BenchLeader

Gemini 3.5 Flash vs GPT-5.3-Codex

詳しいプロフィール:Gemini 3.5 Flash(Google)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 · 11件の情報源のデータ

2026年11月16日時点で、Gemini 3.5 FlashとGPT-5.3-Codexの品質は互角です(BenchLeader Indexで62.5 対 62.9、±7.5の誤差範囲内)。価格はGemini 3.5 Flashの方が1.4倍安く、100万トークンあたりのブレンド価格で$3.38 対 $4.81です。マルチモーダル(66 対 61)を重視するならGemini 3.5 Flash、エージェント・ツール(80 対 63)、長文コンテキスト(66 対 61)、コーディング(61 対 60)を重視するならGPT-5.3-Codexが向いています。回答開始までの時間はGemini 3.5 Flashの方が短く、9.9秒 対 38.2秒です。Gemini 3.5 Flash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)

  • BenchLeader IndexはGemini 3.5 Flashが62.5、GPT-5.3-Codexが62.9です(BenchLeader、2026年11月16日)。
  • Gemini 3.5 Flashの100万トークンあたりのブレンド価格は$3.38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)。
  • Gemini 3.5 FlashはGPT-5.3-Codex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、Gemini 3.5 Flashが9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GPT-5.3-Codexカテゴリスコア61 対 60;WeirdML 77.9% 対 62.6%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 63;Terminal-Bench Hard 53.0% 対 40.9%高
長い文書GPT-5.3-Codexカテゴリスコア66 対 61;AA-LCR v1.1 83.3% 対 73.3%中
画像などのメディアGemini 3.5 Flashカテゴリスコア66 対 61;MMMU-Pro 84.3% 対 78.5%中
指示への追従どちらでもカテゴリスコア74 対 74;IFBench 76.3% 対 75.4%どちらでも
チャットの質(人間の評価)–Arenaの評価があるのはGemini 3.5 Flashのみです(カテゴリスコア67)比較不可
最低コストGemini 3.5 Flash100万トークンあたりブレンド価格$3.38 対 $4.81;エージェント型コーディングセッション$0.126 対 $0.161–
回答開始の速さGemini 3.5 Flash最初の回答トークンまで9.9秒(Gemini 3.5 Flash (high))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

  • Gemini 3.5 Flash (high)とGPT-5.3-Codex (xhigh)の品質は互角です(62.5 対 62.9、±7.5の誤差範囲内)。
  • Gemini 3.5 Flash (high)は指示追従、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、コーディング、長文コンテキストで優れています。
  • Gemini 3.5 Flash (high)の方が1.4倍安くなっています(100万トークンあたりブレンド価格$3.38 対 $4.81)。
  • Gemini 3.5 Flash (high)の方が出力が1.9倍速くなっています(176 対 94トークン/秒)。

概要

仕様Gemini 3.5 FlashGPT-5.3-Codex
プロバイダーGoogleOpenAI
リリース日2026年5月19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Gemini 3.5 Flash (high)GPT-5.3-Codex (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)$1.50 / $9.00 / $0.150$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Gemini 3.5 Flash (high)GPT-5.3-Codex (xhigh)トップ
推論60.6–比較不可
コーディング59.561.0GPT-5.3-Codex
エージェント・ツール62.880.1GPT-5.3-Codex
数学57.7–比較不可
知識63.3–比較不可
指示追従74.473.6互角
人間の評価66.8–比較不可
マルチモーダル66.260.8Gemini 3.5 Flash
長文コンテキスト61.266.4GPT-5.3-Codex

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・ツール指示追従長文コンテキストマルチモーダルGemini 3.5 Flash, コーディング: 59.5Gemini 3.5 Flash, エージェント・ツール: 62.8Gemini 3.5 Flash, 指示追従: 74.4Gemini 3.5 Flash, 長文コンテキスト: 61.2Gemini 3.5 Flash, マルチモーダル: 66.2GPT-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, 指示追従: 73.6GPT-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, 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、Gemini 3.5 Flashのリードが9件、GPT-5.3-Codexのリードが6件です。

総合IndexGemini 3.5 Flash (high)GPT-5.3-Codex (xhigh)トップ
BenchLeader Index62.562.9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Gemini 3.5 Flash (high)GPT-5.3-Codex (xhigh)
100万トークンあたりのブレンド価格$3.38$4.81
100万トークンあたりの入力/出力$1.50 / $9.00$1.75 / $14.00
100万トークンあたりのキャッシュ入力$0.150$0.175
タスクあたりの価格:チャットの返答$0.0033$0.0049
タスクあたりの価格:30ページのレポートを要約$0.023$0.029
タスクあたりの価格:コード編集$0.022$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$0.126$0.161
タスクあたりの価格:構造化データの抽出$0.0048$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)$0.065$0.090
出力速度176 tok/s94 tok/s
回答開始までの時間9.9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)27.6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。Gemini 3.5 Flash (high)のスコアは62.5、最初の回答トークンまで10秒。Gemini 3.5 Flash (medium)は61.8(9秒)、Gemini 3.5 Flash (minimal)は55.6(3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

115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 3.5 Flash (high)GPT-5.3-Codex (xhigh)
BenchLeader IndexBenchLeader62.562.9
エージェント・ツールスコアBenchLeader62.880.1
コーディングスコアBenchLeader59.561.0
人間の評価スコアBenchLeader66.8–
指示追従スコアBenchLeader74.473.6
知識スコアBenchLeader63.3–
長文コンテキストスコアBenchLeader61.266.4
数学スコアBenchLeader57.7–
マルチモーダルスコアBenchLeader66.260.8
推論スコアBenchLeader60.6–
ブレンド価格($/100万トークン)BenchLeader$3.38$4.81
出力速度BenchLeader176 tok/s94 tok/s
回答開始までの時間BenchLeader9.9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 Hub92.8%–
SimpleBenchSimpleBench76.7%†–
Arena Hard PromptsArena (LMArena)1496–
LiveBench 1.0 ReasoningLiveBench82.0%–
GPQA Diamond (AA)Artificial Analysis92.2%91.5%
Humanity's Last Exam (AA)Artificial Analysis42.7%42.5%
GPQA Diamond (Vals)Vals AI92.7%–
EnigmaEvalScale AI SEAL25.4%–
ARC-AGI-1ARC Prize92.5%–
ARC-AGI-2ARC Prize72.1%–
CritPtArtificial Analysis13.1%16.9%
Arena ExpertArena (LMArena)1491–
Chess PuzzlesEpoch AI Benchmarking Hub45.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub32.0%–
LMCAEpoch AI Benchmarking Hub47.1%–
DTBenchEpoch AI Benchmarking Hub94.7%–
ForecastBenchForecastBench64.0%†–
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub79.3%74.8%†
SciCodeSciCode53.9%–
WeirdMLWeirdML62.6%77.9%
Arena CodingArena (LMArena)1508–
Arena WebDevArena (LMArena)15001406†
LiveBench 1.0 CodingLiveBench78.2%–
LiveCodeBenchVals AI87.6%87.3%
IOIVals AI–53.8%
115件のベンチマークをすべて表示
指標公開元Gemini 3.5 Flash (high)GPT-5.3-Codex (xhigh)
コーディング
SWE-bench (Vals)Vals AI78.8%78.0%
Code MigrationVals AI26.8%–
ProgramBenchVals AI0.0%–
Vibe Code Bench v1.1Vals AI48.7%61.8%
Surface Evolver BenchEpoch AI Benchmarking Hub58.1%†–
DeepSWE v1.1Epoch AI Benchmarking Hub36.1%–
ALE-BenchEpoch AI Benchmarking Hub911.01655.2
Terminal-Bench 4.0 (AA)Artificial Analysis6.6%–
Terminal-Bench 2.1 (AA)Artificial Analysis78.7%–
GameBench 2 OverallDuelLab GameBench 249.4†–
GameBench 2 by reasoning settingDuelLab GameBench 263.2–
Design Arena WebsiteDesign Arena1260†1155†
エージェント・ツール
Terminal-BenchTerminal-Bench–78.4%†
APEX-AgentsMercor27.5%†–
LiveBench Agentic CodingLiveBench49.0%–
Terminal-Bench HardArtificial Analysis40.9%53.0%
τ²-Bench Telecom (AA)Artificial Analysis95.3%86.0%
Terminal-Bench 2.1 (Vals)Vals AI74.2%–
MCP AtlasScale AI SEAL83.6%–
HiL-BenchScale AI SEAL27.7%†4.3%†
GDPval-AA v2.1Artificial Analysis1211–
τ³-Banking (AA)Artificial Analysis32.2%–
ITBench SRE (AA)Artificial Analysis40.4%–
Analyst Agent (AA)Artificial Analysis45.0%–
APEX-Agents (AA)Artificial Analysis47.0%–
Finance Agent v2Vals AI57.9%–
Harvey's Legal Agent Benchmark v1Vals AI2.5%–
Legal Research BenchVals AI30.8%–
SkillsBenchVals AI52.7%–
Tax Agent BenchVals AI21.6%–
Terminal-Bench 2.0 (Vals)Vals AI67.4%64.0%†
Terminal-Bench 4.0 (Vals)Vals AI6.1%–
Terminal-Bench ScienceVals AI5.7%–
Web Search IndexVals AI37.0%–
METR Time HorizonsMETR–74.5%†
GBAEvalEpoch AI Benchmarking Hub6.7%†–
Vending-Bench 2Andon Labs5396.4†5940.1†
AutomationBenchArtificial Analysis42.1%–
GDP.pdf (AA)Artificial Analysis19.8%–
EnterpriseOps-GymArtificial Analysis50.1%–
AA-Briefcase v1.1Artificial Analysis876868
Design Arena AgenticDesign Arena1174†1018†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub62.8%–
FrontierMath Tier 4Epoch AI Benchmarking Hub26.8%–
OTIS Mock AIMEEpoch AI Benchmarking Hub95.6%–
ProofBenchVals AI31.0%–
LiveBench MathematicsLiveBench88.2%–
AIME 2026MathArena95.0%–
HMMT February 2026MathArena95.5%–
MathArena ApexMathArena32.3%–
Arena MathsArena (LMArena)1497–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub66.2%–
LiveBench 1.0 Data AnalysisLiveBench64.9%–
MMLU-ProVals AI89.5%–
LegalBenchVals AI83.6%–
CorpFinVals AI64.7%–
TaxEvalVals AI74.4%–
Excel Modeling BenchmarkVals AI63.5%–
MedCodeVals AI55.8%–
MedScribeVals AI76.6%–
Public Benefits Bench v1.1Vals AI59.5%–
Financial Coaching BenchVals AI63.0%–
DrugDiscoveryBenchScale AI SEAL50.0%–
EBR-benchEpoch AI Benchmarking Hub4.8%–
GDP.pdfEpoch AI Benchmarking Hub14.0%†–
指示追従
LiveBench LanguageLiveBench84.6%–
LiveBench Instruction FollowingLiveBench75.6%–
IFBenchArtificial Analysis76.3%75.4%
Arena Instruction FollowingArena (LMArena)1465–
人間の評価
Arena TextArena (LMArena)1478–
EQ-Bench 4EQ-Bench1077†–
Arena Creative WritingArena (LMArena)1465–
Arena Multi-turnArena (LMArena)1480–
Arena Longer QueriesArena (LMArena)1483–
マルチモーダル
Arena VisionArena (LMArena)1308–
MMMU-ProArtificial Analysis84.3%78.5%
MMMU-Pro (Vals)Vals AI88.3%–
MortgageTaxVals AI68.1%–
Humanity's Sixth SenseScale AI SEAL32.6%–
GeoBenchGeoBench85.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub33.6%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis73.3%83.3%
Arena DocumentArena (LMArena)1455–
MLCRArtificial Analysis10.0%–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub155.3†–
LiveBench 1.0LiveBench74.6%–
AA Intelligence Index v4.3.2Artificial Analysis32.632.5
AA Progress Index v1Artificial Analysis305.1301.3
Vals Multimodal IndexVals AI62.9%–
安全性・誠実さ
DistressBenchScale AI SEAL66.9%†–

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 3.5 Flash (high):新しい結果1件(GDPval-AA v2.1)、スコアの改訂1件。
  • Gemini 3.5 Flash (high):新しい結果3件(AIME 2026, HMMT February 2026, MathArena Apex)。
  • Gemini 3.5 Flash (high):スコアの改訂1件。
  • GPT-5.3-Codex (xhigh):新しい結果1件(AA-Briefcase v1.1)。
  • Gemini 3.5 Flash (high):BenchLeader Index 63.2 → 62.6。
  • Gemini 3.5 Flash (high):新しい結果1件(AA Progress Index v1)。
  • GPT-5.3-Codex (xhigh):新しい結果1件(AA Progress Index v1)。
  • Gemini 3.5 Flash (high):価格 $3.69/M → $2.98/M。
  • Gemini 3.5 Flash (high):新しい結果1件(Harvey's Legal Agent Benchmark v1)。
  • Gemini 3.5 Flash (high):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

Gemini 3.5 Flash vs GPT-5.3-Codex:よくある質問

Gemini 3.5 FlashはGPT-5.3-Codexより優れていますか?
Gemini 3.5 Flash (high)とGPT-5.3-Codex (xhigh)の品質は互角です(62.5 対 62.9、±7.5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。
Gemini 3.5 Flash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Gemini 3.5 Flashの方が安く、100万トークンあたり$3.38 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Gemini 3.5 Flash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61 対 60。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LiveCodeBenchでは、Gemini 3.5 Flashが87.6%、GPT-5.3-Codexが87.3%です。
Gemini 3.5 FlashとGPT-5.3-Codexはどちらが速いですか?
Gemini 3.5 Flashの方が出力が約2倍速くなっています(出力176 対 94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 3.5 Flash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 63。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 Hardでは、Gemini 3.5 Flashが40.9%、GPT-5.3-Codexが53.0%です。
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GPT-5.3-Codexの方がスコアが高くなっています(66 対 61)。コンテキストはGemini 3.5 Flash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Gemini 3.5 Flashです。Artificial Analysisの測定では、最初の回答トークンまで9.9秒 対 38.2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 3.5 Flash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15件のベンチマークのうち、Gemini 3.5 Flashのリードが9件、GPT-5.3-Codexのリードが6件です。
Gemini 3.5 Flashはいつリリースされましたか?
Gemini 3.5 Flashは2026年5月19日にリリースされました。