BenchLeader

Gemini 3.5 Flash vs Step 5 Preview

詳しいプロフィール:Gemini 3.5 Flash(Google)とStep 5 Preview(StepFun)。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、品質ではGemini 3.5 FlashがStep 5 Previewを上回ります(BenchLeader Indexで62.5 対 56.0)。ただし、価格はStep 5 Previewの方が2.4倍安く、100万トークンあたりのブレンド価格で$1.43 対 $3.38です。エージェント・ツール(63 対 49)、コーディング(60 対 50)、知識(63 対 54)を重視するならGemini 3.5 Flash、長文コンテキスト(69 対 61)、数学(60 対 58)を重視するならStep 5 Preview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 23.5秒です。Gemini 3.5 Flashは出力が速い点も強みです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGemini 3.5 Flashが62.5、Step 5 Previewが56.0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)。
  • Step 5 Previewの100万トークンあたりのブレンド価格は$1.43です(定価、2026年11月16日)。
  • Gemini 3.5 FlashはStep 5 Previewより出力が速いです(Artificial Analysis、7日間の中央値、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 3.5 Flashカテゴリスコア60 対 50;Arena Coding 1508 対 1505高
エージェント・ツール利用Gemini 3.5 Flashカテゴリスコア63 対 49;Analyst Agent (AA) 45.0% 対 35.0%高
数学Step 5 Previewカテゴリスコア60 対 58;ProofBench 42.0% 対 31.0%中
推論Gemini 3.5 Flashカテゴリスコア61 対 52;Arena Hard Prompts 1496 対 1477高
知識Gemini 3.5 Flashカテゴリスコア63 対 54;Excel Modeling Benchmark 63.5% 対 57.1%高
長い文書Step 5 Previewカテゴリスコア69 対 61;AA-LCR v1.1 88.3% 対 73.3%高
画像などのメディアGemini 3.5 Flashカテゴリスコア66 対 59;Arena Vision 1308 対 1263中
チャットの質(人間の評価)Gemini 3.5 FlashArenaの投票で67 対 63中
最低コストStep 5 Preview100万トークンあたりブレンド価格$1.43 対 $3.38;エージェント型コーディングセッション$0.071 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 23.5秒(Step 5 Preview)–
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 3.5 Flash (high)がリードしています:62.5 対 56.0。
  • Gemini 3.5 Flash (high)はエージェント・ツール、コーディング、人間の評価、知識、マルチモーダル、推論で優れています。
  • Step 5 Previewは長文コンテキスト、数学で優れています。
  • Step 5 Previewの方が2.4倍安くなっています(100万トークンあたりブレンド価格$1.43 対 $3.38)。
  • Gemini 3.5 Flash (high)の方が出力が1.4倍速くなっています(176 対 124トークン/秒)。

概要

仕様Gemini 3.5 FlashStep 5 Preview
プロバイダーGoogleStepFun
リリース日2026年5月19日2026年9月18日
コンテキストウィンドウ(トークン)1,048,5761,000,000
比較した構成Gemini 3.5 Flash (high)Step 5 Preview
オープンウェイトなしあり
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 / $2.70 / $0.105

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)Step 5 Previewトップ
推論60.651.7Gemini 3.5 Flash
コーディング59.549.9Gemini 3.5 Flash
エージェント・ツール62.849.1Gemini 3.5 Flash
数学57.760.1Step 5 Preview
知識63.353.7Gemini 3.5 Flash
指示追従74.4–比較不可
人間の評価66.863.1Gemini 3.5 Flash
マルチモーダル66.259.3Gemini 3.5 Flash
長文コンテキスト61.269.0Step 5 Preview

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人間の評価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: 66.2Gemini 3.5 Flash, 人間の評価: 66.8Step 5 Preview, 推論: 51.7Step 5 Preview, コーディング: 49.9Step 5 Preview, エージェント・ツール: 49.1Step 5 Preview, 数学: 60.1Step 5 Preview, 知識: 53.7Step 5 Preview, 長文コンテキスト: 69.0Step 5 Preview, マルチモーダル: 59.3Step 5 Preview, 人間の評価: 63.1

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。

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36件のベンチマークのうち、Gemini 3.5 Flashのリードが18件、Step 5 Previewのリードが18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)Step 5 Previewトップ
BenchLeader Index62.556.0Gemini 3.5 Flash
Arena Text14781449Gemini 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)Step 5 Preview
100万トークンあたりのブレンド価格$3.38$1.43
100万トークンあたりの入力/出力$1.50 / $9.00$1.00 / $2.70
100万トークンあたりのキャッシュ入力$0.150$0.105
タスクあたりの価格:チャットの返答$0.0033$0.0012
タスクあたりの価格:30ページのレポートを要約$0.023$0.014
タスクあたりの価格:コード編集$0.022$0.010
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$0.071
タスクあたりの価格:構造化データの抽出$0.0048$0.0025
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$0.030
ベンチマークのタスクあたりのコスト(AA Index)–$2.35
タスクあたりの出力トークン(AA Index)–113k
うち推論–80k
タスクあたりの時間(AA Index)–15 min
出力速度176 tok/s124 tok/s
回答開始までの時間9.9秒23.5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54.4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)。Step 5 Previewのスコアは56.0、最初の回答トークンまで24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

153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)Step 5 Preview
BenchLeader IndexBenchLeader62.556.0
エージェント・ツールスコアBenchLeader62.849.1
コーディングスコアBenchLeader59.549.9
人間の評価スコアBenchLeader66.863.1
指示追従スコアBenchLeader74.4–
知識スコアBenchLeader63.353.7
長文コンテキストスコアBenchLeader61.269.0
数学スコアBenchLeader57.760.1
マルチモーダルスコアBenchLeader66.259.3
推論スコアBenchLeader60.651.7
ブレンド価格($/100万トークン)BenchLeader$3.38$1.43
出力速度BenchLeader176 tok/s124 tok/s
回答開始までの時間BenchLeader9.9秒23.5秒
コンテキストウィンドウBenchLeader1,048,576トークン1,000,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub92.8%–
SimpleBenchSimpleBench76.7%†–
Arena Hard PromptsArena (LMArena)14961477
LiveBench 2.0 ReasoningLiveBench–83.8%†
LiveBench 1.0 ReasoningLiveBench82.0%–
GPQA Diamond (AA)Artificial Analysis92.2%–
Humanity's Last Exam (AA)Artificial Analysis42.7%46.5%
HLE-Diamond (AA)Artificial Analysis–24.3%
GPQA Diamond (Vals)Vals AI92.7%–
EnigmaEvalScale AI SEAL25.4%–
ARC-AGI-1ARC Prize92.5%–
ARC-AGI-2ARC Prize72.1%–
CritPtArtificial Analysis13.1%20.9%
CritPt v2 hard subset (AA)Artificial Analysis–32.5%
MysteryMechanismVals AI–18.5%
Arena ExpertArena (LMArena)14911489
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%–
SciCodeSciCode53.9%58.9%
WeirdMLWeirdML62.6%–
Arena CodingArena (LMArena)15081505
153件のベンチマークをすべて表示
指標公開元Gemini 3.5 Flash (high)Step 5 Preview
コーディング
Arena WebDevArena (LMArena)15001573†
LiveBench 2.0 CodingLiveBench–67.6%†
LiveBench 1.0 CodingLiveBench78.2%–
LiveCodeBenchVals AI87.6%–
IOIVals AI–38.1%
SWE-bench (Vals)Vals AI78.8%–
Code MigrationVals AI26.8%39.0%
Code Migration v1.1Vals AI–47.0%
ProgramBenchVals AI0.0%–
SWE-bench MultimodalVals AI–40.8%
Vibe Code Bench v1.1Vals AI48.7%70.4%
Surface Evolver BenchEpoch AI Benchmarking Hub58.1%†–
DeepSWE v1.1Epoch AI Benchmarking Hub36.1%–
ALE-BenchEpoch AI Benchmarking Hub911.0–
Terminal-Bench 4.0 (AA)Artificial Analysis6.6%33.3%
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†–
FrontierCode 1.1 (AA)Artificial Analysis–38.4%
FrontierCode 2.0 (AA)Artificial Analysis–12.0%
エージェント・ツール
APEX-AgentsMercor27.5%†–
Arena AgentArena (LMArena)–-3.7
LiveBench Long AgenticLiveBench–19.4%†
LiveBench BrowserLiveBench–24.8%†
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%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis–54.3%
GDPval-AA v2.1Artificial Analysis12111591
τ³-Banking (AA)Artificial Analysis32.2%–
ITBench SRE (AA)Artificial Analysis40.4%55.6%
Analyst Agent (AA)Artificial Analysis45.0%35.0%
APEX-Agents (AA)Artificial Analysis47.0%38.0%
Finance Agent v2Vals AI57.9%50.7%
Finance Agent v2.1Vals AI–58.9%
Harvey's Legal Agent Benchmark v1.1Vals AI–12.9%
Harvey's Legal Agent Benchmark v1Vals AI2.5%9.2%
Legal Research BenchVals AI30.8%40.4%
SkillsBenchVals AI52.7%–
SREBenchVals AI–0.4%
Tax Agent BenchVals AI21.6%27.3%
Terminal-Bench 2.0 (Vals)Vals AI67.4%–
Terminal-Bench 4.0 (Vals)Vals AI6.1%31.8%
Terminal-Bench ScienceVals AI5.7%2.9%
Web Search IndexVals AI37.0%–
Arena Agent Task CompletionArena (LMArena)–-1.5
GBAEvalEpoch AI Benchmarking Hub6.7%†–
Vending-Bench 2Andon Labs5396.4†–
AutomationBenchArtificial Analysis42.1%51.0%
GDP.pdf (AA)Artificial Analysis19.8%14.8%
EnterpriseOps-GymArtificial Analysis50.1%47.2%
AA-Briefcase v1.1Artificial Analysis8761424
Design Arena AgenticDesign Arena1174†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–2.4%
CWE-Bench (AA)Artificial Analysis–52.5%
DeepSec-Bench (AA)Artificial Analysis–15.8%
CyberGym end-to-end (AA)Artificial Analysis–74.8%
MKA (AA)Artificial Analysis–27.6%
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%42.0%
LiveBench MathematicsLiveBench88.2%–
AIME 2026MathArena95.0%–
HMMT February 2026MathArena95.5%–
MathArena ApexMathArena32.3%–
Arena MathsArena (LMArena)14971470
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub66.2%–
LiveBench 2.0 Data AnalysisLiveBench–63.5%†
LiveBench ResearchLiveBench–75.5%†
LiveBench 1.0 Data AnalysisLiveBench64.9%–
AA-Omniscience v1.1Artificial Analysis–16.4
MMLU-ProVals AI89.5%–
LegalBenchVals AI83.6%–
CorpFinVals AI64.7%–
TaxEvalVals AI74.4%–
BioMysteryBenchVals AI–67.4%
Excel Modeling BenchmarkVals AI63.5%57.1%
Excel Modeling Benchmark v1.1Vals AI–69.5%
MedCodeVals AI55.8%–
MedScribeVals AI76.6%–
Public Benefits Bench v1.1Vals AI59.5%58.1%
Financial Coaching BenchVals AI63.0%–
DrugDiscoveryBenchScale AI SEAL50.0%–
EBR-benchEpoch AI Benchmarking Hub4.8%–
GDP.pdfEpoch AI Benchmarking Hub14.0%†–
AA-Omniscience v1.1: accuracyArtificial Analysis–36.4%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–68.7%
指示追従
LiveBench LanguageLiveBench84.6%–
LiveBench Instruction FollowingLiveBench75.6%–
IFBenchArtificial Analysis76.3%–
Arena Instruction FollowingArena (LMArena)14651450
人間の評価
Arena TextArena (LMArena)14781449
EQ-Bench 4EQ-Bench1077†–
Arena Creative WritingArena (LMArena)14651413
Arena Multi-turnArena (LMArena)14801445
Arena Longer QueriesArena (LMArena)14831461
マルチモーダル
Arena VisionArena (LMArena)13081263
LiveBench DesignLiveBench–70.8%†
MMMU-ProArtificial Analysis84.3%76.4%
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%†–
Code2Video-AAArtificial Analysis–821
AA-3DArtificial Analysis–859
長文コンテキスト
AA-LCR v1.1Artificial Analysis73.3%88.3%
Arena DocumentArena (LMArena)1455–
MLCRArtificial Analysis10.0%18.3%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub155.3†–
LiveBench 2.0LiveBench–54.9%†
LiveBench 1.0LiveBench74.6%–
AA Intelligence Index v5.0.1Artificial Analysis–28.5
AA Intelligence Index v4.3.2Artificial Analysis32.643.7
AA Progress Index v1Artificial Analysis305.1318.2
Vals IndexVals AI–54.8
Vals Finance IndexVals AI–55.4%
Vals Science IndexVals AI–29.6%
Vals Multimodal IndexVals AI62.9%–
Vals Legal IndexVals AI–70.2%
AA Cyber IndexArtificial Analysis–47.7
安全性・誠実さ
DistressBenchScale AI SEAL66.9%†–
メタデータ
AA Openness IndexArtificial Analysis–33.3

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

  • Step 5 Preview:BenchLeader Index 54.2 → 56.0。
  • Step 5 Preview:BenchLeader Index 54.7 → 54.2。
  • 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)。
  • Step 5 Preview:スコアの改訂1件。
  • Step 5 Preview:スコアの改訂7件。
  • Gemini 3.5 Flash (high):スコアの改訂1件。
  • Step 5 Preview:新しい結果2件(Vals Index, Harvey's Legal Agent Benchmark v1.1)。
  • Step 5 Preview:スコアの改訂1件。
  • Gemini 3.5 Flash (high):BenchLeader Index 63.2 → 62.6。

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 Step 5 Preview:よくある質問

Gemini 3.5 FlashはStep 5 Previewより優れていますか?
品質ではGemini 3.5 Flash (high)がリードしています:62.5 対 56.0。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 3.5 Flash (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 3.5 FlashとStep 5 Preview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Step 5 Previewの方が安く、100万トークンあたり$1.43 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Step 5 Previewのどちらが向いていますか?
コーディングではGemini 3.5 Flashの方がスコアが高くなっています(カテゴリ指標で60 対 50。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SciCodeでは、Gemini 3.5 Flashが53.9%、Step 5 Previewが58.9%です。
Gemini 3.5 FlashとStep 5 Previewはどちらが速いですか?
Gemini 3.5 Flashの方が出力が速くなっています(出力176 対 124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Step 5 Preview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 3.5 Flashの方がスコアが高くなっています(カテゴリ指標で63 対 49。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?
長文コンテキストのベンチマークではStep 5 Previewの方がスコアが高くなっています(69 対 61)。どちらも約1Mトークンです(Gemini 3.5 Flashは1,048,576、Step 5 Previewは1,000,000)。
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 23.5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 3.5 FlashとStep 5 Preview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36件のベンチマークのうち、Gemini 3.5 Flashのリードが18件、Step 5 Previewのリードが18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。
Step 5 Previewはいつリリースされましたか?
Step 5 Previewは2026年9月18日にリリースされました。