BenchLeader

Deepseek v4 Flash Vision vs GPT-5.5

詳しいプロフィール:Deepseek v4 Flash Vision(DeepSeek)とGPT-5.5(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 · 12件の情報源のデータ

2026年11月16日時点で、共通するベンチマークが少なく、品質の判定はできません。価格はDeepseek v4 Flash Visionの方が43倍安く、100万トークンあたりのブレンド価格で$0.262 対 $11.25です。エージェント・ツール(70 対 62)を重視するならDeepseek v4 Flash Vision、推論(68 対 47)、マルチモーダル(62 対 57)、長文コンテキスト(67 対 65)を重視するならGPT-5.5が向いています。Deepseek v4 Flash Visionは出力が約2倍速い点も強みです。

要点(2026年11月16日時点)

  • Deepseek v4 Flash Visionの100万トークンあたりのブレンド価格は$0.262です(定価、2026年11月16日)。
  • GPT-5.5の100万トークンあたりのブレンド価格は$11.25です(定価、2026年11月16日)。
  • Deepseek v4 Flash VisionはGPT-5.5より出力が約2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15件のベンチマークのうち、GPT-5.5が10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
エージェント・ツール利用Deepseek v4 Flash Visionカテゴリスコア70 対 62;τ³-Banking (AA) 41.0% 対 39.0%高
推論GPT-5.5カテゴリスコア68 対 47;GPQA Diamond (AA) 93.5% 対 91.3%高
長い文書GPT-5.5カテゴリスコア67 対 65;AA-LCR v1.1 84.3% 対 81.3%中
画像などのメディアGPT-5.5カテゴリスコア62 対 57;MMMU-Pro 79.9% 対 74.8%中
最低コストDeepseek v4 Flash Vision100万トークンあたりブレンド価格$0.660 対 $11.25;エージェント型コーディングセッション$0.032 対 $0.420–
回答開始の速さどちらでも最初の回答トークンまで43.1秒(Deepseek v4 Flash Vision (max))対 38.3秒(GPT-5.5 (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

  • 共通するベンチマークが少なく、判定できません。
  • Deepseek v4 Flash Vision (max)はエージェント・ツールで優れています。
  • GPT-5.5 (xhigh)は長文コンテキスト、マルチモーダル、推論で優れています。
  • Deepseek v4 Flash Vision (max)の方が43倍安くなっています(100万トークンあたりブレンド価格$0.262 対 $11.25)。
  • Deepseek v4 Flash Vision (max)の方が出力が2.0倍速くなっています(163 対 81トークン/秒)。

概要

仕様Deepseek v4 Flash VisionGPT-5.5
プロバイダーDeepSeekOpenAI
リリース日2026年8月21日2026年4月23日
コンテキストウィンドウ(トークン)1,048,5761,050,000
比較した構成Deepseek v4 Flash Vision (max)GPT-5.5 (xhigh)
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)$0.440 / $1.32 / $0.0030$5.00 / $30.00 / $0.500

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 Flash Vision (max)GPT-5.5 (xhigh)トップ
推論47.168.1GPT-5.5
コーディング–60.7比較不可
エージェント・ツール70.061.8Deepseek v4 Flash Vision
数学–69.3比較不可
知識–63.6比較不可
指示追従–74.0比較不可
マルチモーダル57.162.3GPT-5.5
長文コンテキスト65.366.9GPT-5.5

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 Flash Vision, 推論: 47.1Deepseek v4 Flash Vision, エージェント・ツール: 70.0Deepseek v4 Flash Vision, 長文コンテキスト: 65.3Deepseek v4 Flash Vision, マルチモーダル: 57.1GPT-5.5, 推論: 68.1GPT-5.5, エージェント・ツール: 61.8GPT-5.5, 長文コンテキスト: 66.9GPT-5.5, マルチモーダル: 62.3

描画していないもの(測定済みのモデルが2つ未満):コーディング, 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15件のベンチマークのうち、Deepseek v4 Flash Visionのリードが5件、GPT-5.5のリードが10件です。

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 Flash Vision (max)GPT-5.5 (xhigh)
100万トークンあたりのブレンド価格$0.660$11.25
100万トークンあたりの入力/出力$0.440 / $1.32$5.00 / $30.00
100万トークンあたりのキャッシュ入力$0.0030$0.500
タスクあたりの価格:チャットの返答$0.0006$0.011
タスクあたりの価格:30ページのレポートを要約$0.0061$0.078
タスクあたりの価格:コード編集$0.0046$0.075
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$0.032$0.420
タスクあたりの価格:構造化データの抽出$0.0011$0.016
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)$0.012$0.217
出力速度163 tok/s81 tok/s
回答開始までの時間43.1秒38.3秒
回答が完了するまでの時間(最終測定2026年11月13日)97.8秒104.3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 Flash Vision (max)は最初の回答トークンまで43秒。GPT-5.5 (xhigh)のスコアは64.1、最初の回答トークンまで38秒。GPT-5.5 (high)は63.5(16秒)、GPT-5.5は61.0(3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

135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 Flash Vision (max)GPT-5.5 (xhigh)
BenchLeader IndexBenchLeader–64.1
エージェント・ツールスコアBenchLeader70.061.8
長文コンテキストスコアBenchLeader65.366.9
マルチモーダルスコアBenchLeader57.162.3
推論スコアBenchLeader47.168.1
コーディングスコアBenchLeader–60.7
指示追従スコアBenchLeader–74.0
知識スコアBenchLeader–63.6
数学スコアBenchLeader–69.3
ブレンド価格($/100万トークン)BenchLeader$0.660$11.25
出力速度BenchLeader163 tok/s81 tok/s
回答開始までの時間BenchLeader43.1秒38.3秒
コンテキストウィンドウBenchLeader1,048,576トークン1,050,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub–90.7%†
SimpleBenchSimpleBench–69.0%†
Arena Hard PromptsArena (LMArena)–1499†
LiveBench 1.0 ReasoningLiveBench85.4%†89.7%
GPQA Diamond (AA)Artificial Analysis91.3%93.5%
Humanity's Last Exam (AA)Artificial Analysis34.5%45.8%
HLE-Diamond (AA)Artificial Analysis21.1%–
GPQA Diamond (Vals)Vals AI–93.2%
Kagi LLM BenchmarkKagi LLM Benchmark–88.8%†
ARC-AGI-1ARC Prize–95.0%
ARC-AGI-2ARC Prize–85.0%
ARC-AGI-3ARC Prize–0.4%†
CritPtArtificial Analysis10.9%27.1%
Arena ExpertArena (LMArena)–1510†
Chess PuzzlesEpoch AI Benchmarking Hub–63.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub–56.0%
CL-bench LifeEpoch AI Benchmarking Hub–22.2%†
LMCAEpoch AI Benchmarking Hub–54.3%
DTBenchEpoch AI Benchmarking Hub–96.0%
ForecastBenchForecastBench–64.2%†
BTF-3Epoch AI Benchmarking Hub–14.3%†
コーディング
SciCodeSciCode–55.8%
WeirdMLWeirdML–84.9%
FrontierCodeCognition–43.0%†
GSO-BenchGSO-Bench–40.2%
135件のベンチマークをすべて表示
指標公開元Deepseek v4 Flash Vision (max)GPT-5.5 (xhigh)
コーディング
Arena CodingArena (LMArena)–1510†
Arena WebDevArena (LMArena)–1512
LiveBench 1.0 CodingLiveBench68.2%†82.2%
SciCode (AA)Artificial Analysis49.6%55.8%
LiveCodeBenchVals AI–85.3%
SWE-bench (Vals)Vals AI–82.6%
Code MigrationVals AI–45.2%
ProgramBenchVals AI–0.5%
Vibe Code Bench v1.1Vals AI–69.8%
SWE Atlas v1.0: Codebase QnAScale AI SEAL–45.4%
SWE Atlas v1.0: RefactoringScale AI SEAL–44.8%
SWE Atlas v1.0: Test WritingScale AI SEAL–42.6%
MirrorCodeEpoch AI Benchmarking Hub–23.3%
Surface Evolver BenchEpoch AI Benchmarking Hub–88.1%†
DeepSWE v1.1Epoch AI Benchmarking Hub–67.0%
ALE-BenchEpoch AI Benchmarking Hub–1943.0
Terminal-Bench 4.0 (AA)Artificial Analysis12.1%14.7%
Terminal-Bench 2.1 (AA)Artificial Analysis74.2%84.3%
GameBench 2 OverallDuelLab GameBench 2–49.2†
GameBench 2 by reasoning settingDuelLab GameBench 2–59.9
Design Arena WebsiteDesign Arena–1248†
エージェント・ツール
Terminal-BenchTerminal-Bench–84.7%†
OSWorld-Verified 2.0OSWorld–13.0%
Remote Labor IndexScale AI / CAIS–6.3%†
APEX-AgentsMercor–55.1%†
LiveBench Agentic CodingLiveBench65.1%†54.0%
Terminal-Bench HardArtificial Analysis–60.6%
τ²-Bench Telecom (AA)Artificial Analysis–93.9%
Terminal-Bench 2.1 (Vals)Vals AI–57.3%†
MCP AtlasScale AI SEAL–75.3%
HiL-BenchScale AI SEAL–39.7%†
τ³-bench Bankingτ²-bench–44.6%
GDPval-AA v2.1, normalised scoreArtificial Analysis52.3%–
GDPval-AA v2.1Artificial Analysis15551357
τ³-Banking (AA)Artificial Analysis41.0%39.0%
ITBench SRE (AA)Artificial Analysis–45.8%
Analyst Agent (AA)Artificial Analysis–50.0%
APEX-Agents (AA)Artificial Analysis–37.7%
Finance Agent v2Vals AI–51.8%
Harvey's Legal Agent Benchmark v1Vals AI–3.8%
Legal Research BenchVals AI–40.4%
SkillsBenchVals AI–62.2%
SREBenchVals AI–3.8%
Tax Agent BenchVals AI–21.8%
Terminal-Bench 2.0 (Vals)Vals AI–73.2%†
Time Horizon Index: KSPVals AI–8.3%
Arena SearchArena (LMArena)–1226†
DeepResearch BenchDeepResearch Bench–54.0%†
PostTrainBenchEpoch AI Benchmarking Hub–23.9%
ExploitBenchEpoch AI Benchmarking Hub–47.4%†
GBAEvalEpoch AI Benchmarking Hub–53.2%†
Vending-Bench 2Andon Labs–7523.8†
AutomationBenchArtificial Analysis47.5%47.3%
GDP.pdf (AA)Artificial Analysis12.0%21.2%
EnterpriseOps-GymArtificial Analysis47.1%46.6%
AA-Briefcase v1.1Artificial Analysis14181135
Design Arena AgenticDesign Arena–1113†
RoboDojo (LLM as robot policy)RoboDojo–1.1†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub–85.3%
FrontierMath Tier 4Epoch AI Benchmarking Hub–72.5%
OTIS Mock AIMEEpoch AI Benchmarking Hub–84.4%†
ProofBenchVals AI–50.0%
LiveBench MathematicsLiveBench87.8%†95.9%
AIME 2026MathArena–100.0%
HMMT February 2026MathArena–98.5%
USAMO 2026MathArena–98.2%
MathArena ApexMathArena–80.2%
Arena MathsArena (LMArena)–1500†
FrontierMath ErdősEpoch AI Benchmarking Hub–0.0%
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub–63.0%
LiveBench 1.0 Data AnalysisLiveBench79.5%†81.6%
MMLU-ProVals AI–88.1%
LegalBenchVals AI–86.5%
CorpFinVals AI–68.4%
TaxEvalVals AI–75.0%
CaseLaw v2Vals AI–66.2%
Excel Modeling BenchmarkVals AI–64.5%
MedCodeVals AI–49.1%
MedScribeVals AI–86.9%
Public Benefits Bench v1.1Vals AI–60.9%
DrugDiscoveryBenchScale AI SEAL–51.6%
EBR-benchEpoch AI Benchmarking Hub–34.3%
GDP.pdfEpoch AI Benchmarking Hub–26.0%
指示追従
LiveBench LanguageLiveBench80.4%†87.4%
LiveBench Instruction FollowingLiveBench71.0%†70.7%
IFBenchArtificial Analysis–75.8%
Arena Instruction FollowingArena (LMArena)–1475†
人間の評価
Arena TextArena (LMArena)–1476†
EQ-Bench 4EQ-Bench–1295†
EQ-Bench Creative Writing v3EQ-Bench–1845†
Arena Creative WritingArena (LMArena)–1448†
Arena Multi-turnArena (LMArena)–1484†
Arena Longer QueriesArena (LMArena)–1486†
マルチモーダル
Arena VisionArena (LMArena)–1296†
MMMU-ProArtificial Analysis74.8%79.9%
MMMU-Pro (Vals)Vals AI–88.3%
MortgageTaxVals AI–68.8%
Blueprint-Bench 2Epoch AI Benchmarking Hub–36.2%†
Furniture AssemblyEpoch AI Benchmarking Hub–44.2%
Code2Video-AAArtificial Analysis–1000
長文コンテキスト
AA-LCR v1.1Artificial Analysis81.3%84.3%
Arena DocumentArena (LMArena)–1479†
MLCRArtificial Analysis–28.9%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–160.1†
LiveBench 1.0LiveBench76.8%†80.2%
AA Intelligence Index v4.3.2Artificial Analysis34.838.4
AA Progress Index v1Artificial Analysis308.5320
Vals RSI IndexVals AI–16.5%
Vals Multimodal IndexVals AI–68.1%
安全性・誠実さ
FORTRESSScale AI SEAL–16.3%

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

  • GPT-5.5 (xhigh):新しい結果1件(GDPval-AA v2.1)。
  • GPT-5.5 (xhigh):BenchLeader Index 64.6 → 64.1。
  • GPT-5.5 (xhigh):スコアの改訂1件。
  • GPT-5.5 (xhigh):新しい結果1件(MirrorCode)。
  • GPT-5.5 (xhigh):スコアの改訂1件。
  • Deepseek v4 Flash Vision (max):新しい結果2件(AA Progress Index v1, HLE-Diamond (AA))。
  • GPT-5.5 (xhigh):新しい結果1件(AA Progress Index v1)。
  • GPT-5.5 (xhigh):価格 $2.63/M → $2.10/M。
  • Deepseek v4 Flash Vision (max):新しい結果1件(AA-Briefcase v1.1)。
  • GPT-5.5 (xhigh):新しい結果1件(AA-Briefcase v1.1)。

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 Flash Vision vs GPT-5.5:よくある質問

Deepseek v4 Flash VisionとGPT-5.5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 Flash Visionの方が安く、100万トークンあたり$0.262 対 $11.25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。
Deepseek v4 Flash VisionとGPT-5.5はどちらが速いですか?
Deepseek v4 Flash Visionの方が出力が約2倍速くなっています(出力163 対 81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Deepseek v4 Flash VisionとGPT-5.5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Deepseek v4 Flash Visionの方がスコアが高くなっています(カテゴリ指標で70 対 62。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τ³-Banking (AA)では、Deepseek v4 Flash Visionが41.0%、GPT-5.5が39.0%です。
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GPT-5.5の方がスコアが高くなっています(67 対 65)。どちらも約1.1Mトークンです(Deepseek v4 Flash Visionは1,048,576、GPT-5.5は1,050,000)。
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-5.5です。Artificial Analysisの測定では、最初の回答トークンまで38.3秒 対 43.1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。
ほかの質問(2件)
Deepseek v4 Flash VisionとGPT-5.5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15件のベンチマークのうち、Deepseek v4 Flash Visionのリードが5件、GPT-5.5のリードが10件です。
Deepseek v4 Flash Visionはいつリリースされましたか?
Deepseek v4 Flash Visionは2026年8月21日にリリースされました。