BenchLeader

Gemini 3.7 Flash vs Step 5 Preview

詳しいプロフィール:Gemini 3.7 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 · 10件の情報源のデータ

2026年11月16日時点で、品質ではGemini 3.7 FlashがStep 5 Previewを上回ります(BenchLeader Indexで62.1 対 56.0)。価格はほぼ同じです(100万トークンあたりのブレンド価格で$1.50 対 $1.43)。推論(68 対 52)、コーディング(62 対 50)、知識(66 対 54)を重視するならGemini 3.7 Flash、長文コンテキスト(69 対 66)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 3.7 Flashの方が短く、2.2秒 対 23.5秒です。Step 5 Previewは出力が約1.5倍速い点も強みです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGemini 3.7 Flashが62.1、Step 5 Previewが56.0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)。
  • 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)。
  • Step 5 PreviewはGemini 3.7 Flash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16日)。
  • 両モデルに結果がある35件のベンチマークのうち、Gemini 3.7 Flashが20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Gemini 3.7 Flashカテゴリスコア62 対 50;Arena Coding 1520 対 1505高
エージェント・ツール利用どちらでもカテゴリスコア49 対 49;Arena Agent -2.2 対 -3.7どちらでも
数学Gemini 3.7 Flashカテゴリスコア63 対 60;Arena Maths 1502 対 1470中
推論Gemini 3.7 Flashカテゴリスコア68 対 52;Arena Hard Prompts 1510 対 1477高
知識Gemini 3.7 Flashカテゴリスコア66 対 54;Excel Modeling Benchmark 71.3% 対 57.1%高
長い文書Step 5 Previewカテゴリスコア69 対 66;AA-LCR v1.1 88.3% 対 81.7%中
画像などのメディアGemini 3.7 Flashカテゴリスコア67 対 59;Arena Vision 1313 対 1263高
チャットの質(人間の評価)Gemini 3.7 FlashArenaの投票で68 対 63中
最低コストどちらでも100万トークンあたりブレンド価格$1.50 対 $1.43;エージェント型コーディングセッション$0.060 対 $0.071–
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 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 3.7 Flash (high)がリードしています:62.1 対 56.0。
  • Gemini 3.7 Flash (high)はコーディング、人間の評価、知識、数学、マルチモーダル、推論で優れています。
  • Step 5 Previewはエージェント・ツール、長文コンテキストで優れています。
  • 価格はほぼ同じです(100万トークンあたりブレンド価格$1.43)。
  • Step 5 Previewの方が出力が1.3倍速くなっています(124 対 95トークン/秒)。

概要

仕様Gemini 3.7 FlashStep 5 Preview
プロバイダーGoogleStepFun
リリース日2026年8月13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 3.7 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)$0.750 / $3.75 / $0.075$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 3.7 Flash (high)Step 5 Previewトップ
推論67.851.7Gemini 3.7 Flash
コーディング62.349.9Gemini 3.7 Flash
エージェント・ツール48.949.1互角
数学62.660.1Gemini 3.7 Flash
知識65.953.7Gemini 3.7 Flash
人間の評価68.163.1Gemini 3.7 Flash
マルチモーダル67.259.3Gemini 3.7 Flash
長文コンテキスト65.569.0Step 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 3.7 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: 67.2Gemini 3.7 Flash, 人間の評価: 68.1Step 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35件のベンチマークのうち、Gemini 3.7 Flashのリードが20件、Step 5 Previewのリードが14件、同点が1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)Step 5 Previewトップ
BenchLeader Index62.156.0Gemini 3.7 Flash
Arena Text14891449Gemini 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)Step 5 Preview
100万トークンあたりのブレンド価格$1.50$1.43
100万トークンあたりの入力/出力$0.750 / $3.75$1.00 / $2.70
100万トークンあたりのキャッシュ入力$0.075$0.105
タスクあたりの価格:チャットの返答$0.0014$0.0012
タスクあたりの価格:30ページのレポートを要約$0.011$0.014
タスクあたりの価格:コード編集$0.010$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$0.060$0.071
タスクあたりの価格:構造化データの抽出$0.0023$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)$0.030$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95 tok/s124 tok/s
回答開始までの時間2.2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)–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 3.7 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)。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

135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)Step 5 Preview
BenchLeader IndexBenchLeader62.156.0
エージェント・ツールスコアBenchLeader48.949.1
コーディングスコアBenchLeader62.349.9
人間の評価スコアBenchLeader68.163.1
知識スコアBenchLeader65.953.7
長文コンテキストスコアBenchLeader65.569.0
数学スコアBenchLeader62.660.1
マルチモーダルスコアBenchLeader67.259.3
推論スコアBenchLeader67.851.7
ブレンド価格($/100万トークン)BenchLeader$1.50$1.43
出力速度BenchLeader95 tok/s124 tok/s
回答開始までの時間BenchLeader2.2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 Hub94.8%–
Arena Hard PromptsArena (LMArena)15101477
LiveBench 2.0 ReasoningLiveBench–83.8%†
LiveBench 1.0 ReasoningLiveBench87.8%–
GPQA Diamond (AA)Artificial Analysis94.5%–
Humanity's Last Exam (AA)Artificial Analysis47.9%46.5%
HLE-Diamond (AA)Artificial Analysis–24.3%
GPQA Diamond (Vals)Vals AI93.9%–
ARC-AGI-1ARC Prize95.5%–
ARC-AGI-2ARC Prize84.6%–
CritPtArtificial Analysis14.3%20.9%
CritPt v2 hard subset (AA)Artificial Analysis–32.5%
MysteryMechanismVals AI–18.5%
Arena ExpertArena (LMArena)15191489
Chess PuzzlesEpoch AI Benchmarking Hub66.0%–
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%58.9%
FrontierCodeCognition43.6%†–
Arena CodingArena (LMArena)15201505
Arena WebDevArena (LMArena)15881573†
LiveBench 2.0 CodingLiveBench–67.6%†
LiveBench 1.0 CodingLiveBench78.9%–
135件のベンチマークをすべて表示
指標公開元Gemini 3.7 Flash (high)Step 5 Preview
コーディング
LiveCodeBenchVals AI88.7%–
IOIVals AI67.8%38.1%
SWE-bench (Vals)Vals AI80.8%–
Code MigrationVals AI34.8%39.0%
Code Migration v1.1Vals AI–47.0%
ProgramBenchVals AI0.0%–
SWE-bench MultimodalVals AI–40.8%
Vibe Code Bench v1.1Vals AI70.4%70.4%
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%33.3%
Terminal-Bench 2.1 (AA)Artificial Analysis85.8%–
Design Arena WebsiteDesign Arena1295†–
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
Terminal-BenchTerminal-Bench12.4%–
Remote Labor IndexScale AI / CAIS5.0%†–
APEX-AgentsMercor67.8%†–
Arena AgentArena (LMArena)-2.2-3.7
LiveBench Long AgenticLiveBench–19.4%†
LiveBench BrowserLiveBench–24.8%†
LiveBench Agentic CodingLiveBench58.3%–
Terminal-Bench 2.1 (Vals)Vals AI77.5%–
GDPval-AA v2.1, normalised scoreArtificial Analysis–54.3%
GDPval-AA v2.1Artificial Analysis14041591
τ³-Banking (AA)Artificial Analysis32.8%–
ITBench SRE (AA)Artificial Analysis–55.6%
Analyst Agent (AA)Artificial Analysis60.0%35.0%
APEX-Agents (AA)Artificial Analysis–38.0%
CyberBenchVals AI43.8%–
Finance Agent v2Vals AI59.0%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 AI8.8%9.2%
Legal Research BenchVals AI34.6%40.4%
SkillsBenchVals AI65.9%–
SREBenchVals AI4.6%0.4%
Tax Agent BenchVals AI22.8%27.3%
Terminal-Bench 4.0 (Vals)Vals AI12.1%31.8%
Terminal-Bench ScienceVals AI7.1%2.9%
Arena Agent Task CompletionArena (LMArena)-3.5-1.5
AutomationBenchArtificial Analysis62.0%51.0%
GDP.pdf (AA)Artificial Analysis23.6%14.8%
EnterpriseOps-GymArtificial Analysis50.4%†47.2%
AA-Briefcase v1.1Artificial Analysis11151424
Design Arena AgenticDesign Arena1222†–
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 Hub71.6%–
FrontierMath Tier 4Epoch AI Benchmarking Hub36.6%–
OTIS Mock AIMEEpoch AI Benchmarking Hub97.2%–
ProofBenchVals AI58.0%†42.0%
LiveBench MathematicsLiveBench93.5%–
Arena MathsArena (LMArena)15021470
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub69.2%–
LiveBench 2.0 Data AnalysisLiveBench–63.5%†
LiveBench ResearchLiveBench–75.5%†
LiveBench 1.0 Data AnalysisLiveBench68.0%–
AA-Omniscience v1.1Artificial Analysis–16.4
MMLU-ProVals AI90.1%–
LegalBenchVals AI87.3%–
TaxEvalVals AI74.7%–
BioMysteryBenchVals AI–67.4%
Excel Modeling BenchmarkVals AI71.3%57.1%
Excel Modeling Benchmark v1.1Vals AI–69.5%
MedCodeVals AI53.4%–
MedScribeVals AI83.9%–
Public Benefits Bench v1.1Vals AI–58.1%
GDP.pdfEpoch AI Benchmarking Hub23.8%–
AA-Omniscience v1.1: accuracyArtificial Analysis–36.4%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–68.7%
指示追従
LiveBench LanguageLiveBench85.5%–
LiveBench Instruction FollowingLiveBench79.9%–
Arena Instruction FollowingArena (LMArena)14861450
人間の評価
Arena TextArena (LMArena)14891449
EQ-Bench Creative Writing v3EQ-Bench1720†–
Arena Creative WritingArena (LMArena)14871413
Arena Multi-turnArena (LMArena)14901445
Arena Longer QueriesArena (LMArena)15011461
マルチモーダル
Arena VisionArena (LMArena)13131263
LiveBench DesignLiveBench–70.8%†
MMMU-ProArtificial Analysis85.5%76.4%
MMMU-Pro (Vals)Vals AI89.0%–
MortgageTaxVals AI66.7%–
Humanity's Sixth SenseScale AI SEAL39.8%–
Furniture AssemblyEpoch AI Benchmarking Hub26.7%–
Code2Video-AAArtificial Analysis–821
AA-3DArtificial Analysis–859
長文コンテキスト
AA-LCR v1.1Artificial Analysis81.7%88.3%
Arena DocumentArena (LMArena)1468–
MLCRArtificial Analysis12.2%18.3%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub158.4†–
LiveBench 2.0LiveBench–54.9%†
LiveBench 1.0LiveBench78.8%–
AA Intelligence Index v5.0.1Artificial Analysis–28.5
AA Intelligence Index v4.3.2Artificial Analysis39.143.7
AA Progress Index v1Artificial Analysis317.4318.2
Vals IndexVals AI–54.8
Vals Finance IndexVals AI–55.4%
Vals RSI IndexVals AI18.3%–
Vals Science IndexVals AI–29.6%
Vals Legal IndexVals AI–70.2%
AA Cyber IndexArtificial Analysis–47.7
安全性・誠実さ
DistressBenchScale AI SEAL69.0%†–
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。

最近の変化

  • Step 5 Preview:BenchLeader Index 54.2 → 56.0。
  • Step 5 Preview:BenchLeader Index 54.7 → 54.2。
  • Gemini 3.7 Flash (high):新しい結果2件(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Step 5 Preview:スコアの改訂1件。
  • Gemini 3.7 Flash (high):BenchLeader Index 62.6 → 62.1。
  • Gemini 3.7 Flash (high):スコアの改訂1件。
  • Step 5 Preview:スコアの改訂7件。
  • Gemini 3.7 Flash (high):新しい結果1件(Arena Document)。
  • Step 5 Preview:新しい結果2件(Vals Index, Harvey's Legal Agent Benchmark v1.1)。
  • Gemini 3.7 Flash (high):新しい結果1件(MirrorCode)。

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 Step 5 Preview:よくある質問

Gemini 3.7 FlashはStep 5 Previewより優れていますか?
品質ではGemini 3.7 Flash (high)がリードしています:62.1 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 3.7 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 3.7 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 $1.50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。
コーディングにはGemini 3.7 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 3.7 Flashの方がスコアが高くなっています(カテゴリ指標で62 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 3.7 Flashが57.2%、Step 5 Previewが58.9%です。
Gemini 3.7 FlashとStep 5 Previewはどちらが速いですか?
Step 5 Previewの方が出力が約1.5倍速くなっています(出力124 対 95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互角です(カテゴリ指標で49 対 49)。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Arena Agentでは、Gemini 3.7 Flashが-2.2、Step 5 Previewが-3.7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Step 5 Previewの方がスコアが高くなっています(69 対 66)。どちらも約1Mトークンです(Gemini 3.7 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 3.7 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 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 3.7 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35件のベンチマークのうち、Gemini 3.7 Flashのリードが20件、Step 5 Previewのリードが14件、同点が1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。
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。