Gemini 3.5 Flash vs GPT-6 Astra
詳しいプロフィール:Gemini 3.5 Flash(Google)とGPT-6 Astra(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 · 15件の情報源のデータ
2026年11月16日時点で、品質ではGPT-6 AstraがGemini 3.5 Flashを上回ります(BenchLeader Indexで67.3 対 62.5)。ただし、価格はGemini 3.5 Flashの方が5.9倍安く、100万トークンあたりのブレンド価格で$3.38 対 $20.00です。両方を測定できるすべてのカテゴリでGPT-6 Astraがリードしています。Gemini 3.5 Flashの方が出力が3倍以上速いです。
要点(2026年11月16日時点)
- BenchLeader IndexはGemini 3.5 Flashが62.5、GPT-6 Astraが67.3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 Astraの100万トークンあたりのブレンド価格は$20.00です(定価、2026年11月16日)。
- Gemini 3.5 FlashはGPT-6 Astraより出力が3倍以上速いです(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65件のベンチマークのうち、GPT-6 Astraが58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 Astraが1764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 Astra | カテゴリスコア73 対 60;Arena WebDev 1764 対 1500 | 高 |
| エージェント・ツール利用 | GPT-6 Astra | カテゴリスコア64 対 63;τ³-Banking (AA) 41.4% 対 32.2% | 中 |
| 数学 | GPT-6 Astra | カテゴリスコア71 対 58;FrontierMath Tiers 1–3 93.7% 対 62.8% | 高 |
| 推論 | GPT-6 Astra | カテゴリスコア72 対 61;GPQA Diamond 95.8% 対 92.8% | 高 |
| 知識 | GPT-6 Astra | カテゴリスコア72 対 63;SimpleQA Verified 75.6% 対 66.2% | 高 |
| 長い文書 | GPT-6 Astra | カテゴリスコア65 対 61;AA-LCR v1.1 80.7% 対 73.3% | 中 |
| 画像などのメディア | どちらでも | カテゴリスコア66 対 66;Arena Vision 1308 対 1279 | どちらでも |
| チャットの質(人間の評価) | どちらでも | Arenaの投票で67 対 66 | どちらでも |
| 最低コスト | Gemini 3.5 Flash | 100万トークンあたりブレンド価格$3.38 対 $20.00;エージェント型コーディングセッション$0.126 対 $0.800 | – |
| 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 198.4秒(GPT-6 Astra (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
- 品質ではGPT-6 Astra (max)がリードしています:67.3 対 62.5。
- Gemini 3.5 Flash (high)は人間の評価、マルチモーダルで優れています。
- GPT-6 Astra (max)はエージェント・ツール、コーディング、知識、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5.9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 $20.00)。
- Gemini 3.5 Flash (high)の方が出力が4.3倍速くなっています(176 対 41トークン/秒)。
概要
| 仕様 | Gemini 3.5 Flash | GPT-6 Astra |
|---|---|---|
| プロバイダー | OpenAI | |
| リリース日 | 2026年5月19日 | 2026年9月2日 |
| コンテキストウィンドウ(トークン) | 1,048,576 | 1,050,000 |
| 比較した構成 | Gemini 3.5 Flash (high) | GPT-6 Astra (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 | $10.00 / $50.00 / $1.00 |
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 Astra (max) | トップ |
|---|---|---|---|
| 推論 | 60.6 | 72.4 | GPT-6 Astra |
| コーディング | 59.5 | 73.2 | GPT-6 Astra |
| エージェント・ツール | 62.8 | 63.9 | GPT-6 Astra |
| 数学 | 57.7 | 70.8 | GPT-6 Astra |
| 知識 | 63.3 | 72.3 | GPT-6 Astra |
| 指示追従 | 74.4 | – | 比較不可 |
| 人間の評価 | 66.8 | 66.2 | 互角 |
| マルチモーダル | 66.2 | 65.6 | 互角 |
| 長文コンテキスト | 61.2 | 65.0 | GPT-6 Astra |
| 総合 | – | 71.3 | 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。
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。
情報源で評価が分かれる点
両方に結果がある65件のベンチマークのうち、Gemini 3.5 Flashのリードが7件、GPT-6 Astraのリードが58件です。第三者の総合指標でも評価が分かれ、Gemini 3.5 FlashはArena Textで、GPT-6 AstraはBenchLeader Indexでリードしています。
| 総合Index | Gemini 3.5 Flash (high) | GPT-6 Astra (max) | トップ |
|---|---|---|---|
| BenchLeader Index | 62.5 | 67.3 | GPT-6 Astra |
| Arena Text | 1478 | 1474 | 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-6 Astra (max) |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $3.38 | $20.00 |
| 100万トークンあたりの入力/出力 | $1.50 / $9.00 | $10.00 / $50.00 |
| 100万トークンあたりのキャッシュ入力 | $0.150 | $1.00 |
| タスクあたりの価格:チャットの返答 | $0.0033 | $0.019 |
| タスクあたりの価格:30ページのレポートを要約 | $0.023 | $0.150 |
| タスクあたりの価格:コード編集 | $0.022 | $0.135 |
| 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 | $0.800 |
| タスクあたりの価格:構造化データの抽出 | $0.0048 | $0.030 |
| 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 | $0.395 |
| ベンチマークのタスクあたりのコスト(AA Index) | – | $6.24 |
| タスクあたりの出力トークン(AA Index) | – | 52k |
| うち推論 | – | 36k |
| タスクあたりの時間(AA Index) | – | 21 min |
| 出力速度 | 176 tok/s | 41 tok/s |
| 回答開始までの時間 | 9.9秒 | 198.4秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 27.6秒 | 533.7秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Gemini 3.5 Flash (high)のスコアは62.5、最初の回答トークンまで10秒。Gemini 3.5 Flash (medium)は61.8(9秒)、Gemini 3.5 Flash (minimal)は55.6(3秒)。GPT-6 Astra (max)のスコアは67.3、最初の回答トークンまで198秒。GPT-6 Astraは66.4(5秒)、GPT-6 Astra (high)は66.3(49秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
200件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Gemini 3.5 Flash (high) | GPT-6 Astra (max) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 62.5 | 67.3 |
| エージェント・ツールスコア | BenchLeader | 62.8 | 63.9 |
| コーディングスコア | BenchLeader | 59.5 | 73.2 |
| 人間の評価スコア | BenchLeader | 66.8 | 66.2 |
| 指示追従スコア | BenchLeader | 74.4 | – |
| 知識スコア | BenchLeader | 63.3 | 72.3 |
| 長文コンテキストスコア | BenchLeader | 61.2 | 65.0 |
| 数学スコア | BenchLeader | 57.7 | 70.8 |
| マルチモーダルスコア | BenchLeader | 66.2 | 65.6 |
| 推論スコア | BenchLeader | 60.6 | 72.4 |
| 総合スコア | BenchLeader | – | 71.3 |
| ブレンド価格($/100万トークン) | BenchLeader | $3.38 | $20.00 |
| 出力速度 | BenchLeader | 176 tok/s | 41 tok/s |
| 回答開始までの時間 | BenchLeader | 9.9秒 | 198.4秒 |
| コンテキストウィンドウ | BenchLeader | 1,048,576トークン | 1,050,000トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 92.8% | 95.8% |
| Humanity's Last Exam | Scale AI / CAIS | – | 54.8%† |
| SimpleBench | SimpleBench | 76.7%† | 83.6%† |
| Arena Hard Prompts | Arena (LMArena) | 1496 | 1500 |
| LiveBench 2.0 Reasoning | LiveBench | – | 92.7% |
| LiveBench 1.0 Reasoning | LiveBench | 82.0% | 92.7% |
| GPQA Diamond (AA) | Artificial Analysis | 92.2% | 96.1% |
| Humanity's Last Exam (AA) | Artificial Analysis | 42.7% | 54.7% |
| HLE-Diamond (AA) | Artificial Analysis | – | 63.8% |
| GPQA Diamond (Vals) | Vals AI | 92.7% | – |
| EnigmaEval | Scale AI SEAL | 25.4% | – |
| ARC-AGI-1 | ARC Prize | 92.5% | 97.5% |
| ARC-AGI-2 | ARC Prize | 72.1% | 95.0% |
| ARC-AGI-3 | ARC Prize | – | 98.6% |
| CritPt | Artificial Analysis | 13.1% | 31.7% |
| CritPt v2 hard subset (AA) | Artificial Analysis | – | 70.5% |
| MysteryMechanism | Vals AI | – | 53.1% |
| HLE-Diamond (Scale) | Scale AI SEAL | – | 60.6%† |
| Arena Expert | Arena (LMArena) | 1491 | 1517 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 45.0% | 74.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 32.0% | 84.0% |
| LMCA | Epoch AI Benchmarking Hub | 47.1% | 64.1%† |
| DTBench | Epoch AI Benchmarking Hub | 94.7% | 97.1%† |
| ForecastBench | ForecastBench | 64.0%† | 66.6%† |
| BTF-3 | Epoch AI Benchmarking Hub | – | 13.5%† |
200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 Astra (max) |
|---|---|---|---|
| コーディング | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | 79.3% | – |
| SciCode | SciCode | 53.9% | 56.5% |
| WeirdML | WeirdML | 62.6% | 93.3% |
| FrontierCode | Cognition | – | 53.3% |
| GSO-Bench | GSO-Bench | – | 79.4%† |
| Arena Coding | Arena (LMArena) | 1508 | 1548 |
| Arena WebDev | Arena (LMArena) | 1500 | 1764 |
| LiveBench 2.0 Coding | LiveBench | – | 87.5% |
| LiveBench 1.0 Coding | LiveBench | 78.2% | 80.4% |
| LiveCodeBench | Vals AI | 87.6% | – |
| IOI | Vals AI | – | 100.0% |
| SWE-bench (Vals) | Vals AI | 78.8% | – |
| Code Migration | Vals AI | 26.8% | 67.7% |
| Code Migration v1.1 | Vals AI | – | 80.6% |
| ProgramBench | Vals AI | 0.0% | 5.5% |
| SWE-bench Multimodal | Vals AI | – | 43.3% |
| Vibe Code Bench 1-100 | Vals AI | – | 27.6% |
| Vibe Code Bench v1.1 | Vals AI | 48.7% | 89.6% |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | – | 59.1%† |
| SWE Atlas v1.0: Refactoring | Scale AI SEAL | – | 59.0%† |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | – | 50.7%† |
| SWE Atlas v1.1 | Scale AI SEAL | – | 69.4%† |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | – | 70.2%† |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | – | 66.7%† |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | – | 71.4%† |
| SWE-Bench Pro V2 | Scale AI SEAL | – | 96.9%† |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | – | 90.2%† |
| MirrorCode | Epoch AI Benchmarking Hub | – | 60.0% |
| Surface Evolver Bench | Epoch AI Benchmarking Hub | 58.1%† | – |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | 36.1% | 73.2% |
| ALE-Bench | Epoch AI Benchmarking Hub | 911.0 | 2951.3 |
| FrontierSWE | Epoch AI Benchmarking Hub | – | 65.5% |
| WeirdML v3 | WeirdML | – | 42.2%† |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 6.6% | 59.1% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 78.7% | 88.4% |
| Startrise Frontend | Startrise | – | 79.9%† |
| GameBench 2 Overall | DuelLab GameBench 2 | 49.4† | 88.8† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 63.2 | 94.3† |
| Design Arena Website | Design Arena | 1260† | 1338 |
| FrontierCode 1.1 (AA) | Artificial Analysis | – | 47.0% |
| FrontierCode 2.0 (AA) | Artificial Analysis | – | 42.4% |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | – | 60.3% |
| Remote Labor Index | Scale AI / CAIS | – | 20.8%† |
| APEX-Agents | Mercor | 27.5%† | 64.7%† |
| Arena Agent | Arena (LMArena) | – | 14.5 |
| LiveBench Long Agentic | LiveBench | – | 75.6% |
| LiveBench Browser | LiveBench | – | 91.3% |
| LiveBench Agentic Coding | LiveBench | 49.0% | 57.3% |
| Terminal-Bench Hard | Artificial Analysis | 40.9% | – |
| τ²-Bench Telecom (AA) | Artificial Analysis | 95.3% | – |
| Terminal-Bench 2.1 (Vals) | Vals AI | 74.2% | 87.3% |
| MCP Atlas | Scale AI SEAL | 83.6% | – |
| HiL-Bench | Scale AI SEAL | 27.7%† | 65.3%† |
| GDPval-AA v2.1, normalised score | Artificial Analysis | – | 53.7% |
| GDPval-AA v2.1 | Artificial Analysis | 1211 | 1587 |
| τ³-Banking (AA) | Artificial Analysis | 32.2% | 41.4% |
| ITBench SRE (AA) | Artificial Analysis | 40.4% | 48.6% |
| Analyst Agent (AA) | Artificial Analysis | 45.0% | 51.3% |
| APEX-Agents (AA) | Artificial Analysis | 47.0% | – |
| CUA-bench | Vals AI | – | 19.2% |
| CyberBench | Vals AI | – | 41.1% |
| Finance Agent v2 | Vals AI | 57.9% | 53.5% |
| Finance Agent v2.1 | Vals AI | – | 60.4% |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | – | 7.1% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 2.5% | 5.4% |
| Legal Research Bench | Vals AI | 30.8% | 39.4% |
| Robo-bench | Vals AI | – | 23.3% |
| SkillsBench | Vals AI | 52.7% | – |
| SREBench | Vals AI | – | 56.9% |
| Tax Agent Bench | Vals AI | 21.6% | 20.7% |
| Terminal-Bench 2.0 (Vals) | Vals AI | 67.4% | – |
| Terminal-Bench 4.0 (Vals) | Vals AI | 6.1% | 59.6% |
| Terminal-Bench Science | Vals AI | 5.7% | 62.9% |
| Time Horizon Index: KSP | Vals AI | – | 90.5% |
| Web Search Index | Vals AI | 37.0% | – |
| Arena Search | Arena (LMArena) | – | 1245 |
| Arena Agent Task Completion | Arena (LMArena) | – | 14 |
| BALROG | BALROG | – | 68.3% |
| PostTrainBench | Epoch AI Benchmarking Hub | – | 41.9% |
| GBAEval | Epoch AI Benchmarking Hub | 6.7%† | – |
| Vending-Bench 2 | Andon Labs | 5396.4† | 15514.7† |
| SpireClimb | Epoch AI Benchmarking Hub | – | 34.0% |
| AutomationBench | Artificial Analysis | 42.1% | 68.5% |
| GDP.pdf (AA) | Artificial Analysis | 19.8% | 31.0% |
| Harvey LAB-AA v1.1 | Harvey | – | 8.6% |
| EnterpriseOps-Gym | Artificial Analysis | 50.1% | – |
| AA-Briefcase v1.1 | Artificial Analysis | 876 | 1569 |
| GDPx | GDPx by SemiAnalysis | – | 9.6% |
| Design Arena Agentic | Design Arena | 1174† | 1405 |
| RoboDojo (LLM as robot policy) | RoboDojo | – | 29.0† |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | – | 63.3% |
| CWE-Bench (AA) | Artificial Analysis | – | 63.3% |
| DeepSec-Bench (AA) | Artificial Analysis | – | 36.9% |
| CyberGym end-to-end (AA) | Artificial Analysis | – | 0.0% |
| MKA (AA) | Artificial Analysis | – | 50.2% |
| FACTS Search | – | 93.3%† | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 62.8% | 93.7% |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 26.8% | 97.6% |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 95.6% | 100.0% |
| ProofBench | Vals AI | 31.0% | 99.0%† |
| LiveBench Mathematics | LiveBench | 88.2% | 96.8% |
| AIME 2026 | MathArena | 95.0% | – |
| HMMT February 2026 | MathArena | 95.5% | – |
| MathArena Apex | MathArena | 32.3% | – |
| Arena Maths | Arena (LMArena) | 1497 | 1481 |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | – | 2.9% |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 66.2% | 75.6% |
| LiveBench 2.0 Data Analysis | LiveBench | – | 83.0% |
| LiveBench Research | LiveBench | – | 90.6% |
| LiveBench 1.0 Data Analysis | LiveBench | 64.9% | 83.0% |
| AA-Omniscience v1.1 | Artificial Analysis | – | 42.4 |
| MMLU-Pro | Vals AI | 89.5% | – |
| LegalBench | Vals AI | 83.6% | – |
| CorpFin | Vals AI | 64.7% | – |
| TaxEval | Vals AI | 74.4% | – |
| PRBench Finance | Scale AI SEAL | – | 47.5%† |
| PRBench Legal | Scale AI SEAL | – | 48.4%† |
| BioMysteryBench | Vals AI | – | 79.3% |
| Excel Modeling Benchmark | Vals AI | 63.5% | 71.7% |
| Excel Modeling Benchmark v1.1 | Vals AI | – | 72.7% |
| MedCode | Vals AI | 55.8% | 48.5% |
| MedScribe | Vals AI | 76.6% | 87.9% |
| Public Benefits Bench v1.1 | Vals AI | 59.5% | – |
| Financial Coaching Bench | Vals AI | 63.0% | 67.5% |
| Immigration Bench | Vals AI | – | 67.7% |
| DrugDiscoveryBench | Scale AI SEAL | 50.0% | 68.7% |
| EBR-bench | Epoch AI Benchmarking Hub | 4.8% | 76.2% |
| GDP.pdf | Epoch AI Benchmarking Hub | 14.0%† | 34.2% |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | – | 61.6% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | – | 50.2% |
| HealthBench Professional (AA) | OpenAI | – | 66.0% |
| FACTS Parametric | – | 83.8%† | |
| 指示追従 | |||
| LiveBench Language | LiveBench | 84.6% | 89.4% |
| LiveBench Instruction Following | LiveBench | 75.6% | 75.6% |
| IFBench | Artificial Analysis | 76.3% | – |
| Arena Instruction Following | Arena (LMArena) | 1465 | 1474 |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1478 | 1474 |
| EQ-Bench 4 | EQ-Bench | 1077† | – |
| EQ-Bench Creative Writing v3 | EQ-Bench | – | 2177† |
| Arena Creative Writing | Arena (LMArena) | 1465 | 1451 |
| Arena Multi-turn | Arena (LMArena) | 1480 | 1483 |
| Arena Longer Queries | Arena (LMArena) | 1483 | 1485 |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1308 | 1279 |
| LiveBench Design | LiveBench | – | 80.0% |
| MMMU-Pro | Artificial Analysis | 84.3% | 86.9% |
| MMMU-Pro (Vals) | Vals AI | 88.3% | – |
| MortgageTax | Vals AI | 68.1% | – |
| Humanity's Sixth Sense | Scale AI SEAL | 32.6% | 53.6% |
| GeoBench | GeoBench | 85.0%† | – |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 33.6%† | 49.7%† |
| Furniture Assembly | Epoch AI Benchmarking Hub | – | 80.0% |
| VIALS-AA | Handshake AI | – | 62.7% |
| Code2Video-AA | Artificial Analysis | – | 1427 |
| AA-3D | Artificial Analysis | – | 1168 |
| FACTS Multimodal | – | 55.2%† | |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 73.3% | 80.7% |
| Arena Document | Arena (LMArena) | 1455 | 1474 |
| MLCR | Artificial Analysis | 10.0% | 41.7% |
| FACTS Grounding | – | 80.1%† | |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 155.3† | 169† |
| LiveBench 2.0 | LiveBench | – | 84.5% |
| LiveBench 1.0 | LiveBench | 74.6% | 82.2% |
| AA Intelligence Index v5.0.1 | Artificial Analysis | – | 56.9 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 32.6 | 52.7 |
| AA Progress Index v1 | Artificial Analysis | 305.1 | 349.6 |
| Vals Index | Vals AI | – | 65.0 |
| Vals Finance Index | Vals AI | – | 55.6% |
| Vals RSI Index | Vals AI | – | 27.1% |
| Vals Science Index | Vals AI | – | 65.1% |
| Vals Multimodal Index | Vals AI | 62.9% | – |
| Vals Router Index | Vals AI | – | 65.0%† |
| Vals Legal Index | Vals AI | – | 68.4% |
| AA Cyber Index | Artificial Analysis | – | 33.4 |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | – | 12.1%† |
| DistressBench | Scale AI SEAL | 66.9%† | 74.3%† |
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-6 Astra (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 Astra (max):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)。
- GPT-6 Astra (max):新しい結果1件(PostTrainBench)、スコアの改訂2件。
- GPT-6 Astra (max):新しい結果1件(MirrorCode)、スコアの改訂1件。
- GPT-6 Astra (max):BenchLeader Index 68.1 → 67.4。
- GPT-6 Astra (max):スコアの改訂2件。
- GPT-6 Astra (max):スコアの改訂1件。
- GPT-6 Astra (max):スコアの改訂1件。
関連する比較
- Gemini 3.5 Flash vs Claude Fable 5.2
- Gemini 3.5 Flash vs Gemini 4 Carbon
- Gemini 3.5 Flash vs Claude Opus 5.5
- GPT-6 Astra vs Claude Fable 5.2
- GPT-6 Astra vs Gemini 4 Carbon
- GPT-6 Astra vs Claude Opus 5.5
- GPT-6 Astra vs Claude Fable 5.1
- Gemini 3.5 Flash vs GPT-5.6 Sol
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 Astra:よくある質問
- GPT-6 AstraはGemini 3.5 Flashより優れていますか?
- 品質ではGPT-6 Astra (max)がリードしています:67.3 対 62.5。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GPT-6 Astra (max)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 3.5 FlashとGPT-6 Astra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 $20.00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 Astraのどちらが向いていますか?
- コーディングではGPT-6 Astraの方がスコアが高くなっています(カテゴリ指標で73 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 Astraが1764です。
- Gemini 3.5 FlashとGPT-6 Astraはどちらが速いですか?
- Gemini 3.5 Flashの方が出力が3倍以上速くなっています(出力176 対 41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 Astra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-6 Astraの方がスコアが高くなっています(カテゴリ指標で64 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τ³-Banking (AA)では、Gemini 3.5 Flashが32.2%、GPT-6 Astraが41.4%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-6 Astraの方がスコアが高くなっています(65 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 Astra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 198.4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 Astra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65件のベンチマークのうち、Gemini 3.5 Flashのリードが7件、GPT-6 Astraのリードが58件です。第三者の総合指標でも評価が分かれ、Gemini 3.5 FlashはArena Textで、GPT-6 AstraはBenchLeader Indexでリードしています。
- GPT-6 Astraはいつリリースされましたか?
- GPT-6 Astraは2026年9月2日にリリースされました。