 93.1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 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 92.7%† | – |
| Arena Hard Prompts | Arena (LMArena) | 1507 | – |
| LiveBench 2.0 Reasoning | LiveBench | 88.2% | 92.2%† |
| LiveBench 1.0 Reasoning | LiveBench | 88.2% | – |
| GPQA Diamond (AA) | Artificial Analysis | 92.8% | – |
| Humanity's Last Exam (AA) | Artificial Analysis | 43.1% | – |
| HLE-Diamond (AA) | Artificial Analysis | 24.0% | 44.9% |
| GPQA Diamond (Vals) | Vals AI | 93.7% | – |
| CritPt | Artificial Analysis | 20.0% | – |
| CritPt v2 hard subset (AA) | Artificial Analysis | 29.5% | 43.0% |
| MysteryMechanism | Vals AI | 23.9% | – |
| Arena Expert | Arena (LMArena) | 1514 | – |
| Chess Puzzles | Epoch AI Benchmarking Hub | 46.0%† | – |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 38.0%† | – |
| LMCA | Epoch AI Benchmarking Hub | 46.2%† | – |
| DTBench | Epoch AI Benchmarking Hub | 92.0%† | – |
| コーディング | |||
| SciCode | SciCode | 53.2% | – |
| Arena Coding | Arena (LMArena) | 1525 | – |
| Arena WebDev | Arena (LMArena) | 1675 | 1750† |
| LiveBench 2.0 Coding | LiveBench | 60.9% | 69.8%† |
| LiveBench 1.0 Coding | LiveBench | 72.9% | – |
| LiveCodeBench | Vals AI | 87.8% | – |
| IOI | Vals AI | 68.9% | – |
| SWE-bench (Vals) | Vals AI | 85.6% | – |
| Code Migration | Vals AI | 24.0% | – |
143件のベンチマークをすべて表示
| 指標 | 公開元 | Qwen3.8 Max | Qwen4 Max |
|---|---|---|---|
| コーディング | |||
| ProgramBench | Vals AI | 0.0% | – |
| SWE-bench Multimodal | Vals AI | 42.5% | – |
| Vibe Code Bench 1-100 | Vals AI | 12.8% | – |
| Vibe Code Bench v1.1 | Vals AI | 64.7% | 86.7%† |
| SWE Atlas v1.1 | Scale AI SEAL | 64.4% | – |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | 81.5% | – |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | 58.9% | – |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | 52.9% | – |
| MirrorCode | Epoch AI Benchmarking Hub | 52.2%† | – |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | 57.5%† | – |
| ALE-Bench | Epoch AI Benchmarking Hub | 1679.1† | – |
| FrontierSWE | Epoch AI Benchmarking Hub | 17.8%† | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 38.9% | 48.5% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 88.8% | – |
| Startrise Frontend | Startrise | 71.3% | – |
| GameBench 2 Overall | DuelLab GameBench 2 | 54.2 | – |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 69.6† | – |
| Design Arena Website | Design Arena | 1272 | – |
| FrontierCode 1.1 (AA) | Artificial Analysis | 43.2% | – |
| FrontierCode 2.0 (AA) | Artificial Analysis | 23.4% | 26.4% |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 27.0%† | – |
| APEX-Agents | Mercor | 63.3% | – |
| Arena Agent | Arena (LMArena) | -0.9 | 7.3† |
| LiveBench Long Agentic | LiveBench | 26.6% | 46.6%† |
| LiveBench Browser | LiveBench | 49.4% | 80.7%† |
| LiveBench Agentic Coding | LiveBench | 64.7% | – |
| Terminal-Bench 2.1 (Vals) | Vals AI | 67.4% | – |
| τ³-bench Banking | τ²-bench | 55.1%† | – |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 58.3% | – |
| GDPval-AA v2.1 | Artificial Analysis | 1674 | 1809 |
| τ³-Banking (AA) | Artificial Analysis | 51.3% | – |
| ITBench SRE (AA) | Artificial Analysis | 40.3% | – |
| Analyst Agent (AA) | Artificial Analysis | 45.0% | 46.3% |
| APEX-Agents (AA) | Artificial Analysis | 42.4% | 59.1% |
| CyberBench | Vals AI | 28.6% | – |
| Finance Agent v2 | Vals AI | 50.6% | – |
| Finance Agent v2.1 | Vals AI | – | 66.7%† |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | – | 21.3%† |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 10.4% | – |
| Legal Research Bench | Vals AI | 47.6% | 41.4%† |
| Robo-bench | Vals AI | 5.2%† | – |
| SkillsBench | Vals AI | 42.0% | – |
| Tax Agent Bench | Vals AI | 32.1% | 40.4%† |
| Terminal-Bench 4.0 (Vals) | Vals AI | 34.3% | 48.5%† |
| Terminal-Bench Science | Vals AI | 12.9% | – |
| Arena Search | Arena (LMArena) | 1227 | – |
| Arena Agent Task Completion | Arena (LMArena) | 3.6 | 8.8† |
| AutomationBench | Artificial Analysis | 56.2% | 72.6% |
| GDP.pdf (AA) | Artificial Analysis | 22.8% | 26.2% |
| Harvey LAB-AA v1.1 | Harvey | – | 9.4% |
| EnterpriseOps-Gym | Artificial Analysis | 47.6% | 48.5% |
| AA-Briefcase v1.1 | Artificial Analysis | 1604 | 1686 |
| GDPx | GDPx by SemiAnalysis | 3.5%† | – |
| Design Arena Agentic | Design Arena | 1255 | 1356 |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 11.9% | 23.3% |
| MKA (AA) | Artificial Analysis | 37.4% | – |
| FACTS Search | 85.0% | – | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 74.7%† | – |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 46.3%† | – |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 100.0%† | – |
| ProofBench | Vals AI | 58.0% | – |
| LiveBench Mathematics | LiveBench | 91.3% | – |
| Arena Maths | Arena (LMArena) | 1501 | – |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 47.3%† | – |
| LiveBench 2.0 Data Analysis | LiveBench | 78.4% | 83.4%† |
| LiveBench Research | LiveBench | 72.8% | 84.7%† |
| LiveBench 1.0 Data Analysis | LiveBench | 78.4% | – |
| AA-Omniscience v1.1 | Artificial Analysis | 10.5 | 27.7 |
| MMLU-Pro | Vals AI | 88.6% | – |
| LegalBench | Vals AI | 83.6% | – |
| CorpFin | Vals AI | 65.8% | – |
| TaxEval | Vals AI | 75.5% | – |
| Excel Modeling Benchmark | Vals AI | 60.1% | – |
| Excel Modeling Benchmark v1.1 | Vals AI | 66.0% | 70.8%† |
| MedCode | Vals AI | 40.7% | – |
| MedScribe | Vals AI | 85.0% | – |
| Public Benefits Bench v1.1 | Vals AI | 67.1% | – |
| Access to Justice Benchmark | Vals AI | 76.4% | – |
| Financial Coaching Bench | Vals AI | 75.6% | – |
| Immigration Bench | Vals AI | 70.1% | – |
| GDP.pdf | Epoch AI Benchmarking Hub | 42.8%† | – |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 29.5% | 43.7% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 72.9% | 71.6% |
| FACTS Parametric | 30.8% | – | |
| 指示追従 | |||
| LiveBench Language | LiveBench | 79.7% | – |
| LiveBench Instruction Following | LiveBench | 74.1% | – |
| Arena Instruction Following | Arena (LMArena) | 1478 | – |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1484 | – |
| Arena Creative Writing | Arena (LMArena) | 1473 | – |
| Arena Multi-turn | Arena (LMArena) | 1495 | – |
| Arena Longer Queries | Arena (LMArena) | 1498 | – |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1312 | – |
| LiveBench Design | LiveBench | 76.6% | 79.1%† |
| MMMU-Pro | Artificial Analysis | 82.8% | – |
| MMMU-Pro (Vals) | Vals AI | 88.0% | – |
| MortgageTax | Vals AI | 64.0% | – |
| SAGE | Vals AI | 81.8% | – |
| Humanity's Sixth Sense | Scale AI SEAL | 33.0%† | – |
| Furniture Assembly | Epoch AI Benchmarking Hub | 20.0%† | – |
| VIALS-AA | Handshake AI | 31.7% | – |
| Code2Video-AA | Artificial Analysis | 1021 | – |
| AA-3D | Artificial Analysis | 954 | – |
| FACTS Multimodal | 51.5% | – | |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 80.3% | – |
| MLCR | Artificial Analysis | 26.1% | 19.4% |
| FACTS Grounding | 73.8% | – | |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 157.6 | – |
| LiveBench 2.0 | LiveBench | 60.9% | 73.1%† |
| LiveBench 1.0 | LiveBench | 78.5% | – |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 33.6 | 42.9 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 45.4 | – |
| AA Progress Index v1 | Artificial Analysis | 323.7 | – |
| Vals Index | Vals AI | – | 63.2† |
| Vals Finance Index | Vals AI | – | 62.0%† |
| Vals RSI Index | Vals AI | 21.8%† | – |
| Vals Multimodal Index | Vals AI | 65.4% | – |
| Vals Legal Index | Vals AI | – | 70.7%† |
| 安全性・誠実さ | |||
| DistressBench | Scale AI SEAL | 77.6% | – |
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。
関連する比較
- Qwen3.8 Max vs Gemini 4 Carbon
- Qwen4 Max vs Inkling 2 Small
- Qwen3.8 Max vs Qwen3.8-Flash-Next
- Qwen3.8 Max vs GPT-6 Astra
- Qwen3.8 Max vs GPT-6.1 Sol
- Qwen3.8 Max vs Gemini 4 Argon
- Qwen3.8 Max vs Claude Opus 5
- Qwen3.8 Max vs Muse Spark
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。