BenchLeader

Gemini 3.5 Flash vs GPT-5.4

詳しいプロフィール:Gemini 3.5 Flash(Google)とGPT-5.4(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、Gemini 3.5 FlashとGPT-5.4の品質は互角です(BenchLeader Indexで62.5 対 63.1、±3.8の誤差範囲内)。価格はGemini 3.5 Flashの方が1.7倍安く、100万トークンあたりのブレンド価格で$3.38 対 $5.63です。マルチモーダル(66 対 61)、知識(63 対 59)、指示追従(74 対 72)を重視するならGemini 3.5 Flash、数学(65 対 58)、コーディング(65 対 60)、推論(66 対 61)を重視するならGPT-5.4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 144.9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-5.4が63.1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-5.4の100万トークンあたりのブレンド価格は$5.63です(定価、2026年11月16日)。
  • Gemini 3.5 FlashはGPT-5.4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58件のベンチマークのうち、GPT-5.4が34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-5.4カテゴリスコア65 対 60;SciCode 56.6% 対 53.9%中
エージェント・ツール利用どちらでもカテゴリスコア63 対 63;MCP Atlas 83.6% 対 70.6%どちらでも
数学GPT-5.4カテゴリスコア65 対 58;FrontierMath Tiers 1–3 78.6% 対 62.8%中
推論GPT-5.4カテゴリスコア66 対 61;GPQA Diamond 93.3% 対 92.8%中
知識Gemini 3.5 Flashカテゴリスコア63 対 59;SimpleQA Verified 66.2% 対 45.1%中
長い文書GPT-5.4カテゴリスコア66 対 61;AA-LCR v1.1 82.0% 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 78.4%中
指示への追従Gemini 3.5 Flashカテゴリスコア74 対 72;IFBench 76.3% 対 74.0%中
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 $5.63;エージェント型コーディングセッション$0.126 対 $0.210–
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 144.9秒(GPT-5.4 (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-5.4 (xhigh)の品質は互角です(62.5 対 63.1、±3.8の誤差範囲内)。
  • Gemini 3.5 Flash (high)は指示追従、知識、マルチモーダルで優れています。
  • GPT-5.4 (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、数学、推論で優れています。
  • Gemini 3.5 Flash (high)の方が1.7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 $5.63)。
  • Gemini 3.5 Flash (high)の方が出力が2.4倍速くなっています(176 対 73トークン/秒)。

概要

仕様Gemini 3.5 FlashGPT-5.4
プロバイダーGoogleOpenAI
リリース日2026年5月19日2026年3月5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Gemini 3.5 Flash (high)GPT-5.4 (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$2.50 / $15.00 / $0.250

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-5.4 (xhigh)トップ
推論60.665.7GPT-5.4
コーディング59.564.7GPT-5.4
エージェント・ツール62.863.0互角
数学57.764.8GPT-5.4
知識63.358.6Gemini 3.5 Flash
指示追従74.472.4Gemini 3.5 Flash
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61.265.7GPT-5.4

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・ツール数学知識指示追従長文コンテキストマルチモーダルGemini 3.5 Flash, 推論: 60.6Gemini 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, 数学: 57.7Gemini 3.5 Flash, 知識: 63.3Gemini 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-5.4, 推論: 65.7GPT-5.4, コーディング: 64.7GPT-5.4, エージェント・ツール: 63.0GPT-5.4, 数学: 64.8GPT-5.4, 知識: 58.6GPT-5.4, 指示追従: 72.4GPT-5.4, 長文コンテキスト: 65.7GPT-5.4, 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):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58件のベンチマークのうち、Gemini 3.5 Flashのリードが23件、GPT-5.4のリードが34件、同点が1件です。両方を評価しているすべての総合指標で、Gemini 3.5 Flashが上回っています。

総合IndexGemini 3.5 Flash (high)GPT-5.4 (xhigh)トップ
BenchLeader Index62.563.1互角
Arena Text14781475†Gemini 3.5 Flash

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-5.4 (xhigh)
100万トークンあたりのブレンド価格$3.38$5.63
100万トークンあたりの入力/出力$1.50 / $9.00$2.50 / $15.00
100万トークンあたりのキャッシュ入力$0.150$0.250
タスクあたりの価格:チャットの返答$0.0033$0.0055
タスクあたりの価格:30ページのレポートを要約$0.023$0.039
タスクあたりの価格:コード編集$0.022$0.037
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$0.210
タスクあたりの価格:構造化データの抽出$0.0048$0.0080
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$0.109
出力速度176 tok/s73 tok/s
回答開始までの時間9.9秒144.9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193.1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-5.4 (xhigh)のスコアは63.1、最初の回答トークンまで145秒。GPT-5.4 (low)は58.8(3秒)、GPT-5.4 (high)は58.6(2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

146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-5.4 (xhigh)
BenchLeader IndexBenchLeader62.563.1
エージェント・ツールスコアBenchLeader62.863.0
コーディングスコアBenchLeader59.564.7
人間の評価スコアBenchLeader66.8–
指示追従スコアBenchLeader74.472.4
知識スコアBenchLeader63.358.6
長文コンテキストスコアBenchLeader61.265.7
数学スコアBenchLeader57.764.8
マルチモーダルスコアBenchLeader66.260.8
推論スコアBenchLeader60.665.7
ブレンド価格($/100万トークン)BenchLeader$3.38$5.63
出力速度BenchLeader176 tok/s73 tok/s
回答開始までの時間BenchLeader9.9秒144.9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 Hub92.8%93.3%
Humanity's Last ExamScale AI / CAIS–36.2%
SimpleBenchSimpleBench76.7%†–
Arena Hard PromptsArena (LMArena)14961487†
LiveBench 1.0 ReasoningLiveBench82.0%88.1%
GPQA Diamond (AA)Artificial Analysis92.2%92.0%
Humanity's Last Exam (AA)Artificial Analysis42.7%43.7%
GPQA Diamond (Vals)Vals AI92.7%91.7%
EnigmaEvalScale AI SEAL25.4%–
Kagi LLM BenchmarkKagi LLM Benchmark–63.8%†
ARC-AGI-1ARC Prize92.5%93.7%
ARC-AGI-2ARC Prize72.1%74.0%
ARC-AGI-3ARC Prize–0.2%†
CritPtArtificial Analysis13.1%23.4%
Arena ExpertArena (LMArena)14911491†
Chess PuzzlesEpoch AI Benchmarking Hub45.0%48.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub32.0%37.0%
CL-benchEpoch AI Benchmarking Hub–27.9%
CL-bench LifeEpoch AI Benchmarking Hub–21.7%
LMCAEpoch AI Benchmarking Hub47.1%52.0%
DTBenchEpoch AI Benchmarking Hub94.7%94.4%
ForecastBenchForecastBench64.0%†63.0%†
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub79.3%76.9%†
SciCodeSciCode53.9%56.6%
WeirdMLWeirdML62.6%77.7%
146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-5.4 (xhigh)
コーディング
GSO-BenchGSO-Bench–31.4%
Arena CodingArena (LMArena)15081511†
Arena WebDevArena (LMArena)15001400†
LiveBench 1.0 CodingLiveBench78.2%77.5%
SciCode (AA)Artificial Analysis53.9%–
LiveCodeBenchVals AI87.6%84.1%
SWE-bench (Vals)Vals AI78.8%78.2%
SWE-Bench ProScale AI SEAL–59.1%
Code MigrationVals AI26.8%35.0%
ProgramBenchVals AI0.0%0.0%
Vibe Code Bench v1.1Vals AI48.7%67.4%
SWE-Bench Pro (private)Scale AI SEAL–43.4%
SWE Atlas v1.0: Codebase QnAScale AI SEAL–40.8%
SWE Atlas v1.0: RefactoringScale AI SEAL–44.3%
SWE Atlas v1.0: Test WritingScale AI SEAL–44.4%
MirrorCodeEpoch AI Benchmarking Hub–23.3%
Surface Evolver BenchEpoch AI Benchmarking Hub58.1%†–
DeepSWE v1.1Epoch AI Benchmarking Hub36.1%51.8%
ALE-BenchEpoch AI Benchmarking Hub911.01607†
AlgoTuneAlgoTune–1.9†
Terminal-Bench 4.0 (AA)Artificial Analysis6.6%–
Terminal-Bench 2.1 (AA)Artificial Analysis78.7%78.3%
GameBench 2 OverallDuelLab GameBench 249.4†53.4†
GameBench 2 by reasoning settingDuelLab GameBench 263.262.1
Design Arena WebsiteDesign Arena1260†1190†
エージェント・ツール
Terminal-BenchTerminal-Bench–81.8%†
APEX-AgentsMercor27.5%†52.4%†
LiveBench Agentic CodingLiveBench49.0%53.8%
Terminal-Bench HardArtificial Analysis40.9%57.6%
τ²-Bench Telecom (AA)Artificial Analysis95.3%87.1%
Terminal-Bench 2.1 (Vals)Vals AI74.2%–
MCP AtlasScale AI SEAL83.6%70.6%
HiL-BenchScale AI SEAL27.7%†9.7%†
τ³-bench Bankingτ²-bench–39.4%
GDPval-AA v2.1Artificial Analysis12111256
τ³-Banking (AA)Artificial Analysis32.2%39.6%
ITBench SRE (AA)Artificial Analysis40.4%–
Analyst Agent (AA)Artificial Analysis45.0%–
APEX-Agents (AA)Artificial Analysis47.0%33.3%
Finance Agent v2Vals AI57.9%–
Harvey's Legal Agent Benchmark v1Vals AI2.5%0.0%
Legal Research BenchVals AI30.8%–
SkillsBenchVals AI52.7%51.7%
Tax Agent BenchVals AI21.6%–
Terminal-Bench 2.0 (Vals)Vals AI67.4%58.4%†
Terminal-Bench 4.0 (Vals)Vals AI6.1%–
Terminal-Bench ScienceVals AI5.7%–
Web Search IndexVals AI37.0%–
Arena SearchArena (LMArena)–1196†
DeepResearch BenchDeepResearch Bench–35.1%†
PostTrainBenchEpoch AI Benchmarking Hub–17.8%†
METR Time HorizonsMETR–74.3%
GBAEvalEpoch AI Benchmarking Hub6.7%†45.1%†
Vending-Bench 2Andon Labs5396.4†6144.2†
AutomationBenchArtificial Analysis42.1%–
GDP.pdf (AA)Artificial Analysis19.8%–
EnterpriseOps-GymArtificial Analysis50.1%–
AA-Briefcase v1.1Artificial Analysis876–
Design Arena AgenticDesign Arena1174†1042†
DeepSearchQAGoogle–63.7%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub62.8%78.6%
FrontierMath Tier 4Epoch AI Benchmarking Hub26.8%49.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub95.6%95.3%
ProofBenchVals AI31.0%56.0%
LiveBench MathematicsLiveBench88.2%94.2%
AIME (Vals)Vals AI–96.7%
AIME 2026MathArena95.0%99.2%
HMMT February 2026MathArena95.5%97.7%
USAMO 2026MathArena–95.2%
MathArena ApexMathArena32.3%54.2%
Arena MathsArena (LMArena)14971459†
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub66.2%45.1%
LiveBench 1.0 Data AnalysisLiveBench64.9%79.3%
MMLU-ProVals AI89.5%87.5%
LegalBenchVals AI83.6%86.0%
CorpFinVals AI64.7%65.3%
TaxEvalVals AI74.4%74.0%
MedQAVals AI–96.1%
PRBench FinanceScale AI SEAL–45.6%†
PRBench LegalScale AI SEAL–44.4%†
MultiNRCScale AI SEAL–58.3%†
CaseLaw v2Vals AI–63.8%
Excel Modeling BenchmarkVals AI63.5%–
MedCodeVals AI55.8%41.3%
MedScribeVals AI76.6%77.5%
Public Benefits Bench v1.1Vals AI59.5%–
Financial Coaching BenchVals AI63.0%–
DrugDiscoveryBenchScale AI SEAL50.0%–
EBR-benchEpoch AI Benchmarking Hub4.8%25.4%
GDP.pdfEpoch AI Benchmarking Hub14.0%†–
指示追従
LiveBench LanguageLiveBench84.6%82.6%
LiveBench Instruction FollowingLiveBench75.6%70.2%
IFBenchArtificial Analysis76.3%74.0%
Arena Instruction FollowingArena (LMArena)14651460†
人間の評価
Arena TextArena (LMArena)14781465†
EQ-Bench 4EQ-Bench1077†1258†
EQ-Bench Creative Writing v3EQ-Bench–1841†
Arena Creative WritingArena (LMArena)14651433†
Arena Multi-turnArena (LMArena)14801480†
Arena Longer QueriesArena (LMArena)14831477†
マルチモーダル
Arena VisionArena (LMArena)13081292†
MMMU-ProArtificial Analysis84.3%78.4%
VISTAScale AI SEAL–50.9%†
MMMU-Pro (Vals)Vals AI88.3%87.5%
MortgageTaxVals AI68.1%68.3%
Humanity's Sixth SenseScale AI SEAL32.6%–
VTBScale AI SEAL–29.2%†
GeoBenchGeoBench85.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub33.6%†27.1%†
Furniture AssemblyEpoch AI Benchmarking Hub–37.5%
長文コンテキスト
AA-LCR v1.1Artificial Analysis73.3%82.0%
Arena DocumentArena (LMArena)14551471†
MLCRArtificial Analysis10.0%–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub155.3†157.8†
LiveBench 1.0LiveBench74.6%78.0%
AA Intelligence Index v4.3.2Artificial Analysis32.639.0
AA Progress Index v1Artificial Analysis305.1311.6
Vals RSI IndexVals AI–15.5%
Vals Multimodal IndexVals AI62.9%–
安全性・誠実さ
MASKScale AI SEAL–89.7%†
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。
  • GPT-5.4 (xhigh):新しい結果1件(GDPval-AA v2.1)。
  • Gemini 3.5 Flash (high):新しい結果3件(AIME 2026, HMMT February 2026, MathArena Apex)。
  • GPT-5.4 (xhigh):新しい結果1件(MirrorCode)。
  • GPT-5.4 (xhigh):BenchLeader Index 63.7 → 63.2。
  • Gemini 3.5 Flash (high):スコアの改訂1件。
  • GPT-5.4 (xhigh):スコアの改訂1件。
  • 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-5.4 (xhigh):新しい結果1件(AA Progress Index v1)。

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-5.4:よくある質問

Gemini 3.5 FlashはGPT-5.4より優れていますか?
Gemini 3.5 Flash (high)とGPT-5.4 (xhigh)の品質は互角です(62.5 対 63.1、±3.8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。
Gemini 3.5 FlashとGPT-5.4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 $5.63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-5.4のどちらが向いていますか?
コーディングではGPT-5.4の方がスコアが高くなっています(カテゴリ指標で65 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-5.4が84.1%です。
Gemini 3.5 FlashとGPT-5.4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 73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-5.4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互角です(カテゴリ指標で63 対 63)。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MCP Atlasでは、Gemini 3.5 Flashが83.6%、GPT-5.4が70.6%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-5.4の方がスコアが高くなっています(66 対 61)。どちらも約1.1Mトークンです(Gemini 3.5 Flashは1,048,576、GPT-5.4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 144.9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-5.4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58件のベンチマークのうち、Gemini 3.5 Flashのリードが23件、GPT-5.4のリードが34件、同点が1件です。両方を評価しているすべての総合指標で、Gemini 3.5 Flashが上回っています。
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。