BenchLeader

DeepSeek V4.1 Flash 1017 vs Gemini 3 Pro

詳しいプロフィール:DeepSeek V4.1 Flash 1017(DeepSeek)とGemini 3 Pro(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 · 19件の情報源のデータ

2026年11月16日時点で、DeepSeek V4.1 FlashとGemini 3 Proの品質は互角です(BenchLeader Indexで57.7 対 60.0、±4.9の誤差範囲内)。価格はDeepSeek V4.1 Flashの方が8.6倍安く、100万トークンあたりのブレンド価格で$0.525 対 $4.50です。数学(61 対 54)、コーディング(63 対 58)を重視するならDeepSeek V4.1 Flash、知識(56 対 48)、推論(63 対 56)、エージェント・ツール(62 対 58)を重視するならGemini 3 Proが向いています。

要点(2026年11月16日時点)

  • BenchLeader IndexはDeepSeek V4.1 Flashが57.7、Gemini 3 Proが60.0です(BenchLeader、2026年11月16日)。
  • DeepSeek V4.1 Flashの100万トークンあたりのブレンド価格は$0.525です(定価、2026年11月16日)。
  • Gemini 3 Proの100万トークンあたりのブレンド価格は$4.50です(定価、2026年11月16日)。
  • 両モデルに結果がある7件のベンチマークのうち、DeepSeek V4.1 Flashが6件でリードしています(BenchLeader、2026年11月16日)。
  • Arena WebDevでの評価はDeepSeek V4.1 Flash 1017が1664、Gemini 3 Proが1441です(LMArena、2026年11月16日までの公開値)。

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DeepSeek V4.1 Flash 1017カテゴリスコア63 対 58;Arena WebDev 1664 対 1441中
エージェント・ツール利用Gemini 3 Proカテゴリスコア62 対 58;Terminal-Bench 69.4% 対 38.5%中
数学DeepSeek V4.1 Flash 1017カテゴリスコア61 対 54;OTIS Mock AIME 99.4% 対 91.4%中
推論Gemini 3 Proカテゴリスコア63 対 56;GPQA Diamond 92.6% 対 93.2%中
知識Gemini 3 Proカテゴリスコア56 対 48高
画像などのメディアGemini 3 Proカテゴリスコア66 対 63中
チャットの質(人間の評価)–Arenaの評価があるのはGemini 3 Proのみです(カテゴリスコア68)比較不可
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

  • DeepSeek V4.1 Flash 1017 (max)とGemini 3 Proの品質は互角です(57.7 対 60.0、±4.9の誤差範囲内)。
  • DeepSeek V4.1 Flash 1017 (max)はコーディング、数学で優れています。
  • Gemini 3 Proはエージェント・ツール、知識、マルチモーダル、推論で優れています。
  • DeepSeek V4.1 Flash 1017 (max)の方が8.6倍安くなっています(100万トークンあたりブレンド価格$0.525 対 $4.50)。

概要

仕様DeepSeek V4.1 Flash 1017Gemini 3 Pro
プロバイダーDeepSeekGoogle
リリース日2026年10月17日2025年11月18日
コンテキストウィンドウ(トークン)1,048,576–
比較した構成DeepSeek V4.1 Flash 1017 (max)Gemini 3 Pro
オープンウェイトありなし
100万トークンあたりの価格(入力/出力/キャッシュ入力)$0.300 / $1.20 / $0.0060–

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DeepSeek V4.1 Flash 1017 (max)Gemini 3 Proトップ
推論55.762.6Gemini 3 Pro
コーディング63.057.8DeepSeek V4.1 Flash 1017
エージェント・ツール57.661.7Gemini 3 Pro
数学60.954.0DeepSeek V4.1 Flash 1017
知識47.755.9Gemini 3 Pro
指示追従–61.1比較不可
人間の評価–67.7比較不可
マルチモーダル63.065.6Gemini 3 Pro
長文コンテキスト66.0–比較不可
総合55.5–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・ツール数学知識マルチモーダルDeepSeek V4.1 Flash 1017, 推論: 55.7DeepSeek V4.1 Flash 1017, コーディング: 63.0DeepSeek V4.1 Flash 1017, エージェント・ツール: 57.6DeepSeek V4.1 Flash 1017, 数学: 60.9DeepSeek V4.1 Flash 1017, 知識: 47.7DeepSeek V4.1 Flash 1017, マルチモーダル: 63.0Gemini 3 Pro, 推論: 62.6Gemini 3 Pro, コーディング: 57.8Gemini 3 Pro, エージェント・ツール: 61.7Gemini 3 Pro, 数学: 54.0Gemini 3 Pro, 知識: 55.9Gemini 3 Pro, マルチモーダル: 65.6

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, 長文コンテキスト, 人間の評価。

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7件のベンチマークのうち、DeepSeek V4.1 Flash 1017のリードが6件、Gemini 3 Proのリードが1件です。

総合IndexDeepSeek V4.1 Flash 1017 (max)Gemini 3 Proトップ
BenchLeader Index57.760.0互角

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DeepSeek V4.1 Flash 1017 (max)Gemini 3 Pro
100万トークンあたりのブレンド価格$0.525–
100万トークンあたりの入力/出力$0.300 / $1.20– / –
100万トークンあたりのキャッシュ入力$0.0060–
タスクあたりの価格:チャットの返答$0.0005–
タスクあたりの価格:30ページのレポートを要約$0.0043–
タスクあたりの価格:コード編集$0.0036–
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$0.023–
タスクあたりの価格:構造化データの抽出$0.0008–
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)$0.0096–
ベンチマークのタスクあたりのコスト(AA Index)$0.602–
タスクあたりの出力トークン(AA Index)139k–
うち推論91k–
タスクあたりの時間(AA Index)13 min–
出力速度174 tok/s–
回答開始までの時間39.7秒–
回答が完了するまでの時間(最終測定2026年11月13日)91.2秒–

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。DeepSeek V4.1 Flash 1017 (max)のスコアは57.7、最初の回答トークンまで40秒。DeepSeek V4.1 Flash 1017 (high)は51.2(20秒)、DeepSeek V4.1 Flash 1017 (推論なし)は44.9(1秒)。Gemini 3 Proのスコアは60.0。Gemini 3 Pro (high)は60.0。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

172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DeepSeek V4.1 Flash 1017 (max)Gemini 3 Pro
BenchLeader IndexBenchLeader57.760.0
エージェント・ツールスコアBenchLeader57.661.7
コーディングスコアBenchLeader63.057.8
総合スコアBenchLeader55.5–
知識スコアBenchLeader47.755.9
長文コンテキストスコアBenchLeader66.0–
数学スコアBenchLeader60.954.0
マルチモーダルスコアBenchLeader63.065.6
推論スコアBenchLeader55.762.6
人間の評価スコアBenchLeader–67.7
指示追従スコアBenchLeader–61.1
ブレンド価格($/100万トークン)BenchLeader$0.525–
出力速度BenchLeader174 tok/s–
回答開始までの時間BenchLeader39.7秒–
コンテキストウィンドウBenchLeader1,048,576トークン–
推論
GPQA DiamondEpoch AI Benchmarking Hub93.2%92.6%
Humanity's Last ExamScale AI / CAIS–37.5%
SimpleBenchSimpleBench–76.4%
Arena Hard PromptsArena (LMArena)–1502
LiveBench 2.0 ReasoningLiveBench89.1%–
GPQA Diamond (AA)Artificial Analysis–90.8%†
Humanity's Last Exam (AA)Artificial Analysis43.3%39.7%†
HLE-Diamond (AA)Artificial Analysis25.3%–
GPQA Diamond (Vals)Vals AI–91.7%†
Kagi LLM BenchmarkKagi LLM Benchmark–80.1%
GPQA Diamond (HELM)HELM Capabilities–80.3%
ARC-AGI-1ARC Prize93.5%75.0%
ARC-AGI-2ARC Prize78.1%31.1%
ARC-AGI-3ARC Prize5.8%–
CritPtArtificial Analysis24.0%9.1%†
CritPt v2 hard subset (AA)Artificial Analysis25.0%–
SciPredictScale AI SEAL–25.3%
HLE-Diamond (Scale)Scale AI SEAL20.5%†–
Arena ExpertArena (LMArena)–1499
Chess PuzzlesEpoch AI Benchmarking Hub46.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub49.0%–
CL-benchEpoch AI Benchmarking Hub–15.8%
ForecastBenchForecastBench–65.0%
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub–72.9%
SciCodeSciCode55.9%–
172件のベンチマークをすべて表示
指標公開元DeepSeek V4.1 Flash 1017 (max)Gemini 3 Pro
コーディング
WeirdMLWeirdML–69.9%
GSO-BenchGSO-Bench–18.6%
Arena CodingArena (LMArena)–1517
Arena WebDevArena (LMArena)16641441
LiveBench 2.0 CodingLiveBench80.4%–
LiveCodeBenchVals AI–86.4%
SWE-bench (Vals)Vals AI–76.4%†
SWE-Bench ProScale AI SEAL–43.3%
SWE-bench Verified (bash only)SWE-bench–74.2%
SWE-bench Multilingual (bash only)SWE-bench–68.7%
SWE-bench Verified (any scaffold)SWE-bench–77.4%
Code MigrationVals AI44.2%–
Code Migration v1.1Vals AI67.5%–
Vibe Code Bench v1.1Vals AI87.7%14.3%†
Vibe Code Bench 1-100 v1.1Vals AI26.1%–
SWE-Bench Pro (private)Scale AI SEAL–17.9%
CursorBenchCursor47.7%–
ALE-BenchEpoch AI Benchmarking Hub16221176.8
AlgoTuneAlgoTune–1.8
WeirdML v3WeirdML9.2%†–
Terminal-Bench 4.0 (AA)Artificial Analysis33.8%–
GameBench 2 OverallDuelLab GameBench 261.4†–
GameBench 2 by reasoning settingDuelLab GameBench 269.9–
Design Arena WebsiteDesign Arena1295†1244
FrontierCode 1.1 (AA)Artificial Analysis43.7%–
FrontierCode 2.0 (AA)Artificial Analysis28.5%–
LiveCodeBench (AA)Artificial Analysis–91.8%†
エージェント・ツール
Terminal-BenchTerminal-Bench38.5%69.4%
GDPvalOpenAI–40.3%
Remote Labor IndexScale AI / CAIS–1.3%
APEX-AgentsMercor69.8%–
Arena AgentArena (LMArena)2–
LiveBench Long AgenticLiveBench38.8%–
LiveBench BrowserLiveBench67.2%–
Terminal-Bench HardArtificial Analysis–41.7%†
τ²-Bench Telecom (AA)Artificial Analysis–87.1%†
MCP AtlasScale AI SEAL–70.3%
BFCL OverallBerkeley Function Calling Leaderboard–72.5%
τ²-benchτ²-bench–82.5%†
τ³-bench Bankingτ²-bench–18.0%†
GDPval-AA v2.1, normalised scoreArtificial Analysis62.3%–
GDPval-AA v2.1Artificial Analysis1746–
Finance Agent v2Vals AI57.0%–
Finance Agent v2.1Vals AI62.9%–
Harvey's Legal Agent Benchmark v1.1Vals AI14.2%–
Harvey's Legal Agent Benchmark v1Vals AI9.2%–
Legal Research BenchVals AI45.2%–
Poker AgentVals AI–1078.9%
Tax Agent BenchVals AI44.4%–
Terminal-Bench 2.0 (Vals)Vals AI–55.1%†
Terminal-Bench 4.0 (Vals)Vals AI31.8%–
Arena SearchArena (LMArena)–1201
Arena Agent Task CompletionArena (LMArena)2.3–
BALROGBALROG–58.1%
DeepResearch BenchDeepResearch Bench–46.3%†
METR Time HorizonsMETR–71.0%
Vending-Bench 2Andon Labs–5478.2
AutomationBenchArtificial Analysis66.6%–
GDP.pdf (AA)Artificial Analysis17.2%–
AA-Briefcase v1.1Artificial Analysis1570–
GDPxGDPx by SemiAnalysis5.4%–
Design Arena AgenticDesign Arena1282†1080
Terminal-Bench-Science 0.1 (AA)Artificial Analysis12.9%–
CWE-Bench (AA)Artificial Analysis69.2%–
DeepSec-Bench (AA)Artificial Analysis24.9%–
CyberGym end-to-end (AA)Artificial Analysis76.3%–
MKA (AA)Artificial Analysis38.5%–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub71.2%–
FrontierMath Tier 4Epoch AI Benchmarking Hub46.3%–
OTIS Mock AIMEEpoch AI Benchmarking Hub99.4%91.4%
ProofBenchVals AI–20.0%
AIME (Vals)Vals AI–96.7%†
MGSMVals AI–93.9%†
AIME 2026MathArena–91.7%
HMMT February 2026MathArena–86.4%
MathArena ApexMathArena–23.4%
ArXivMathMathArena42.5%–
BrokenArXivMathArena48.7%–
Omni-MATH (HELM)HELM Capabilities–55.6%
MATH 500Vals AI–96.4%†
Arena MathsArena (LMArena)–1475
AIME 2025 (AA)Artificial Analysis–95.7%†
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub42.5%–
LiveBench 2.0 Data AnalysisLiveBench79.5%–
LiveBench ResearchLiveBench78.6%–
AA-Omniscience v1.1Artificial Analysis0.9–
MMLU-ProVals AI–90.1%
LegalBenchVals AI–87.0%†
CorpFinVals AI–63.7%†
TaxEvalVals AI–72.6%†
MedQAVals AI–96.0%†
PRBench FinanceScale AI SEAL47.1%†39.2%
PRBench LegalScale AI SEAL47.3%†40.6%
MultiNRCScale AI SEAL–59.0%
MMLU-Pro (HELM)HELM Capabilities–90.3%
CaseLaw v2Vals AI–53.1%†
Excel Modeling BenchmarkVals AI61.8%–
Excel Modeling Benchmark v1.1Vals AI69.2%–
MedCodeVals AI–52.2%†
MedScribeVals AI–72.0%†
Access to Justice BenchmarkVals AI73.1%–
DrugDiscoveryBenchScale AI SEAL60.6%†–
AA-Omniscience v1.1: accuracyArtificial Analysis39.6%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis35.9%–
Global-MMLU-Lite (AA)Artificial Analysis–92.2%†
指示追従
IFBenchArtificial Analysis–70.4%†
MultiChallengeScale AI SEAL74.9%†65.7%
TutorBenchScale AI SEAL–53.7%
IFEval (HELM)HELM Capabilities–87.6%
WildBench (HELM)HELM Capabilities–85.9%
Arena Instruction FollowingArena (LMArena)–1473
人間の評価
Arena TextArena (LMArena)–1486
EQ-Bench Creative Writing v3EQ-Bench–1524
Arena Creative WritingArena (LMArena)–1484
Arena Multi-turnArena (LMArena)–1495
Arena Longer QueriesArena (LMArena)–1491
マルチモーダル
Arena VisionArena (LMArena)–1305
LiveBench DesignLiveBench79.8%–
MMMU-ProArtificial Analysis80.6%80.2%†
VISTAScale AI SEAL–51.5%
MMMU-Pro (Vals)Vals AI–87.5%†
MortgageTaxVals AI–69.1%†
AudioMCScale AI SEAL–54.6%†
AudioMC (text output)Scale AI SEAL–54.6%†
Humanity's Sixth SenseScale AI SEAL30.1%–
VTBScale AI SEAL–26.9%
GeoBenchGeoBench–84.0%
VPCTEpoch AI Benchmarking Hub–91.0%
VIALS-AAHandshake AI40.4%–
長文コンテキスト
AA-LCR v1.1Artificial Analysis82.7%76.0%†
Arena DocumentArena (LMArena)–1451
MLCRArtificial Analysis26.7%–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub159.4†153.0
LiveBench 2.0LiveBench70.3%–
AA Intelligence Index v5.0.1Artificial Analysis32.6–
AA Intelligence Index v4.3.2Artificial Analysis45.128.0†
AA Progress Index v1Artificial Analysis323.7290.7†
Vals IndexVals AI61.3–
HELM Capabilities meanHELM Capabilities–79.9%
Vals Finance IndexVals AI60.9%–
Vals Router IndexVals AI61.3%†–
Vals Legal IndexVals AI71.9%–
AA Cyber IndexArtificial Analysis56.8–
安全性・誠実さ
FORTRESSScale AI SEAL27.2%†41.7%
MASKScale AI SEAL–42.6%
PropensityBenchScale AI SEAL–52.9%
メタデータ
AA Openness IndexArtificial Analysis44.45.6†

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

  • DeepSeek V4.1 Flash 1017 (max):新しい結果8件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Gemini 3 Pro:スコアの改訂1件。
  • DeepSeek V4.1 Flash 1017 (max):BenchLeader Index 58.5 → 58.0。
  • DeepSeek V4.1 Flash 1017 (max):新しい結果1件(Terminal-Bench)、スコアの改訂1件。
  • DeepSeek V4.1 Flash 1017 (max):BenchLeader Index 59.0 → 58.5。
  • DeepSeek V4.1 Flash 1017 (max):スコアの改訂1件。
  • Gemini 3 Pro:新しい結果1件(Arena Search)。
  • DeepSeek V4.1 Flash 1017 (max):スコアの改訂1件。
  • DeepSeek V4.1 Flash 1017 (max):スコアの改訂3件。
  • DeepSeek V4.1 Flash 1017 (max):新しい結果1件(ARC-AGI-3)、スコアの改訂2件。

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

DeepSeek V4.1 Flash 1017 vs Gemini 3 Pro:よくある質問

DeepSeek V4.1 Flash 1017はGemini 3 Proより優れていますか?
DeepSeek V4.1 Flash 1017 (max)とGemini 3 Proの品質は互角です(57.7 対 60.0、±4.9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。
DeepSeek V4.1 Flash 1017とGemini 3 Pro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DeepSeek V4.1 Flash 1017の方が安く、100万トークンあたり$0.525 対 $4.50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DeepSeek V4.1 Flash 1017とGemini 3 Proのどちらが向いていますか?
コーディングではDeepSeek V4.1 Flash 1017の方がスコアが高くなっています(カテゴリ指標で63 対 58。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Arena WebDevでは、DeepSeek V4.1 Flash 1017が1664、Gemini 3 Proが1441です。
DeepSeek V4.1 FlashとDeepSeek V4.1 Flash 1017は同じものですか?
ここで比較しているチェックポイントはDeepSeek V4.1 Flash 1017です(BenchLeader Index 57.7)。以前のビルドを置き換えたため、DeepSeek V4.1 Flashで検索した方もこのページに案内しています。
エージェントやツール利用にはDeepSeek V4.1 Flash 1017とGemini 3 Pro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 Proの方がスコアが高くなっています(カテゴリ指標で62 対 58。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Terminal-Benchでは、DeepSeek V4.1 Flash 1017が38.5%、Gemini 3 Proが69.4%です。
ほかの質問(2件)
DeepSeek V4.1 Flash 1017とGemini 3 Pro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7件のベンチマークのうち、DeepSeek V4.1 Flash 1017のリードが6件、Gemini 3 Proのリードが1件です。
DeepSeek V4.1 Flash 1017はいつリリースされましたか?
DeepSeek V4.1 Flash 1017は2026年10月17日にリリースされました。