BenchLeader

Gemini 3.7 Flash vs GPT-6.2 Astra

詳しいプロフィール:Gemini 3.7 Flash(Google)とGPT-6.2 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 · 11件の情報源のデータ

2026年11月19日時点で、品質ではGPT-6.2 AstraがGemini 3.7 Flashを上回ります(BenchLeader Indexで68.9 対 61.9)。ただし、価格はGemini 3.7 Flashの方が11倍安く、100万トークンあたりのブレンド価格で$1.50 対 $16.00です。両方を測定できるすべてのカテゴリでGPT-6.2 Astraがリードしています。Gemini 3.7 Flashの方が出力が約1.5倍速いです。

要点(2026年11月19日時点)

  • BenchLeader IndexはGemini 3.7 Flashが61.9、GPT-6.2 Astraが68.9です(BenchLeader、2026年11月19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19日)。
  • GPT-6.2 Astraの100万トークンあたりのブレンド価格は$16.00です(定価、2026年11月19日)。
  • Gemini 3.7 FlashはGPT-6.2 Astraより出力が約1.5倍速いです(Artificial Analysis、7日間の中央値、2026年11月19日)。
  • 両モデルに結果がある28件のベンチマークのうち、GPT-6.2 Astraが27件でリードしています(BenchLeader、2026年11月19日)。
  • Arena WebDevでの評価はGemini 3.7 Flashが1588、GPT-6.2 Astraが1781です(LMArena、2026年11月19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-6.2 Astraカテゴリスコア76 対 62;Arena WebDev 1781 対 1588高
エージェント・ツール利用GPT-6.2 Astraカテゴリスコア66 対 49;Terminal-Bench 62.1% 対 12.4%高
数学GPT-6.2 Astraカテゴリスコア73 対 62;FrontierMath Tiers 1–3 92.6% 対 71.6%高
推論GPT-6.2 Astraカテゴリスコア73 対 67;GPQA Diamond 96.8% 対 94.8%中
知識GPT-6.2 Astraカテゴリスコア74 対 66;SimpleQA Verified 78.5% 対 69.2%高
画像などのメディアGPT-6.2 Astraカテゴリスコア72 対 67;MMMU-Pro 89.5% 対 85.5%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 $16.00;エージェント型コーディングセッション$0.060 対 $0.640–
回答開始の速さGemini 3.7 Flash最初の回答トークンまで2.1秒(Gemini 3.7 Flash (high))対 202.7秒(GPT-6.2 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-6.2 Astra (max)がリードしています:68.9 対 61.9。
  • GPT-6.2 Astra (max)はエージェント・ツール、コーディング、知識、数学、マルチモーダル、推論で優れています。
  • Gemini 3.7 Flash (high)の方が11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 $16.00)。
  • Gemini 3.7 Flash (high)の方が出力が2.0倍速くなっています(96 対 49トークン/秒)。

概要

仕様Gemini 3.7 FlashGPT-6.2 Astra
プロバイダーGoogleOpenAI
リリース日2026年8月13日2026年11月17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-6.2 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)$0.750 / $3.75 / $0.075$8.00 / $40.00 / $0.400

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-6.2 Astra (max)トップ
推論67.373.1GPT-6.2 Astra
コーディング62.176.1GPT-6.2 Astra
エージェント・ツール48.666.4GPT-6.2 Astra
数学62.372.5GPT-6.2 Astra
知識65.674.2GPT-6.2 Astra
人間の評価68.2–比較不可
マルチモーダル67.071.7GPT-6.2 Astra
長文コンテキスト65.5–比較不可
総合–69.5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推論コーディングエージェント・ツール数学知識マルチモーダルGemini 3.7 Flash, 推論: 67.3Gemini 3.7 Flash, コーディング: 62.1Gemini 3.7 Flash, エージェント・ツール: 48.6Gemini 3.7 Flash, 数学: 62.3Gemini 3.7 Flash, 知識: 65.6Gemini 3.7 Flash, マルチモーダル: 67.0GPT-6.2 Astra, 推論: 73.1GPT-6.2 Astra, コーディング: 76.1GPT-6.2 Astra, エージェント・ツール: 66.4GPT-6.2 Astra, 数学: 72.5GPT-6.2 Astra, 知識: 74.2GPT-6.2 Astra, マルチモーダル: 71.7

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, 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28件のベンチマークのうち、Gemini 3.7 Flashのリードが1件、GPT-6.2 Astraのリードが27件です。両方を評価しているすべての総合指標で、GPT-6.2 Astraが上回っています。

総合IndexGemini 3.7 Flash (high)GPT-6.2 Astra (max)トップ
BenchLeader Index61.968.9GPT-6.2 Astra

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-6.2 Astra (max)
100万トークンあたりのブレンド価格$1.50$16.00
100万トークンあたりの入力/出力$0.750 / $3.75$8.00 / $40.00
100万トークンあたりのキャッシュ入力$0.075$0.400
タスクあたりの価格:チャットの返答$0.0014$0.015
タスクあたりの価格:30ページのレポートを要約$0.011$0.120
タスクあたりの価格:コード編集$0.010$0.108
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$0.640
タスクあたりの価格:構造化データの抽出$0.0023$0.024
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$0.298
ベンチマークのタスクあたりのコスト(AA Index)–$4.00
タスクあたりの出力トークン(AA Index)–41k
うち推論–26k
タスクあたりの時間(AA Index)–14 min
出力速度96 tok/s49 tok/s
回答開始までの時間2.1秒202.7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 3.7 Flash (high)のスコアは61.9、最初の回答トークンまで2秒。Gemini 3.7 Flash (medium)は60.0(2秒)、Gemini 3.7 Flash (low)は57.1(2秒)。GPT-6.2 Astra (max)のスコアは68.9、最初の回答トークンまで203秒。GPT-6.2 Astra (xhigh)は67.1(67秒)、GPT-6.2 Astra (medium)は65.6(4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

142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-6.2 Astra (max)
BenchLeader IndexBenchLeader61.968.9
エージェント・ツールスコアBenchLeader48.666.4
コーディングスコアBenchLeader62.176.1
人間の評価スコアBenchLeader68.2–
知識スコアBenchLeader65.674.2
長文コンテキストスコアBenchLeader65.5–
数学スコアBenchLeader62.372.5
マルチモーダルスコアBenchLeader67.071.7
推論スコアBenchLeader67.373.1
総合スコアBenchLeader–69.5
ブレンド価格($/100万トークン)BenchLeader$1.50$16.00
出力速度BenchLeader96 tok/s49 tok/s
回答開始までの時間BenchLeader2.1秒202.7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%96.8%
Arena Hard PromptsArena (LMArena)1510–
LiveBench 2.0 ReasoningLiveBench–91.6%
LiveBench 1.0 ReasoningLiveBench87.8%–
GPQA Diamond (AA)Artificial Analysis94.5%–
Humanity's Last Exam (AA)Artificial Analysis47.9%–
HLE-Diamond (AA)Artificial Analysis–72.2%
GPQA Diamond (Vals)Vals AI93.9%–
ARC-AGI-1ARC Prize95.5%98.5%
ARC-AGI-2ARC Prize84.6%95.8%
ARC-AGI-3ARC Prize–99.8%
CritPtArtificial Analysis14.3%–
CritPt v2 hard subset (AA)Artificial Analysis–71.5%
MysteryMechanismVals AI–53.1%
HLE-Diamond (Scale)Scale AI SEAL–66.9%†
Arena ExpertArena (LMArena)1519–
Chess PuzzlesEpoch AI Benchmarking Hub66.0%78.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub37.0%95.0%
LMCAEpoch AI Benchmarking Hub50.4%–
DTBenchEpoch AI Benchmarking Hub96.8%–
ForecastBenchForecastBench65.7%–
コーディング
SciCodeSciCode57.2%–
FrontierCodeCognition43.6%†–
Arena CodingArena (LMArena)1521–
Arena WebDevArena (LMArena)15881781
142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-6.2 Astra (max)
コーディング
LiveBench 2.0 CodingLiveBench–91.9%
LiveBench 1.0 CodingLiveBench78.9%–
LiveCodeBenchVals AI88.7%–
IOIVals AI67.8%–
SWE-bench (Vals)Vals AI80.8%–
Code MigrationVals AI34.8%–
ProgramBenchVals AI0.0%–
Vibe Code Bench v1.1Vals AI70.4%89.9%
Vibe Code Bench 1-100 v1.1Vals AI–55.2%
SWE Atlas v1.1Scale AI SEAL–60.5%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–67.7%†
SWE Atlas v1.1: Test WritingScale AI SEAL–62.2%†
SWE Atlas v1.1: RefactoringScale AI SEAL–51.4%†
MirrorCodeEpoch AI Benchmarking Hub41.1%67.8%
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%64.1%
Terminal-Bench 2.1 (AA)Artificial Analysis85.8%–
Design Arena WebsiteDesign Arena1293†1339†
FrontierCode 2.0 (AA)Artificial Analysis–45.4%
エージェント・ツール
Terminal-BenchTerminal-Bench12.4%62.1%
Remote Labor IndexScale AI / CAIS5.0%†–
APEX-AgentsMercor67.8%†–
Arena AgentArena (LMArena)-3.115.2
LiveBench Long AgenticLiveBench–70.8%
LiveBench BrowserLiveBench–93.0%
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%62.5%
CyberBenchVals AI43.8%–
Finance Agent v2Vals AI59.0%–
Finance Agent v2.1Vals AI–60.8%
Harvey's Legal Agent Benchmark v1.1Vals AI–16.3%
Harvey's Legal Agent Benchmark v1Vals AI8.8%–
Legal Research BenchVals AI34.6%42.8%
Robo-benchVals AI–32.7%
SkillsBenchVals AI65.9%–
SREBenchVals AI4.6%–
Tax Agent BenchVals AI22.8%21.8%
Terminal-Bench 4.0 (Vals)Vals AI12.1%63.1%
Terminal-Bench ScienceVals AI7.1%71.4%
Arena Agent Task CompletionArena (LMArena)-3.412.4
SpireClimbEpoch AI Benchmarking Hub–41.3%
AutomationBenchArtificial Analysis62.0%77.3%
GDP.pdf (AA)Artificial Analysis23.6%29.8%
Harvey LAB-AA v1.1Harvey–15.0%
EnterpriseOps-GymArtificial Analysis50.4%†29.9%
AA-Briefcase v1.1Artificial Analysis11151643
Design Arena AgenticDesign Arena1213†1304
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–78.1%
CWE-Bench (AA)Artificial Analysis–65.0%
DeepSec-Bench (AA)Artificial Analysis–46.8%
CyberGym end-to-end (AA)Artificial Analysis–0.0%
MKA (AA)Artificial Analysis–52.7%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub71.6%92.6%
FrontierMath Tier 4Epoch AI Benchmarking Hub36.6%100.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub97.2%100.0%
ProofBenchVals AI58.0%†–
LiveBench MathematicsLiveBench93.5%–
Autoform-HardVals AI–87.5%
Arena MathsArena (LMArena)1502–
FrontierMath ErdősEpoch AI Benchmarking Hub–10.3%
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub69.2%78.5%
LiveBench 2.0 Data AnalysisLiveBench–84.1%
LiveBench ResearchLiveBench–91.5%
LiveBench 1.0 Data AnalysisLiveBench68.0%–
AA-Omniscience v1.1Artificial Analysis–50
MMLU-ProVals AI90.1%–
LegalBenchVals AI87.3%–
TaxEvalVals AI74.7%–
PRBench LegalScale AI SEAL–43.1%†
BioMysteryBenchVals AI–80.7%
Excel Modeling BenchmarkVals AI71.3%–
Excel Modeling Benchmark v1.1Vals AI–76.0%
MedCodeVals AI53.4%–
MedScribeVals AI83.9%–
DrugDiscoveryBenchScale AI SEAL–65.5%†
EBR-benchEpoch AI Benchmarking Hub–92.4%
AA-Omniscience v1.1: accuracyArtificial Analysis–68.6%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–40.9%
指示追従
LiveBench LanguageLiveBench85.5%–
LiveBench Instruction FollowingLiveBench79.9%–
MultiChallengeScale AI SEAL–73.2%†
Arena Instruction FollowingArena (LMArena)1486–
人間の評価
Arena TextArena (LMArena)1490–
EQ-Bench Creative Writing v3EQ-Bench1720†–
Arena Creative WritingArena (LMArena)1487–
Arena Multi-turnArena (LMArena)1490–
Arena Longer QueriesArena (LMArena)1502–
マルチモーダル
Arena VisionArena (LMArena)1313–
LiveBench DesignLiveBench–82.8%
MMMU-ProArtificial Analysis85.5%89.5%
MMMU-Pro (Vals)Vals AI89.0%–
MortgageTaxVals AI66.7%–
Humanity's Sixth SenseScale AI SEAL39.8%63.2%†
Furniture AssemblyEpoch AI Benchmarking Hub26.7%89.2%
VIALS-AAHandshake AI–65.8%
AA-3DArtificial Analysis–1318
長文コンテキスト
AA-LCR v1.1Artificial Analysis81.7%–
Arena DocumentArena (LMArena)1468–
MLCRArtificial Analysis12.2%39.4%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub158.4†174.2†
LiveBench 2.0LiveBench–84.9%
LiveBench 1.0LiveBench78.8%–
AA Intelligence Index v5.0.1Artificial Analysis–62.1
AA Intelligence Index v4.3.2Artificial Analysis39.1–
AA Progress Index v1Artificial Analysis317.4–
Vals IndexVals AI–67.7
Vals Finance IndexVals AI–57.3%
Vals RSI IndexVals AI18.3%29.0%
Vals Science IndexVals AI–68.4%
Vals Legal IndexVals AI–69.7%
AA Cyber IndexArtificial Analysis–37.3
安全性・誠実さ
DistressBenchScale AI SEAL69.0%†–

データは2026年11月19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

  • GPT-6.2 Astra (max):BenchLeader Index 67.8 → 68.9。
  • GPT-6.2 Astra (max):新しい結果6件(VIALS-AA, Arena WebDev, Arena Agent…)。
  • GPT-6.2 Astra (max):BenchLeader Index 67.2 → 67.8。
  • GPT-6.2 Astra (max):新しい結果2件(MKA (AA), Terminal-Bench)。
  • Gemini 3.7 Flash (high):スコアの改訂1件。
  • Gemini 3.7 Flash (high):スコアの改訂1件。
  • 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)。

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 3.7 Flash vs GPT-6.2 Astra:よくある質問

GPT-6.2 AstraはGemini 3.7 Flashより優れていますか?
品質ではGPT-6.2 Astra (max)がリードしています:68.9 対 61.9。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19日時点では総合でGPT-6.2 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 3.7 FlashとGPT-6.2 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 3.7 Flashの方が安く、100万トークンあたり$1.50 対 $16.00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 3.7 FlashとGPT-6.2 Astraのどちらが向いていますか?
コーディングではGPT-6.2 Astraの方がスコアが高くなっています(カテゴリ指標で76 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Arena WebDevでは、Gemini 3.7 Flashが1588、GPT-6.2 Astraが1781です。
Gemini 3.7 FlashとGPT-6.2 Astraはどちらが速いですか?
Gemini 3.7 Flashの方が出力が約1.5倍速くなっています(出力96 対 49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-6.2 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-6.2 Astraの方がスコアが高くなっています(カテゴリ指標で66 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Terminal-Benchでは、Gemini 3.7 Flashが12.4%、GPT-6.2 Astraが62.1%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?
どちらも約1.1Mトークンです(Gemini 3.7 Flashは1,048,576、GPT-6.2 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 3.7 Flashです。Artificial Analysisの測定では、最初の回答トークンまで2.1秒 対 202.7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-6.2 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28件のベンチマークのうち、Gemini 3.7 Flashのリードが1件、GPT-6.2 Astraのリードが27件です。両方を評価しているすべての総合指標で、GPT-6.2 Astraが上回っています。
GPT-6.2 Astraはいつリリースされましたか?
GPT-6.2 Astraは2026年11月17日にリリースされました。