BenchLeader

Gemini 3.7 Flash vs GPT-5.4

詳しいプロフィール:Gemini 3.7 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 · 13件の情報源のデータ

2026年11月16日時点で、Gemini 3.7 FlashとGPT-5.4の品質は互角です(BenchLeader Indexで62.1 対 63.1、±4.4の誤差範囲内)。価格はGemini 3.7 Flashの方が3.8倍安く、100万トークンあたりのブレンド価格で$1.50 対 $5.63です。知識(66 対 59)、マルチモーダル(67 対 61)、推論(68 対 66)を重視するならGemini 3.7 Flash、エージェント・ツール(63 対 49)、コーディング(65 対 62)、数学(65 対 63)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 3.7 Flashの方が短く、2.2秒 対 144.9秒です。Gemini 3.7 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 3.7 Flashが62.1、GPT-5.4が63.1です(BenchLeader、2026年11月16日)。
  • Gemini 3.7 Flashの100万トークンあたりのブレンド価格は$1.50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 3.7 FlashはGPT-5.4より出力が速いです(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48件のベンチマークのうち、Gemini 3.7 Flash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 62;LiveCodeBench 84.1% 対 88.7%中
エージェント・ツール利用GPT-5.4カテゴリスコア63 対 49;τ³-Banking (AA) 39.6% 対 32.8%高
数学GPT-5.4カテゴリスコア65 対 63;FrontierMath Tiers 1–3 78.6% 対 71.6%中
推論Gemini 3.7 Flashカテゴリスコア68 対 66;GPQA Diamond 94.8% 対 93.3%中
知識Gemini 3.7 Flashカテゴリスコア66 対 59;SimpleQA Verified 69.2% 対 45.1%中
長い文書どちらでもカテゴリスコア66 対 66;AA-LCR v1.1 81.7% 対 82.0%どちらでも
画像などのメディアGemini 3.7 Flashカテゴリスコア67 対 61;MMMU-Pro 85.5% 対 78.4%中
チャットの質(人間の評価)–Arenaの評価があるのはGemini 3.7 Flashのみです(カテゴリスコア68)比較不可
最低コストGemini 3.7 Flash100万トークンあたりブレンド価格$1.50 対 $5.63;エージェント型コーディングセッション$0.060 対 $0.210–
回答開始の速さGemini 3.7 Flash最初の回答トークンまで2.2秒(Gemini 3.7 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 3.7 Flash (high)とGPT-5.4 (xhigh)の品質は互角です(62.1 対 63.1、±4.4の誤差範囲内)。
  • Gemini 3.7 Flash (high)は知識、マルチモーダル、推論で優れています。
  • 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、数学で優れています。
  • Gemini 3.7 Flash (high)の方が3.8倍安くなっています(100万トークンあたりブレンド価格$1.50 対 $5.63)。
  • Gemini 3.7 Flash (high)の方が出力が1.3倍速くなっています(95 対 73トークン/秒)。

概要

仕様Gemini 3.7 FlashGPT-5.4
プロバイダーGoogleOpenAI
リリース日2026年8月13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 3.7 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)$0.750 / $3.75 / $0.075$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 3.7 Flash (high)GPT-5.4 (xhigh)トップ
推論67.865.7Gemini 3.7 Flash
コーディング62.364.7GPT-5.4
エージェント・ツール48.963.0GPT-5.4
数学62.664.8GPT-5.4
知識65.958.6Gemini 3.7 Flash
指示追従–72.4比較不可
人間の評価68.1–比較不可
マルチモーダル67.260.8Gemini 3.7 Flash
長文コンテキスト65.565.7互角

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 3.7 Flash, 推論: 67.8Gemini 3.7 Flash, コーディング: 62.3Gemini 3.7 Flash, エージェント・ツール: 48.9Gemini 3.7 Flash, 数学: 62.6Gemini 3.7 Flash, 知識: 65.9Gemini 3.7 Flash, 長文コンテキスト: 65.5Gemini 3.7 Flash, マルチモーダル: 67.2GPT-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, 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):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48件のベンチマークのうち、Gemini 3.7 Flashのリードが34件、GPT-5.4のリードが12件、同点が2件です。両方を評価しているすべての総合指標で、Gemini 3.7 Flashが上回っています。

総合IndexGemini 3.7 Flash (high)GPT-5.4 (xhigh)トップ
BenchLeader Index62.163.1互角
Arena Text14891475†Gemini 3.7 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 3.7 Flash (high)GPT-5.4 (xhigh)
100万トークンあたりのブレンド価格$1.50$5.63
100万トークンあたりの入力/出力$0.750 / $3.75$2.50 / $15.00
100万トークンあたりのキャッシュ入力$0.075$0.250
タスクあたりの価格:チャットの返答$0.0014$0.0055
タスクあたりの価格:30ページのレポートを要約$0.011$0.039
タスクあたりの価格:コード編集$0.010$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$0.060$0.210
タスクあたりの価格:構造化データの抽出$0.0023$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)$0.030$0.109
出力速度95 tok/s73 tok/s
回答開始までの時間2.2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)–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 3.7 Flash (high)のスコアは62.1、最初の回答トークンまで2秒。Gemini 3.7 Flash (medium)は60.1(2秒)、Gemini 3.7 Flash (low)は57.3(2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

144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 3.7 Flash (high)GPT-5.4 (xhigh)
BenchLeader IndexBenchLeader62.163.1
エージェント・ツールスコアBenchLeader48.963.0
コーディングスコアBenchLeader62.364.7
人間の評価スコアBenchLeader68.1–
知識スコアBenchLeader65.958.6
長文コンテキストスコアBenchLeader65.565.7
数学スコアBenchLeader62.664.8
マルチモーダルスコアBenchLeader67.260.8
推論スコアBenchLeader67.865.7
指示追従スコアBenchLeader–72.4
ブレンド価格($/100万トークン)BenchLeader$1.50$5.63
出力速度BenchLeader95 tok/s73 tok/s
回答開始までの時間BenchLeader2.2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 Hub94.8%93.3%
Humanity's Last ExamScale AI / CAIS–36.2%
Arena Hard PromptsArena (LMArena)15101487†
LiveBench 1.0 ReasoningLiveBench87.8%88.1%
GPQA Diamond (AA)Artificial Analysis94.5%92.0%
Humanity's Last Exam (AA)Artificial Analysis47.9%43.7%
GPQA Diamond (Vals)Vals AI93.9%91.7%
Kagi LLM BenchmarkKagi LLM Benchmark–63.8%†
ARC-AGI-1ARC Prize95.5%93.7%
ARC-AGI-2ARC Prize84.6%74.0%
ARC-AGI-3ARC Prize–0.2%†
CritPtArtificial Analysis14.3%23.4%
Arena ExpertArena (LMArena)15191491†
Chess PuzzlesEpoch AI Benchmarking Hub66.0%48.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub37.0%37.0%
CL-benchEpoch AI Benchmarking Hub–27.9%
CL-bench LifeEpoch AI Benchmarking Hub–21.7%
LMCAEpoch AI Benchmarking Hub50.4%52.0%
DTBenchEpoch AI Benchmarking Hub96.8%94.4%
ForecastBenchForecastBench66.2%63.0%†
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub–76.9%†
SciCodeSciCode57.2%56.6%
WeirdMLWeirdML–77.7%
FrontierCodeCognition43.6%†–
GSO-BenchGSO-Bench–31.4%
144件のベンチマークをすべて表示
指標公開元Gemini 3.7 Flash (high)GPT-5.4 (xhigh)
コーディング
Arena CodingArena (LMArena)15201511†
Arena WebDevArena (LMArena)15881400†
LiveBench 1.0 CodingLiveBench78.9%77.5%
SciCode (AA)Artificial Analysis57.2%–
LiveCodeBenchVals AI88.7%84.1%
IOIVals AI67.8%–
SWE-bench (Vals)Vals AI80.8%78.2%
SWE-Bench ProScale AI SEAL–59.1%
Code MigrationVals AI34.8%35.0%
ProgramBenchVals AI0.0%0.0%
Vibe Code Bench v1.1Vals AI70.4%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 Hub41.1%23.3%
DeepSWE v1.1Epoch AI Benchmarking Hub65.3%51.8%
ALE-BenchEpoch AI Benchmarking Hub904.31607†
AlgoTuneAlgoTune–1.9†
FrontierSWEEpoch AI Benchmarking Hub20.3%–
Terminal-Bench 4.0 (AA)Artificial Analysis13.6%–
Terminal-Bench 2.1 (AA)Artificial Analysis85.8%78.3%
GameBench 2 OverallDuelLab GameBench 2–53.4†
GameBench 2 by reasoning settingDuelLab GameBench 2–62.1
Design Arena WebsiteDesign Arena1295†1190†
エージェント・ツール
Terminal-BenchTerminal-Bench12.4%81.8%†
Remote Labor IndexScale AI / CAIS5.0%†–
APEX-AgentsMercor67.8%†52.4%†
Arena AgentArena (LMArena)-2.2–
LiveBench Agentic CodingLiveBench58.3%53.8%
Terminal-Bench HardArtificial Analysis–57.6%
τ²-Bench Telecom (AA)Artificial Analysis–87.1%
Terminal-Bench 2.1 (Vals)Vals AI77.5%–
MCP AtlasScale AI SEAL–70.6%
HiL-BenchScale AI SEAL–9.7%†
τ³-bench Bankingτ²-bench–39.4%
GDPval-AA v2.1Artificial Analysis14041256
τ³-Banking (AA)Artificial Analysis32.8%39.6%
Analyst Agent (AA)Artificial Analysis60.0%–
APEX-Agents (AA)Artificial Analysis–33.3%
CyberBenchVals AI43.8%–
Finance Agent v2Vals AI59.0%–
Harvey's Legal Agent Benchmark v1Vals AI8.8%0.0%
Legal Research BenchVals AI34.6%–
SkillsBenchVals AI65.9%51.7%
SREBenchVals AI4.6%–
Tax Agent BenchVals AI22.8%–
Terminal-Bench 2.0 (Vals)Vals AI–58.4%†
Terminal-Bench 4.0 (Vals)Vals AI12.1%–
Terminal-Bench ScienceVals AI7.1%–
Arena SearchArena (LMArena)–1196†
Arena Agent Task CompletionArena (LMArena)-3.5–
DeepResearch BenchDeepResearch Bench–35.1%†
PostTrainBenchEpoch AI Benchmarking Hub–17.8%†
METR Time HorizonsMETR–74.3%
GBAEvalEpoch AI Benchmarking Hub–45.1%†
Vending-Bench 2Andon Labs–6144.2†
AutomationBenchArtificial Analysis62.0%–
GDP.pdf (AA)Artificial Analysis23.6%–
EnterpriseOps-GymArtificial Analysis50.4%†–
AA-Briefcase v1.1Artificial Analysis1115–
Design Arena AgenticDesign Arena1222†1042†
DeepSearchQAGoogle–63.7%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub71.6%78.6%
FrontierMath Tier 4Epoch AI Benchmarking Hub36.6%49.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub97.2%95.3%
ProofBenchVals AI58.0%†56.0%
LiveBench MathematicsLiveBench93.5%94.2%
AIME (Vals)Vals AI–96.7%
AIME 2026MathArena–99.2%
HMMT February 2026MathArena–97.7%
USAMO 2026MathArena–95.2%
MathArena ApexMathArena–54.2%
Arena MathsArena (LMArena)15021459†
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub69.2%45.1%
LiveBench 1.0 Data AnalysisLiveBench68.0%79.3%
MMLU-ProVals AI90.1%87.5%
LegalBenchVals AI87.3%86.0%
CorpFinVals AI–65.3%
TaxEvalVals AI74.7%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 AI71.3%–
MedCodeVals AI53.4%41.3%
MedScribeVals AI83.9%77.5%
EBR-benchEpoch AI Benchmarking Hub–25.4%
GDP.pdfEpoch AI Benchmarking Hub23.8%–
指示追従
LiveBench LanguageLiveBench85.5%82.6%
LiveBench Instruction FollowingLiveBench79.9%70.2%
IFBenchArtificial Analysis–74.0%
Arena Instruction FollowingArena (LMArena)14861460†
人間の評価
Arena TextArena (LMArena)14891465†
EQ-Bench 4EQ-Bench–1258†
EQ-Bench Creative Writing v3EQ-Bench1720†1841†
Arena Creative WritingArena (LMArena)14871433†
Arena Multi-turnArena (LMArena)14901480†
Arena Longer QueriesArena (LMArena)15011477†
マルチモーダル
Arena VisionArena (LMArena)13131292†
MMMU-ProArtificial Analysis85.5%78.4%
VISTAScale AI SEAL–50.9%†
MMMU-Pro (Vals)Vals AI89.0%87.5%
MortgageTaxVals AI66.7%68.3%
Humanity's Sixth SenseScale AI SEAL39.8%–
VTBScale AI SEAL–29.2%†
Blueprint-Bench 2Epoch AI Benchmarking Hub–27.1%†
Furniture AssemblyEpoch AI Benchmarking Hub26.7%37.5%
長文コンテキスト
AA-LCR v1.1Artificial Analysis81.7%82.0%
Arena DocumentArena (LMArena)14681471†
MLCRArtificial Analysis12.2%–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub158.4†157.8†
LiveBench 1.0LiveBench78.8%78.0%
AA Intelligence Index v4.3.2Artificial Analysis39.139.0
AA Progress Index v1Artificial Analysis317.4311.6
Vals RSI IndexVals AI18.3%15.5%
安全性・誠実さ
MASKScale AI SEAL–89.7%†
DistressBenchScale AI SEAL69.0%†–

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 3.7 Flash (high):新しい結果2件(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • GPT-5.4 (xhigh):新しい結果1件(GDPval-AA v2.1)。
  • GPT-5.4 (xhigh):新しい結果1件(MirrorCode)。
  • Gemini 3.7 Flash (high):BenchLeader Index 62.6 → 62.1。
  • Gemini 3.7 Flash (high):スコアの改訂1件。
  • Gemini 3.7 Flash (high):新しい結果1件(Arena Document)。
  • GPT-5.4 (xhigh):BenchLeader Index 63.7 → 63.2。
  • GPT-5.4 (xhigh):スコアの改訂1件。
  • Gemini 3.7 Flash (high):新しい結果1件(MirrorCode)。
  • Gemini 3.7 Flash (high):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 3.7 Flash vs GPT-5.4:よくある質問

Gemini 3.7 FlashはGPT-5.4より優れていますか?
Gemini 3.7 Flash (high)とGPT-5.4 (xhigh)の品質は互角です(62.1 対 63.1、±4.4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 3.7 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 3.7 Flashの方が安く、100万トークンあたり$1.50 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 3.7 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 62。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 3.7 Flashが88.7%、GPT-5.4が84.1%です。
Gemini 3.7 FlashとGPT-5.4はどちらが速いですか?
Gemini 3.7 Flashの方が出力が速くなっています(出力95 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 3.7 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63 対 49。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 3.7 Flashが32.8%、GPT-5.4が39.6%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互角です(66 対 66)。どちらも約1.1Mトークンです(Gemini 3.7 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 3.7 Flashです。Artificial Analysisの測定では、最初の回答トークンまで2.2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 3.7 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48件のベンチマークのうち、Gemini 3.7 Flashのリードが34件、GPT-5.4のリードが12件、同点が2件です。両方を評価しているすべての総合指標で、Gemini 3.7 Flashが上回っています。
Gemini 3.7 Flashはいつリリースされましたか?
Gemini 3.7 Flashは2026年8月13日にリリースされました。