Gemini 3.8 Flash vs GLM 5.2
詳しいプロフィール:Gemini 3.8 Flash(Google)とGLM 5.2(Zhipu AI)。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 3.8 FlashとGLM 5.2の品質は互角です(BenchLeader Indexで60.2 対 58.9、±6.3の誤差範囲内)。価格はGemini 3.8 Flashの方が1.4倍安く、100万トークンあたりのブレンド価格で$1.50 対 $2.15です。知識(58 対 44)、エージェント・ツール(75 対 62)、長文コンテキスト(67 対 64)を重視するならGemini 3.8 Flash、コーディング(62 対 52)を重視するならGLM 5.2が向いています。回答開始までの時間はGemini 3.8 Flashの方が短く、14.8秒 対 26.8秒です。Gemini 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、GLM 5.2が58.9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)。
- GLM 5.2の100万トークンあたりのブレンド価格は$2.15です(定価、2026年11月16日)。
- Gemini 3.8 FlashはGLM 5.2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21件のベンチマークのうち、Gemini 3.8 Flashが17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 | GLM 5.2 | カテゴリスコア62 対 52;SciCode 51.2% 対 55.1% | 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 62;τ³-Banking (AA) 45.8% 対 34.6% | 高 |
| 推論 | Gemini 3.8 Flash | カテゴリスコア59 対 57;HLE-Diamond (AA) 29.1% 対 17.7% | 中 |
| 知識 | Gemini 3.8 Flash | カテゴリスコア58 対 44;AA-Omniscience v1.1 23.7 対 0.6 | 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 78.3% | 中 |
| チャットの質(人間の評価) | – | Arenaの評価があるのはGLM 5.2のみです(カテゴリスコア66) | 比較不可 |
| 最低コスト | Gemini 3.8 Flash(2026年12月31日まで) | 100万トークンあたりブレンド価格$1.50 対 $2.15;エージェント型コーディングセッション$0.060 対 $0.102;2027年1月1日以降:$3.00 対 $2.15 | – |
| 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 26.8秒(GLM 5.2 (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 3.8 Flash (medium)とGLM 5.2 (max)の品質は互角です(60.2 対 58.9、±6.3の誤差範囲内)。
- Gemini 3.8 Flash (medium)はエージェント・ツール、知識、長文コンテキスト、推論で優れています。
- GLM 5.2 (max)はコーディングで優れています。
- 2026年12月31日まではGemini 3.8 Flash (medium)の方が1.4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 $2.15)。2027年1月1日からは$3.00 対 $2.15になります。
- Gemini 3.8 Flash (medium)の方が出力が1.7倍速くなっています(116 対 69トークン/秒)。
概要
| 仕様 | Gemini 3.8 Flash | GLM 5.2 |
|---|---|---|
| プロバイダー | Zhipu AI | |
| リリース日 | 2026年9月2日 | 2026年6月16日 |
| コンテキストウィンドウ(トークン) | 1,048,576 | 1,000,000 |
| 比較した構成 | Gemini 3.8 Flash (medium) | GLM 5.2 (max) |
| 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 | $1.40 / $4.40 / $0.260 |
| 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) | GLM 5.2 (max) | トップ |
|---|---|---|---|
| 推論 | 58.7 | 57.2 | Gemini 3.8 Flash |
| コーディング | 51.6 | 61.8 | GLM 5.2 |
| エージェント・ツール | 75.0 | 62.1 | Gemini 3.8 Flash |
| 数学 | – | 52.6 | 比較不可 |
| 知識 | 57.7 | 44.3 | Gemini 3.8 Flash |
| 指示追従 | – | 71.8 | 比較不可 |
| 人間の評価 | – | 66.4 | 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 | 63.8 | Gemini 3.8 Flash |
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21件のベンチマークのうち、Gemini 3.8 Flashのリードが17件、GLM 5.2のリードが3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 3.8 Flashが上回っています。
| 総合Index | Gemini 3.8 Flash (medium) | GLM 5.2 (max) | トップ |
|---|---|---|---|
| BenchLeader Index | 60.2 | 58.9 | 互角 |
| Arena Text | 1497† | 1475 | Gemini 3.8 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 3.8 Flash (medium) | GLM 5.2 (max) |
|---|---|---|
| 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 | $2.15 |
| 100万トークンあたりの入力/出力 | $0.750 / $3.75 | $1.40 / $4.40 |
| 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 | $2.15 |
| 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 | $1.40 / $4.40 |
| 100万トークンあたりのキャッシュ入力 | $0.075 | $0.260 |
| タスクあたりの価格:チャットの返答 | $0.0014 | $0.0019 |
| タスクあたりの価格:30ページのレポートを要約 | $0.011 | $0.019 |
| タスクあたりの価格:コード編集 | $0.010 | $0.015 |
| 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 | $0.102 |
| タスクあたりの価格:構造化データの抽出 | $0.0023 | $0.0037 |
| 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 | $0.050 |
| ベンチマークのタスクあたりのコスト(AA Index) | $6.26 | – |
| タスクあたりの出力トークン(AA Index) | 82k | – |
| うち推論 | 47k | – |
| タスクあたりの時間(AA Index) | 12 min | – |
| 出力速度 | 116 tok/s | 69 tok/s |
| 回答開始までの時間 | 14.8秒 | 26.8秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 41.8秒 | 56.7秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Gemini 3.8 Flash (medium)のスコアは60.2、最初の回答トークンまで15秒。Gemini 3.8 Flash (high)は59.4(20秒)、Gemini 3.8 Flashは56.4(2秒)。GLM 5.2 (max)のスコアは58.9、最初の回答トークンまで27秒。GLM 5.2は51.9(1秒)、GLM 5.2 (推論なし)は45.8(2秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
195件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Gemini 3.8 Flash (medium) | GLM 5.2 (max) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 60.2 | 58.9 |
| エージェント・ツールスコア | BenchLeader | 75.0 | 62.1 |
| コーディングスコア | BenchLeader | 51.6 | 61.8 |
| 知識スコア | BenchLeader | 57.7 | 44.3 |
| 長文コンテキストスコア | BenchLeader | 66.7 | 63.8 |
| マルチモーダルスコア | BenchLeader | 66.7 | – |
| 推論スコア | BenchLeader | 58.7 | 57.2 |
| 人間の評価スコア | BenchLeader | – | 66.4 |
| 指示追従スコア | BenchLeader | – | 71.8 |
| 数学スコア | BenchLeader | – | 52.6 |
| ブレンド価格($/100万トークン) | BenchLeader | $1.50 | $2.15 |
| 出力速度 | BenchLeader | 116 tok/s | 69 tok/s |
| 回答開始までの時間 | BenchLeader | 14.8秒 | 26.8秒 |
| コンテキストウィンドウ | BenchLeader | 1,048,576トークン | 1,000,000トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 95.4%† | 91.9% |
| Humanity's Last Exam | Scale AI / CAIS | 44.5%† | – |
| SimpleBench | SimpleBench | 82.4%† | 58.8%† |
| Arena Hard Prompts | Arena (LMArena) | 1518† | 1496 |
| LiveBench 2.0 Reasoning | LiveBench | 89.3%† | – |
| LiveBench 1.0 Reasoning | LiveBench | 89.3%† | 78.6%† |
| GPQA Diamond (AA) | Artificial Analysis | 93.5% | 89.5% |
| Humanity's Last Exam (AA) | Artificial Analysis | 42.1% | 41.1% |
| HLE-Diamond (AA) | Artificial Analysis | 29.1% | 17.7% |
| GPQA Diamond (Vals) | Vals AI | 94.4%† | 85.6%† |
| Kagi LLM Benchmark | Kagi LLM Benchmark | – | 62.6%† |
| ARC-AGI-1 | ARC Prize | 97.5% | 77.0%† |
| ARC-AGI-2 | ARC Prize | 82.9% | 22.8%† |
| ARC-AGI-3 | ARC Prize | 24.2% | – |
| CritPt | Artificial Analysis | 12.3% | 20.9% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 45.0% | – |
| MysteryMechanism | Vals AI | 36.5%† | – |
| HLE-Diamond (Scale) | Scale AI SEAL | 34.3%† | – |
| Arena Expert | Arena (LMArena) | 1527† | 1502 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 58.0%† | 22.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 47.0%† | 18.0%† |
| LMCA | Epoch AI Benchmarking Hub | 52.9% | 45.8% |
| DTBench | Epoch AI Benchmarking Hub | 94.9% | 93.6% |
| コーディング | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | – | 78.7% |
| SciCode | SciCode | 55.1% | 51.2% |
195件のベンチマークをすべて表示
| 指標 | 公開元 | Gemini 3.8 Flash (medium) | GLM 5.2 (max) |
|---|---|---|---|
| コーディング | |||
| WeirdML | WeirdML | 84.8%† | 70.1% |
| FrontierCode | Cognition | 41.2% | 24.5%† |
| Arena Coding | Arena (LMArena) | 1531† | 1515 |
| Arena WebDev | Arena (LMArena) | 1584† | 1608 |
| LiveBench 2.0 Coding | LiveBench | 73.3%† | – |
| LiveBench 1.0 Coding | LiveBench | 72.5%† | 79.7%† |
| LiveCodeBench | Vals AI | 89.5%† | 69.5%† |
| IOI | Vals AI | 56.9%† | – |
| SWE-bench (Vals) | Vals AI | 80.0%† | 82.8% |
| Code Migration | Vals AI | 36.5%† | 37.9% |
| Code Migration v1.1 | Vals AI | 38.6%† | – |
| ProgramBench | Vals AI | 1.0%† | 0.5% |
| 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%† | 64.0% |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | 47.0%† | 48.1%† |
| SWE Atlas v1.0: Refactoring | Scale AI SEAL | 44.8%† | 42.4%† |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | 53.7%† | 41.5%† |
| SWE Atlas v1.1 | Scale AI SEAL | 57.3%† | – |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | 45.2%† | – |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | 71.1%† | – |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | 55.7%† | – |
| 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%† | 36.7% |
| Surface Evolver Bench | Epoch AI Benchmarking Hub | 76.9%† | 55.6%† |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | 71.0% | 43.8% |
| CursorBench | Cursor | 37.3% | – |
| ALE-Bench | Epoch AI Benchmarking Hub | 1269.7† | 1010.2 |
| FrontierSWE | Epoch AI Benchmarking Hub | 19.6%† | – |
| WeirdML v3 | WeirdML | 7.4%† | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 19.7% | 1.0% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 83.9% | 77.9% |
| Startrise Frontend | Startrise | 64.6%† | 72.1%† |
| GameBench 2 Overall | DuelLab GameBench 2 | 59.0† | 43.1† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 59.7 | 32.4† |
| Design Arena Website | Design Arena | 1291† | 1277† |
| FrontierCode 1.1 (AA) | Artificial Analysis | 37.1% | – |
| FrontierCode 2.0 (AA) | Artificial Analysis | 16.5% | – |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 18.2%† | – |
| Remote Labor Index | Scale AI / CAIS | 5.8%† | – |
| APEX-Agents | Mercor | 64.3%† | 45.2%† |
| Arena Agent | Arena (LMArena) | 2.3† | 0.2 |
| LiveBench Long Agentic | LiveBench | 16.5%† | – |
| LiveBench Browser | LiveBench | 45.1%† | – |
| LiveBench Agentic Coding | LiveBench | 54.2%† | 51.8%† |
| Terminal-Bench Hard | Artificial Analysis | – | 50.8% |
| τ²-Bench Telecom (AA) | Artificial Analysis | – | 99.1% |
| Terminal-Bench 2.1 (Vals) | Vals AI | 81.3%† | 67.8% |
| MCP Atlas | Scale AI SEAL | – | 77.8%† |
| HiL-Bench | Scale AI SEAL | 41.5%† | 43.7%† |
| τ³-bench Banking | τ²-bench | – | 37.1%† |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 46.1% | – |
| GDPval-AA v2.1 | Artificial Analysis | 1432 | 1380 |
| τ³-Banking (AA) | Artificial Analysis | 45.8% | 34.6% |
| ITBench SRE (AA) | Artificial Analysis | 52.5%† | 42.7% |
| Analyst Agent (AA) | Artificial Analysis | 46.3%† | – |
| APEX-Agents (AA) | Artificial Analysis | – | 33.7% |
| CUA-bench | Vals AI | 4.2%† | – |
| CyberBench | Vals AI | 43.8%† | – |
| Finance Agent v2 | Vals AI | 61.4%† | 49.7%† |
| Finance Agent v2.1 | Vals AI | 65.8%† | – |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | 12.1%† | – |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 10.0%† | 7.1% |
| Legal Research Bench | Vals AI | 38.9%† | 31.3% |
| SkillsBench | Vals AI | 58.0%† | 45.1% |
| SREBench | Vals AI | 11.1%† | 0.0% |
| Tax Agent Bench | Vals AI | 32.1%† | – |
| Terminal-Bench 4.0 (Vals) | Vals AI | 19.7%† | – |
| Terminal-Bench Science | Vals AI | 8.6%† | – |
| Time Horizon Index: KSP | Vals AI | 18.8%† | – |
| Arena Agent Task Completion | Arena (LMArena) | 1.3† | 1.7 |
| PostTrainBench | Epoch AI Benchmarking Hub | – | 30.4% |
| GBAEval | Epoch AI Benchmarking Hub | – | 0.0%† |
| Vending-Bench 2 | Andon Labs | 5093.8† | 8313.8† |
| AutomationBench | Artificial Analysis | 60.9% | 28.4% |
| GDP.pdf (AA) | Artificial Analysis | 22.8% | 10.4% |
| Harvey LAB-AA v1.1 | Harvey | 0.0%† | – |
| EnterpriseOps-Gym | Artificial Analysis | – | 42.7% |
| AA-Briefcase v1.1 | Artificial Analysis | 1183 | 1226 |
| Design Arena Agentic | Design Arena | 1225† | 1194† |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 10.5% | – |
| 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%† | – |
| FACTS Search | 80.4%† | – | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 68.4%† | 59.2% |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 21.9%† | 29.3% |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 98.9%† | 86.4% |
| ProofBench | Vals AI | 48.0%† | 35.0% |
| LiveBench Mathematics | LiveBench | 91.6%† | 89.8%† |
| AIME 2026 | MathArena | – | 90.0% |
| HMMT February 2026 | MathArena | – | 92.4% |
| MathArena Apex | MathArena | – | 19.8% |
| Arena Maths | Arena (LMArena) | 1519† | 1487 |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | 0.0%† | – |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 69.7%† | 34.2% |
| LiveBench 2.0 Data Analysis | LiveBench | 54.0%† | – |
| LiveBench Research | LiveBench | 79.4%† | – |
| LiveBench 1.0 Data Analysis | LiveBench | 54.0%† | 73.7%† |
| AA-Omniscience v1.1 | Artificial Analysis | 23.7 | 0.6 |
| MMLU-Pro | Vals AI | 90.2%† | 86.7%† |
| LegalBench | Vals AI | 87.0%† | 84.1%† |
| CorpFin | Vals AI | – | 66.1%† |
| TaxEval | Vals AI | 74.5%† | 73.3%† |
| PRBench Finance | Scale AI SEAL | 49.5%† | – |
| PRBench Legal | Scale AI SEAL | 48.9%† | – |
| BioMysteryBench | Vals AI | 62.2%† | – |
| Excel Modeling Benchmark | Vals AI | 72.2%† | 61.5%† |
| Excel Modeling Benchmark v1.1 | Vals AI | 72.9%† | – |
| MedCode | Vals AI | 48.1%† | 40.8%† |
| MedScribe | Vals AI | 84.5%† | 83.5%† |
| 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 | – | 36.2%† |
| EBR-bench | Epoch AI Benchmarking Hub | – | 9.5% |
| GDP.pdf | Epoch AI Benchmarking Hub | 23.4% | – |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 49.6% | 21.1% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 48.5% | 74.1% |
| HealthBench Professional (AA) | OpenAI | 51.7%† | – |
| FACTS Parametric | 78.7%† | – | |
| 指示追従 | |||
| LiveBench Language | LiveBench | 87.8%† | 76.2%† |
| LiveBench Instruction Following | LiveBench | 81.4%† | 62.3%† |
| IFBench | Artificial Analysis | – | 73.3% |
| Arena Instruction Following | Arena (LMArena) | 1492† | 1470 |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1497† | 1475 |
| EQ-Bench 4 | EQ-Bench | – | 1208† |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1744† | 1759† |
| Arena Creative Writing | Arena (LMArena) | 1488† | 1451 |
| Arena Multi-turn | Arena (LMArena) | 1505† | 1477 |
| Arena Longer Queries | Arena (LMArena) | 1511† | 1486 |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1317† | – |
| LiveBench Design | LiveBench | 69.7%† | – |
| MMMU-Pro | Artificial Analysis | 84.2% | – |
| 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%† | – |
| GeoBench | GeoBench | 86.0%† | – |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 38.6%† | – |
| Furniture Assembly | Epoch AI Benchmarking Hub | 31.7%† | – |
| VIALS-AA | Handshake AI | 41.0%† | – |
| Code2Video-AA | Artificial Analysis | 899† | – |
| AA-3D | Artificial Analysis | 974† | – |
| FACTS Multimodal | 57.6%† | – | |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 84.0% | 78.3% |
| Arena Document | Arena (LMArena) | 1469† | – |
| MLCR | Artificial Analysis | 12.8% | 12.8% |
| FACTS Grounding | 68.2%† | – | |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 158.8† | 153.0† |
| LiveBench 2.0 | LiveBench | 57.3%† | – |
| LiveBench 1.0 | LiveBench | 75.8%† | 73.2%† |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 30.1 | – |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 39.8 | 33.7 |
| AA Progress Index v1 | Artificial Analysis | 319.1 | 302.5 |
| Vals Index | Vals AI | 56.0† | – |
| Vals Finance Index | Vals AI | 60.5%† | – |
| Vals RSI Index | Vals AI | 19.9%† | – |
| Vals Science Index | Vals AI | 35.8%† | – |
| Vals Router Index | Vals AI | 56.0%† | – |
| Vals Legal Index | Vals AI | 69.8%† | – |
| AA Cyber Index | Artificial Analysis | 25.1† | – |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | – | 48.7%† |
| DistressBench | Scale AI SEAL | 70.7%† | – |
| メタデータ | |||
| AA Openness Index | Artificial Analysis | – | 44.4 |
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 3.8 Flash (medium):スコアの改訂1件。
- GLM 5.2 (max):新しい結果1件(GDPval-AA v2.1)。
- GLM 5.2 (max):BenchLeader Index 59.5 → 59.0。
- GLM 5.2 (max):新しい結果3件(AIME 2026, HMMT February 2026, MathArena Apex)、スコアの改訂1件。
- GLM 5.2 (max):新しい結果1件(MirrorCode)。
- GLM 5.2 (max):BenchLeader Index 60.2 → 59.5。
- GLM 5.2 (max):新しい結果4件(HLE-Diamond (AA), AA-Omniscience v1.1, AA-Omniscience v1.1: accuracy…)。
- Gemini 3.8 Flash (medium):スコアの改訂2件。
- GLM 5.2 (max):価格 $0.30/M → $0.26/M。
関連する比較
- Gemini 3.8 Flash vs Gemini 4 Carbon
- GLM 5.2 vs Claude Opus 5.5
- Gemini 3.8 Flash vs GPT-6.1 Sol
- Gemini 3.8 Flash vs Gemini 4 Argon
- Gemini 3.8 Flash vs Muse Wonder
- Gemini 3.8 Flash vs Muse Spark
- Gemini 3.8 Flash vs Claude Sonnet 5.5
- Gemini 3.8 Flash vs GPT-6.1 Terra
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 3.8 Flash vs GLM 5.2:よくある質問
- Gemini 3.8 FlashはGLM 5.2より優れていますか?
- Gemini 3.8 Flash (medium)とGLM 5.2 (max)の品質は互角です(60.2 対 58.9、±6.3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 3.8 FlashとGLM 5.2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 $2.15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GLM 5.2のどちらが向いていますか?
- コーディングではGLM 5.2の方がスコアが高くなっています(カテゴリ指標で62 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SciCodeでは、Gemini 3.8 Flashが55.1%、GLM 5.2が51.2%です。
- Gemini 3.8 FlashとGLM 5.2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 69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GLM 5.2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 62。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τ³-Banking (AA)では、Gemini 3.8 Flashが45.8%、GLM 5.2が34.6%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)。どちらも約1Mトークンです(Gemini 3.8 Flashは1,048,576、GLM 5.2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 3.8 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 26.8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 3.8 FlashとGLM 5.2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21件のベンチマークのうち、Gemini 3.8 Flashのリードが17件、GLM 5.2のリードが3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 3.8 Flashが上回っています。
- Gemini 3.8 Flashはいつリリースされましたか?
- Gemini 3.8 Flashは2026年9月2日にリリースされました。