BenchLeader

Gemini 3.5 Flash vs GPT-6.1 Terra

詳しいプロフィール:Gemini 3.5 Flash(Google)とGPT-6.1 Terra(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 · 14件の情報源のデータ

2026年11月16日時点で、Gemini 3.5 FlashとGPT-6.1 Terraの品質は互角です(BenchLeader Indexで62.5 対 64.1、±3.4の誤差範囲内)。価格はGPT-6.1 Terra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$2.00 対 $3.38です。知識(63 対 61)を重視するならGemini 3.5 Flash、数学(72 対 58)、コーディング(69 対 60)、推論(68 対 61)を重視するならGPT-6.1 Terra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 150.9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-6.1 Terraが64.1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-6.1 Terraの100万トークンあたりのブレンド価格は$2.00です(定価、2026年11月16日)。
  • Gemini 3.5 FlashはGPT-6.1 Terra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25件のベンチマークのうち、GPT-6.1 Terraが22件でリードしています(BenchLeader、2026年11月16日)。
  • Arena WebDevでの評価はGemini 3.5 Flashが1500、GPT-6.1 Terraが1678です(LMArena、2026年11月16日までの公開値)。

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-6.1 Terraカテゴリスコア69 対 60;Arena WebDev 1678 対 1500高
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;GDPval-AA v2.1 1211 対 1476どちらでも
数学GPT-6.1 Terraカテゴリスコア72 対 58;FrontierMath Tiers 1–3 90.9% 対 62.8%高
推論GPT-6.1 Terraカテゴリスコア68 対 61;GPQA Diamond 94.3% 対 92.8%高
知識Gemini 3.5 Flashカテゴリスコア63 対 61;SimpleQA Verified 66.2% 対 57.3%中
長い文書GPT-6.1 Terraカテゴリスコア66 対 61;AA-LCR v1.1 82.7% 対 73.3%中
画像などのメディアGPT-6.1 Terraカテゴリスコア67 対 66;MMMU-Pro 84.7% 対 84.3%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GPT-6.1 Terra100万トークンあたりブレンド価格$2.00 対 $3.38;エージェント型コーディングセッション$0.080 対 $0.126–
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 150.9秒(GPT-6.1 Terra (max))–
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-6.1 Terra (max)の品質は互角です(62.5 対 64.1、±3.4の誤差範囲内)。
  • Gemini 3.5 Flash (high)は知識で優れています。
  • GPT-6.1 Terra (max)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、マルチモーダル、推論で優れています。
  • GPT-6.1 Terra (max)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$2.00 対 $3.38)。
  • Gemini 3.5 Flash (high)の方が出力が2.4倍速くなっています(176 対 72トークン/秒)。

概要

仕様Gemini 3.5 FlashGPT-6.1 Terra
プロバイダーGoogleOpenAI
リリース日2026年5月19日2026年10月26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-6.1 Terra (max)
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$1.00 / $5.00 / $0.050

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-6.1 Terra (max)トップ
推論60.668.4GPT-6.1 Terra
コーディング59.569.3GPT-6.1 Terra
エージェント・ツール62.863.4互角
数学57.771.7GPT-6.1 Terra
知識63.361.4Gemini 3.5 Flash
指示追従74.4–比較不可
人間の評価66.8–比較不可
マルチモーダル66.267.2GPT-6.1 Terra
長文コンテキスト61.266.0GPT-6.1 Terra
総合–65.0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, 長文コンテキスト: 61.2Gemini 3.5 Flash, マルチモーダル: 66.2GPT-6.1 Terra, 推論: 68.4GPT-6.1 Terra, コーディング: 69.3GPT-6.1 Terra, エージェント・ツール: 63.4GPT-6.1 Terra, 数学: 71.7GPT-6.1 Terra, 知識: 61.4GPT-6.1 Terra, 長文コンテキスト: 66.0GPT-6.1 Terra, マルチモーダル: 67.2

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, 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25件のベンチマークのうち、Gemini 3.5 Flashのリードが3件、GPT-6.1 Terraのリードが22件です。

総合IndexGemini 3.5 Flash (high)GPT-6.1 Terra (max)トップ
BenchLeader Index62.564.1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-6.1 Terra (max)
100万トークンあたりのブレンド価格$3.38$2.00
100万トークンあたりの入力/出力$1.50 / $9.00$1.00 / $5.00
100万トークンあたりのキャッシュ入力$0.150$0.050
タスクあたりの価格:チャットの返答$0.0033$0.0019
タスクあたりの価格:30ページのレポートを要約$0.023$0.015
タスクあたりの価格:コード編集$0.022$0.013
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$0.080
タスクあたりの価格:構造化データの抽出$0.0048$0.0030
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$0.037
ベンチマークのタスクあたりのコスト(AA Index)–$0.961
タスクあたりの出力トークン(AA Index)–60k
うち推論–39k
タスクあたりの時間(AA Index)–14 min
出力速度176 tok/s72 tok/s
回答開始までの時間9.9秒150.9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375.7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-6.1 Terra (max)のスコアは64.1、最初の回答トークンまで151秒。GPT-6.1 Terra (xhigh)は60.0(30秒)、GPT-6.1 Terra (high)は59.6(10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

156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-6.1 Terra (max)
BenchLeader IndexBenchLeader62.564.1
エージェント・ツールスコアBenchLeader62.863.4
コーディングスコアBenchLeader59.569.3
人間の評価スコアBenchLeader66.8–
指示追従スコアBenchLeader74.4–
知識スコアBenchLeader63.361.4
長文コンテキストスコアBenchLeader61.266.0
数学スコアBenchLeader57.771.7
マルチモーダルスコアBenchLeader66.267.2
推論スコアBenchLeader60.668.4
総合スコアBenchLeader–65.0
ブレンド価格($/100万トークン)BenchLeader$3.38$2.00
出力速度BenchLeader176 tok/s72 tok/s
回答開始までの時間BenchLeader9.9秒150.9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%94.3%
SimpleBenchSimpleBench76.7%†72.2%†
Arena Hard PromptsArena (LMArena)1496–
LiveBench 2.0 ReasoningLiveBench–88.7%
LiveBench 1.0 ReasoningLiveBench82.0%–
GPQA Diamond (AA)Artificial Analysis92.2%–
Humanity's Last Exam (AA)Artificial Analysis42.7%46.3%
HLE-Diamond (AA)Artificial Analysis–47.3%
GPQA Diamond (Vals)Vals AI92.7%–
EnigmaEvalScale AI SEAL25.4%–
ARC-AGI-1ARC Prize92.5%–
ARC-AGI-2ARC Prize72.1%–
CritPtArtificial Analysis13.1%28.0%
CritPt v2 hard subset (AA)Artificial Analysis–68.0%
HLE-Diamond (Scale)Scale AI SEAL–35.7%†
Arena ExpertArena (LMArena)1491–
Chess PuzzlesEpoch AI Benchmarking Hub45.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub32.0%74.0%
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%–
SciCodeSciCode53.9%55.1%
WeirdMLWeirdML62.6%–
Arena CodingArena (LMArena)1508–
156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-6.1 Terra (max)
コーディング
Arena WebDevArena (LMArena)15001678
LiveBench 2.0 CodingLiveBench–89.2%
LiveBench 1.0 CodingLiveBench78.2%–
LiveCodeBenchVals AI87.6%–
SWE-bench (Vals)Vals AI78.8%–
Code MigrationVals AI26.8%–
ProgramBenchVals AI0.0%–
Vibe Code Bench v1.1Vals AI48.7%84.0%
SWE Atlas v1.1Scale AI SEAL–57.7%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–54.0%†
SWE Atlas v1.1: Test WritingScale AI SEAL–63.3%†
SWE Atlas v1.1: RefactoringScale AI SEAL–55.7%†
MirrorCodeEpoch AI Benchmarking Hub–76.7%
Surface Evolver BenchEpoch AI Benchmarking Hub58.1%†–
DeepSWE v1.1Epoch AI Benchmarking Hub36.1%–
ALE-BenchEpoch AI Benchmarking Hub911.02608.8
WeirdML v3WeirdML–28.1%†
Terminal-Bench 4.0 (AA)Artificial Analysis6.6%55.6%
Terminal-Bench 2.1 (AA)Artificial Analysis78.7%–
GameBench 2 OverallDuelLab GameBench 249.4†81.2†
GameBench 2 by reasoning settingDuelLab GameBench 263.285.8†
Design Arena WebsiteDesign Arena1260†1286†
FrontierCode 1.1 (AA)Artificial Analysis–36.0%
FrontierCode 2.0 (AA)Artificial Analysis–42.3%
エージェント・ツール
Terminal-BenchTerminal-Bench–53.3%
APEX-AgentsMercor27.5%†68.3%
Arena AgentArena (LMArena)–12
LiveBench Long AgenticLiveBench–56.2%
LiveBench BrowserLiveBench–93.1%
LiveBench Agentic CodingLiveBench49.0%–
Terminal-Bench HardArtificial Analysis40.9%–
τ²-Bench Telecom (AA)Artificial Analysis95.3%–
Terminal-Bench 2.1 (Vals)Vals AI74.2%–
MCP AtlasScale AI SEAL83.6%–
HiL-BenchScale AI SEAL27.7%†68.0%†
GDPval-AA v2.1Artificial Analysis12111476
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%–
Finance Agent v2.1Vals AI–56.0%
Harvey's Legal Agent Benchmark v1.1Vals AI–1.7%
Harvey's Legal Agent Benchmark v1Vals AI2.5%–
Legal Research BenchVals AI30.8%26.0%
SkillsBenchVals AI52.7%–
Tax Agent BenchVals AI21.6%17.1%
Terminal-Bench 2.0 (Vals)Vals AI67.4%–
Terminal-Bench 4.0 (Vals)Vals AI6.1%49.5%
Terminal-Bench ScienceVals AI5.7%–
Web Search IndexVals AI37.0%–
Arena Agent Task CompletionArena (LMArena)–9.7
GBAEvalEpoch AI Benchmarking Hub6.7%†–
Vending-Bench 2Andon Labs5396.4†9107.5†
SpireClimbEpoch AI Benchmarking Hub–22.3%
AutomationBenchArtificial Analysis42.1%60.2%
GDP.pdf (AA)Artificial Analysis19.8%28.6%
EnterpriseOps-GymArtificial Analysis50.1%–
AA-Briefcase v1.1Artificial Analysis8761401
GDPxGDPx by SemiAnalysis–8.5%
Design Arena AgenticDesign Arena1174†1192†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–57.6%
MKA (AA)Artificial Analysis–43.8%
FACTS SearchGoogle–92.7%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub62.8%90.9%
FrontierMath Tier 4Epoch AI Benchmarking Hub26.8%92.7%
OTIS Mock AIMEEpoch AI Benchmarking Hub95.6%100.0%
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%57.3%
LiveBench 2.0 Data AnalysisLiveBench–82.3%
LiveBench ResearchLiveBench–79.1%
LiveBench 1.0 Data AnalysisLiveBench64.9%–
AA-Omniscience v1.1Artificial Analysis–29.6
MMLU-ProVals AI89.5%–
LegalBenchVals AI83.6%–
CorpFinVals AI64.7%–
TaxEvalVals AI74.4%–
Excel Modeling BenchmarkVals AI63.5%–
Excel Modeling Benchmark v1.1Vals AI–73.3%
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%78.1%
GDP.pdfEpoch AI Benchmarking Hub14.0%†–
AA-Omniscience v1.1: accuracyArtificial Analysis–47.6%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–65.5%
FACTS ParametricGoogle–70.8%†
指示追従
LiveBench LanguageLiveBench84.6%–
LiveBench Instruction FollowingLiveBench75.6%–
IFBenchArtificial Analysis76.3%–
MultiChallengeScale AI SEAL–74.2%†
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–
LiveBench DesignLiveBench–79.7%
MMMU-ProArtificial Analysis84.3%84.7%
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%†42.1%†
Furniture AssemblyEpoch AI Benchmarking Hub–79.2%
VIALS-AAHandshake AI–60.3%
FACTS MultimodalGoogle–48.8%†
長文コンテキスト
AA-LCR v1.1Artificial Analysis73.3%82.7%
Arena DocumentArena (LMArena)1455–
MLCRArtificial Analysis10.0%30.6%
FACTS GroundingGoogle–84.2%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub155.3†167.7†
LiveBench 2.0LiveBench–78.8%
LiveBench 1.0LiveBench74.6%–
AA Intelligence Index v5.0.1Artificial Analysis–51.3
AA Intelligence Index v4.3.2Artificial Analysis32.648.1
AA Progress Index v1Artificial Analysis305.1345.2
Vals IndexVals AI–60.5
Vals Finance IndexVals AI–53.3%
Vals Multimodal IndexVals AI62.9%–
Vals Legal IndexVals AI–58.8%
安全性・誠実さ
FORTRESSScale AI SEAL–18.2%†
DistressBenchScale AI SEAL66.9%†65.9%†

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

  • GPT-6.1 Terra (max):新しい結果8件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • 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-6.1 Terra (max):BenchLeader Index 64.7 → 64.1。
  • GPT-6.1 Terra (max):新しい結果1件(Terminal-Bench)。
  • Gemini 3.5 Flash (high):新しい結果3件(AIME 2026, HMMT February 2026, MathArena Apex)。
  • GPT-6.1 Terra (max):BenchLeader Index 65.2 → 64.7。
  • GPT-6.1 Terra (max):新しい結果1件(MirrorCode)。
  • GPT-6.1 Terra (max):スコアの改訂1件。
  • GPT-6.1 Terra (max):スコアの改訂1件。
  • GPT-6.1 Terra (max):スコアの改訂1件。

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 3.5 Flash vs GPT-6.1 Terra:よくある質問

Gemini 3.5 FlashはGPT-6.1 Terraより優れていますか?
Gemini 3.5 Flash (high)とGPT-6.1 Terra (max)の品質は互角です(62.5 対 64.1、±3.4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-6.1 Terra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GPT-6.1 Terraの方が安く、100万トークンあたり$2.00 対 $3.38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-6.1 Terraのどちらが向いていますか?
コーディングではGPT-6.1 Terraの方がスコアが高くなっています(カテゴリ指標で69 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Arena WebDevでは、Gemini 3.5 Flashが1500、GPT-6.1 Terraが1678です。
Gemini 3.5 FlashとGPT-6.1 Terra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 72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-6.1 Terra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)。
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-6.1 Terra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-6.1 Terra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 150.9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-6.1 Terra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25件のベンチマークのうち、Gemini 3.5 Flashのリードが3件、GPT-6.1 Terraのリードが22件です。
GPT-6.1 Terraはいつリリースされましたか?
GPT-6.1 Terraは2026年10月26日にリリースされました。