BenchLeader

Gemini 3.7 Flash vs GPT-5.4 Pro

詳しいプロフィール:Gemini 3.7 Flash(Google)とGPT-5.4 Pro(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 · 10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 Proの品質は互角です(BenchLeader Indexで62.1 対 63.1、±4.9の誤差範囲内)。価格はGemini 3.7 Flashの方が45倍安く、100万トークンあたりのブレンド価格で$1.50 対 $67.50です。両方を測定できるすべてのカテゴリでGPT-5.4 Proがリードしています。Gemini 3.7 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 3.7 Flashが62.1、GPT-5.4 Pro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 Proの100万トークンあたりのブレンド価格は$67.50です(定価、2026年11月16日)。
  • Gemini 3.7 FlashはGPT-5.4 Pro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)。

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
推論GPT-5.4 Proカテゴリスコア70 対 68中
知識GPT-5.4 Proカテゴリスコア74 対 66高
画像などのメディアGPT-5.4 Proカテゴリスコア70 対 67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 $67.50;エージェント型コーディングセッション$0.060 対 $2.52–
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 7.9秒(GPT-5.4 Pro)–
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 Proの品質は互角です(62.1 対 63.1、±4.9の誤差範囲内)。
  • GPT-5.4 Proは知識、マルチモーダル、推論で優れています。
  • Gemini 3.7 Flash (high)の方が45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 $67.50)。
  • Gemini 3.7 Flash (high)の方が出力が14.6倍速くなっています(95 対 7トークン/秒)。

概要

仕様Gemini 3.7 FlashGPT-5.4 Pro
プロバイダーGoogleOpenAI
リリース日2026年8月13日2026年3月4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 Pro
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$30.00 / $180.00 / –

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 3.7 Flash (high)GPT-5.4 Proトップ
推論67.870.1GPT-5.4 Pro
コーディング62.3–比較不可
エージェント・ツール48.9–比較不可
数学62.6–比較不可
知識65.974.0GPT-5.4 Pro
指示追従–64.4比較不可
人間の評価68.1–比較不可
マルチモーダル67.269.8GPT-5.4 Pro
長文コンテキスト65.5–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推論知識マルチモーダルGemini 3.7 Flash, 推論: 67.8Gemini 3.7 Flash, 知識: 65.9Gemini 3.7 Flash, マルチモーダル: 67.2GPT-5.4 Pro, 推論: 70.1GPT-5.4 Pro, 知識: 74.0GPT-5.4 Pro, マルチモーダル: 69.8

描画していないもの(測定済みのモデルが2つ未満):コーディング, エージェント・ツール, 数学, 指示追従, 長文コンテキスト, 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0件のベンチマークのうち、Gemini 3.7 Flashのリードが0件、GPT-5.4 Proのリードが0件です。

総合IndexGemini 3.7 Flash (high)GPT-5.4 Proトップ
BenchLeader Index62.163.1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 3.7 Flash (high)GPT-5.4 Pro
100万トークンあたりのブレンド価格$1.50$67.50
100万トークンあたりの入力/出力$0.750 / $3.75$30.00 / $180.00
100万トークンあたりのキャッシュ入力$0.075–
タスクあたりの価格:チャットの返答$0.0014$0.066
タスクあたりの価格:30ページのレポートを要約$0.011$0.468
タスクあたりの価格:コード編集$0.010$0.450
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$2.52
タスクあたりの価格:構造化データの抽出$0.0023$0.096
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–
出力速度95 tok/s7 tok/s
回答開始までの時間2.2秒7.9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 Proのスコアは63.1、最初の回答トークンまで8秒。GPT-5.4 Pro (xhigh)は59.5(8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

105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 Pro
BenchLeader IndexBenchLeader62.163.1
エージェント・ツールスコアBenchLeader48.9–
コーディングスコアBenchLeader62.3–
人間の評価スコアBenchLeader68.1–
知識スコアBenchLeader65.974.0
長文コンテキストスコアBenchLeader65.5–
数学スコアBenchLeader62.6–
マルチモーダルスコアBenchLeader67.269.8
推論スコアBenchLeader67.870.1
指示追従スコアBenchLeader–64.4
ブレンド価格($/100万トークン)BenchLeader$1.50$67.50
出力速度BenchLeader95 tok/s7 tok/s
回答開始までの時間BenchLeader2.2秒7.9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%94.6%†
Humanity's Last ExamScale AI / CAIS–44.3%
SimpleBenchSimpleBench–74.1%
Arena Hard PromptsArena (LMArena)1510–
LiveBench 1.0 ReasoningLiveBench87.8%–
GPQA Diamond (AA)Artificial Analysis94.5%–
Humanity's Last Exam (AA)Artificial Analysis47.9%–
GPQA Diamond (Vals)Vals AI93.9%–
ARC-AGI-1ARC Prize95.5%94.5%†
ARC-AGI-2ARC Prize84.6%83.3%†
CritPtArtificial Analysis14.3%30.0%†
Arena ExpertArena (LMArena)1519–
Chess PuzzlesEpoch AI Benchmarking Hub66.0%59.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub37.0%–
LMCAEpoch AI Benchmarking Hub50.4%–
DTBenchEpoch AI Benchmarking Hub96.8%–
ForecastBenchForecastBench66.2%–
コーディング
SciCodeSciCode57.2%–
WeirdMLWeirdML–57.4%†
FrontierCodeCognition43.6%†–
Arena CodingArena (LMArena)1520–
Arena WebDevArena (LMArena)1588–
LiveBench 1.0 CodingLiveBench78.9%–
LiveCodeBenchVals AI88.7%–
IOIVals AI67.8%–
105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 Pro
コーディング
SWE-bench (Vals)Vals AI80.8%–
Code MigrationVals AI34.8%–
ProgramBenchVals AI0.0%–
Vibe Code Bench v1.1Vals AI70.4%–
MirrorCodeEpoch AI Benchmarking Hub41.1%–
DeepSWE v1.1Epoch AI Benchmarking Hub65.3%–
ALE-BenchEpoch AI Benchmarking Hub904.3–
FrontierSWEEpoch AI Benchmarking Hub20.3%–
Terminal-Bench 4.0 (AA)Artificial Analysis13.6%–
Terminal-Bench 2.1 (AA)Artificial Analysis85.8%–
Design Arena WebsiteDesign Arena1295†–
エージェント・ツール
Terminal-BenchTerminal-Bench12.4%–
Remote Labor IndexScale AI / CAIS5.0%†–
APEX-AgentsMercor67.8%†–
Arena AgentArena (LMArena)-2.2–
LiveBench Agentic CodingLiveBench58.3%–
Terminal-Bench 2.1 (Vals)Vals AI77.5%–
GDPval-AA v2.1Artificial Analysis1404–
τ³-Banking (AA)Artificial Analysis32.8%–
Analyst Agent (AA)Artificial Analysis60.0%–
CyberBenchVals AI43.8%–
Finance Agent v2Vals AI59.0%–
Harvey's Legal Agent Benchmark v1Vals AI8.8%–
Legal Research BenchVals AI34.6%–
SkillsBenchVals AI65.9%–
SREBenchVals AI4.6%–
Tax Agent BenchVals AI22.8%–
Terminal-Bench 4.0 (Vals)Vals AI12.1%–
Terminal-Bench ScienceVals AI7.1%–
Arena Agent Task CompletionArena (LMArena)-3.5–
AutomationBenchArtificial Analysis62.0%–
GDP.pdf (AA)Artificial Analysis23.6%–
EnterpriseOps-GymArtificial Analysis50.4%†–
AA-Briefcase v1.1Artificial Analysis1115–
Design Arena AgenticDesign Arena1222†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub71.6%82.5%†
FrontierMath Tier 4Epoch AI Benchmarking Hub36.6%58.5%†
OTIS Mock AIMEEpoch AI Benchmarking Hub97.2%–
ProofBenchVals AI58.0%†–
LiveBench MathematicsLiveBench93.5%–
MathArena ApexMathArena–69.8%†
Arena MathsArena (LMArena)1502–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub69.2%46.3%†
LiveBench 1.0 Data AnalysisLiveBench68.0%–
MMLU-ProVals AI90.1%–
LegalBenchVals AI87.3%–
TaxEvalVals AI74.7%–
MultiNRCScale AI SEAL–62.3%
Excel Modeling BenchmarkVals AI71.3%–
MedCodeVals AI53.4%–
MedScribeVals AI83.9%–
GDP.pdfEpoch AI Benchmarking Hub23.8%–
指示追従
LiveBench LanguageLiveBench85.5%–
LiveBench Instruction FollowingLiveBench79.9%–
MultiChallengeScale AI SEAL–69.2%
TutorBenchScale AI SEAL–56.6%
Arena Instruction FollowingArena (LMArena)1486–
人間の評価
Arena TextArena (LMArena)1489–
EQ-Bench Creative Writing v3EQ-Bench1720†–
Arena Creative WritingArena (LMArena)1487–
Arena Multi-turnArena (LMArena)1490–
Arena Longer QueriesArena (LMArena)1501–
マルチモーダル
Arena VisionArena (LMArena)1313–
MMMU-ProArtificial Analysis85.5%–
VISTAScale AI SEAL–53.9%
MMMU-Pro (Vals)Vals AI89.0%–
MortgageTaxVals AI66.7%–
Humanity's Sixth SenseScale AI SEAL39.8%–
Furniture AssemblyEpoch AI Benchmarking Hub26.7%–
長文コンテキスト
AA-LCR v1.1Artificial Analysis81.7%–
Arena DocumentArena (LMArena)1468–
MLCRArtificial Analysis12.2%–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub158.4†160.2
LiveBench 1.0LiveBench78.8%–
AA Intelligence Index v4.3.2Artificial Analysis39.1–
AA Progress Index v1Artificial Analysis317.4–
Vals RSI IndexVals AI18.3%–
安全性・誠実さ
FORTRESSScale AI SEAL–14.8%
MASKScale AI SEAL–91.7%
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。

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)。
  • 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)。
  • 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)。
  • GPT-5.4 Pro:BenchLeader Index 63.6 → 63.1。
  • Gemini 3.7 Flash (high):新しい結果2件(Harvey's Legal Agent Benchmark v1, Vals RSI Index)。
  • Gemini 3.7 Flash (high):入力価格 $0.38/M → $0.75/M、出力価格 $1.88/M → $3.75/M。
  • Gemini 3.7 Flash (high):スコアの改訂1件、入力価格 $0.75/M → $0.38/M、出力価格 $3.75/M → $1.88/M。

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 Pro:よくある質問

Gemini 3.7 FlashはGPT-5.4 Proより優れていますか?
Gemini 3.7 Flash (high)とGPT-5.4 Proの品質は互角です(62.1 対 63.1、±4.9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 Pro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 $67.50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。
Gemini 3.7 FlashとGPT-5.4 Proはどちらが速いですか?
Gemini 3.7 Flashの方が出力が3倍以上速くなっています(出力95 対 7トークン/秒、Artificial Analysisの7日間の中央値)。
長い文書にはどちらが向いていますか?
どちらも約1.1Mトークンです(Gemini 3.7 Flashは1,048,576、GPT-5.4 Pro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 7.9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。
ほかの質問(1件)
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。