Gemini 3.8 Flash vs Gemini 4 Carbon
詳しいプロフィール:Gemini 3.8 Flash(Google)とGemini 4 Carbon(Google)。すべてのベンチマーク、価格、順位を掲載しています。
更新 · 14件の情報源のデータ
2026年11月16日時点で、品質ではGemini 4 CarbonがGemini 3.8 Flashを上回ります(BenchLeader Indexで68.9 対 60.2)。ただし、価格はGemini 3.8 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。エージェント・ツール(75 対 70)、長文コンテキスト(67 対 64)を重視するなら3.8 Flash、コーディング(74 対 52)、知識(76 対 58)、推論(73 対 59)を重視するなら4 Carbonが向いています。回答開始までの時間は3.8 Flashの方が短く、14.8秒 対 73.5秒です。3.8 Flashは出力が約1.5倍速い点も強みです。Gemini 3.8 Flashの現在の価格は2026年12月31日までで、その後は$3.00になります。
要点(2026年11月16日時点)
- BenchLeader IndexはGemini 3.8 Flashが60.2、Gemini 4 Carbonが68.9です(BenchLeader、2026年11月16日)。
- Gemini 3.8 Flashの100万トークンあたりのブレンド価格は$1.50です(2026年12月31日まで。その後は$3.00)(https://ai.google.dev/gemini-api/docs/pricing、2026年10月20日確認)。
- Gemini 4 Carbon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16日)。
- Gemini 3.8 FlashはGemini 4 Carbon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20件のベンチマークのうち、Gemini 4 Carbonが18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 4 Carbon | カテゴリスコア74 対 52;FrontierCode 2.0 (AA) 40.6% 対 16.5% | 高 |
| エージェント・ツール利用 | Gemini 3.8 Flash | カテゴリスコア75 対 70;GDPval-AA v2.1 1432 対 1733 | 中 |
| 推論 | Gemini 4 Carbon | カテゴリスコア73 対 59;HLE-Diamond (AA) 69.1% 対 29.1% | 高 |
| 知識 | Gemini 4 Carbon | カテゴリスコア76 対 58;AA-Omniscience v1.1 53.5 対 23.7 | 高 |
| 長い文書 | Gemini 3.8 Flash | カテゴリスコア67 対 64;AA-LCR v1.1 84.0% 対 79.3% | 中 |
| チャットの質(人間の評価) | – | Arenaの評価があるのはGemini 4 Carbonのみです(カテゴリスコア73) | 比較不可 |
| 最低コスト | Gemini 3.8 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;2027年1月1日以降:$3.00 対 $4.00 | – |
| 回答開始の速さ | Gemini 3.8 Flash | 最初の回答トークンまで14.8秒(Gemini 3.8 Flash (medium))対 73.5秒(Gemini 4 Carbon (high)) | – |
| 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 4 Carbon (high)がリードしています:68.9 対 60.2。
- Gemini 3.8 Flash (medium)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。
- Gemini 4 Carbon (high)はコーディング、知識、推論で優れています。
- 2026年12月31日まではGemini 3.8 Flash (medium)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)。2027年1月1日からは$3.00 対 $4.00になります。
- Gemini 3.8 Flash (medium)の方が出力が1.8倍速くなっています(116 対 64トークン/秒)。
概要
| 仕様 | Gemini 3.8 Flash | Gemini 4 Carbon |
|---|---|---|
| プロバイダー | ||
| リリース日 | 2026年9月2日 | 2026年10月28日 |
| コンテキストウィンドウ(トークン) | 1,048,576 | 1,048,576 |
| 比較した構成 | Gemini 3.8 Flash (medium) | Gemini 4 Carbon (high) |
| 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 |
| 発表済みの価格変更 | 2027年1月1日から$1.50 / $7.50 | 発表なし |
上限、提供状況、発表済みの価格は各ベンダーの公式ページによるものです: ai.google.dev(料金) (2026年10月20日確認)。それ以外はすべて当日のデータです。
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 3.8 Flash (medium) | Gemini 4 Carbon (high) | トップ |
|---|---|---|---|
| 推論 | 58.7 | 73.2 | Gemini 4 Carbon |
| コーディング | 51.6 | 74.1 | Gemini 4 Carbon |
| エージェント・ツール | 75.0 | 70.3 | Gemini 3.8 Flash |
| 数学 | – | 71.9 | 比較不可 |
| 知識 | 57.7 | 76.1 | Gemini 4 Carbon |
| 人間の評価 | – | 72.6 | 比較不可 |
| マルチモーダル | 66.7 | – | 比較不可 |
| 長文コンテキスト | 66.7 | 64.3 | Gemini 3.8 Flash |
| 総合 | – | 70.3 | 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, 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20件のベンチマークのうち、Gemini 3.8 Flashのリードが1件、Gemini 4 Carbonのリードが18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 4 Carbonが上回っています。
| 総合Index | Gemini 3.8 Flash (medium) | Gemini 4 Carbon (high) | トップ |
|---|---|---|---|
| BenchLeader Index | 60.2 | 68.9 | Gemini 4 Carbon |
| AA Intelligence Index v5.0.1 | 30.1 | 60.0 | Gemini 4 Carbon |
| Vals Index | 56.0† | 70.5 | Gemini 4 Carbon |
| Arena Text | 1497† | 1526 | Gemini 4 Carbon |
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 3.8 Flash (medium) | Gemini 4 Carbon (high) |
|---|---|---|
| 100万トークンあたりのブレンド価格(2026年12月31日まで) | $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 |
| 2027年1月1日以降の100万トークンあたりのブレンド価格 | $3.00 | $4.00 |
| 2027年1月1日以降の100万トークンあたりの入力/出力 | $1.50 / $7.50 | $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) | $6.26 | $5.48 |
| タスクあたりの出力トークン(AA Index) | 82k | 123k |
| うち推論 | 47k | 72k |
| タスクあたりの時間(AA Index) | 12 min | 32 min |
| 出力速度 | 116 tok/s | 64 tok/s |
| 回答開始までの時間 | 14.8秒 | 73.5秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 41.8秒 | 160.6秒 |
トークン単価とタスクあたりのコストは別物です。Artificial AnalysisのIntelligence Indexの平均的なタスクにかかったコストは、Gemini 3.8 Flash (medium)で$6.26、Gemini 4 Carbon (high)で$5.48でした。同じ作業でGemini 4 Carbon (high)は1.5倍の出力トークンを書いています。これはトークン単価だけでは見えない差です。
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Gemini 3.8 Flash (medium)のスコアは60.2、最初の回答トークンまで15秒。Gemini 3.8 Flash (high)は59.4(20秒)、Gemini 3.8 Flashは56.4(2秒)。Gemini 4 Carbon (high)のスコアは68.9、最初の回答トークンまで73秒。Gemini 4 Carbon (medium)は65.8(21秒)、Gemini 4 Carbon (low)は60.1(11秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
183件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Gemini 3.8 Flash (medium) | Gemini 4 Carbon (high) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 60.2 | 68.9 |
| エージェント・ツールスコア | BenchLeader | 75.0 | 70.3 |
| コーディングスコア | BenchLeader | 51.6 | 74.1 |
| 知識スコア | BenchLeader | 57.7 | 76.1 |
| 長文コンテキストスコア | BenchLeader | 66.7 | 64.3 |
| マルチモーダルスコア | BenchLeader | 66.7 | – |
| 推論スコア | BenchLeader | 58.7 | 73.2 |
| 総合スコア | BenchLeader | – | 70.3 |
| 人間の評価スコア | BenchLeader | – | 72.6 |
| 数学スコア | BenchLeader | – | 71.9 |
| ブレンド価格($/100万トークン) | BenchLeader | $1.50 | $4.00 |
| 出力速度 | BenchLeader | 116 tok/s | 64 tok/s |
| 回答開始までの時間 | BenchLeader | 14.8秒 | 73.5秒 |
| コンテキストウィンドウ | BenchLeader | 1,048,576トークン | 1,048,576トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 95.4%† | 96.5% |
| Humanity's Last Exam | Scale AI / CAIS | 44.5%† | – |
| SimpleBench | SimpleBench | 82.4%† | 92.6%† |
| Arena Hard Prompts | Arena (LMArena) | 1518† | 1547 |
| LiveBench 2.0 Reasoning | LiveBench | 89.3%† | 90.6% |
| LiveBench 1.0 Reasoning | LiveBench | 89.3%† | – |
| GPQA Diamond (AA) | Artificial Analysis | 93.5% | – |
| Humanity's Last Exam (AA) | Artificial Analysis | 42.1% | – |
| HLE-Diamond (AA) | Artificial Analysis | 29.1% | 69.1% |
| GPQA Diamond (Vals) | Vals AI | 94.4%† | – |
| ARC-AGI-1 | ARC Prize | 97.5% | 97.5% |
| ARC-AGI-2 | ARC Prize | 82.9% | 92.1% |
| ARC-AGI-3 | ARC Prize | 24.2% | 96.9% |
| CritPt | Artificial Analysis | 12.3% | – |
| CritPt v2 hard subset (AA) | Artificial Analysis | 45.0% | 69.0% |
| MysteryMechanism | Vals AI | 36.5%† | – |
| HLE-Diamond (Scale) | Scale AI SEAL | 34.3%† | – |
| Arena Expert | Arena (LMArena) | 1527† | 1567 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 58.0%† | 78.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 47.0%† | 73.0% |
| LMCA | Epoch AI Benchmarking Hub | 52.9% | – |
| DTBench | Epoch AI Benchmarking Hub | 94.9% | – |
| コーディング | |||
| SciCode | SciCode | 55.1% | 64.2% |
| WeirdML | WeirdML | 84.8%† | – |
| FrontierCode | Cognition | 41.2% | – |
183件のベンチマークをすべて表示
| 指標 | 公開元 | Gemini 3.8 Flash (medium) | Gemini 4 Carbon (high) |
|---|---|---|---|
| コーディング | |||
| Arena Coding | Arena (LMArena) | 1531† | 1568 |
| Arena WebDev | Arena (LMArena) | 1584† | 1768 |
| LiveBench 2.0 Coding | LiveBench | 73.3%† | 91.0% |
| LiveBench 1.0 Coding | LiveBench | 72.5%† | – |
| SciCode (AA) | Artificial Analysis | 55.1% | – |
| LiveCodeBench | Vals AI | 89.5%† | – |
| IOI | Vals AI | 56.9%† | – |
| SWE-bench (Vals) | Vals AI | 80.0%† | – |
| Code Migration | Vals AI | 36.5%† | – |
| Code Migration v1.1 | Vals AI | 38.6%† | – |
| ProgramBench | Vals AI | 1.0%† | – |
| SWE-bench Multimodal | Vals AI | 40.8%† | – |
| Vibe Code Bench 1-100 | Vals AI | 18.8%† | – |
| Vibe Code Bench v1.1 | Vals AI | 78.7%† | 89.1% |
| Vibe Code Bench 1-100 v1.1 | Vals AI | – | 49.7% |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | 47.0%† | – |
| SWE Atlas v1.0: Refactoring | Scale AI SEAL | 44.8%† | – |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | 53.7%† | – |
| SWE Atlas v1.1 | Scale AI SEAL | 57.3%† | 71.4%† |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | 45.2%† | 73.4%† |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | 71.1%† | 76.7%† |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | 55.7%† | 64.3%† |
| SWE-Bench Pro V2 | Scale AI SEAL | 94.9%† | – |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | 58.8%† | – |
| MirrorCode | Epoch AI Benchmarking Hub | 38.9%† | – |
| Surface Evolver Bench | Epoch AI Benchmarking Hub | 76.9%† | – |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | 71.0% | – |
| CursorBench | Cursor | 37.3% | 60.4% |
| ALE-Bench | Epoch AI Benchmarking Hub | 1269.7† | – |
| FrontierSWE | Epoch AI Benchmarking Hub | 19.6%† | 61.2% |
| WeirdML v3 | WeirdML | 7.4%† | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 19.7% | 65.2% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 83.9% | – |
| Startrise Frontend | Startrise | 64.6%† | – |
| GameBench 2 Overall | DuelLab GameBench 2 | 59.0† | – |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 59.7 | – |
| Design Arena Website | Design Arena | 1291† | 1319† |
| FrontierCode 1.1 (AA) | Artificial Analysis | 37.1% | – |
| FrontierCode 2.0 (AA) | Artificial Analysis | 16.5% | 40.6% |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 18.2%† | 64.5% |
| Remote Labor Index | Scale AI / CAIS | 5.8%† | – |
| APEX-Agents | Mercor | 64.3%† | 84.2%† |
| Arena Agent | Arena (LMArena) | 2.3† | 17 |
| LiveBench Long Agentic | LiveBench | 16.5%† | 72.7% |
| LiveBench Browser | LiveBench | 45.1%† | 80.0% |
| LiveBench Agentic Coding | LiveBench | 54.2%† | – |
| Terminal-Bench 2.1 (Vals) | Vals AI | 81.3%† | – |
| HiL-Bench | Scale AI SEAL | 41.5%† | 50.3%† |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 46.1% | – |
| GDPval-AA v2.1 | Artificial Analysis | 1432 | 1733 |
| τ³-Banking (AA) | Artificial Analysis | 45.8% | – |
| ITBench SRE (AA) | Artificial Analysis | 52.5%† | – |
| Analyst Agent (AA) | Artificial Analysis | 46.3%† | – |
| CUA-bench | Vals AI | 4.2%† | – |
| CyberBench | Vals AI | 43.8%† | – |
| Finance Agent v2 | Vals AI | 61.4%† | – |
| Finance Agent v2.1 | Vals AI | 65.8%† | 67.2% |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | 12.1%† | 17.5% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 10.0%† | – |
| Legal Research Bench | Vals AI | 38.9%† | 55.8% |
| SkillsBench | Vals AI | 58.0%† | – |
| SREBench | Vals AI | 11.1%† | – |
| Tax Agent Bench | Vals AI | 32.1%† | 51.8% |
| Terminal-Bench 4.0 (Vals) | Vals AI | 19.7%† | 63.1% |
| Terminal-Bench Science | Vals AI | 8.6%† | – |
| Time Horizon Index: KSP | Vals AI | 18.8%† | – |
| Arena Agent Task Completion | Arena (LMArena) | 1.3† | 18.4 |
| Vending-Bench 2 | Andon Labs | 5093.8† | 16484.2† |
| AutomationBench | Artificial Analysis | 60.9% | 77.8% |
| GDP.pdf (AA) | Artificial Analysis | 22.8% | 28.4% |
| Harvey LAB-AA v1.1 | Harvey | 0.0%† | – |
| AA-Briefcase v1.1 | Artificial Analysis | 1183 | 1611 |
| GDPx | GDPx by SemiAnalysis | – | 10.9% |
| Design Arena Agentic | Design Arena | 1225† | 1305† |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 10.5% | 64.8% |
| CWE-Bench (AA) | Artificial Analysis | 52.5%† | – |
| DeepSec-Bench (AA) | Artificial Analysis | 14.5%† | – |
| CyberGym end-to-end (AA) | Artificial Analysis | 8.4%† | – |
| MKA (AA) | Artificial Analysis | 35.3%† | 54.3% |
| FACTS Search | 80.4%† | 94.4%† | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 68.4%† | 90.5% |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 21.9%† | 95.1% |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 98.9%† | 100.0% |
| ProofBench | Vals AI | 48.0%† | – |
| LiveBench Mathematics | LiveBench | 91.6%† | – |
| ArXivMath | MathArena | – | 94.3% |
| BrokenArXiv | MathArena | – | 84.4% |
| Arena Maths | Arena (LMArena) | 1519† | – |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | 0.0%† | 2.9% |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 69.7%† | 77.7% |
| LiveBench 2.0 Data Analysis | LiveBench | 54.0%† | 86.5% |
| LiveBench Research | LiveBench | 79.4%† | 92.5% |
| LiveBench 1.0 Data Analysis | LiveBench | 54.0%† | – |
| AA-Omniscience v1.1 | Artificial Analysis | 23.7 | 53.5 |
| MMLU-Pro | Vals AI | 90.2%† | – |
| LegalBench | Vals AI | 87.0%† | – |
| TaxEval | Vals AI | 74.5%† | – |
| PRBench Finance | Scale AI SEAL | 49.5%† | – |
| PRBench Legal | Scale AI SEAL | 48.9%† | 53.4%† |
| BioMysteryBench | Vals AI | 62.2%† | – |
| Excel Modeling Benchmark | Vals AI | 72.2%† | – |
| Excel Modeling Benchmark v1.1 | Vals AI | 72.9%† | 76.5% |
| MedCode | Vals AI | 48.1%† | – |
| MedScribe | Vals AI | 84.5%† | – |
| Public Benefits Bench v1.1 | Vals AI | 65.3%† | – |
| Access to Justice Benchmark | Vals AI | 67.1%† | – |
| Financial Coaching Bench | Vals AI | 66.3%† | – |
| Immigration Bench | Vals AI | 63.4%† | – |
| DrugDiscoveryBench | Scale AI SEAL | – | 71.5% |
| EBR-bench | Epoch AI Benchmarking Hub | – | 87.6% |
| GDP.pdf | Epoch AI Benchmarking Hub | 23.4% | – |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 49.6% | 58.3% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 48.5% | 88.6% |
| HealthBench Professional (AA) | OpenAI | 51.7%† | – |
| FACTS Parametric | 78.7%† | 81.6%† | |
| 指示追従 | |||
| LiveBench Language | LiveBench | 87.8%† | – |
| LiveBench Instruction Following | LiveBench | 81.4%† | – |
| Arena Instruction Following | Arena (LMArena) | 1492† | 1525 |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1497† | 1526 |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1744† | – |
| Arena Creative Writing | Arena (LMArena) | 1488† | 1516 |
| Arena Multi-turn | Arena (LMArena) | 1505† | 1564 |
| Arena Longer Queries | Arena (LMArena) | 1511† | 1538 |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1317† | – |
| LiveBench Design | LiveBench | 69.7%† | 80.2% |
| MMMU-Pro | Artificial Analysis | 84.2% | 89.3%† |
| MMMU-Pro (Vals) | Vals AI | 89.1%† | – |
| MortgageTax | Vals AI | 65.3%† | – |
| SAGE | Vals AI | 88.2%† | – |
| AudioMC | Scale AI SEAL | 60.4%† | – |
| AudioMC (text output) | Scale AI SEAL | 60.4%† | – |
| Humanity's Sixth Sense | Scale AI SEAL | 41.6%† | 71.1% |
| GeoBench | GeoBench | 86.0%† | – |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 38.6%† | 58.6%† |
| Furniture Assembly | Epoch AI Benchmarking Hub | 31.7%† | 77.5% |
| VIALS-AA | Handshake AI | 41.0%† | 64.0% |
| Code2Video-AA | Artificial Analysis | 899† | – |
| AA-3D | Artificial Analysis | 974† | – |
| FACTS Multimodal | 57.6%† | 60.2%† | |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 84.0% | 79.3% |
| Arena Document | Arena (LMArena) | 1469† | – |
| MLCR | Artificial Analysis | 12.8% | 19.4% |
| FACTS Grounding | 68.2%† | 77.2%† | |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 158.8† | 169.8† |
| LiveBench 2.0 | LiveBench | 57.3%† | 83.5% |
| LiveBench 1.0 | LiveBench | 75.8%† | – |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 30.1 | 60.0 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 39.8 | – |
| AA Progress Index v1 | Artificial Analysis | 319.1 | 350.8 |
| Vals Index | Vals AI | 56.0† | 70.5 |
| Vals Finance Index | Vals AI | 60.5%† | 67.0% |
| Vals RSI Index | Vals AI | 19.9%† | 27.7% |
| Vals Science Index | Vals AI | 35.8%† | – |
| Vals Router Index | Vals AI | 56.0%† | – |
| Vals Legal Index | Vals AI | 69.8%† | 75.9% |
| AA Cyber Index | Artificial Analysis | 25.1† | – |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | – | 16.4%† |
| DistressBench | Scale AI SEAL | 70.7%† | – |
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 3.8 Flash:定価が100万トークンあたり入力$1.50/出力$7.50に変わります(発表済み)。
- Gemini 4 Carbon (high):新しい結果8件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
- Gemini 4 Carbon (high):BenchLeader Index 69.9 → 68.9。
- Gemini 3.8 Flash (medium):スコアの改訂1件。
- Gemini 4 Carbon (high):新しい結果1件(Terminal-Bench)。
- Gemini 4 Carbon (high):新しい結果1件(DrugDiscoveryBench)、入力価格 $4.00/M → $2.00/M、出力価格 $20.00/M → $10.00/M、価格 $7.76/M → $5.48/M。
- Gemini 4 Carbon (high):BenchLeader Index 68.5 → 69.9。
- Gemini 4 Carbon (high):新しい結果13件(GPQA Diamond, FrontierMath Tiers 1–3, FrontierMath Tier 4…)。
- Gemini 4 Carbon (high):新しい結果2件(FrontierSWE, Vals RSI Index)。
- Gemini 4 Carbon (high):BenchLeader Index 69.3 → 68.5。
関連する比較
- Gemini 4 Carbon vs Claude Fable 5.2
- Gemini 4 Carbon vs Claude Opus 5.5
- Gemini 4 Carbon vs GPT-6 Astra
- Gemini 4 Carbon vs Claude Fable 5.1
- Gemini 3.7 Flash vs Gemini 4 Carbon
- Gemini 3.8 Flash vs Gemini 4 Argon
- Gemini 3.8 Flash vs GPT-6.1 Sol
- Gemini 3.8 Flash vs Muse Wonder
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 3.8 Flash vs Gemini 4 Carbon:よくある質問
- Gemini 4 CarbonはGemini 3.8 Flashより優れていますか?
- 品質ではGemini 4 Carbon (high)がリードしています:68.9 対 60.2。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 4 Carbon (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 3.8 FlashとGemini 4 Carbon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 3.8 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)。Gemini 3.8 Flashの現在の価格は2026年12月31日までで、その後は$3.00になります。
- コーディングにはGemini 3.8 FlashとGemini 4 Carbonのどちらが向いていますか?
- コーディングではGemini 4 Carbonの方がスコアが高くなっています(カテゴリ指標で74 対 52。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FrontierCode 2.0 (AA)では、Gemini 3.8 Flashが16.5%、Gemini 4 Carbonが40.6%です。
- Gemini 3.8 FlashとGemini 4 Carbonはどちらが速いですか?
- Gemini 3.8 Flashの方が出力が約1.5倍速くなっています(出力116 対 64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 3.8 FlashとGemini 4 Carbon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Gemini 3.8 Flashの方がスコアが高くなっています(カテゴリ指標で75 対 70。50が平均)。
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Gemini 3.8 Flashの方がスコアが高くなっています(67 対 64)。どちらも1,048,576トークンのコンテキストに対応しています。
- 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 3.8 Flashです。Artificial Analysisの測定では、最初の回答トークンまで14.8秒 対 73.5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 3.8 FlashとGemini 4 Carbon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20件のベンチマークのうち、Gemini 3.8 Flashのリードが1件、Gemini 4 Carbonのリードが18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 4 Carbonが上回っています。
- Gemini 4 Carbonはいつリリースされましたか?
- Gemini 4 Carbonは2026年10月28日にリリースされました。