Gemini 3.7 Flash vs GPT-6.2 Sol
詳しいプロフィール:Gemini 3.7 Flash(Google)とGPT-6.2 Sol(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19日時点で、Gemini 3.7 FlashとGPT-6.2 Solの品質は互角です(BenchLeader Indexで61.9 対 64.6、±4.6の誤差範囲内)。価格はGemini 3.7 Flashの方が2.7倍安く、100万トークンあたりのブレンド価格で$1.50 対 $4.00です。両方を測定できるすべてのカテゴリでGPT-6.2 Solがリードしています。
要点(2026年11月19日時点)
- BenchLeader IndexはGemini 3.7 Flashが61.9、GPT-6.2 Solが64.6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 Solの100万トークンあたりのブレンド価格は$4.00です(定価、2026年11月19日)。
- 両モデルに結果がある17件のベンチマークのうち、GPT-6.2 Solが16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 Solが1757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 Sol | カテゴリスコア75 対 62;Arena WebDev 1757 対 1588 | 高 |
| エージェント・ツール利用 | GPT-6.2 Sol | カテゴリスコア65 対 49;Terminal-Bench 61.5% 対 12.4% | 高 |
| 推論 | GPT-6.2 Sol | カテゴリスコア70 対 67;ARC-AGI-2 85.8% 対 84.6% | 中 |
| 知識 | どちらでも | カテゴリスコア66 対 65 | どちらでも |
| 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 Flash | 100万トークンあたりブレンド価格$1.50 対 $4.00;エージェント型コーディングセッション$0.060 対 $0.160 | – |
| 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 78.8秒(GPT-6.2 Sol (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
- Gemini 3.7 Flash (high)とGPT-6.2 Sol (max)の品質は互角です(61.9 対 64.6、±4.6の誤差範囲内)。
- Gemini 3.7 Flash (high)は知識で優れています。
- GPT-6.2 Sol (max)はエージェント・ツール、コーディング、推論で優れています。
- Gemini 3.7 Flash (high)の方が2.7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 $4.00)。
- Gemini 3.7 Flash (high)の方が出力が1.3倍速くなっています(96 対 74トークン/秒)。
概要
| 仕様 | Gemini 3.7 Flash | GPT-6.2 Sol |
|---|---|---|
| プロバイダー | OpenAI | |
| 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) | 1,048,576 | 1,050,000 |
| 比較した構成 | Gemini 3.7 Flash (high) | GPT-6.2 Sol (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 | $2.00 / $10.00 / $0.100 |
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 Sol (max) | トップ |
|---|---|---|---|
| 推論 | 67.3 | 70.1 | GPT-6.2 Sol |
| コーディング | 62.1 | 74.5 | GPT-6.2 Sol |
| エージェント・ツール | 48.6 | 65.1 | GPT-6.2 Sol |
| 数学 | 62.3 | – | 比較不可 |
| 知識 | 65.6 | 65.4 | 互角 |
| 人間の評価 | 68.2 | – | 比較不可 |
| マルチモーダル | 67.0 | – | 比較不可 |
| 長文コンテキスト | 65.5 | – | 比較不可 |
| 総合 | – | 64.5 | 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。
描画していないもの(測定済みのモデルが2つ未満):数学, 指示追従, 長文コンテキスト, マルチモーダル, 人間の評価。
情報源で評価が分かれる点
両方に結果がある17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 Solのリードが16件です。
| 総合Index | Gemini 3.7 Flash (high) | GPT-6.2 Sol (max) | トップ |
|---|---|---|---|
| BenchLeader Index | 61.9 | 64.6 | 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-6.2 Sol (max) |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $1.50 | $4.00 |
| 100万トークンあたりの入力/出力 | $0.750 / $3.75 | $2.00 / $10.00 |
| 100万トークンあたりのキャッシュ入力 | $0.075 | $0.100 |
| タスクあたりの価格:チャットの返答 | $0.0014 | $0.0038 |
| タスクあたりの価格:30ページのレポートを要約 | $0.011 | $0.030 |
| タスクあたりの価格:コード編集 | $0.010 | $0.027 |
| 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 | $0.160 |
| タスクあたりの価格:構造化データの抽出 | $0.0023 | $0.0060 |
| 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 | $0.074 |
| ベンチマークのタスクあたりのコスト(AA Index) | – | $1.01 |
| タスクあたりの出力トークン(AA Index) | – | 40k |
| うち推論 | – | 23k |
| タスクあたりの時間(AA Index) | – | 9 min |
| 出力速度 | 96 tok/s | 74 tok/s |
| 回答開始までの時間 | 2.1秒 | 78.8秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Gemini 3.7 Flash (high)のスコアは61.9、最初の回答トークンまで2秒。Gemini 3.7 Flash (medium)は60.0(2秒)、Gemini 3.7 Flash (low)は57.1(2秒)。GPT-6.2 Sol (max)のスコアは64.6、最初の回答トークンまで79秒。GPT-6.2 Sol (xhigh)は63.3(32秒)、GPT-6.2 Sol (high)は62.3(12秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
138件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Gemini 3.7 Flash (high) | GPT-6.2 Sol (max) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 61.9 | 64.6 |
| エージェント・ツールスコア | BenchLeader | 48.6 | 65.1 |
| コーディングスコア | BenchLeader | 62.1 | 74.5 |
| 人間の評価スコア | BenchLeader | 68.2 | – |
| 知識スコア | BenchLeader | 65.6 | 65.4 |
| 長文コンテキストスコア | BenchLeader | 65.5 | – |
| 数学スコア | BenchLeader | 62.3 | – |
| マルチモーダルスコア | BenchLeader | 67.0 | – |
| 推論スコア | BenchLeader | 67.3 | 70.1 |
| 総合スコア | BenchLeader | – | 64.5 |
| ブレンド価格($/100万トークン) | BenchLeader | $1.50 | $4.00 |
| 出力速度 | BenchLeader | 96 tok/s | 74 tok/s |
| 回答開始までの時間 | BenchLeader | 2.1秒 | 78.8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 | 94.8% | – |
| Arena Hard Prompts | Arena (LMArena) | 1510 | – |
| LiveBench 2.0 Reasoning | LiveBench | – | 90.6% |
| LiveBench 1.0 Reasoning | LiveBench | 87.8% | – |
| GPQA Diamond (AA) | Artificial Analysis | 94.5% | – |
| Humanity's Last Exam (AA) | Artificial Analysis | 47.9% | – |
| HLE-Diamond (AA) | Artificial Analysis | – | 64.0% |
| GPQA Diamond (Vals) | Vals AI | 93.9% | – |
| Kagi LLM Benchmark | Kagi LLM Benchmark | – | 67.0%† |
| ARC-AGI-1 | ARC Prize | 95.5% | 97.5% |
| ARC-AGI-2 | ARC Prize | 84.6% | 85.8% |
| ARC-AGI-3 | ARC Prize | – | 98.2% |
| CritPt | Artificial Analysis | 14.3% | – |
| CritPt v2 hard subset (AA) | Artificial Analysis | – | 62.5% |
| MysteryMechanism | Vals AI | – | 36.9% |
| HLE-Diamond (Scale) | Scale AI SEAL | – | 56.5%† |
| Arena Expert | Arena (LMArena) | 1519 | – |
| Chess Puzzles | Epoch AI Benchmarking Hub | 66.0% | – |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 37.0% | – |
| LMCA | Epoch AI Benchmarking Hub | 50.4% | – |
| DTBench | Epoch AI Benchmarking Hub | 96.8% | – |
| ForecastBench | ForecastBench | 65.7% | – |
| コーディング | |||
| SciCode | SciCode | 57.2% | – |
| FrontierCode | Cognition | 43.6%† | – |
| Arena Coding | Arena (LMArena) | 1521 | – |
138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 Sol (max) |
|---|---|---|---|
| コーディング | |||
| Arena WebDev | Arena (LMArena) | 1588 | 1757 |
| LiveBench 2.0 Coding | LiveBench | – | 83.7% |
| LiveBench 1.0 Coding | LiveBench | 78.9% | – |
| LiveCodeBench | Vals AI | 88.7% | – |
| IOI | Vals AI | 67.8% | – |
| SWE-bench (Vals) | Vals AI | 80.8% | – |
| Code Migration | Vals AI | 34.8% | – |
| ProgramBench | Vals AI | 0.0% | – |
| Vibe Code Bench v1.1 | Vals AI | 70.4% | 87.6% |
| Vibe Code Bench 1-100 v1.1 | Vals AI | – | 40.9% |
| SWE Atlas v1.1 | Scale AI SEAL | – | 60.5%† |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | – | 61.3%† |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | – | 64.4%† |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | – | 55.7%† |
| MirrorCode | Epoch AI Benchmarking Hub | 41.1% | – |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | 65.3% | – |
| ALE-Bench | Epoch AI Benchmarking Hub | 904.3 | – |
| FrontierSWE | Epoch AI Benchmarking Hub | 20.3% | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 13.6% | 60.1% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 85.8% | – |
| Design Arena Website | Design Arena | 1293† | – |
| FrontierCode 2.0 (AA) | Artificial Analysis | – | 44.4% |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 12.4% | 61.5% |
| Remote Labor Index | Scale AI / CAIS | 5.0%† | – |
| APEX-Agents | Mercor | 67.8%† | – |
| Arena Agent | Arena (LMArena) | -3.1 | 11.3 |
| LiveBench Long Agentic | LiveBench | – | 63.6% |
| LiveBench Browser | LiveBench | – | 88.2% |
| LiveBench Agentic Coding | LiveBench | 58.3% | – |
| Terminal-Bench 2.1 (Vals) | Vals AI | 77.5% | – |
| GDPval-AA v2.1 | Artificial Analysis | 1404 | – |
| τ³-Banking (AA) | Artificial Analysis | 32.8% | – |
| Analyst Agent (AA) | Artificial Analysis | 60.0% | 53.8% |
| CyberBench | Vals AI | 43.8% | – |
| Finance Agent v2 | Vals AI | 59.0% | – |
| Finance Agent v2.1 | Vals AI | – | 58.9% |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | – | 12.1% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 8.8% | – |
| Legal Research Bench | Vals AI | 34.6% | 37.0% |
| SkillsBench | Vals AI | 65.9% | – |
| SREBench | Vals AI | 4.6% | – |
| Tax Agent Bench | Vals AI | 22.8% | 24.8% |
| Terminal-Bench 4.0 (Vals) | Vals AI | 12.1% | 60.6% |
| Terminal-Bench Science | Vals AI | 7.1% | 58.6% |
| Arena Agent Task Completion | Arena (LMArena) | -3.4 | 10.9 |
| AutomationBench | Artificial Analysis | 62.0% | 71.3% |
| GDP.pdf (AA) | Artificial Analysis | 23.6% | 30.0% |
| Harvey LAB-AA v1.1 | Harvey | – | 11.1% |
| EnterpriseOps-Gym | Artificial Analysis | 50.4%† | 28.9% |
| AA-Briefcase v1.1 | Artificial Analysis | 1115 | 1612 |
| Design Arena Agentic | Design Arena | 1213† | – |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | – | 67.6% |
| CWE-Bench (AA) | Artificial Analysis | – | 61.7% |
| DeepSec-Bench (AA) | Artificial Analysis | – | 51.6% |
| CyberGym end-to-end (AA) | Artificial Analysis | – | 0.0% |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 71.6% | – |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 36.6% | – |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 97.2% | – |
| ProofBench | Vals AI | 58.0%† | – |
| LiveBench Mathematics | LiveBench | 93.5% | – |
| Autoform-Hard | Vals AI | – | 85.7% |
| Arena Maths | Arena (LMArena) | 1502 | – |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 69.2% | – |
| LiveBench 2.0 Data Analysis | LiveBench | – | 81.1% |
| LiveBench Research | LiveBench | – | 90.1% |
| LiveBench 1.0 Data Analysis | LiveBench | 68.0% | – |
| AA-Omniscience v1.1 | Artificial Analysis | – | 40.4 |
| MMLU-Pro | Vals AI | 90.1% | – |
| LegalBench | Vals AI | 87.3% | – |
| TaxEval | Vals AI | 74.7% | – |
| PRBench Legal | Scale AI SEAL | – | 43.3%† |
| BioMysteryBench | Vals AI | – | 77.8% |
| Excel Modeling Benchmark | Vals AI | 71.3% | – |
| Excel Modeling Benchmark v1.1 | Vals AI | – | 74.3% |
| MedCode | Vals AI | 53.4% | – |
| MedScribe | Vals AI | 83.9% | – |
| DrugDiscoveryBench | Scale AI SEAL | – | 62.2%† |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | – | 61.6% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | – | 44.6% |
| 指示追従 | |||
| LiveBench Language | LiveBench | 85.5% | – |
| LiveBench Instruction Following | LiveBench | 79.9% | – |
| MultiChallenge | Scale AI SEAL | – | 72.0%† |
| Arena Instruction Following | Arena (LMArena) | 1486 | – |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1490 | – |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1720† | – |
| Arena Creative Writing | Arena (LMArena) | 1487 | – |
| Arena Multi-turn | Arena (LMArena) | 1490 | – |
| Arena Longer Queries | Arena (LMArena) | 1502 | – |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1313 | – |
| LiveBench Design | LiveBench | – | 80.0% |
| MMMU-Pro | Artificial Analysis | 85.5% | – |
| MMMU-Pro (Vals) | Vals AI | 89.0% | – |
| MortgageTax | Vals AI | 66.7% | – |
| Humanity's Sixth Sense | Scale AI SEAL | 39.8% | 56.8%† |
| Furniture Assembly | Epoch AI Benchmarking Hub | 26.7% | – |
| VIALS-AA | Handshake AI | – | 62.7% |
| AA-3D | Artificial Analysis | – | 1259 |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 81.7% | – |
| Arena Document | Arena (LMArena) | 1468 | – |
| MLCR | Artificial Analysis | 12.2% | 37.2% |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 158.4† | – |
| LiveBench 2.0 | LiveBench | – | 80.3% |
| LiveBench 1.0 | LiveBench | 78.8% | – |
| AA Intelligence Index v5.0.1 | Artificial Analysis | – | 57.3 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 39.1 | – |
| AA Progress Index v1 | Artificial Analysis | 317.4 | – |
| Vals Index | Vals AI | – | 66.1 |
| Vals Finance Index | Vals AI | – | 56.7% |
| Vals RSI Index | Vals AI | 18.3% | – |
| Vals Science Index | Vals AI | – | 57.8% |
| Vals Legal Index | Vals AI | – | 66.7% |
| AA Cyber Index | Artificial Analysis | – | 37.8 |
| 安全性・誠実さ | |||
| DistressBench | Scale AI SEAL | 69.0%† | – |
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 Sol (max):BenchLeader Index 63.2 → 64.6。
- GPT-6.2 Sol (max):新しい結果4件(VIALS-AA, Arena WebDev, Arena Agent…)。
- GPT-6.2 Sol (max):BenchLeader Index 62.4 → 63.2。
- GPT-6.2 Sol (max):新しい結果2件(Vibe Code Bench 1-100 v1.1, 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)。
関連する比較
- Gemini 3.7 Flash vs Claude Fable 5.2
- Gemini 3.7 Flash vs GPT-6.2 Astra
- Gemini 3.7 Flash vs Gemini 4 Carbon
- GPT-6.2 Sol vs Claude Fable 5.2
- GPT-6.2 Sol vs GPT-6.2 Astra
- GPT-6.2 Sol vs Gemini 4 Carbon
- GPT-6.2 Sol vs Claude Opus 5.5
- Gemini 3.7 Flash vs GPT-6.1 Terra
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 Sol:よくある質問
- Gemini 3.7 FlashはGPT-6.2 Solより優れていますか?
- Gemini 3.7 Flash (high)とGPT-6.2 Sol (max)の品質は互角です(61.9 対 64.6、±4.6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19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-6.2 Sol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 $4.00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 Solのどちらが向いていますか?
- コーディングではGPT-6.2 Solの方がスコアが高くなっています(カテゴリ指標で75 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 Solが1757です。
- Gemini 3.7 FlashとGPT-6.2 Sol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96 対 74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 Sol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 Solの方がスコアが高くなっています(カテゴリ指標で65 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 Solが61.5%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 Sol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 78.8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 Sol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17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 Solのリードが16件です。
- GPT-6.2 Solはいつリリースされましたか?
- GPT-6.2 Solは2026年11月17日にリリースされました。