Claude Sonnet 5.5 vs Gemini 3.8 Flash
詳しいプロフィール:Claude Sonnet 5.5(Anthropic)とGemini 3.8 Flash(Google)。すべてのベンチマーク、価格、順位を掲載しています。
更新 · 12件の情報源のデータ
2026年11月16日時点で、品質ではClaude Sonnet 5.5がGemini 3.8 Flashを上回ります(BenchLeader Indexで64.2 対 60.2)。ただし、価格はGemini 3.8 Flashの方が2.7倍安く、100万トークンあたりのブレンド価格で$1.50 対 $4.00です。コーディング(70 対 52)、推論(68 対 59)を重視するならClaude Sonnet 5.5、エージェント・ツール(75 対 71)を重視するならGemini 3.8 Flashが向いています。回答開始までの時間はGemini 3.8 Flashの方が短く、14.8秒 対 290.5秒です。Claude Sonnet 5.5は出力が速い点も強みです。Gemini 3.8 Flashの現在の価格は2026年12月31日までで、その後は$3.00になります。
要点(2026年11月16日時点)
- BenchLeader IndexはClaude Sonnet 5.5が64.2、Gemini 3.8 Flashが60.2です(BenchLeader、2026年11月16日)。
- Claude Sonnet 5.5の100万トークンあたりのブレンド価格は$4.00です(定価、2026年11月16日)。
- Gemini 3.8 Flashの100万トークンあたりのブレンド価格は$1.50です(2026年12月31日まで。その後は$3.00)(https://ai.google.dev/gemini-api/docs/pricing、2026年10月20日確認)。
- Claude Sonnet 5.5はGemini 3.8 Flashより出力が速いです(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25件のベンチマークのうち、Claude Sonnet 5.5が23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 | Claude Sonnet 5.5 | カテゴリスコア70 対 52;FrontierCode 2.0 (AA) 41.7% 対 16.5% | 高 |
| エージェント・ツール利用 | Gemini 3.8 Flash | カテゴリスコア75 対 71;GDPval-AA v2.1, normalised score 46.1% 対 66.9% | 中 |
| 推論 | Claude Sonnet 5.5 | カテゴリスコア68 対 59;HLE-Diamond (AA) 53.3% 対 29.1% | 高 |
| 知識 | どちらでも | カテゴリスコア57 対 58;AA-Omniscience v1.1 30.5 対 23.7 | どちらでも |
| 長い文書 | どちらでも | カテゴリスコア66 対 67;AA-LCR v1.1 82.7% 対 84.0% | どちらでも |
| 最低コスト | Gemini 3.8 Flash | 100万トークンあたりブレンド価格$1.50 対 $4.00;エージェント型コーディングセッション$0.060 対 $0.160;2027年1月1日以降:$3.00 対 $4.00 | – |
| 回答開始の速さ | Gemini 3.8 Flash | 最初の回答トークンまで14.8秒(Gemini 3.8 Flash (medium))対 290.5秒(Claude Sonnet 5.5 (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
- 品質ではClaude Sonnet 5.5 (max)がリードしています:64.2 対 60.2。
- Claude Sonnet 5.5 (max)はコーディング、推論で優れています。
- Gemini 3.8 Flash (medium)はエージェント・ツール、知識、長文コンテキストで優れています。
- 2026年12月31日まではGemini 3.8 Flash (medium)の方が2.7倍安くなっています(100万トークンあたりブレンド価格$1.50 対 $4.00)。2027年1月1日からは$3.00 対 $4.00になります。
- Claude Sonnet 5.5 (max)の方が出力が1.3倍速くなっています(152 対 116トークン/秒)。
概要
| 仕様 | Claude Sonnet 5.5 | Gemini 3.8 Flash |
|---|---|---|
| プロバイダー | Anthropic | |
| リリース日 | 2026年9月28日 | 2026年9月2日 |
| コンテキストウィンドウ(トークン) | 1,000,000 | 1,048,576 |
| 比較した構成 | Claude Sonnet 5.5 (max) | Gemini 3.8 Flash (medium) |
| 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 / $10.00 / $0.100 | $0.750 / $3.75 / $0.075 |
| 発表済みの価格変更 | 発表なし | 2027年1月1日から$1.50 / $7.50 |
上限、提供状況、発表済みの価格は各ベンダーの公式ページによるものです: ai.google.dev(料金) (2026年10月20日確認)。それ以外はすべて当日のデータです。
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 | Claude Sonnet 5.5 (max) | Gemini 3.8 Flash (medium) | トップ |
|---|---|---|---|
| 推論 | 67.8 | 58.7 | Claude Sonnet 5.5 |
| コーディング | 70.2 | 51.6 | Claude Sonnet 5.5 |
| エージェント・ツール | 70.5 | 75.0 | Gemini 3.8 Flash |
| 数学 | 71.3 | – | 比較不可 |
| 知識 | 57.4 | 57.7 | 互角 |
| マルチモーダル | – | 66.7 | 比較不可 |
| 長文コンテキスト | 66.0 | 66.7 | 互角 |
| 総合 | 63.0 | – | 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。
描画していないもの(測定済みのモデルが2つ未満):数学, 指示追従, 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25件のベンチマークのうち、Claude Sonnet 5.5のリードが23件、Gemini 3.8 Flashのリードが2件です。第三者の総合指標でも評価が分かれ、Claude Sonnet 5.5はBenchLeader Index、AA Intelligence Index v5.0.1、Vals Indexで、Gemini 3.8 FlashはArena Textでリードしています。
| 総合Index | Claude Sonnet 5.5 (max) | Gemini 3.8 Flash (medium) | トップ |
|---|---|---|---|
| BenchLeader Index | 64.2 | 60.2 | Claude Sonnet 5.5 |
| AA Intelligence Index v5.0.1 | 54.5 | 30.1 | Claude Sonnet 5.5 |
| Vals Index | 70.8 | 56.0† | Claude Sonnet 5.5 |
| Arena Text | 1473† | 1497 | Gemini 3.8 Flash |
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 | Claude Sonnet 5.5 (max) | Gemini 3.8 Flash (medium) |
|---|---|---|
| 100万トークンあたりのブレンド価格(2026年12月31日まで) | $4.00 | $1.50 |
| 100万トークンあたりの入力/出力 | $2.00 / $10.00 | $0.750 / $3.75 |
| 2027年1月1日以降の100万トークンあたりのブレンド価格 | $4.00 | $3.00 |
| 2027年1月1日以降の100万トークンあたりの入力/出力 | $2.00 / $10.00 | $1.50 / $7.50 |
| 100万トークンあたりのキャッシュ入力 | $0.100 | $0.075 |
| タスクあたりの価格:チャットの返答 | $0.0038 | $0.0014 |
| タスクあたりの価格:30ページのレポートを要約 | $0.030 | $0.011 |
| タスクあたりの価格:コード編集 | $0.027 | $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 | $0.160 | $0.060 |
| タスクあたりの価格:構造化データの抽出 | $0.0060 | $0.0023 |
| 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) | $0.074 | $0.030 |
| ベンチマークのタスクあたりのコスト(AA Index) | $10.02 | $6.26 |
| タスクあたりの出力トークン(AA Index) | 285k | 82k |
| うち推論 | 206k | 47k |
| タスクあたりの時間(AA Index) | 31 min | 12 min |
| 出力速度 | 152 tok/s | 116 tok/s |
| 回答開始までの時間 | 290.5秒 | 14.8秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 487.7秒 | 41.8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、Claude Sonnet 5.5 (max)で$10.02、Gemini 3.8 Flash (medium)で$6.26でした。同じ作業でClaude Sonnet 5.5 (max)は3.5倍の出力トークンを書いています。これはトークン単価だけでは見えない差です。
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Claude Sonnet 5.5 (max)のスコアは64.2、最初の回答トークンまで291秒。Claude Sonnet 5.5 (xhigh)は62.5(27秒)、Claude Sonnet 5.5 (high)は59.5(9秒)。Gemini 3.8 Flash (medium)のスコアは60.2、最初の回答トークンまで15秒。Gemini 3.8 Flash (high)は59.4(20秒)、Gemini 3.8 Flashは56.4(2秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
178件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Claude Sonnet 5.5 (max) | Gemini 3.8 Flash (medium) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 64.2 | 60.2 |
| エージェント・ツールスコア | BenchLeader | 70.5 | 75.0 |
| コーディングスコア | BenchLeader | 70.2 | 51.6 |
| 総合スコア | BenchLeader | 63.0 | – |
| 知識スコア | BenchLeader | 57.4 | 57.7 |
| 長文コンテキストスコア | BenchLeader | 66.0 | 66.7 |
| 数学スコア | BenchLeader | 71.3 | – |
| 推論スコア | BenchLeader | 67.8 | 58.7 |
| マルチモーダルスコア | BenchLeader | – | 66.7 |
| ブレンド価格($/100万トークン) | BenchLeader | $4.00 | $1.50 |
| 出力速度 | BenchLeader | 152 tok/s | 116 tok/s |
| 回答開始までの時間 | BenchLeader | 290.5秒 | 14.8秒 |
| コンテキストウィンドウ | BenchLeader | 1,000,000トークン | 1,048,576トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 95.6% | 95.4%† |
| Humanity's Last Exam | Scale AI / CAIS | 46.1%† | 44.5%† |
| SimpleBench | SimpleBench | 75.9%† | 82.4%† |
| Arena Hard Prompts | Arena (LMArena) | 1499† | 1518† |
| LiveBench 2.0 Reasoning | LiveBench | 91.6% | 89.3%† |
| LiveBench 1.0 Reasoning | LiveBench | 91.6% | 89.3%† |
| GPQA Diamond (AA) | Artificial Analysis | – | 93.5% |
| Humanity's Last Exam (AA) | Artificial Analysis | 55.0% | 42.1% |
| HLE-Diamond (AA) | Artificial Analysis | 53.3% | 29.1% |
| GPQA Diamond (Vals) | Vals AI | – | 94.4%† |
| ARC-AGI-1 | ARC Prize | 96.5% | 97.5% |
| ARC-AGI-2 | ARC Prize | 83.9%† | 82.9% |
| ARC-AGI-3 | ARC Prize | 72.4%† | 24.2% |
| CritPt | Artificial Analysis | 31.4% | 12.3% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 59.0% | 45.0% |
| MysteryMechanism | Vals AI | 49.1% | 36.5%† |
| HLE-Diamond (Scale) | Scale AI SEAL | 37.5%† | 34.3%† |
| Arena Expert | Arena (LMArena) | 1512† | 1527† |
| Chess Puzzles | Epoch AI Benchmarking Hub | 59.0% | 58.0%† |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 65.0% | 47.0%† |
| LMCA | Epoch AI Benchmarking Hub | 68.3% | 52.9% |
| DTBench | Epoch AI Benchmarking Hub | 97.3% | 94.9% |
| コーディング | |||
| SciCode | SciCode | 61.0% | 55.1% |
| WeirdML | WeirdML | – | 84.8%† |
| FrontierCode | Cognition | 52.1%† | 41.2% |
178件のベンチマークをすべて表示
| 指標 | 公開元 | Claude Sonnet 5.5 (max) | Gemini 3.8 Flash (medium) |
|---|---|---|---|
| コーディング | |||
| Arena Coding | Arena (LMArena) | 1517† | 1531† |
| Arena WebDev | Arena (LMArena) | 1772† | 1584† |
| LiveBench 2.0 Coding | LiveBench | 77.2% | 73.3%† |
| LiveBench 1.0 Coding | LiveBench | 91.4% | 72.5%† |
| LiveCodeBench | Vals AI | – | 89.5%† |
| IOI | Vals AI | 83.1% | 56.9%† |
| SWE-bench (Vals) | Vals AI | – | 80.0%† |
| Code Migration | Vals AI | 69.8% | 36.5%† |
| Code Migration v1.1 | Vals AI | 86.9% | 38.6%† |
| ProgramBench | Vals AI | 6.5% | 1.0%† |
| SWE-bench Multimodal | Vals AI | 58.3% | 40.8%† |
| Vibe Code Bench 1-100 | Vals AI | – | 18.8%† |
| Vibe Code Bench v1.1 | Vals AI | 92.4% | 78.7%† |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | – | 47.0%† |
| SWE Atlas v1.0: Refactoring | Scale AI SEAL | – | 44.8%† |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | – | 53.7%† |
| SWE Atlas v1.1 | Scale AI SEAL | 68.3%† | 57.3%† |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | 74.2%† | 45.2%† |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | 67.8%† | 71.1%† |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | 62.9%† | 55.7%† |
| SWE-Bench Pro V2 | Scale AI SEAL | 95.8%† | 94.9%† |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | 70.6%† | 58.8%† |
| MirrorCode | Epoch AI Benchmarking Hub | 97.8% | 38.9%† |
| Surface Evolver Bench | Epoch AI Benchmarking Hub | – | 76.9%† |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | – | 71.0% |
| CursorBench | Cursor | 55.5% | 37.3% |
| ALE-Bench | Epoch AI Benchmarking Hub | 1819.1† | 1269.7† |
| FrontierSWE | Epoch AI Benchmarking Hub | 61.9% | 19.6%† |
| WeirdML v3 | WeirdML | 19.9%† | 7.4%† |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 63.6% | 19.7% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | – | 83.9% |
| Startrise Frontend | Startrise | 75.9%† | 64.6%† |
| GameBench 2 Overall | DuelLab GameBench 2 | 60.4† | 59.0† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 91.4† | 59.7 |
| Design Arena Website | Design Arena | 1309† | 1291† |
| FrontierCode 1.1 (AA) | Artificial Analysis | 45.8% | 37.1% |
| FrontierCode 2.0 (AA) | Artificial Analysis | 41.7% | 16.5% |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 63.9% | 18.2%† |
| Remote Labor Index | Scale AI / CAIS | – | 5.8%† |
| APEX-Agents | Mercor | 75.5% | 64.3%† |
| Arena Agent | Arena (LMArena) | 16 | 2.3† |
| LiveBench Long Agentic | LiveBench | 63.4% | 16.5%† |
| LiveBench Browser | LiveBench | 89.3% | 45.1%† |
| LiveBench Agentic Coding | LiveBench | 56.3% | 54.2%† |
| Terminal-Bench 2.1 (Vals) | Vals AI | 83.2%† | 81.3%† |
| HiL-Bench | Scale AI SEAL | – | 41.5%† |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 66.9% | 46.1% |
| GDPval-AA v2.1 | Artificial Analysis | 1838 | 1432 |
| τ³-Banking (AA) | Artificial Analysis | – | 45.8% |
| ITBench SRE (AA) | Artificial Analysis | – | 52.5%† |
| Analyst Agent (AA) | Artificial Analysis | 57.5% | 46.3%† |
| CUA-bench | Vals AI | – | 4.2%† |
| CyberBench | Vals AI | 59.6% | 43.8%† |
| Finance Agent v2 | Vals AI | 58.1% | 61.4%† |
| Finance Agent v2.1 | Vals AI | 67.3% | 65.8%† |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | 10.4% | 12.1%† |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 2.9% | 10.0%† |
| Legal Research Bench | Vals AI | 48.1% | 38.9%† |
| SkillsBench | Vals AI | – | 58.0%† |
| SREBench | Vals AI | 30.1% | 11.1%† |
| Tax Agent Bench | Vals AI | 42.0% | 32.1%† |
| Terminal-Bench 4.0 (Vals) | Vals AI | 64.1% | 19.7%† |
| Terminal-Bench Science | Vals AI | 47.1% | 8.6%† |
| Time Horizon Index: KSP | Vals AI | – | 18.8%† |
| Arena Agent Task Completion | Arena (LMArena) | 19.5 | 1.3† |
| Vending-Bench 2 | Andon Labs | 11165.3† | 5093.8† |
| SpireClimb | Epoch AI Benchmarking Hub | 1.3% | – |
| AutomationBench | Artificial Analysis | 71.8% | 60.9% |
| GDP.pdf (AA) | Artificial Analysis | 25.8% | 22.8% |
| Harvey LAB-AA v1.1 | Harvey | 2.8% | 0.0%† |
| AA-Briefcase v1.1 | Artificial Analysis | 1816 | 1183 |
| GDPx | GDPx by SemiAnalysis | 8.2% | – |
| Design Arena Agentic | Design Arena | 1293† | 1225† |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 53.3% | 10.5% |
| CWE-Bench (AA) | Artificial Analysis | – | 52.5%† |
| DeepSec-Bench (AA) | Artificial Analysis | – | 14.5%† |
| CyberGym end-to-end (AA) | Artificial Analysis | – | 8.4%† |
| MKA (AA) | Artificial Analysis | 52.0% | 35.3%† |
| FACTS Search | 86.8%† | 80.4%† | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 88.8% | 68.4%† |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 80.5% | 21.9%† |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 100.0% | 98.9%† |
| ProofBench | Vals AI | 100.0% | 48.0%† |
| LiveBench Mathematics | LiveBench | 96.1% | 91.6%† |
| Arena Maths | Arena (LMArena) | 1486† | 1519† |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | 2.9% | 0.0%† |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 46.5% | 69.7%† |
| LiveBench 2.0 Data Analysis | LiveBench | 59.5% | 54.0%† |
| LiveBench Research | LiveBench | 88.0% | 79.4%† |
| LiveBench 1.0 Data Analysis | LiveBench | 59.5% | 54.0%† |
| AA-Omniscience v1.1 | Artificial Analysis | 30.5 | 23.7 |
| MMLU-Pro | Vals AI | – | 90.2%† |
| LegalBench | Vals AI | – | 87.0%† |
| TaxEval | Vals AI | – | 74.5%† |
| PRBench Finance | Scale AI SEAL | – | 49.5%† |
| PRBench Legal | Scale AI SEAL | – | 48.9%† |
| BioMysteryBench | Vals AI | 81.1% | 62.2%† |
| ClaimBench | Vals AI | 100.0% | – |
| Excel Modeling Benchmark | Vals AI | 75.7% | 72.2%† |
| Excel Modeling Benchmark v1.1 | Vals AI | 75.9% | 72.9%† |
| MedCode | Vals AI | 52.9% | 48.1%† |
| MedScribe | Vals AI | 91.1% | 84.5%† |
| Public Benefits Bench v1.1 | Vals AI | 67.2% | 65.3%† |
| Access to Justice Benchmark | Vals AI | 74.9% | 67.1%† |
| Financial Coaching Bench | Vals AI | 74.9% | 66.3%† |
| Immigration Bench | Vals AI | 69.0% | 63.4%† |
| GDP.pdf | Epoch AI Benchmarking Hub | 31.4% | 23.4% |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 51.5% | 49.6% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 56.7% | 48.5% |
| HealthBench Professional (AA) | OpenAI | 63.0% | 51.7%† |
| FACTS Parametric | 35.1%† | 78.7%† | |
| 指示追従 | |||
| LiveBench Language | LiveBench | 78.0% | 87.8%† |
| LiveBench Instruction Following | LiveBench | 56.8% | 81.4%† |
| Arena Instruction Following | Arena (LMArena) | 1482† | 1492† |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1473† | 1497† |
| EQ-Bench Creative Writing v3 | EQ-Bench | – | 1744† |
| Arena Creative Writing | Arena (LMArena) | 1464† | 1488† |
| Arena Multi-turn | Arena (LMArena) | 1469† | 1505† |
| Arena Longer Queries | Arena (LMArena) | 1491† | 1511† |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1284† | 1317† |
| LiveBench Design | LiveBench | 81.3% | 69.7%† |
| MMMU-Pro | Artificial Analysis | – | 84.2% |
| MMMU-Pro (Vals) | Vals AI | – | 89.1%† |
| MortgageTax | Vals AI | – | 65.3%† |
| SAGE | Vals AI | 88.0% | 88.2%† |
| AudioMC | Scale AI SEAL | – | 60.4%† |
| AudioMC (text output) | Scale AI SEAL | – | 60.4%† |
| Humanity's Sixth Sense | Scale AI SEAL | – | 41.6%† |
| GeoBench | GeoBench | – | 86.0%† |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 39.3%† | 38.6%† |
| Furniture Assembly | Epoch AI Benchmarking Hub | 75.0% | 31.7%† |
| VIALS-AA | Handshake AI | 59.6% | 41.0%† |
| Code2Video-AA | Artificial Analysis | 1443 | 899† |
| AA-3D | Artificial Analysis | 1204 | 974† |
| FACTS Multimodal | 50.4%† | 57.6%† | |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 82.7% | 84.0% |
| Arena Document | Arena (LMArena) | – | 1469† |
| MLCR | Artificial Analysis | 41.7% | 12.8% |
| FACTS Grounding | 62.5%† | 68.2%† | |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 166.6† | 158.8† |
| LiveBench 2.0 | LiveBench | 77.0% | 57.3%† |
| LiveBench 1.0 | LiveBench | 75.7% | 75.8%† |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 54.5 | 30.1 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 56 | 39.8 |
| AA Progress Index v1 | Artificial Analysis | 350.5 | 319.1 |
| Vals Index | Vals AI | 70.8 | 56.0† |
| Vals Finance Index | Vals AI | 64.5% | 60.5%† |
| Vals RSI Index | Vals AI | – | 19.9%† |
| Vals Science Index | Vals AI | 59.1% | 35.8%† |
| Vals Router Index | Vals AI | 69.0%† | 56.0%† |
| Vals Legal Index | Vals AI | 68.0% | 69.8%† |
| AA Cyber Index | Artificial Analysis | – | 25.1† |
| 安全性・誠実さ | |||
| DistressBench | Scale AI SEAL | 74.6%† | 70.7%† |
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
- Gemini 3.8 Flash:定価が100万トークンあたり入力$1.50/出力$7.50に変わります(発表済み)。
- Claude Sonnet 5.5 (max):新しい結果36件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
- Gemini 3.8 Flash (medium):スコアの改訂1件。
- Claude Sonnet 5.5 (max):BenchLeader Index 65.1 → 64.6。
- Claude Sonnet 5.5 (max):新しい結果1件(MirrorCode)。
- Claude Sonnet 5.5 (max):スコアの改訂2件。
- Claude Sonnet 5.5 (max):スコアの改訂1件。
- Claude Sonnet 5.5 (max):スコアの改訂1件。
- Gemini 3.8 Flash (medium):スコアの改訂2件。
- Claude Sonnet 5.5 (max):スコアの改訂1件。
関連する比較
- Claude Sonnet 5.5 vs Claude Fable 5.2
- Claude Sonnet 5.5 vs Gemini 4 Carbon
- Claude Sonnet 5.5 vs Claude Opus 5.5
- Claude Sonnet 5.5 vs GPT-6 Astra
- Gemini 3.8 Flash vs Gemini 4 Carbon
- Claude Sonnet 5.5 vs Gemini 3.7 Flash
- Claude Sonnet 5.5 vs Claude Fable 5.1
- Claude Sonnet 5.5 vs GPT-6.1 Sol
ランキング: 総合ベストLLM · コーディングに最適なLLM · エージェントに最適なLLM · 安くて優秀なLLM
Claude Sonnet 5.5 vs Gemini 3.8 Flash:よくある質問
- Claude Sonnet 5.5はGemini 3.8 Flashより優れていますか?
- 品質ではClaude Sonnet 5.5 (max)がリードしています:64.2 対 60.2。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日時点では総合でClaude Sonnet 5.5 (max)が上回っていますが、用途に合わせてカテゴリ別のスコアも確認してください。
- Claude Sonnet 5.5とGemini 3.8 Flash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Gemini 3.8 Flashの方が安く、100万トークンあたり$1.50 対 $4.00です(出力1トークンにつき入力3トークンでブレンド)。Gemini 3.8 Flashの現在の価格は2026年12月31日までで、その後は$3.00になります。
- コーディングにはClaude Sonnet 5.5とGemini 3.8 Flashのどちらが向いていますか?
- コーディングではClaude Sonnet 5.5の方がスコアが高くなっています(カテゴリ指標で70 対 52。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、Claude Sonnet 5.5が41.7%、Gemini 3.8 Flashが16.5%です。
- Claude Sonnet 5.5とGemini 3.8 Flashはどちらが速いですか?
- Claude Sonnet 5.5の方が出力が速くなっています(出力152 対 116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Claude Sonnet 5.5とGemini 3.8 Flash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Gemini 3.8 Flashの方がスコアが高くなっています(カテゴリ指標で75 対 71。50が平均)。
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互角です(66 対 67)。どちらも約1Mトークンです(Claude Sonnet 5.5は1,000,000、Gemini 3.8 Flashは1,048,576)。
- 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Gemini 3.8 Flashです。Artificial Analysisの測定では、最初の回答トークンまで14.8秒 対 290.5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。
- Claude Sonnet 5.5とGemini 3.8 Flash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25件のベンチマークのうち、Claude Sonnet 5.5のリードが23件、Gemini 3.8 Flashのリードが2件です。第三者の総合指標でも評価が分かれ、Claude Sonnet 5.5はBenchLeader Index、AA Intelligence Index v5.0.1、Vals Indexで、Gemini 3.8 FlashはArena Textでリードしています。
- Claude Sonnet 5.5はいつリリースされましたか?
- Claude Sonnet 5.5は2026年9月28日にリリースされました。