すべてのリリース

Qwen3.8 Max (0902) vs. gpt-oss-120b：リリース比較

Qwen3.8 Max (0902)とgpt-oss-120bのリリース比較：それぞれ1個と2個のモデルがあり、知能・性能・料金の特性が異なります。以下では、全3個のモデルの主要指標を比較します。

  • 知能が最も高いのはQwen3.8 Max (0902)（34）です。gpt-oss-120bはgpt-oss-120b (High)（4）です。
  • タスクあたりの時間が最も短いのはgpt-oss-120bです。gpt-oss-120b (High)（7.5分）に対し、Qwen3.8 Max (0902)は48.5分です。
  • タスクあたりの費用が最も低いのはgpt-oss-120bです。gpt-oss-120b (High)（$0.35）に対し、Qwen3.8 Max (0902)は$10.02です。
モデルPlayground

比較するリリース

Qwen3.8 Max (0902)gpt-oss-120b (high)gpt-oss-120b (low)
Intelligence Index
34
4
--
財務・会計
45
8
--
戦略・オペレーション
47
6
--
法務
41
8
--
医療・ヘルスケア
41
6
--
タスクあたりの費用USD
$10.02
$0.35
--
タスクあたりの時間分
48.5
7.5
--
最初の回答トークンまでの時間秒
113.67
15.05
2.21
コンテキストウィンドウ
984k
131k
131k
開発元
Alibaba
OpenAI
OpenAI
ライセンス
独自
オープン
オープン
入力モダリティ

対応：テキスト、画像

対応：テキスト

対応：テキスト

出力モダリティ

対応：テキスト

対応：テキスト

対応：テキスト

プロバイダー
Alibaba Cloud
GroqScalewayCoreWeave
+12
NebiusSambaNovaGoogle
+11
Updated

知能

Artificial Analysis Intelligence Index · Higher is better

タスクあたりの時間

Inference time (minutes) per Intelligence Index task · Lower is better

タスクあたりの費用

Weighted average cost (USD) per Intelligence Index task · Lower is better

知能Updated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v5.0.1 incorporates 9 evaluations: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), and Terminal-Bench-Science 0.1

Intelligence Index とタスクあたりのコスト

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task
Most attractive quadrant
Pareto line
AA-Briefcase v1.1
AutomationBench-AA

タスク当たりのコスト（USD、対数スケール）

費用

Intelligence Index タスクあたりのコスト

Weighted average cost (USD) per Intelligence Index task · Segmented by token type · Lower is better

パフォーマンス

Intelligence Indexのタスクあたりの時間

Output tokens divided by end-to-end output speed (minutes per Intelligence Index task) · Speed at the model's own endpoint or the median across providers · Lower is better

能力スコア

能力指数

特定の能力や業界におけるモデルの性能を測定
Finance & Accounting Index

Incorporates 5 evaluations: AA-Briefcase v1.1, AA-Omniscience v1.1, HLE-Diamond, AutomationBench-AA, GDP.pdf · Higher is better

Strategy & Ops Index

Incorporates 4 evaluations: AutomationBench-AA, AA-Briefcase v1.1, AA-Omniscience v1.1, GDP.pdf · Higher is better

Legal Index

Incorporates 5 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, HLE-Diamond, GDP.pdf, AutomationBench-AA · Higher is better

Healthcare & Medical Index

Incorporates 5 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, MLCR-AA, AutomationBench-AA, HLE-Diamond · Higher is better

Engineering Index

Incorporates 7 evaluations: AA-Omniscience v1.1, CritPt v2 (Hard Subset), Terminal-Bench-Science 0.1, HLE-Diamond, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Briefcase v1.1 · Higher is better

Economics Index

Incorporates 4 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, HLE-Diamond, GDP.pdf · Higher is better

ベンチマーク

AA-PersonalityBenchNew

パーソナリティ指数

各軸は8つのパーソナリティ指数の1つで、構成特性のEloのzスコアの平均を、ベンチマークで評価したすべてのモデルにわたる1〜100のパーセンタイル順位にしたもの