Gemini 3.8 Flash vs GPT-5
詳しいプロフィール:Gemini 3.8 Flash(Google)とGPT-5(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16日時点で、Gemini 3.8 FlashとGPT-5の品質は互角です(BenchLeader Indexで60.2 対 59.0、±7.3の誤差範囲内)。価格はGemini 3.8 Flashの方が2.3倍安く、100万トークンあたりのブレンド価格で$1.50 対 $3.44です。エージェント・ツール(75 対 58)、推論(59 対 48)、マルチモーダル(67 対 57)を重視するならGemini 3.8 Flash、コーディング(57 対 52)、長文コンテキスト(70 対 67)を重視するならGPT-5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 22.9秒です。Gemini 3.8 Flashは出力が速い点も強みです。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、GPT-5が59.0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)。
- GPT-5の100万トークンあたりのブレンド価格は$3.44です(定価、2026年11月16日)。
- Gemini 3.8 FlashはGPT-5より出力が速いです(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9件のベンチマークのうち、Gemini 3.8 Flashが9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 | GPT-5 | カテゴリスコア57 対 52;GameBench 2 by reasoning setting 38.0 対 59.7 | 中 |
| エージェント・ツール利用 | Gemini 3.8 Flash | カテゴリスコア75 対 58 | 高 |
| 推論 | Gemini 3.8 Flash | カテゴリスコア59 対 48;ARC-AGI-2 82.9% 対 7.5% | 高 |
| 長い文書 | GPT-5 | カテゴリスコア70 対 67;AA-LCR v1.1 76.0% 対 84.0% | 中 |
| 画像などのメディア | Gemini 3.8 Flash | カテゴリスコア67 対 57;MMMU-Pro 84.2% 対 74.3% | 高 |
| 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 $3.44;エージェント型コーディングセッション$0.060 対 $0.115;2027年1月1日以降:$3.00 対 $3.44 | – |
| 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 22.9秒(GPT-5 (medium)) | – |
| 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GPT-5 (medium)の品質は互角です(60.2 対 59.0、±7.3の誤差範囲内)。
- Gemini 3.8 Flash (medium)はエージェント・ツール、マルチモーダル、推論で優れています。
- GPT-5 (medium)はコーディング、長文コンテキストで優れています。
- 2026年12月31日まではGemini 3.8 Flash (medium)の方が2.3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 $3.44)。2027年1月1日からは$3.00 対 $3.44になります。
- Gemini 3.8 Flash (medium)の方が出力が1.4倍速くなっています(116 対 82トークン/秒)。
概要
| 仕様 | Gemini 3.8 Flash | GPT-5 |
|---|---|---|
| プロバイダー | OpenAI | |
| リリース日 | 2026年9月2日 | 2025年8月7日 |
| コンテキストウィンドウ(トークン) | 1,048,576 | 400,000 |
| 比較した構成 | Gemini 3.8 Flash (medium) | GPT-5 (medium) |
| 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 | $1.25 / $10.00 / $0.125 |
| 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) | GPT-5 (medium) | トップ |
|---|---|---|---|
| 推論 | 58.7 | 47.9 | Gemini 3.8 Flash |
| コーディング | 51.6 | 57.4 | GPT-5 |
| エージェント・ツール | 75.0 | 58.1 | Gemini 3.8 Flash |
| 数学 | – | 65.4 | 比較不可 |
| 知識 | 57.7 | – | 比較不可 |
| 指示追従 | – | 69.4 | 比較不可 |
| マルチモーダル | 66.7 | 56.6 | Gemini 3.8 Flash |
| 長文コンテキスト | 66.7 | 70.4 | GPT-5 |
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, 知識, 指示追従, 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9件のベンチマークのうち、Gemini 3.8 Flashのリードが9件、GPT-5のリードが0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) | GPT-5 (medium) | トップ |
|---|---|---|---|
| BenchLeader Index | 60.2 | 59.0 | 互角 |
| Arena Text | 1497† | 1435 | 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) | GPT-5 (medium) |
|---|---|---|
| 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 | $3.44 |
| 100万トークンあたりの入力/出力 | $0.750 / $3.75 | $1.25 / $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 | $3.44 |
| 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 | $1.25 / $10.00 |
| 100万トークンあたりのキャッシュ入力 | $0.075 | $0.125 |
| タスクあたりの価格:チャットの返答 | $0.0014 | $0.0035 |
| タスクあたりの価格:30ページのレポートを要約 | $0.011 | $0.021 |
| タスクあたりの価格:コード編集 | $0.010 | $0.022 |
| 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 | $0.115 |
| タスクあたりの価格:構造化データの抽出 | $0.0023 | $0.0045 |
| 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 | $0.064 |
| ベンチマークのタスクあたりのコスト(AA Index) | $6.26 | – |
| タスクあたりの出力トークン(AA Index) | 82k | – |
| うち推論 | 47k | – |
| タスクあたりの時間(AA Index) | 12 min | – |
| 出力速度 | 116 tok/s | 82 tok/s |
| 回答開始までの時間 | 14.8秒 | 22.9秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 41.8秒 | 66.2秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Gemini 3.8 Flash (medium)のスコアは60.2、最初の回答トークンまで15秒。Gemini 3.8 Flash (high)は59.4(20秒)、Gemini 3.8 Flashは56.4(2秒)。GPT-5 (medium)のスコアは59.0、最初の回答トークンまで23秒。GPT-5 (high)は58.2(49秒)、GPT-5は56.6(5秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
229件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Gemini 3.8 Flash (medium) | GPT-5 (medium) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 60.2 | 59.0 |
| エージェント・ツールスコア | BenchLeader | 75.0 | 58.1 |
| コーディングスコア | BenchLeader | 51.6 | 57.4 |
| 知識スコア | BenchLeader | 57.7 | – |
| 長文コンテキストスコア | BenchLeader | 66.7 | 70.4 |
| マルチモーダルスコア | BenchLeader | 66.7 | 56.6 |
| 推論スコア | BenchLeader | 58.7 | 47.9 |
| 指示追従スコア | BenchLeader | – | 69.4 |
| 数学スコア | BenchLeader | – | 65.4 |
| ブレンド価格($/100万トークン) | BenchLeader | $1.50 | $3.44 |
| 出力速度 | BenchLeader | 116 tok/s | 82 tok/s |
| 回答開始までの時間 | BenchLeader | 14.8秒 | 22.9秒 |
| コンテキストウィンドウ | BenchLeader | 1,048,576トークン | 400,000トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 95.4%† | 85.3% |
| Humanity's Last Exam | Scale AI / CAIS | 44.5%† | 25.3%† |
| SimpleBench | SimpleBench | 82.4%† | 56.7%† |
| Arena Hard Prompts | Arena (LMArena) | 1518† | 1449† |
| LiveBench 2.0 Reasoning | LiveBench | 89.3%† | – |
| LiveBench 1.0 Reasoning | LiveBench | 89.3%† | – |
| GPQA Diamond (AA) | Artificial Analysis | 93.5% | 84.2% |
| Humanity's Last Exam (AA) | Artificial Analysis | 42.1% | 25.4% |
| HLE-Diamond (AA) | Artificial Analysis | 29.1% | – |
| GPQA Diamond (Vals) | Vals AI | 94.4%† | 85.6%† |
| Kagi LLM Benchmark | Kagi LLM Benchmark | – | 72.7%† |
| GPQA Diamond (HELM) | HELM Capabilities | – | 79.1%† |
| ARC-AGI-1 | ARC Prize | 97.5% | 56.2% |
| ARC-AGI-2 | ARC Prize | 82.9% | 7.5% |
| ARC-AGI-3 | ARC Prize | 24.2% | – |
| CritPt | Artificial Analysis | 12.3% | 0.0% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 45.0% | 11.5%† |
| MysteryMechanism | Vals AI | 36.5%† | – |
| HLE-Diamond (Scale) | Scale AI SEAL | 34.3%† | – |
| Arena Expert | Arena (LMArena) | 1527† | 1445† |
| Chess Puzzles | Epoch AI Benchmarking Hub | 58.0%† | 32.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 47.0%† | 15.0% |
| LMCA | Epoch AI Benchmarking Hub | 52.9% | 40.0%† |
| DTBench | Epoch AI Benchmarking Hub | 94.9% | 90.7%† |
| ForecastBench | ForecastBench | – | 65.0%† |
229件のベンチマークをすべて表示
| 指標 | 公開元 | Gemini 3.8 Flash (medium) | GPT-5 (medium) |
|---|---|---|---|
| コーディング | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | – | 71.5% |
| SciCode | SciCode | 55.1% | 42.9%† |
| WeirdML | WeirdML | 84.8%† | 39.8%† |
| FrontierCode | Cognition | 41.2% | – |
| GSO-Bench | GSO-Bench | – | 6.9%† |
| Arena Coding | Arena (LMArena) | 1531† | 1462† |
| Arena WebDev | Arena (LMArena) | 1584† | 1417 |
| LiveBench 2.0 Coding | LiveBench | 73.3%† | – |
| LiveBench 1.0 Coding | LiveBench | 72.5%† | – |
| SciCode (AA) | Artificial Analysis | 55.1% | – |
| LiveCodeBench | Vals AI | 89.5%† | 85.9%† |
| IOI | Vals AI | 56.9%† | – |
| SWE-bench (Vals) | Vals AI | 80.0%† | 69.0%† |
| SWE-Bench Pro | Scale AI SEAL | – | 41.8%† |
| Aider Polyglot | Aider polyglot leaderboard | – | 86.7% |
| SWE-bench Verified (bash only) | SWE-bench | – | 65.0% |
| SWE-bench Verified (any scaffold) | SWE-bench | – | 74.4%† |
| 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%† | 20.1%† |
| SWE-Bench Pro (private) | Scale AI SEAL | – | 14.9%† |
| 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%† | – |
| 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%† | 4.4%† |
| Surface Evolver Bench | Epoch AI Benchmarking Hub | 76.9%† | – |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | 71.0% | – |
| CursorBench | Cursor | 37.3% | – |
| ALE-Bench | Epoch AI Benchmarking Hub | 1269.7† | 1162.5† |
| AlgoTune | AlgoTune | – | 1.7† |
| FrontierSWE | Epoch AI Benchmarking Hub | 19.6%† | – |
| WeirdML v3 | WeirdML | 7.4%† | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 19.7% | – |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 83.9% | 35.2%† |
| Startrise Frontend | Startrise | 64.6%† | – |
| GameBench 2 Overall | DuelLab GameBench 2 | 59.0† | – |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 59.7 | 38.0 |
| Design Arena Website | Design Arena | 1291† | 1174† |
| FrontierCode 1.1 (AA) | Artificial Analysis | 37.1% | – |
| FrontierCode 2.0 (AA) | Artificial Analysis | 16.5% | – |
| LiveCodeBench (AA) | Artificial Analysis | – | 70.3% |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 18.2%† | 49.6% |
| GDPval | OpenAI | – | 34.8% |
| Remote Labor Index | Scale AI / CAIS | 5.8%† | 1.7%† |
| APEX-Agents | Mercor | 64.3%† | – |
| Arena Agent | Arena (LMArena) | 2.3† | – |
| LiveBench Long Agentic | LiveBench | 16.5%† | – |
| LiveBench Browser | LiveBench | 45.1%† | – |
| LiveBench Agentic Coding | LiveBench | 54.2%† | – |
| Terminal-Bench Hard | Artificial Analysis | – | 37.9% |
| τ²-Bench Telecom (AA) | Artificial Analysis | – | 86.5% |
| Terminal-Bench 2.1 (Vals) | Vals AI | 81.3%† | – |
| HiL-Bench | Scale AI SEAL | 41.5%† | – |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 46.1% | – |
| GDPval-AA v2.1 | Artificial Analysis | 1432 | 925† |
| τ³-Banking (AA) | Artificial Analysis | 45.8% | 22.1%† |
| 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%† | – |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | 12.1%† | – |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 10.0%† | – |
| Legal Research Bench | Vals AI | 38.9%† | – |
| Poker Agent | Vals AI | – | 1103.2%† |
| SkillsBench | Vals AI | 58.0%† | – |
| SREBench | Vals AI | 11.1%† | – |
| Tax Agent Bench | Vals AI | 32.1%† | – |
| Terminal-Bench 2.0 (Vals) | Vals AI | – | 37.1%† |
| 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 Search | Arena (LMArena) | – | 1189† |
| Arena Agent Task Completion | Arena (LMArena) | 1.3† | – |
| BALROG | BALROG | – | 32.8%† |
| DeepResearch Bench | DeepResearch Bench | – | 48.6% |
| METR Time Horizons | METR | – | 69.6% |
| Vending-Bench 2 | Andon Labs | 5093.8† | – |
| AutomationBench | Artificial Analysis | 60.9% | – |
| GDP.pdf (AA) | Artificial Analysis | 22.8% | – |
| Harvey LAB-AA v1.1 | Harvey | 0.0%† | – |
| AA-Briefcase v1.1 | Artificial Analysis | 1183 | – |
| Design Arena Agentic | Design Arena | 1225† | – |
| 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%† | – |
| BrowseComp-Plus | BrowseComp-Plus | – | 57.6%† |
| BrowseComp | OpenAI | – | 20.1%† |
| DeepSearchQA | – | 59.4%† | |
| FACTS Search | 80.4%† | – | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 68.4%† | 55.4%† |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 21.9%† | 21.9%† |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 98.9%† | 87.2% |
| MATH Level 5 | Epoch AI Benchmarking Hub | – | 97.9% |
| ProofBench | Vals AI | 48.0%† | 18.0%† |
| LiveBench Mathematics | LiveBench | 91.6%† | – |
| AIME (Vals) | Vals AI | – | 93.4%† |
| MGSM | Vals AI | – | 92.8%† |
| IMO 2025 | MathArena | – | 38.1%† |
| MathArena Apex | MathArena | – | 1.0%† |
| Omni-MATH (HELM) | HELM Capabilities | – | 64.7%† |
| MATH 500 | Vals AI | – | 96.0%† |
| Arena Maths | Arena (LMArena) | 1519† | 1411† |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | 0.0%† | – |
| AIME 2025 (AA) | Artificial Analysis | – | 91.7% |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 69.7%† | 50.1%† |
| LiveBench 2.0 Data Analysis | LiveBench | 54.0%† | – |
| LiveBench Research | LiveBench | 79.4%† | – |
| LiveBench 1.0 Data Analysis | LiveBench | 54.0%† | – |
| AA-Omniscience v1.1 | Artificial Analysis | 23.7 | – |
| MMLU-Pro | Vals AI | 90.2%† | 86.5%† |
| LegalBench | Vals AI | 87.0%† | 86.0%† |
| CorpFin | Vals AI | – | 61.1%† |
| TaxEval | Vals AI | 74.5%† | 73.4%† |
| MedQA | Vals AI | – | 96.3%† |
| PRBench Finance | Scale AI SEAL | 49.5%† | 51.3%† |
| PRBench Legal | Scale AI SEAL | 48.9%† | 49.0%† |
| MultiNRC | Scale AI SEAL | – | 52.1%† |
| MMLU-Pro (HELM) | HELM Capabilities | – | 86.3%† |
| BioMysteryBench | Vals AI | 62.2%† | – |
| CaseLaw v2 | Vals AI | – | 66.5%† |
| Excel Modeling Benchmark | Vals AI | 72.2%† | – |
| Excel Modeling Benchmark v1.1 | Vals AI | 72.9%† | – |
| MedCode | Vals AI | 48.1%† | 49.6%† |
| MedScribe | Vals AI | 84.5%† | 83.7%† |
| 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%† | – |
| EBR-bench | Epoch AI Benchmarking Hub | – | 12.7%† |
| GDP.pdf | Epoch AI Benchmarking Hub | 23.4% | – |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 49.6% | – |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 48.5% | – |
| Global-MMLU-Lite (AA) | Artificial Analysis | – | 90.4% |
| HealthBench Professional (AA) | OpenAI | 51.7%† | – |
| FACTS Parametric | 78.7%† | – | |
| 指示追従 | |||
| LiveBench Language | LiveBench | 87.8%† | – |
| LiveBench Instruction Following | LiveBench | 81.4%† | – |
| IFBench | Artificial Analysis | – | 70.6% |
| MultiChallenge | Scale AI SEAL | – | 63.2%† |
| TutorBench | Scale AI SEAL | – | 55.3%† |
| IFEval (HELM) | HELM Capabilities | – | 87.5%† |
| WildBench (HELM) | HELM Capabilities | – | 85.7%† |
| Arena Instruction Following | Arena (LMArena) | 1492† | 1415† |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1497† | 1427† |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1744† | 1626† |
| Arena Creative Writing | Arena (LMArena) | 1488† | 1389† |
| Arena Multi-turn | Arena (LMArena) | 1505† | 1449† |
| Arena Longer Queries | Arena (LMArena) | 1511† | 1435† |
| Lech Mazur Creative Writing | Lech Mazur | – | 86.0% |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1317† | 1232† |
| LiveBench Design | LiveBench | 69.7%† | – |
| MMMU-Pro | Artificial Analysis | 84.2% | 74.3% |
| VISTA | Scale AI SEAL | – | 49.7%† |
| MMMU-Pro (Vals) | Vals AI | 89.1%† | 81.5%† |
| MortgageTax | Vals AI | 65.3%† | 65.5%† |
| 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%† | – |
| VTB | Scale AI SEAL | – | 17.0%† |
| GeoBench | GeoBench | 86.0%† | 81.0% |
| VPCT | Epoch AI Benchmarking Hub | – | 63.2% |
| 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 | |||
| Fiction.LiveBench 120k | Fiction.live | – | 96.9% |
| AA-LCR v1.1 | Artificial Analysis | 84.0% | 76.0% |
| Arena Document | Arena (LMArena) | 1469† | – |
| MLCR | Artificial Analysis | 12.8% | – |
| FACTS Grounding | 68.2%† | – | |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 158.8† | 150† |
| LiveBench 2.0 | LiveBench | 57.3%† | – |
| LiveBench 1.0 | LiveBench | 75.8%† | – |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 30.1 | – |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 39.8 | 22.9 |
| AA Progress Index v1 | Artificial Analysis | 319.1 | 264.4 |
| Vals Index | Vals AI | 56.0† | – |
| HELM Capabilities mean | HELM Capabilities | – | 80.7%† |
| 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 | – | 17.0%† |
| MASK | Scale AI SEAL | – | 79.3%† |
| DistressBench | Scale AI SEAL | 70.7%† | – |
| メタデータ | |||
| AA Openness Index | Artificial Analysis | – | 5.6 |
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)。
- GPT-5 (medium):BenchLeader Index 58.2 → 59.0。
- GPT-5 (medium):新しい結果1件(Aider Polyglot)。
- Gemini 3.8 Flash (medium):スコアの改訂1件。
- GPT-5 (medium):新しい結果2件(Global-MMLU-Lite (AA), AIME 2025 (AA))、スコアの改訂1件。
- GPT-5 (medium):スコアの改訂1件。
- Gemini 3.8 Flash (medium):スコアの改訂2件。
- GPT-5 (medium):スコアの改訂1件。
- Gemini 3.8 Flash (medium):スコアの改訂1件。
- GPT-5 (medium):スコアの改訂1件。
関連する比較
- Gemini 3.8 Flash vs Gemini 4 Carbon
- GPT-5 vs Claude Opus 5.5
- Gemini 3 Pro vs GPT-5
- Gemini 3.8 Flash vs o3
- 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
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 GPT-5:よくある質問
- Gemini 3.8 FlashはGPT-5より優れていますか?
- Gemini 3.8 Flash (medium)とGPT-5 (medium)の品質は互角です(60.2 対 59.0、±7.3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GPT-5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 $3.44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GPT-5のどちらが向いていますか?
- コーディングではGPT-5の方がスコアが高くなっています(カテゴリ指標で57 対 52。50が平均)。
- Gemini 3.8 FlashとGPT-5はどちらが速いですか?
- Gemini 3.8 Flashの方が出力が速くなっています(出力116 対 82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GPT-5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 58。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GPT-5の方がスコアが高くなっています(70 対 67)。コンテキストはGemini 3.8 Flashの方が長く、1,048,576トークンです(GPT-5は400,000トークン)。
- 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 22.9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GPT-5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9件のベンチマークのうち、Gemini 3.8 Flashのリードが9件、GPT-5のリードが0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。