BenchLeader

Qwen3.8 Max

推論エフォート
品質339中57位
58.7Index
上位4分の1
中央値比 +8.5
価格255中187位
$3.00100万トークンあたり
多くのモデルより高い
中央値の3.5倍
速度216中156位
59トークン/秒
中央値より下
中央値の0.7倍
コスパ255中189位
19.6ポイント/$
中央値より下
中央値の0.4倍

よりコスパが高いモデル: Claude Haiku 5.5 $0.200/MでIndex 56.7(15分の1の価格)。

より安価でスコアの高いランク付けモデルが15つあります:GPT-6.1 Terra (64.1, $2.00)、Muse Spark 1.1 (62.2, $2.00)、Gemini 3.7 Flash (62.1, $1.50)ほか12つ。

2026年11月16日時点で、Qwen3.8 Max(Alibaba)のBenchLeader Indexは58.7です(ランク付け対象は608構成)。最も強いのは人間の評価(68)、最も弱いのは推論(52)です。API料金は入力100万トークンあたり$2.00、出力100万トークンあたり$6.00(3:1のブレンドで$3.00)で、2026年11月16日時点の定価です。出力速度は約59トークン/秒です(Artificial Analysis)。2026年8月3日にリリースされました。

要点(2026年11月16日時点)

  • Qwen3.8 MaxのAPI料金は入力100万トークンあたり$2.00、出力100万トークンあたり$6.00(3:1のブレンドで$3.00)です(定価、2026年11月16日)。
  • Qwen3.8 Maxの出力速度は約59トークン/秒です(Artificial Analysis、2026年11月16日)。
  • Qwen3.8 Maxは2026年8月3日にリリースされました(Alibaba)。

詳しく見ると:Qwen3.8 MaxはAlibabaのプロプライエタリな推論モデルです(2026年8月3日リリース)。最もスコアの高い構成(推論エフォート max)は、BenchLeader Indexで58.7 ±3.4を記録し、608構成中122位で上位半分に入ります。重要なのはこの「±」です。ほかに225構成のスコアがこの範囲に入っており、品質だけでは区別できません。差がつくのは価格と速度です。カテゴリ別では人間の評価が最も高く(68)、推論が最も低くなっています(52)。ブレンド価格は100万トークンあたり$3.00で、ランク付けされたモデルの多くより高価です。出力速度は59トークン/秒、回答開始まで119.6秒で、多くのモデルより低速です。5通りの推論エフォート設定で測定されています。この要約は最もスコアの高い設定について述べたもので、上のタブで切り替えられます。最終測定日:2026年11月11日。

ブレンド価格
$3.00/M
入力$2.00・出力$6.00
出典:Artificial Analysis
出力速度
59 tok/s
Artificial Analysisによる測定
回答開始
120 s
最初のトークン 2.86 s
コンテキスト
1M
出典:OpenRouter
回答完了まで
294 s
最終測定2026年11月13日
タスクあたりコスト
$10.02
1タスク48 min、AA Index
タスクあたりトークン数
171k
うち70%が推論
リリース日
2026年8月3日
カテゴリ別のスコア破線=平均的なモデル(50)。15ポイントが標準偏差1つ分です。
  1. 総合Index59
  2. 推論52
  3. コーディング62
  4. エージェント・ツール59
  5. 数学65
  6. 知識58
  7. 人間の評価68
  8. マルチモーダル66
  9. 長文コンテキスト65
  10. 総合45

この順位を埋め込む

ほかのバッジスタイル
[![Qwen3.8 Max on BenchLeader: 総合 57位](https://www.benchleader.com/badge/qwen3-8-max.svg?style=compact)](https://www.benchleader.com/models/qwen3-8-max)

README.mdの冒頭、ほかのバッジの横に貼り付けてください。バッジはデータの更新ごとに描き直され、このページへリンクします。

Alibabaの新モデル公開をメールで通知

ランク入りしたときにもう1通、さらに毎週月曜に週刊レビューをお届けします。

プロバイダーとメールの種類を選ぶ

バージョン

Alibabaはこの名前で3つのモデルを公開しています。それぞれ自身の結果だけでランク付けされます。新しいバージョンはまだ結果が少ないことが多く、結果が増えるまではIndexが平均寄りになります。

モデルリリース日Index順位
Qwen3.8 Maxmaxこのページ2026年8月3日58.7#122
Qwen3.6 Maxmax2026年4月20日62.1#54
Qwen3.5 Maxmax–––

推論エフォート別の構成

同じモデルでも、どれだけ考えさせるかによって振る舞いが変わります。各行が1つの推論エフォート設定で、その設定で実行されたベンチマークだけで評価しています。「未記載」は、どの設定を使ったかを公開元が明記していない結果をまとめたものです。推論モデルの場合は思考モードであることが多いものの、そうとは仮定していません。ここかページ上部で設定を選ぶと、その価格、速度、カテゴリ別スコアを表示します。

エフォートIndex順位速度回答開始チャット返答のコストカテゴリ
low––35 tok/s2.86 s$0.0026
medium––35 tok/s2.86 s$0.0026
xhigh56.6#17835 tok/s2.86 s$0.0026知識 54 · 数学 62 · 推論 66
max最良58.7#12259 tok/s120 s$0.0026エージェント・ツール 59 · コーディング 62 · 総合 45 · 人間の評価 68 · 知識 58 · 長文コンテキスト 65 · 数学 65 · マルチモーダル 66 · 推論 52
未記載––35 tok/s2.86 s$0.0026コーディング 56

Indexの推移

2026年9月27日〜2026年11月16日
536168
  • max
  • xhigh

Indexは毎日ゼロから計算し直すため、新しいベンチマーク結果が加わったとき、公開元がスコアを修正したとき、または正規化の基準となるモデルが変わったときに線が動きます。初期の変動は、スコアがまだ落ち着いていないことを示している場合がほとんどです。

ベンチマーク結果

LLMベンチマーク一覧を見る。列は推論エフォートごとです。順位は、そのベンチマークでのすべてのモデルのすべての構成の中での位置です。スコアにカーソルを合わせると、元になった実行が表示されます。

推論

ベンチマークxhighmax出典推移
GPQA Diamond92.7%#31–Epoch AI Benchmarking Hub
Arena Hard Prompts–1507#24Arena (LMArena)
LiveBench 2.0 ReasoningIndex対象外–88.2%#19LiveBench
LiveBench 1.0 ReasoningIndex対象外–88.2%#23LiveBench
GPQA Diamond (AA)Index対象外–92.8%#28Artificial Analysis
Humanity's Last Exam (AA)Index対象外–43.1%#72Artificial Analysis
HLE-Diamond (AA)–24.0%#67Artificial Analysis
GPQA Diamond (Vals)Index対象外–93.7%#6Vals AI
CritPtIndex対象外–20.0%#73Artificial Analysis
CritPt v2 hard subset (AA)–29.5%#79Artificial Analysis
MysteryMechanismIndex対象外–23.9%#20Vals AI
Arena ExpertIndex対象外–1514#26Arena (LMArena)
Chess PuzzlesIndex対象外46.0%#28–Epoch AI Benchmarking Hub
Mystery Game PuzzlesIndex対象外38.0%#22–Epoch AI Benchmarking Hub
LMCAIndex対象外46.2%#91–Epoch AI Benchmarking Hub
DTBenchIndex対象外92.0%#77–Epoch AI Benchmarking Hub

コーディング

ベンチマークlowmediumxhighmax標準出典推移
SciCode–––53.2%#8952.1%#100SciCode
Arena Coding–––1523#31–Arena (LMArena)
Arena WebDev–––1676#15–Arena (LMArena)
LiveBench 2.0 CodingIndex対象外–––60.9%#27–LiveBench
LiveBench 1.0 CodingIndex対象外–––72.9%#55–LiveBench
SciCode (AA)Index対象外–––53.2%#88–Artificial Analysis
LiveCodeBench–––87.8%#10–Vals AI
IOI–––68.9%#13–Vals AI
SWE-bench (Vals)Index対象外–––85.6%#17–Vals AI
Code MigrationIndex対象外–––24.0%#49–Vals AI
ProgramBenchIndex対象外–––0.0%#34–Vals AI
SWE-bench MultimodalIndex対象外–––42.5%#16–Vals AI
Vibe Code Bench 1-100Index対象外–––12.8%#23–Vals AI
Vibe Code Bench v1.1Index対象外–––64.7%#58–Vals AI
SWE Atlas v1.1Index対象外–––64.4%#10–Scale AI SEAL
SWE Atlas v1.1: Codebase QnAIndex対象外–––81.5%#2–Scale AI SEAL
SWE Atlas v1.1: Test WritingIndex対象外–––58.9%#16–Scale AI SEAL
SWE Atlas v1.1: RefactoringIndex対象外–––52.9%#16–Scale AI SEAL
MirrorCodeIndex対象外––52.2%#20––Epoch AI Benchmarking Hub
DeepSWE v1.1Index対象外––57.5%#36––Epoch AI Benchmarking Hub
ALE-BenchIndex対象外––1679.1#18––Epoch AI Benchmarking Hub
FrontierSWEIndex対象外––17.8%#20––Epoch AI Benchmarking Hub
Terminal-Bench 4.0 (AA)Index対象外–––38.9%#48–Artificial Analysis
Terminal-Bench 2.1 (AA)Index対象外–––88.8%#9–Artificial Analysis
Startrise FrontendIndex対象外–––71.3%#1669.8%#19Startrise
GameBench 2 OverallIndex対象外設定全体––––54.2#28DuelLab GameBench 2
GameBench 2 by reasoning settingIndex対象外49.9#9743.2#12169.6#42––DuelLab GameBench 2
Design Arena WebsiteIndex対象外–––1269#41–Design Arena
FrontierCode 1.1 (AA)Index対象外–––43.2%#30–Artificial Analysis
FrontierCode 2.0 (AA)–––23.4%#58–Artificial Analysis

エージェント・ツール

ベンチマークxhighmax出典推移
Terminal-Bench–27.0%#78Terminal-Bench
APEX-Agents–63.3%#18Mercor
Arena Agent–0.1#31Arena (LMArena)
LiveBench Long AgenticIndex対象外–26.6%#19LiveBench
LiveBench BrowserIndex対象外–49.4%#21LiveBench
LiveBench Agentic CodingIndex対象外–64.7%#7LiveBench
Terminal-Bench 2.1 (Vals)–67.4%#35Vals AI
τ³-bench BankingIndex対象外55.1%#1–τ²-bench
GDPval-AA v2.1, normalised scoreIndex対象外–58.3%#15Artificial Analysis
GDPval-AA v2.1Index対象外–1674#22Artificial Analysis
τ³-Banking (AA)–51.3%#1Artificial Analysis
ITBench SRE (AA)Index対象外–40.3%#19Artificial Analysis
Analyst Agent (AA)Index対象外–45.0%#18Artificial Analysis
APEX-Agents (AA)Index対象外–42.4%#2Artificial Analysis
CyberBenchIndex対象外–28.6%#46Vals AI
Finance Agent v2Index対象外–50.6%#44Vals AI
Harvey's Legal Agent Benchmark v1Index対象外–10.4%#19Vals AI
Legal Research BenchIndex対象外–47.6%#16Vals AI
SkillsBenchIndex対象外–42.0%#27Vals AI
Tax Agent BenchIndex対象外–32.1%#26Vals AI
Terminal-Bench 4.0 (Vals)Index対象外–34.3%#24Vals AI
Terminal-Bench ScienceIndex対象外–12.9%#15Vals AI
Arena SearchIndex対象外–1227#6Arena (LMArena)
Arena Agent Task CompletionIndex対象外–4.5#17Arena (LMArena)
AutomationBenchIndex対象外–56.2%#79Artificial Analysis
GDP.pdf (AA)Index対象外–22.8%#64Artificial Analysis
EnterpriseOps-GymIndex対象外–47.6%#6Artificial Analysis
AA-Briefcase v1.1Index対象外–1604#23Artificial Analysis
GDPxIndex対象外–3.5%#18GDPx by SemiAnalysis
Design Arena AgenticIndex対象外–1264#19Design Arena
Terminal-Bench-Science 0.1 (AA)Index対象外–11.9%#58Artificial Analysis
MKA (AA)Index対象外–37.4%#14Artificial Analysis
FACTS SearchIndex対象外–85.0%#18Google

知識

ベンチマークxhighmax出典推移
SimpleQA Verified47.3%#38–Epoch AI Benchmarking Hub
LiveBench 2.0 Data AnalysisIndex対象外–78.4%#16LiveBench
LiveBench ResearchIndex対象外–72.8%#27LiveBench
LiveBench 1.0 Data AnalysisIndex対象外–78.4%#24LiveBench
AA-Omniscience v1.1–10.5#64Artificial Analysis
MMLU-Pro–88.6%#18Vals AI
LegalBench–83.6%#51Vals AI
CorpFin–65.8%#27Vals AI
TaxEval–75.5%#17Vals AI
Excel Modeling BenchmarkIndex対象外–60.1%#36Vals AI
Excel Modeling Benchmark v1.1Index対象外–66.0%#32Vals AI
MedCodeIndex対象外–40.7%#60Vals AI
MedScribeIndex対象外–85.0%#32Vals AI
Public Benefits Bench v1.1Index対象外–67.1%#16Vals AI
Access to Justice BenchmarkIndex対象外–76.4%#1Vals AI
Financial Coaching BenchIndex対象外–75.6%#4Vals AI
Immigration BenchIndex対象外–70.1%#5Vals AI
GDP.pdfIndex対象外23.2%#23–Epoch AI Benchmarking Hub
AA-Omniscience v1.1: accuracyIndex対象外–29.5%#101Artificial Analysis
AA-Omniscience v1.1: non-hallucinationIndex対象外–72.9%#31Artificial Analysis
FACTS ParametricIndex対象外–30.8%#23Google

指示追従

ベンチマークmax出典推移
LiveBench LanguageIndex対象外79.7%#34LiveBench
LiveBench Instruction FollowingIndex対象外74.1%#13LiveBench
Arena Instruction FollowingIndex対象外1478#28Arena (LMArena)

人間の評価

ベンチマークmax出典推移
Arena Text1484#25Arena (LMArena)
Arena Creative WritingIndex対象外1472#17Arena (LMArena)
Arena Multi-turnIndex対象外1495#17Arena (LMArena)
Arena Longer QueriesIndex対象外1496#22Arena (LMArena)

マルチモーダル

ベンチマークxhighmax出典推移
Arena Vision–1312#11Arena (LMArena)
LiveBench DesignIndex対象外–76.6%#12LiveBench
MMMU-Pro–82.8%#36Artificial Analysis
MMMU-Pro (Vals)Index対象外–88.0%#12Vals AI
MortgageTaxIndex対象外–64.0%#47Vals AI
SAGEIndex対象外–81.8%#25Vals AI
Humanity's Sixth SenseIndex対象外–33.0%#15Scale AI SEAL
Furniture AssemblyIndex対象外20.0%#39–Epoch AI Benchmarking Hub
VIALS-AAIndex対象外–31.7%#18Handshake AI
Code2Video-AAIndex対象外–1021#15Artificial Analysis
AA-3DIndex対象外–954#18Artificial Analysis
FACTS MultimodalIndex対象外–51.5%#8Google

長文コンテキスト

ベンチマークmax出典推移
AA-LCR v1.180.3%#81Artificial Analysis
MLCRIndex対象外26.1%#29Artificial Analysis
FACTS GroundingIndex対象外73.8%#9Google

総合

ベンチマークmax出典推移
Epoch Capabilities IndexIndex対象外157.6#29Epoch AI Benchmarking Hub
LiveBench 2.060.9%#22LiveBench
LiveBench 1.0Index対象外78.5%#17LiveBench
AA Intelligence Index v5.0.1Index対象外33.6#55Artificial Analysis
AA Intelligence Index v4.3.2Index対象外45.4#37Artificial Analysis
AA Progress Index v1Index対象外323.7#48Artificial Analysis
Vals RSI IndexIndex対象外21.8%#16Vals AI
Vals Multimodal IndexIndex対象外65.4%#12Vals AI

安全性・誠実さ

ベンチマークmax出典推移
DistressBenchIndex対象外77.6%#8Scale AI SEAL

GameBench 2 Overall: 54.2. GameBench 2, best reasoning setting (XHigh): 69.6. 参考値で、BenchLeader Indexには含まれません。

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.

強みのあるベンチマーク

測定されたすべての構成の中で、この構成が上位5位以内に入っているベンチマークです。

API料金:提供プロバイダー別

OpenRouter経由でこのモデルを提供しているすべてのプロバイダーです。スループットと最初のトークンまでのレイテンシは直近30分の実トラフィックで測定し、価格は各プロバイダー自身のものです。紫は各列の最良値を示します。

プロバイダー速度最初のトークン入力 $/M出力 $/Mコンテキスト量子化
Alibaba Cloud Int.37 tok/s2.18 s$2.00$6.001M–
Alibaba Cloud Int.30 tok/s1.64 s$2.00$6.001M–

タスクあたりのコスト

最もスコアの高い構成の定価、出力速度、回答開始までの時間から算出した推定値です。「キャッシュあり」は、入力の4分の3が100万トークンあたり$0.250のプロンプトキャッシュから提供されると仮定しています。推論トークンは考慮していません。

ワークロード入力/出力トークンコストキャッシュあり時間
チャットの返答400 / 300$0.0026$0.00212.1 min
30ページのレポートを要約12,000 / 600$0.028$0.0122.2 min
コード編集6,000 / 1,500$0.021$0.0132.4 min
エージェント型コーディングセッション60,000 / 4,000$0.144$0.0653.1 min
構造化データの抽出2,000 / 200$0.0052$0.00262.0 min

このモデルを含むコーディングプラン

Qwen3.8 Maxを使えるサブスクリプションです。それぞれの利用上限と、タスクあたりのコストを掲載しています。

Alibabaのほかのモデル

今月の新着

Qwen3.8 Maxと比較する

関連ページ

埋め込み・引用

Qwen3.8 Maxの順位をモデルカードやREADMEに表示できます。バッジは毎日の更新に合わせて描き直され、データの日付が入り、このページへリンクします。

[![Qwen3.8 Max on BenchLeader: 総合 57位](https://www.benchleader.com/badge/qwen3-8-max.svg)](https://www.benchleader.com/models/qwen3-8-max)

このページを引用する

ランキングは毎日変わるため、参考文献にはデータの日付を入れます。APAスタイル:

BenchLeader. (2026, November 16). Qwen3.8 Max on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/qwen3-8-max

BibTeX:

@misc{benchleader_qwen3_8_max_20261116,
  author       = {{BenchLeader}},
  title        = {{Qwen3.8 Max on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/qwen3-8-max}},
  note         = {Data as of 2026-11-16}
}

すべてのバッジスタイル、埋め込み用のトップ10ウィジェット、Indexの引用方法

よくある質問

Qwen3.8 Maxのベンチマークスコアは?
2026年11月16日時点で、Qwen3.8 Max(推論エフォート max)のBenchLeader Indexは58.7 ±3.4です。最も強いのは人間の評価(68)、最も弱いのは推論(52)です。この評価は第三者のベンチマーク結果だけに基づいており、このページのすべてのスコアに公開元へのリンクがあります。
Qwen3.8 Maxの順位は?
2026年11月16日時点で、Qwen3.8 Max(推論エフォート max)はランク付けされた608構成中122位です。ほかに225構成のスコアが誤差の範囲内にあるため、正確な順位よりも順位帯のほうが意味を持ちます。首位はClaude Fable 5.2(推論エフォート max)で、72.7です。
Qwen3.8 Maxの料金は100万トークンあたりいくらですか?
2026年11月16日時点で、Qwen3.8 Maxの料金は入力100万トークンあたり$2.00、出力100万トークンあたり$6.00で、ブレンド価格(出力1トークンにつき入力3トークン)は$3.00です。
Qwen3.8 MaxはGLM 5.3より優れていますか?
2026年11月16日時点で、GLM 5.3(推論エフォート max)とQwen3.8 Max(推論エフォート max)の品質はほぼ互角です(BenchLeader Indexで58.8対58.7、±4.5の誤差の範囲内)。価格と速度、重視するカテゴリで選んでください。ベンチマークごとの詳細は比較ページにあります。
Qwen3.8 Maxはいつリリースされましたか?
Alibabaが2026年8月3日にQwen3.8 Maxをリリースしました。BenchLeaderには5通りの推論エフォート設定での結果があります。

2026年11月16日時点のデータです。 これらの構成を比較

引用表記:BenchLeader「Qwen3.8 Max:ベンチマーク、料金、速度、順位」2026年11月16日時点のデータ、https://www.benchleader.com/ja/models/qwen3-8-max