BenchLeader

DeepSeek V4.1 Flash 1017 vs GPT-5.3-Codex

詳しいプロフィール:DeepSeek V4.1 Flash 1017(DeepSeek)とGPT-5.3-Codex(OpenAI)。すべてのベンチマーク、価格、順位を掲載しています。

更新 · 13件の情報源のデータ

2026年11月16日時点で、DeepSeek V4.1 FlashとGPT-5.3-Codexの品質は互角です(BenchLeader Indexで57.7 対 62.9、±7.8の誤差範囲内)。価格はDeepSeek V4.1 Flashの方が9.2倍安く、100万トークンあたりのブレンド価格で$0.525 対 $4.81です。マルチモーダル(63 対 61)、コーディング(63 対 61)を重視するならDeepSeek V4.1 Flash、エージェント・ツール(80 対 58)を重視するならGPT-5.3-Codexが向いています。DeepSeek V4.1 Flashは出力が約1.5倍速い点も強みです。

要点(2026年11月16日時点)

  • BenchLeader IndexはDeepSeek V4.1 Flashが57.7、GPT-5.3-Codexが62.9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)。
  • GPT-5.3-Codexの100万トークンあたりのブレンド価格は$4.81です(定価、2026年11月16日)。
  • DeepSeek V4.1 FlashはGPT-5.3-Codexより出力が約1.5倍速いです(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8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)。

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 61;Vibe Code Bench v1.1 87.7% 対 61.8%中
エージェント・ツール利用GPT-5.3-Codexカテゴリスコア80 対 58;AA-Briefcase v1.1 868 対 1570高
長い文書どちらでもカテゴリスコア66 対 66;AA-LCR v1.1 82.7% 対 83.3%どちらでも
画像などのメディアDeepSeek V4.1 Flash 1017カテゴリスコア63 対 61;MMMU-Pro 80.6% 対 78.5%中
最低コストDeepSeek V4.1 Flash 1017100万トークンあたりブレンド価格$0.525 対 $4.81;エージェント型コーディングセッション$0.023 対 $0.161–
回答開始の速さどちらでも最初の回答トークンまで39.7秒(DeepSeek V4.1 Flash 1017 (max))対 38.2秒(GPT-5.3-Codex (xhigh))–
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GPT-5.3-Codex (xhigh)の品質は互角です(57.7 対 62.9、±7.8の誤差範囲内)。
  • DeepSeek V4.1 Flash 1017 (max)はコーディング、マルチモーダルで優れています。
  • GPT-5.3-Codex (xhigh)はエージェント・ツール、長文コンテキストで優れています。
  • DeepSeek V4.1 Flash 1017 (max)の方が9.2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 $4.81)。
  • DeepSeek V4.1 Flash 1017 (max)の方が出力が1.8倍速くなっています(174 対 94トークン/秒)。

概要

仕様DeepSeek V4.1 Flash 1017GPT-5.3-Codex
プロバイダーDeepSeekOpenAI
リリース日2026年10月17日2026年2月5日
コンテキストウィンドウ(トークン)1,048,576400,000
比較した構成DeepSeek V4.1 Flash 1017 (max)GPT-5.3-Codex (xhigh)
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$1.75 / $14.00 / $0.175

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)GPT-5.3-Codex (xhigh)トップ
推論55.7–比較不可
コーディング63.061.0DeepSeek V4.1 Flash 1017
エージェント・ツール57.680.1GPT-5.3-Codex
数学60.9–比較不可
知識47.7–比較不可
指示追従–73.6比較不可
マルチモーダル63.060.8DeepSeek V4.1 Flash 1017
長文コンテキスト66.066.4互角
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コーディングエージェント・ツール長文コンテキストマルチモーダルDeepSeek 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, 長文コンテキスト: 66.0DeepSeek V4.1 Flash 1017, マルチモーダル: 63.0GPT-5.3-Codex, コーディング: 61.0GPT-5.3-Codex, エージェント・ツール: 80.1GPT-5.3-Codex, 長文コンテキスト: 66.4GPT-5.3-Codex, マルチモーダル: 60.8

描画していないもの(測定済みのモデルが2つ未満):推論, 数学, 知識, 指示追従, 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8件のベンチマークのうち、DeepSeek V4.1 Flash 1017のリードが6件、GPT-5.3-Codexのリードが2件です。

総合IndexDeepSeek V4.1 Flash 1017 (max)GPT-5.3-Codex (xhigh)トップ
BenchLeader Index57.762.9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)GPT-5.3-Codex (xhigh)
100万トークンあたりのブレンド価格$0.525$4.81
100万トークンあたりの入力/出力$0.300 / $1.20$1.75 / $14.00
100万トークンあたりのキャッシュ入力$0.0060$0.175
タスクあたりの価格:チャットの返答$0.0005$0.0049
タスクあたりの価格:30ページのレポートを要約$0.0043$0.029
タスクあたりの価格:コード編集$0.0036$0.032
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$0.161
タスクあたりの価格:構造化データの抽出$0.0008$0.0063
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$0.090
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/s94 tok/s
回答開始までの時間39.7秒38.2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97.1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)。GPT-5.3-Codex (xhigh)のスコアは62.9、最初の回答トークンまで38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

102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)GPT-5.3-Codex (xhigh)
BenchLeader IndexBenchLeader57.762.9
エージェント・ツールスコアBenchLeader57.680.1
コーディングスコアBenchLeader63.061.0
総合スコアBenchLeader55.5–
知識スコアBenchLeader47.7–
長文コンテキストスコアBenchLeader66.066.4
数学スコアBenchLeader60.9–
マルチモーダルスコアBenchLeader63.060.8
推論スコアBenchLeader55.7–
指示追従スコアBenchLeader–73.6
ブレンド価格($/100万トークン)BenchLeader$0.525$4.81
出力速度BenchLeader174 tok/s94 tok/s
回答開始までの時間BenchLeader39.7秒38.2秒
コンテキストウィンドウBenchLeader1,048,576トークン400,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub93.2%–
LiveBench 2.0 ReasoningLiveBench89.1%–
GPQA Diamond (AA)Artificial Analysis–91.5%
Humanity's Last Exam (AA)Artificial Analysis43.3%42.5%
HLE-Diamond (AA)Artificial Analysis25.3%–
ARC-AGI-1ARC Prize93.5%–
ARC-AGI-2ARC Prize78.1%–
ARC-AGI-3ARC Prize5.8%–
CritPtArtificial Analysis24.0%16.9%
CritPt v2 hard subset (AA)Artificial Analysis25.0%–
HLE-Diamond (Scale)Scale AI SEAL20.5%†–
Chess PuzzlesEpoch AI Benchmarking Hub46.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub49.0%–
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub–74.8%†
SciCodeSciCode55.9%–
WeirdMLWeirdML–77.9%
Arena WebDevArena (LMArena)16641406†
LiveBench 2.0 CodingLiveBench80.4%–
LiveCodeBenchVals AI–87.3%
IOIVals AI–53.8%
SWE-bench (Vals)Vals AI–78.0%
Code MigrationVals AI44.2%–
Code Migration v1.1Vals AI67.5%–
Vibe Code Bench v1.1Vals AI87.7%61.8%
Vibe Code Bench 1-100 v1.1Vals AI26.1%–
102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)GPT-5.3-Codex (xhigh)
コーディング
CursorBenchCursor47.7%–
ALE-BenchEpoch AI Benchmarking Hub16221655.2
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†1155†
FrontierCode 1.1 (AA)Artificial Analysis43.7%–
FrontierCode 2.0 (AA)Artificial Analysis28.5%–
エージェント・ツール
Terminal-BenchTerminal-Bench38.5%78.4%†
APEX-AgentsMercor69.8%–
Arena AgentArena (LMArena)2–
LiveBench Long AgenticLiveBench38.8%–
LiveBench BrowserLiveBench67.2%–
Terminal-Bench HardArtificial Analysis–53.0%
τ²-Bench Telecom (AA)Artificial Analysis–86.0%
HiL-BenchScale AI SEAL–4.3%†
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%–
Tax Agent BenchVals AI44.4%–
Terminal-Bench 2.0 (Vals)Vals AI–64.0%†
Terminal-Bench 4.0 (Vals)Vals AI31.8%–
Arena Agent Task CompletionArena (LMArena)2.3–
METR Time HorizonsMETR–74.5%†
Vending-Bench 2Andon Labs–5940.1†
AutomationBenchArtificial Analysis66.6%–
GDP.pdf (AA)Artificial Analysis17.2%–
AA-Briefcase v1.1Artificial Analysis1570868
GDPxGDPx by SemiAnalysis5.4%–
Design Arena AgenticDesign Arena1282†1018†
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%–
ArXivMathMathArena42.5%–
BrokenArXivMathArena48.7%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub42.5%–
LiveBench 2.0 Data AnalysisLiveBench79.5%–
LiveBench ResearchLiveBench78.6%–
AA-Omniscience v1.1Artificial Analysis0.9–
PRBench FinanceScale AI SEAL47.1%†–
PRBench LegalScale AI SEAL47.3%†–
Excel Modeling BenchmarkVals AI61.8%–
Excel Modeling Benchmark v1.1Vals AI69.2%–
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%–
指示追従
IFBenchArtificial Analysis–75.4%
MultiChallengeScale AI SEAL74.9%†–
マルチモーダル
LiveBench DesignLiveBench79.8%–
MMMU-ProArtificial Analysis80.6%78.5%
Humanity's Sixth SenseScale AI SEAL30.1%–
VIALS-AAHandshake AI40.4%–
長文コンテキスト
AA-LCR v1.1Artificial Analysis82.7%83.3%
MLCRArtificial Analysis26.7%–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub159.4†–
LiveBench 2.0LiveBench70.3%–
AA Intelligence Index v5.0.1Artificial Analysis32.6–
AA Intelligence Index v4.3.2Artificial Analysis45.132.5
AA Progress Index v1Artificial Analysis323.7301.3
Vals IndexVals AI61.3–
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%†–
メタデータ
AA Openness IndexArtificial Analysis44.4–

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…)。
  • 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。
  • 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。
  • 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1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 GPT-5.3-Codex:よくある質問

DeepSeek V4.1 Flash 1017はGPT-5.3-Codexより優れていますか?
DeepSeek V4.1 Flash 1017 (max)とGPT-5.3-Codex (xhigh)の品質は互角です(57.7 対 62.9、±7.8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GPT-5.3-Codex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 $4.81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GPT-5.3-Codex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 61。50が平均)。
DeepSeek V4.1 Flash 1017とGPT-5.3-Codexはどちらが速いですか?
DeepSeek V4.1 Flash 1017の方が出力が約1.5倍速くなっています(出力174 対 94トークン/秒、Artificial Analysisの7日間の中央値)。
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。
ほかの質問(5件)
エージェントやツール利用にはDeepSeek V4.1 Flash 1017とGPT-5.3-Codex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GPT-5.3-Codexの方がスコアが高くなっています(カテゴリ指標で80 対 58。50が平均)。
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 66)。コンテキストはDeepSeek V4.1 Flash 1017の方が長く、1,048,576トークンです(GPT-5.3-Codexは400,000トークン)。
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GPT-5.3-Codexです。Artificial Analysisの測定では、最初の回答トークンまで38.2秒 対 39.7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。
DeepSeek V4.1 Flash 1017とGPT-5.3-Codex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8件のベンチマークのうち、DeepSeek V4.1 Flash 1017のリードが6件、GPT-5.3-Codexのリードが2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。