Qwen3.8 27B vs. Hermes 4 - Llama-3.1 405B：リリース比較

Qwen3.8 27BとHermes 4 - Llama-3.1 405Bのリリース比較：それぞれ4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6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 27Bです。Qwen3.8 27B (Xhigh)（34）に対し、Hermes 4 - Llama-3.1 405BはHermes 4 - Llama-3.1 405B (Reasoning)（7）です。
出力速度が最も速いのはQwen3.8 27Bです。Qwen3.8 27B (Low)（53トークン/秒）に対し、Hermes 4 - Llama-3.1 405BはHermes 4 - Llama-3.1 405B (Reasoning)（41トークン/秒）です。

比較するリリース


	Qwen3.8 27B (xhigh)	Qwen3.8 27B (medium)	Qwen3.8 27B (low)	Qwen3.8 27B (non-reasoning)	Hermes 4 405B	Hermes 4 405B (non-reasoning)
Intelligence Index	34	28	26	20	7*	7*
財務・会計	34	28	27	19	--	--
戦略・オペレーション	37	34	29	16	--	--
法務	35	27	28	22	--	--
医療・ヘルスケア	34	--	--	--	--	--
エンジニアリング	33	25	24	22	--	--
経済学	43	31	32	30	--	--
AA-Briefcase v1.1	1397	1377	1273	898	--	--
GDPval-AA v2.1	1419	1381	1362	1072	--	--
AutomationBench-AA	48.2%	40.3%	30.1%	12.4%	--	--
Terminal-Bench 4.0	5.6%	5.1%	2.5%	0.0%	--	--
SciCode	46.6%	39.0%	40.0%	36.2%	--	--
Humanity's Last Exam	33.9%	14.1%	14.0%	12.1%	10.9%	4.2%
GDP.pdf	16.6%	12.8%	10.4%	5.2%	--	--
CritPt	5.4%	0.0%	0.0%	0.3%	0.3%	0.0%
AA-Omniscience	−10	−36	−27	−8	−36	−33
AA-LCR v1.1	82.0%	79.7%	77.3%	69.3%	22.3%	22.0%

タスクあたりの費用USD	$1.01	$1.13	$1.05	$2.49	--	--
入力料金USD/100万トークン	$0.50	$0.50	$0.50	$0.50	$1.00	$1.00
出力料金USD/100万トークン	$3.00	$3.00	$3.00	$3.00	$3.00	$3.00
キャッシュヒット料金USD/100万トークン	$0.10	$0.10	$0.10	$0.10	--	--
キャッシュ書き込み料金USD/100万トークン	--	--	--	--	--	--

出力速度トークン/秒	46	50	53	52	41	37
最初のトークンまでの時間秒	3.80	3.90	3.78	3.85	2.36	2.34
最初の回答トークンまでの時間秒	47.06	43.79	41.73	3.85	51.52	2.34
エンドツーエンド応答時間秒	57.88	53.76	51.22	13.48	63.81	15.84
タスクあたりの時間秒	1,095.31	988.94	820.57	545.11	--	--

コンテキストウィンドウ	256k	256k	256k	256k	128k	128k
開発元	Alibaba	Alibaba	Alibaba	Alibaba	Nous Research	Nous Research
ライセンス	オープン	オープン	オープン	オープン	オープン	オープン
入力モダリティ	対応：テキスト、画像、動画	対応：テキスト、画像、動画	対応：テキスト、画像、動画	対応：テキスト、画像、動画	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	対応：テキスト	対応：テキスト	対応：テキスト
プロバイダー	+6			+3

* 推定値

知能

Artificial Analysis Intelligence Index · Higher is better

速度

Output tokens per second · Higher is better

タスクあたりの費用

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

知能

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.3.2 incorporates 10 evaluations: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1

Estimate (independent evaluation forthcoming)

Artificial Analysis Intelligence Index v4.3.2 includes: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

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

GDPval-AA v2.1

タスク当たりのコスト（USD、対数スケール）

Weighted average cost per Intelligence Index task. Each evaluation’s cost is calculated from input, cache hit, cache write, reasoning, and answer token prices, divided by task count, and weighted by its Intelligence Index weight.

費用

Intelligence Index タスクあたりのコスト

Weighted average cost (USD) per Artificial Analysis Intelligence Index task, segmented by token type. Lower is better

速度と遅延

出力速度

Output tokens per second · Higher is better

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Figures represent performance of the model's first-party API or the median across providers where a first-party API is not available.

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 7 evaluations: AA-Omniscience, GDPval-AA v2.1, AA-Briefcase v1.1, Humanity's Last Exam, AutomationBench-AA, AA-LCR v1.1, GDP.pdf · Higher is better

Strategy & Ops Index

Incorporates 6 evaluations: GDPval-AA v2.1, AA-Briefcase v1.1, AA-Omniscience, AutomationBench-AA, AA-LCR v1.1, GDP.pdf · Higher is better

Legal Index

Incorporates 7 evaluations: AA-Omniscience, GDPval-AA v2.1, AA-Briefcase v1.1, Humanity's Last Exam, AA-LCR v1.1, GDP.pdf, AutomationBench-AA · Higher is better

Healthcare & Medical Index

Incorporates 6 evaluations: AA-Omniscience, GDPval-AA v2.1, AA-Briefcase v1.1, MLCR-AA, Humanity's Last Exam, AutomationBench-AA · Higher is better

Engineering Index

Incorporates 6 evaluations: AA-Omniscience, Humanity's Last Exam, CritPt, GDPval-AA v2.1, AA-Briefcase v1.1, Terminal-Bench 4.0 · Higher is better

Economics Index

Incorporates 5 evaluations: AA-Omniscience, Humanity's Last Exam, GDPval-AA v2.1, AA-Briefcase v1.1, AA-LCR v1.1 · Higher is better

Qwen3.8 27B vs. Hermes 4 - Llama-3.1 405B：リリース比較

知能

速度

タスクあたりの費用

知能

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index

Intelligence Index とタスクあたりのコスト

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

費用

Intelligence Index タスクあたりのコスト

Cost per Intelligence Index Task

速度と遅延

出力速度

Output Speed

Model Performance Representation

能力スコア

能力指数