BenchLeader

Qwen3.8 Max vs Step 5 Preview

詳しいプロフィール:Qwen3.8 Max(Alibaba)とStep 5 Preview(StepFun)。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16日時点で、Qwen3.8 MaxとStep 5 Previewの品質は互角です(BenchLeader Indexで58.7 対 56.0、±5.6の誤差範囲内)。価格はStep 5 Previewの方が2.1倍安く、100万トークンあたりのブレンド価格で$1.43 対 $3.00です。コーディング(62 対 50)、エージェント・ツール(59 対 49)、マルチモーダル(66 対 59)を重視するならQwen3.8 Max、長文コンテキスト(69 対 65)を重視するならStep 5 Previewが向いています。回答開始までの時間はStep 5 Previewの方が短く、23.5秒 対 119.6秒です。Step 5 Previewは出力が約2倍速い点も強みです。

要点(2026年11月16日時点)

  • BenchLeader IndexはQwen3.8 Maxが58.7、Step 5 Previewが56.0です(BenchLeader、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)。
  • Step 5 Previewの100万トークンあたりのブレンド価格は$1.43です(定価、2026年11月16日)。
  • Step 5 PreviewはQwen3.8 Maxより出力が約2倍速いです(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54件のベンチマークのうち、Qwen3.8 Maxが41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
コーディングQwen3.8 Maxカテゴリスコア62 対 50;FrontierCode 2.0 (AA) 23.4% 対 12.0%高
エージェント・ツール利用Qwen3.8 Maxカテゴリスコア59 対 49;Arena Agent 0.1 対 -3.7高
数学Qwen3.8 Maxカテゴリスコア65 対 60;Arena Maths 1505 対 1470中
推論どちらでもカテゴリスコア52 対 52;HLE-Diamond (AA) 24.0% 対 24.3%どちらでも
知識Qwen3.8 Maxカテゴリスコア58 対 54;AA-Omniscience v1.1 10.5 対 16.4中
長い文書Step 5 Previewカテゴリスコア69 対 65;AA-LCR v1.1 88.3% 対 80.3%中
画像などのメディアQwen3.8 Maxカテゴリスコア66 対 59;Arena Vision 1312 対 1263中
チャットの質(人間の評価)Qwen3.8 MaxArenaの投票で68 対 63中
最低コストStep 5 Preview100万トークンあたりブレンド価格$1.43 対 $3.00;エージェント型コーディングセッション$0.071 対 $0.144–
回答開始の速さStep 5 Preview最初の回答トークンまで23.5秒(Step 5 Preview)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 Max (max)とStep 5 Previewの品質は互角です(58.7 対 56.0、±5.6の誤差範囲内)。
  • Qwen3.8 Max (max)はエージェント・ツール、コーディング、人間の評価、知識、数学、マルチモーダルで優れています。
  • Step 5 Previewは長文コンテキスト、推論で優れています。
  • Step 5 Previewの方が2.1倍安くなっています(100万トークンあたりブレンド価格$1.43 対 $3.00)。
  • Step 5 Previewの方が出力が2.1倍速くなっています(124 対 59トークン/秒)。

概要

仕様Qwen3.8 MaxStep 5 Preview
プロバイダーAlibabaStepFun
リリース日2026年8月3日2026年9月18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 Max (max)Step 5 Preview
オープンウェイトなしあり
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$1.00 / $2.70 / $0.105

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 (max)Step 5 Previewトップ
推論51.551.7互角
コーディング61.649.9Qwen3.8 Max
エージェント・ツール58.549.1Qwen3.8 Max
数学65.260.1Qwen3.8 Max
知識58.053.7Qwen3.8 Max
人間の評価67.563.1Qwen3.8 Max
マルチモーダル65.759.3Qwen3.8 Max
長文コンテキスト64.869.0Step 5 Preview
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推論コーディングエージェント・ツール数学知識長文コンテキストマルチモーダル人間の評価Qwen3.8 Max, 推論: 51.5Qwen3.8 Max, コーディング: 61.6Qwen3.8 Max, エージェント・ツール: 58.5Qwen3.8 Max, 数学: 65.2Qwen3.8 Max, 知識: 58.0Qwen3.8 Max, 長文コンテキスト: 64.8Qwen3.8 Max, マルチモーダル: 65.7Qwen3.8 Max, 人間の評価: 67.5Step 5 Preview, 推論: 51.7Step 5 Preview, コーディング: 49.9Step 5 Preview, エージェント・ツール: 49.1Step 5 Preview, 数学: 60.1Step 5 Preview, 知識: 53.7Step 5 Preview, 長文コンテキスト: 69.0Step 5 Preview, マルチモーダル: 59.3Step 5 Preview, 人間の評価: 63.1

描画していないもの(測定済みのモデルが2つ未満):指示追従。

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54件のベンチマークのうち、Qwen3.8 Maxのリードが41件、Step 5 Previewのリードが13件です。両方を評価しているすべての総合指標で、Qwen3.8 Maxが上回っています。

総合IndexQwen3.8 Max (max)Step 5 Previewトップ
BenchLeader Index58.756.0互角
AA Intelligence Index v5.0.133.628.5Qwen3.8 Max
Arena Text14841449Qwen3.8 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 (max)Step 5 Preview
100万トークンあたりのブレンド価格$3.00$1.43
100万トークンあたりの入力/出力$2.00 / $6.00$1.00 / $2.70
100万トークンあたりのキャッシュ入力$0.250$0.105
タスクあたりの価格:チャットの返答$0.0026$0.0012
タスクあたりの価格:30ページのレポートを要約$0.028$0.014
タスクあたりの価格:コード編集$0.021$0.010
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$0.071
タスクあたりの価格:構造化データの抽出$0.0052$0.0025
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$0.030
ベンチマークのタスクあたりのコスト(AA Index)$10.02$2.35
タスクあたりの出力トークン(AA Index)171k113k
うち推論120k80k
タスクあたりの時間(AA Index)48 min15 min
出力速度59 tok/s124 tok/s
回答開始までの時間119.6秒23.5秒
回答が完了するまでの時間(最終測定2026年11月13日)294.1秒54.4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 (max)で$10.02、Step 5 Previewで$2.35でした。同じ作業でQwen3.8 Max (max)は1.5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 (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)。Step 5 Previewのスコアは56.0、最初の回答トークンまで24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

150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 (max)Step 5 Preview
BenchLeader IndexBenchLeader58.756.0
エージェント・ツールスコアBenchLeader58.549.1
コーディングスコアBenchLeader61.649.9
総合スコアBenchLeader45.0–
人間の評価スコアBenchLeader67.563.1
知識スコアBenchLeader58.053.7
長文コンテキストスコアBenchLeader64.869.0
数学スコアBenchLeader65.260.1
マルチモーダルスコアBenchLeader65.759.3
推論スコアBenchLeader51.551.7
ブレンド価格($/100万トークン)BenchLeader$3.00$1.43
出力速度BenchLeader59 tok/s124 tok/s
回答開始までの時間BenchLeader119.6秒23.5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 Hub92.7%†–
Arena Hard PromptsArena (LMArena)15071477
LiveBench 2.0 ReasoningLiveBench88.2%83.8%†
LiveBench 1.0 ReasoningLiveBench88.2%–
GPQA Diamond (AA)Artificial Analysis92.8%–
Humanity's Last Exam (AA)Artificial Analysis43.1%46.5%
HLE-Diamond (AA)Artificial Analysis24.0%24.3%
GPQA Diamond (Vals)Vals AI93.7%–
CritPtArtificial Analysis20.0%20.9%
CritPt v2 hard subset (AA)Artificial Analysis29.5%32.5%
MysteryMechanismVals AI23.9%18.5%
Arena ExpertArena (LMArena)15141489
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%58.9%
Arena CodingArena (LMArena)15231505
Arena WebDevArena (LMArena)16761573†
LiveBench 2.0 CodingLiveBench60.9%67.6%†
LiveBench 1.0 CodingLiveBench72.9%–
LiveCodeBenchVals AI87.8%–
IOIVals AI68.9%38.1%
SWE-bench (Vals)Vals AI85.6%–
Code MigrationVals AI24.0%39.0%
150件のベンチマークをすべて表示
指標公開元Qwen3.8 Max (max)Step 5 Preview
コーディング
Code Migration v1.1Vals AI–47.0%
ProgramBenchVals AI0.0%–
SWE-bench MultimodalVals AI42.5%40.8%
Vibe Code Bench 1-100Vals AI12.8%–
Vibe Code Bench v1.1Vals AI64.7%70.4%
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%33.3%
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 Arena1269–
FrontierCode 1.1 (AA)Artificial Analysis43.2%38.4%
FrontierCode 2.0 (AA)Artificial Analysis23.4%12.0%
エージェント・ツール
Terminal-BenchTerminal-Bench27.0%–
APEX-AgentsMercor63.3%–
Arena AgentArena (LMArena)0.1-3.7
LiveBench Long AgenticLiveBench26.6%19.4%†
LiveBench BrowserLiveBench49.4%24.8%†
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%54.3%
GDPval-AA v2.1Artificial Analysis16741591
τ³-Banking (AA)Artificial Analysis51.3%–
ITBench SRE (AA)Artificial Analysis40.3%55.6%
Analyst Agent (AA)Artificial Analysis45.0%35.0%
APEX-Agents (AA)Artificial Analysis42.4%38.0%
CyberBenchVals AI28.6%–
Finance Agent v2Vals AI50.6%50.7%
Finance Agent v2.1Vals AI–58.9%
Harvey's Legal Agent Benchmark v1.1Vals AI–12.9%
Harvey's Legal Agent Benchmark v1Vals AI10.4%9.2%
Legal Research BenchVals AI47.6%40.4%
SkillsBenchVals AI42.0%–
SREBenchVals AI–0.4%
Tax Agent BenchVals AI32.1%27.3%
Terminal-Bench 4.0 (Vals)Vals AI34.3%31.8%
Terminal-Bench ScienceVals AI12.9%2.9%
Arena SearchArena (LMArena)1227–
Arena Agent Task CompletionArena (LMArena)4.5-1.5
AutomationBenchArtificial Analysis56.2%51.0%
GDP.pdf (AA)Artificial Analysis22.8%14.8%
EnterpriseOps-GymArtificial Analysis47.6%47.2%
AA-Briefcase v1.1Artificial Analysis16041424
GDPxGDPx by SemiAnalysis3.5%–
Design Arena AgenticDesign Arena1264–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis11.9%2.4%
CWE-Bench (AA)Artificial Analysis–52.5%
DeepSec-Bench (AA)Artificial Analysis–15.8%
CyberGym end-to-end (AA)Artificial Analysis–74.8%
MKA (AA)Artificial Analysis37.4%27.6%
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%42.0%
LiveBench MathematicsLiveBench91.3%–
Arena MathsArena (LMArena)15051470
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub47.3%†–
LiveBench 2.0 Data AnalysisLiveBench78.4%63.5%†
LiveBench ResearchLiveBench72.8%75.5%†
LiveBench 1.0 Data AnalysisLiveBench78.4%–
AA-Omniscience v1.1Artificial Analysis10.516.4
MMLU-ProVals AI88.6%–
LegalBenchVals AI83.6%–
CorpFinVals AI65.8%–
TaxEvalVals AI75.5%–
BioMysteryBenchVals AI–67.4%
Excel Modeling BenchmarkVals AI60.1%57.1%
Excel Modeling Benchmark v1.1Vals AI66.0%69.5%
MedCodeVals AI40.7%–
MedScribeVals AI85.0%–
Public Benefits Bench v1.1Vals AI67.1%58.1%
Access to Justice BenchmarkVals AI76.4%–
Financial Coaching BenchVals AI75.6%–
Immigration BenchVals AI70.1%–
GDP.pdfEpoch AI Benchmarking Hub23.2%†–
AA-Omniscience v1.1: accuracyArtificial Analysis29.5%36.4%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis72.9%68.7%
FACTS ParametricGoogle30.8%–
指示追従
LiveBench LanguageLiveBench79.7%–
LiveBench Instruction FollowingLiveBench74.1%–
Arena Instruction FollowingArena (LMArena)14781450
人間の評価
Arena TextArena (LMArena)14841449
Arena Creative WritingArena (LMArena)14721413
Arena Multi-turnArena (LMArena)14951445
Arena Longer QueriesArena (LMArena)14961461
マルチモーダル
Arena VisionArena (LMArena)13121263
LiveBench DesignLiveBench76.6%70.8%†
MMMU-ProArtificial Analysis82.8%76.4%
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 Analysis1021821
AA-3DArtificial Analysis954859
FACTS MultimodalGoogle51.5%–
長文コンテキスト
AA-LCR v1.1Artificial Analysis80.3%88.3%
MLCRArtificial Analysis26.1%18.3%
FACTS GroundingGoogle73.8%–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub157.6–
LiveBench 2.0LiveBench60.9%54.9%†
LiveBench 1.0LiveBench78.5%–
AA Intelligence Index v5.0.1Artificial Analysis33.628.5
AA Intelligence Index v4.3.2Artificial Analysis45.443.7
AA Progress Index v1Artificial Analysis323.7318.2
Vals IndexVals AI–54.8
Vals Finance IndexVals AI–55.4%
Vals RSI IndexVals AI21.8%–
Vals Science IndexVals AI–29.6%
Vals Multimodal IndexVals AI65.4%–
Vals Legal IndexVals AI–70.2%
AA Cyber IndexArtificial Analysis–47.7
安全性・誠実さ
DistressBenchScale AI SEAL77.6%–
メタデータ
AA Openness IndexArtificial Analysis–33.3

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

  • Step 5 Preview:BenchLeader Index 54.2 → 56.0。
  • Qwen3.8 Max (max):スコアの改訂1件。
  • Step 5 Preview:BenchLeader Index 54.7 → 54.2。
  • Qwen3.8 Max (max):スコアの改訂1件。
  • Step 5 Preview:スコアの改訂1件。
  • Qwen3.8 Max (max):スコアの改訂6件。
  • Step 5 Preview:スコアの改訂7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 Max (max):スコアの改訂1件、価格 $0.22/M → $0.25/M。

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 Step 5 Preview:よくある質問

Qwen3.8 MaxはStep 5 Previewより優れていますか?
Qwen3.8 Max (max)とStep 5 Previewの品質は互角です(58.7 対 56.0、±5.6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 MaxとStep 5 Preview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Step 5 Previewの方が安く、100万トークンあたり$1.43 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Step 5 Preview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62 対 50。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%、Step 5 Previewが12.0%です。
Qwen3.8 MaxとStep 5 Previewはどちらが速いですか?
Step 5 Previewの方が出力が約2倍速くなっています(出力124 対 59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 MaxとStep 5 Preview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 49。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Arena Agentでは、Qwen3.8 Maxが0.1、Step 5 Previewが-3.7です。
ほかの質問(4件)
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Step 5 Previewの方がスコアが高くなっています(69 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。
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Step 5 Previewです。Artificial Analysisの測定では、最初の回答トークンまで23.5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 MaxとStep 5 Preview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54件のベンチマークのうち、Qwen3.8 Maxのリードが41件、Step 5 Previewのリードが13件です。両方を評価しているすべての総合指標で、Qwen3.8 Maxが上回っています。
Step 5 Previewはいつリリースされましたか?
Step 5 Previewは2026年9月18日にリリースされました。