BenchLeader

Gemini 3.1 Pro vs Gemini 4 Carbon

詳しいプロフィール:Gemini 3.1 Pro(Google)とGemini 4 Carbon(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 · 13件の情報源のデータ

2026年11月16日時点で、品質ではGemini 4 CarbonがGemini 3.1 Proを上回ります(BenchLeader Indexで68.9 対 60.4)。価格はほぼ同じです(100万トークンあたりのブレンド価格で$4.50 対 $4.00)。両方を測定できるすべてのカテゴリでGemini 4 Carbonがリードしています。Gemini 3.1 Proの方が出力が約1.5倍速いです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGemini 3.1 Proが60.4、Gemini 4 Carbonが68.9です(BenchLeader、2026年11月16日)。
  • Gemini 3.1 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)。
  • Gemini 4 Carbon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 3.1 ProはGemini 4 Carbon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11件のベンチマークのうち、Gemini 4 Carbonが11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Gemini 4 Carbonカテゴリスコア74 対 59;Vibe Code Bench v1.1 89.1% 対 32.0%高
エージェント・ツール利用Gemini 4 Carbonカテゴリスコア70 対 57;Legal Research Bench 55.8% 対 20.7%高
数学Gemini 4 Carbonカテゴリスコア72 対 66;OTIS Mock AIME 100.0% 対 95.6%中
推論Gemini 4 Carbonカテゴリスコア73 対 65;GPQA Diamond 96.5% 対 94.4%高
知識Gemini 4 Carbonカテゴリスコア76 対 66;SimpleQA Verified 77.7% 対 73.5%高
チャットの質(人間の評価)–Arenaの評価があるのはGemini 4 Carbonのみです(カテゴリスコア73)比較不可
最低コストどちらでも100万トークンあたりブレンド価格$4.50 対 $4.00;エージェント型コーディングセッション$0.168 対 $0.160–
回答開始の速さGemini 3.1 Pro最初の回答トークンまで15.2秒(Gemini 3.1 Pro (high))対 73.5秒(Gemini 4 Carbon (high))–
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Gemini 4 Carbon (high)がリードしています:68.9 対 60.4。
  • Gemini 4 Carbon (high)はエージェント・ツール、コーディング、知識、数学、推論で優れています。
  • 価格はほぼ同じです(100万トークンあたりブレンド価格$4.00)。
  • Gemini 3.1 Pro (high)の方が出力が1.7倍速くなっています(111 対 64トークン/秒)。

概要

仕様Gemini 3.1 ProGemini 4 Carbon
プロバイダーGoogleGoogle
リリース日2026年2月19日2026年10月28日
コンテキストウィンドウ(トークン)1,048,5761,048,576
比較した構成Gemini 3.1 Pro (high)Gemini 4 Carbon (high)
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 / $12.00 / $0.200$2.00 / $10.00 / $0.100

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Gemini 3.1 Pro (high)Gemini 4 Carbon (high)トップ
推論64.773.2Gemini 4 Carbon
コーディング58.674.1Gemini 4 Carbon
エージェント・ツール56.770.3Gemini 4 Carbon
数学65.771.9Gemini 4 Carbon
知識65.676.1Gemini 4 Carbon
人間の評価–72.6比較不可
長文コンテキスト–64.3比較不可
総合–70.3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Gemini 3.1 Pro, 推論: 64.7Gemini 3.1 Pro, コーディング: 58.6Gemini 3.1 Pro, エージェント・ツール: 56.7Gemini 3.1 Pro, 数学: 65.7Gemini 3.1 Pro, 知識: 65.6Gemini 4 Carbon, 推論: 73.2Gemini 4 Carbon, コーディング: 74.1Gemini 4 Carbon, エージェント・ツール: 70.3Gemini 4 Carbon, 数学: 71.9Gemini 4 Carbon, 知識: 76.1

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, マルチモーダル, 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11件のベンチマークのうち、Gemini 3.1 Proのリードが0件、Gemini 4 Carbonのリードが11件です。両方を評価しているすべての総合指標で、Gemini 4 Carbonが上回っています。

総合IndexGemini 3.1 Pro (high)Gemini 4 Carbon (high)トップ
BenchLeader Index60.468.9Gemini 4 Carbon
Arena Text1487†1526Gemini 4 Carbon

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Gemini 3.1 Pro (high)Gemini 4 Carbon (high)
100万トークンあたりのブレンド価格$4.50$4.00
100万トークンあたりの入力/出力$2.00 / $12.00$2.00 / $10.00
100万トークンあたりのキャッシュ入力$0.200$0.100
タスクあたりの価格:チャットの返答$0.0044$0.0038
タスクあたりの価格:30ページのレポートを要約$0.031$0.030
タスクあたりの価格:コード編集$0.030$0.027
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$0.168$0.160
タスクあたりの価格:構造化データの抽出$0.0064$0.0060
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)$0.087$0.074
ベンチマークのタスクあたりのコスト(AA Index)–$5.48
タスクあたりの出力トークン(AA Index)–123k
うち推論–72k
タスクあたりの時間(AA Index)–32 min
出力速度111 tok/s64 tok/s
回答開始までの時間15.2秒73.5秒
回答が完了するまでの時間(最終測定2026年11月13日)37.5秒160.6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。Gemini 3.1 Pro (high)のスコアは60.4、最初の回答トークンまで15秒。Gemini 3.1 Proは59.9(15秒)。Gemini 4 Carbon (high)のスコアは68.9、最初の回答トークンまで73秒。Gemini 4 Carbon (medium)は65.8(21秒)、Gemini 4 Carbon (low)は60.1(11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

195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Gemini 3.1 Pro (high)Gemini 4 Carbon (high)
BenchLeader IndexBenchLeader60.468.9
エージェント・ツールスコアBenchLeader56.770.3
コーディングスコアBenchLeader58.674.1
知識スコアBenchLeader65.676.1
数学スコアBenchLeader65.771.9
推論スコアBenchLeader64.773.2
総合スコアBenchLeader–70.3
人間の評価スコアBenchLeader–72.6
長文コンテキストスコアBenchLeader–64.3
ブレンド価格($/100万トークン)BenchLeader$4.50$4.00
出力速度BenchLeader111 tok/s64 tok/s
回答開始までの時間BenchLeader15.2秒73.5秒
コンテキストウィンドウBenchLeader1,048,576トークン1,048,576トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub94.4%96.5%
Humanity's Last ExamScale AI / CAIS46.4%†–
SimpleBenchSimpleBench79.6%†92.6%†
Arena Hard PromptsArena (LMArena)1508†1547
LiveBench 2.0 ReasoningLiveBench–90.6%
LiveBench 1.0 ReasoningLiveBench84.0%–
GPQA Diamond (AA)Artificial Analysis94.1%†–
Humanity's Last Exam (AA)Artificial Analysis47.0%†–
HLE-Diamond (AA)Artificial Analysis31.4%†69.1%
GPQA Diamond (Vals)Vals AI95.5%–
EnigmaEvalScale AI SEAL36.8%–
ARC-AGI-1ARC Prize98.0%†97.5%
ARC-AGI-2ARC Prize77.1%†92.1%
ARC-AGI-3ARC Prize0.4%†96.9%
CritPtArtificial Analysis17.7%†–
CritPt v2 hard subset (AA)Artificial Analysis–69.0%
MysteryMechanismVals AI20.7%–
Arena ExpertArena (LMArena)1509†1567
Chess PuzzlesEpoch AI Benchmarking Hub51.0%78.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub34.0%73.0%
CL-benchEpoch AI Benchmarking Hub20.8%†–
CL-bench LifeEpoch AI Benchmarking Hub16.9%†–
LMCAEpoch AI Benchmarking Hub53.8%–
DTBenchEpoch AI Benchmarking Hub95.5%–
ForecastBenchForecastBench65.2%–
195件のベンチマークをすべて表示
指標公開元Gemini 3.1 Pro (high)Gemini 4 Carbon (high)
コーディング
SciCodeSciCode58.7%†64.2%
WeirdMLWeirdML72.1%†–
GSO-BenchGSO-Bench22.6%†–
Arena CodingArena (LMArena)1520†1568
Arena WebDevArena (LMArena)1446†1768
LiveBench 2.0 CodingLiveBench–91.0%
LiveBench 1.0 CodingLiveBench76.5%–
SciCode (AA)Artificial Analysis58.7%†–
LiveCodeBenchVals AI88.5%–
IOIVals AI51.8%–
SWE-bench (Vals)Vals AI78.8%–
SWE-Bench ProScale AI SEAL46.1%†–
Code MigrationVals AI17.3%–
ProgramBenchVals AI0.0%–
Vibe Code Bench 1-100Vals AI6.7%–
Vibe Code Bench v1.1Vals AI32.0%89.1%
Vibe Code Bench 1-100 v1.1Vals AI–49.7%
SWE-Bench Pro (private)Scale AI SEAL32.2%†–
SWE Atlas v1.0: Codebase QnAScale AI SEAL13.5%†–
SWE Atlas v1.0: RefactoringScale AI SEAL33.8%†–
SWE Atlas v1.0: Test WritingScale AI SEAL29.8%†–
SWE Atlas v1.1Scale AI SEAL–71.4%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–73.4%†
SWE Atlas v1.1: Test WritingScale AI SEAL–76.7%†
SWE Atlas v1.1: RefactoringScale AI SEAL–64.3%†
MirrorCodeEpoch AI Benchmarking Hub8.9%–
DeepSWE v1.1Epoch AI Benchmarking Hub11.7%†–
CursorBenchCursor–60.4%
ALE-BenchEpoch AI Benchmarking Hub1160.6†–
AlgoTuneAlgoTune2.0†–
FrontierSWEEpoch AI Benchmarking Hub–61.2%
Terminal-Bench 4.0 (AA)Artificial Analysis4.0%†65.2%
Terminal-Bench 2.1 (AA)Artificial Analysis73.8%†–
Design Arena WebsiteDesign Arena1226†1319†
FrontierCode 2.0 (AA)Artificial Analysis–40.6%
エージェント・ツール
Terminal-BenchTerminal-Bench80.2%†64.5%
APEX-AgentsMercor35.1%†84.2%†
Arena AgentArena (LMArena)-4.5†17
LiveBench Long AgenticLiveBench–72.7%
LiveBench BrowserLiveBench–80.0%
LiveBench Agentic CodingLiveBench44.1%–
Terminal-Bench HardArtificial Analysis53.8%†–
τ²-Bench Telecom (AA)Artificial Analysis95.6%†–
Terminal-Bench 2.1 (Vals)Vals AI70.8%–
MCP AtlasScale AI SEAL78.2%–
HiL-BenchScale AI SEAL35.3%†50.3%†
τ³-bench Bankingτ²-bench26.0%–
GDPval-AA v2.1, normalised scoreArtificial Analysis14.6%†–
GDPval-AA v2.1Artificial Analysis799†1733
τ³-Banking (AA)Artificial Analysis21.4%†–
ITBench SRE (AA)Artificial Analysis30.3%†–
Analyst Agent (AA)Artificial Analysis41.3%†–
APEX-Agents (AA)Artificial Analysis32.0%†–
Finance Agent v2Vals AI43.0%–
Finance Agent v2.1Vals AI–67.2%
Harvey's Legal Agent Benchmark v1.1Vals AI–17.5%
Harvey's Legal Agent Benchmark v1Vals AI0.0%–
Legal Research BenchVals AI20.7%55.8%
SREBenchVals AI0.0%–
Tax Agent BenchVals AI9.3%51.8%
Terminal-Bench 2.0 (Vals)Vals AI67.4%–
Terminal-Bench 4.0 (Vals)Vals AI2.5%63.1%
Terminal-Bench ScienceVals AI1.4%–
Arena SearchArena (LMArena)1209†–
Arena Agent Task CompletionArena (LMArena)-11.3†18.4
BALROGBALROG57.0%†–
DeepResearch BenchDeepResearch Bench47.8%–
PostTrainBenchEpoch AI Benchmarking Hub18.1%†–
ExploitBenchEpoch AI Benchmarking Hub26.1%†–
METR Time HorizonsMETR77.0%†–
GBAEvalEpoch AI Benchmarking Hub0.8%†–
Vending-Bench 2Andon Labs911.2†16484.2†
AutomationBenchArtificial Analysis35.4%†77.8%
GDP.pdf (AA)Artificial Analysis17.8%†28.4%
Harvey LAB-AA v1.1Harvey0.0%†–
EnterpriseOps-GymArtificial Analysis42.2%†–
AA-Briefcase v1.1Artificial Analysis457†1611
GDPxGDPx by SemiAnalysis–10.9%
Design Arena AgenticDesign Arena1088†1305†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–64.8%
MKA (AA)Artificial Analysis–54.3%
BrowseCompOpenAI31.2%†–
DeepSearchQAGoogle60.2%†–
FACTS SearchGoogle90.2%†94.4%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub59.6%†90.5%
FrontierMath Tier 4Epoch AI Benchmarking Hub26.8%†95.1%
OTIS Mock AIMEEpoch AI Benchmarking Hub95.6%100.0%
ProofBenchVals AI26.0%†–
LiveBench MathematicsLiveBench91.0%–
AIME (Vals)Vals AI98.1%–
AIME 2026MathArena98.3%–
HMMT February 2026MathArena94.7%–
USAMO 2026MathArena74.4%–
MathArena ApexMathArena60.9%–
ArXivMathMathArena–94.3%
BrokenArXivMathArena–84.4%
Arena MathsArena (LMArena)1488†–
FrontierMath ErdősEpoch AI Benchmarking Hub–2.9%
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub73.5%77.7%
LiveBench 2.0 Data AnalysisLiveBench–86.5%
LiveBench ResearchLiveBench–92.5%
LiveBench 1.0 Data AnalysisLiveBench78.5%–
AA-Omniscience v1.1Artificial Analysis–53.5
MMLU-ProVals AI91.0%–
LegalBenchVals AI87.4%–
CorpFinVals AI64.5%–
TaxEvalVals AI72.9%–
MedQAVals AI96.4%–
PRBench FinanceScale AI SEAL41.9%†–
PRBench LegalScale AI SEAL44.0%†53.4%†
MultiNRCScale AI SEAL64.7%†–
BioMysteryBenchVals AI60.0%–
CaseLaw v2Vals AI64.8%–
Excel Modeling BenchmarkVals AI52.6%–
Excel Modeling Benchmark v1.1Vals AI–76.5%
MedCodeVals AI59.1%–
MedScribeVals AI76.1%–
Public Benefits Bench v1.1Vals AI53.8%–
Financial Coaching BenchVals AI66.7%–
DrugDiscoveryBenchScale AI SEAL41.9%71.5%
EBR-benchEpoch AI Benchmarking Hub14.3%†87.6%
GDP.pdfEpoch AI Benchmarking Hub17.0%–
AA-Omniscience v1.1: accuracyArtificial Analysis–58.3%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–88.6%
Global-MMLU-Lite (AA)Artificial Analysis93.2%†–
FACTS ParametricGoogle79.4%†81.6%†
指示追従
LiveBench LanguageLiveBench85.4%–
LiveBench Instruction FollowingLiveBench79.1%–
IFBenchArtificial Analysis77.1%†–
MultiChallengeScale AI SEAL71.4%†–
TutorBenchScale AI SEAL53.0%†–
Arena Instruction FollowingArena (LMArena)1480†1525
人間の評価
Arena TextArena (LMArena)1487†1526
EQ-Bench 4EQ-Bench1132†–
EQ-Bench Creative Writing v3EQ-Bench1491†–
Arena Creative WritingArena (LMArena)1482†1516
Arena Multi-turnArena (LMArena)1495†1564
Arena Longer QueriesArena (LMArena)1499†1538
マルチモーダル
Arena VisionArena (LMArena)1296†–
LiveBench DesignLiveBench–80.2%
MMMU-ProArtificial Analysis82.4%†89.3%†
MMMU-Pro (Vals)Vals AI88.2%–
MortgageTaxVals AI69.4%–
SAGEVals AI83.2%–
Humanity's Sixth SenseScale AI SEAL–71.1%
VTBScale AI SEAL29.0%†–
GeoBenchGeoBench84.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub26.5%†58.6%†
Furniture AssemblyEpoch AI Benchmarking Hub26.7%77.5%
VIALS-AAHandshake AI–64.0%
FACTS MultimodalGoogle50.4%†60.2%†
長文コンテキスト
AA-LCR v1.1Artificial Analysis82.0%†79.3%
Arena DocumentArena (LMArena)1459†–
MLCRArtificial Analysis11.1%†19.4%
FACTS GroundingGoogle56.6%†77.2%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.2†169.8†
LiveBench 2.0LiveBench–83.5%
LiveBench 1.0LiveBench77.0%–
AA Intelligence Index v5.0.1Artificial Analysis–60.0
AA Intelligence Index v4.3.2Artificial Analysis29.7†–
AA Progress Index v1Artificial Analysis296.1†350.8
Vals IndexVals AI–70.5
Vals Finance IndexVals AI–67.0%
Vals RSI IndexVals AI–27.7%
Vals Science IndexVals AI27.4%–
Vals Multimodal IndexVals AI56.1%–
Vals Legal IndexVals AI–75.9%
安全性・誠実さ
FORTRESSScale AI SEAL29.8%†16.4%†
MASKScale AI SEAL42.4%†–
DistressBenchScale AI SEAL68.8%†–

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。

最近の変化

  • Gemini 4 Carbon (high):新しい結果8件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Gemini 4 Carbon (high):BenchLeader Index 69.9 → 68.9。
  • Gemini 4 Carbon (high):新しい結果1件(Terminal-Bench)。
  • Gemini 3.1 Pro (high):新しい結果4件(AIME 2026, HMMT February 2026, USAMO 2026…)。
  • Gemini 4 Carbon (high):新しい結果1件(DrugDiscoveryBench)、入力価格 $4.00/M → $2.00/M、出力価格 $20.00/M → $10.00/M、価格 $7.76/M → $5.48/M。
  • Gemini 4 Carbon (high):BenchLeader Index 68.5 → 69.9。
  • Gemini 4 Carbon (high):新しい結果13件(GPQA Diamond, FrontierMath Tiers 1–3, FrontierMath Tier 4…)。
  • Gemini 4 Carbon (high):新しい結果2件(FrontierSWE, Vals RSI Index)。
  • Gemini 4 Carbon (high):BenchLeader Index 69.3 → 68.5。
  • Gemini 4 Carbon (high):BenchLeader Index 68.8 → 69.3。

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

Gemini 3.1 Pro vs Gemini 4 Carbon:よくある質問

Gemini 4 CarbonはGemini 3.1 Proより優れていますか?
品質ではGemini 4 Carbon (high)がリードしています:68.9 対 60.4。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Gemini 4 Carbon (high)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。
Gemini 3.1 ProとGemini 4 Carbon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 4 Carbonの方が安く、100万トークンあたり$4.00 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Gemini 3.1 ProとGemini 4 Carbonのどちらが向いていますか?
コーディングではGemini 4 Carbonの方がスコアが高くなっています(カテゴリ指標で74 対 59。50が平均)。
Gemini 3.1 ProとGemini 4 Carbonはどちらが速いですか?
Gemini 3.1 Proの方が出力が約1.5倍速くなっています(出力111 対 64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Gemini 3.1 ProとGemini 4 Carbon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 4 Carbonの方がスコアが高くなっています(カテゴリ指標で70 対 57。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?
どちらも1,048,576トークンのコンテキストに対応しています。
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 3.1 Proです。Artificial Analysisの測定では、最初の回答トークンまで15.2秒 対 73.5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。
Gemini 3.1 ProとGemini 4 Carbon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11件のベンチマークのうち、Gemini 3.1 Proのリードが0件、Gemini 4 Carbonのリードが11件です。両方を評価しているすべての総合指標で、Gemini 4 Carbonが上回っています。
Gemini 4 Carbonはいつリリースされましたか?
Gemini 4 Carbonは2026年10月28日にリリースされました。