BenchLeader

Gemini 3.8 Flash vs GPT-5.3-Codex

詳しいプロフィール:Gemini 3.8 Flash(Google)とGPT-5.3-Codex(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 · 8件の情報源のデータ

2026年11月16日時点で、Gemini 3.8 FlashとGPT-5.3-Codexの品質は互角です(BenchLeader Indexで60.2 対 62.9、±8.5の誤差範囲内)。価格はGemini 3.8 Flashの方が3.2倍安く、100万トークンあたりのブレンド価格で$1.50 対 $4.81です。マルチモーダル(67 対 61)を重視するならGemini 3.8 Flash、コーディング(61 対 52)、エージェント・ツール(80 対 75)を重視するならGPT-5.3-Codex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 38.2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-5.3-Codexが62.9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)。
  • GPT-5.3-Codexの100万トークンあたりのブレンド価格は$4.81です(定価、2026年11月16日)。
  • Gemini 3.8 FlashはGPT-5.3-Codex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7件のベンチマークのうち、Gemini 3.8 Flashが5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-5.3-Codexカテゴリスコア61 対 52高
エージェント・ツール利用GPT-5.3-Codexカテゴリスコア80 対 75;AA-Briefcase v1.1 868 対 1183中
長い文書どちらでもカテゴリスコア67 対 66;AA-LCR v1.1 84.0% 対 83.3%どちらでも
画像などのメディアGemini 3.8 Flashカテゴリスコア67 対 61;MMMU-Pro 84.2% 対 78.5%中
最低コストGemini 3.8 Flash100万トークンあたりブレンド価格$1.50 対 $4.81;エージェント型コーディングセッション$0.060 対 $0.161;2027年1月1日以降:$3.00 対 $4.81–
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 38.2秒(GPT-5.3-Codex (xhigh))–
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-5.3-Codex (xhigh)の品質は互角です(60.2 対 62.9、±8.5の誤差範囲内)。
  • Gemini 3.8 Flash (medium)は長文コンテキスト、マルチモーダルで優れています。
  • GPT-5.3-Codex (xhigh)はエージェント・ツール、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3.2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 $4.81)。2027年1月1日からは$3.00 対 $4.81になります。

概要

仕様Gemini 3.8 FlashGPT-5.3-Codex
プロバイダーGoogleOpenAI
リリース日2026年9月2日2026年2月5日
コンテキストウィンドウ(トークン)1,048,576400,000
比較した構成Gemini 3.8 Flash (medium)GPT-5.3-Codex (xhigh)
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$1.75 / $14.00 / $0.175
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-5.3-Codex (xhigh)トップ
推論58.7–比較不可
コーディング51.661.0GPT-5.3-Codex
エージェント・ツール75.080.1GPT-5.3-Codex
知識57.7–比較不可
指示追従–73.6比較不可
マルチモーダル66.760.8Gemini 3.8 Flash
長文コンテキスト66.766.4互角

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コーディングエージェント・ツール長文コンテキストマルチモーダルGemini 3.8 Flash, コーディング: 51.6Gemini 3.8 Flash, エージェント・ツール: 75.0Gemini 3.8 Flash, 長文コンテキスト: 66.7Gemini 3.8 Flash, マルチモーダル: 66.7GPT-5.3-Codex, コーディング: 61.0GPT-5.3-Codex, エージェント・ツール: 80.1GPT-5.3-Codex, 長文コンテキスト: 66.4GPT-5.3-Codex, マルチモーダル: 60.8

描画していないもの(測定済みのモデルが2つ未満):推論, 数学, 知識, 指示追従, 人間の評価。

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7件のベンチマークのうち、Gemini 3.8 Flashのリードが5件、GPT-5.3-Codexのリードが2件です。

総合IndexGemini 3.8 Flash (medium)GPT-5.3-Codex (xhigh)トップ
BenchLeader Index60.262.9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 3.8 Flash (medium)GPT-5.3-Codex (xhigh)
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$4.81
100万トークンあたりの入力/出力$0.750 / $3.75$1.75 / $14.00
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$4.81
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$1.75 / $14.00
100万トークンあたりのキャッシュ入力$0.075$0.175
タスクあたりの価格:チャットの返答$0.0014$0.0049
タスクあたりの価格:30ページのレポートを要約$0.011$0.029
タスクあたりの価格:コード編集$0.010$0.032
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$0.161
タスクあたりの価格:構造化データの抽出$0.0023$0.0063
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$0.090
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/s94 tok/s
回答開始までの時間14.8秒38.2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97.1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-5.3-Codex (xhigh)のスコアは62.9、最初の回答トークンまで38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

181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-5.3-Codex (xhigh)
BenchLeader IndexBenchLeader60.262.9
エージェント・ツールスコアBenchLeader75.080.1
コーディングスコアBenchLeader51.661.0
知識スコアBenchLeader57.7–
長文コンテキストスコアBenchLeader66.766.4
マルチモーダルスコアBenchLeader66.760.8
推論スコアBenchLeader58.7–
指示追従スコアBenchLeader–73.6
ブレンド価格($/100万トークン)BenchLeader$1.50$4.81
出力速度BenchLeader116 tok/s94 tok/s
回答開始までの時間BenchLeader14.8秒38.2秒
コンテキストウィンドウBenchLeader1,048,576トークン400,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub95.4%†–
Humanity's Last ExamScale AI / CAIS44.5%†–
SimpleBenchSimpleBench82.4%†–
Arena Hard PromptsArena (LMArena)1518†–
LiveBench 2.0 ReasoningLiveBench89.3%†–
LiveBench 1.0 ReasoningLiveBench89.3%†–
GPQA Diamond (AA)Artificial Analysis93.5%91.5%
Humanity's Last Exam (AA)Artificial Analysis42.1%42.5%
HLE-Diamond (AA)Artificial Analysis29.1%–
GPQA Diamond (Vals)Vals AI94.4%†–
ARC-AGI-1ARC Prize97.5%–
ARC-AGI-2ARC Prize82.9%–
ARC-AGI-3ARC Prize24.2%–
CritPtArtificial Analysis12.3%16.9%
CritPt v2 hard subset (AA)Artificial Analysis45.0%–
MysteryMechanismVals AI36.5%†–
HLE-Diamond (Scale)Scale AI SEAL34.3%†–
Arena ExpertArena (LMArena)1527†–
Chess PuzzlesEpoch AI Benchmarking Hub58.0%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub47.0%†–
LMCAEpoch AI Benchmarking Hub52.9%–
DTBenchEpoch AI Benchmarking Hub94.9%–
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub–74.8%†
SciCodeSciCode55.1%–
WeirdMLWeirdML84.8%†77.9%
181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-5.3-Codex (xhigh)
コーディング
FrontierCodeCognition41.2%–
Arena CodingArena (LMArena)1531†–
Arena WebDevArena (LMArena)1584†1406†
LiveBench 2.0 CodingLiveBench73.3%†–
LiveBench 1.0 CodingLiveBench72.5%†–
LiveCodeBenchVals AI89.5%†87.3%
IOIVals AI56.9%†53.8%
SWE-bench (Vals)Vals AI80.0%†78.0%
Code MigrationVals AI36.5%†–
Code Migration v1.1Vals AI38.6%†–
ProgramBenchVals AI1.0%†–
SWE-bench MultimodalVals AI40.8%†–
Vibe Code Bench 1-100Vals AI18.8%†–
Vibe Code Bench v1.1Vals AI78.7%†61.8%
SWE Atlas v1.0: Codebase QnAScale AI SEAL47.0%†–
SWE Atlas v1.0: RefactoringScale AI SEAL44.8%†–
SWE Atlas v1.0: Test WritingScale AI SEAL53.7%†–
SWE Atlas v1.1Scale AI SEAL57.3%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL45.2%†–
SWE Atlas v1.1: Test WritingScale AI SEAL71.1%†–
SWE Atlas v1.1: RefactoringScale AI SEAL55.7%†–
SWE-Bench Pro V2Scale AI SEAL94.9%†–
SWE-Bench Pro V2 HARDScale AI SEAL58.8%†–
MirrorCodeEpoch AI Benchmarking Hub38.9%†–
Surface Evolver BenchEpoch AI Benchmarking Hub76.9%†–
DeepSWE v1.1Epoch AI Benchmarking Hub71.0%–
CursorBenchCursor37.3%–
ALE-BenchEpoch AI Benchmarking Hub1269.7†1655.2
FrontierSWEEpoch AI Benchmarking Hub19.6%†–
WeirdML v3WeirdML7.4%†–
Terminal-Bench 4.0 (AA)Artificial Analysis19.7%–
Terminal-Bench 2.1 (AA)Artificial Analysis83.9%–
Startrise FrontendStartrise64.6%†–
GameBench 2 OverallDuelLab GameBench 259.0†–
GameBench 2 by reasoning settingDuelLab GameBench 259.7–
Design Arena WebsiteDesign Arena1291†1155†
FrontierCode 1.1 (AA)Artificial Analysis37.1%–
FrontierCode 2.0 (AA)Artificial Analysis16.5%–
エージェント・ツール
Terminal-BenchTerminal-Bench18.2%†78.4%†
Remote Labor IndexScale AI / CAIS5.8%†–
APEX-AgentsMercor64.3%†–
Arena AgentArena (LMArena)2.3†–
LiveBench Long AgenticLiveBench16.5%†–
LiveBench BrowserLiveBench45.1%†–
LiveBench Agentic CodingLiveBench54.2%†–
Terminal-Bench HardArtificial Analysis–53.0%
τ²-Bench Telecom (AA)Artificial Analysis–86.0%
Terminal-Bench 2.1 (Vals)Vals AI81.3%†–
HiL-BenchScale AI SEAL41.5%†4.3%†
GDPval-AA v2.1, normalised scoreArtificial Analysis46.1%–
GDPval-AA v2.1Artificial Analysis1432–
τ³-Banking (AA)Artificial Analysis45.8%–
ITBench SRE (AA)Artificial Analysis52.5%†–
Analyst Agent (AA)Artificial Analysis46.3%†–
CUA-benchVals AI4.2%†–
CyberBenchVals AI43.8%†–
Finance Agent v2Vals AI61.4%†–
Finance Agent v2.1Vals AI65.8%†–
Harvey's Legal Agent Benchmark v1.1Vals AI12.1%†–
Harvey's Legal Agent Benchmark v1Vals AI10.0%†–
Legal Research BenchVals AI38.9%†–
SkillsBenchVals AI58.0%†–
SREBenchVals AI11.1%†–
Tax Agent BenchVals AI32.1%†–
Terminal-Bench 2.0 (Vals)Vals AI–64.0%†
Terminal-Bench 4.0 (Vals)Vals AI19.7%†–
Terminal-Bench ScienceVals AI8.6%†–
Time Horizon Index: KSPVals AI18.8%†–
Arena Agent Task CompletionArena (LMArena)1.3†–
METR Time HorizonsMETR–74.5%†
Vending-Bench 2Andon Labs5093.8†5940.1†
AutomationBenchArtificial Analysis60.9%–
GDP.pdf (AA)Artificial Analysis22.8%–
Harvey LAB-AA v1.1Harvey0.0%†–
AA-Briefcase v1.1Artificial Analysis1183868
Design Arena AgenticDesign Arena1225†1018†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis10.5%–
CWE-Bench (AA)Artificial Analysis52.5%†–
DeepSec-Bench (AA)Artificial Analysis14.5%†–
CyberGym end-to-end (AA)Artificial Analysis8.4%†–
MKA (AA)Artificial Analysis35.3%†–
FACTS SearchGoogle80.4%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub68.4%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub21.9%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub98.9%†–
ProofBenchVals AI48.0%†–
LiveBench MathematicsLiveBench91.6%†–
Arena MathsArena (LMArena)1519†–
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%†–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub69.7%†–
LiveBench 2.0 Data AnalysisLiveBench54.0%†–
LiveBench ResearchLiveBench79.4%†–
LiveBench 1.0 Data AnalysisLiveBench54.0%†–
AA-Omniscience v1.1Artificial Analysis23.7–
MMLU-ProVals AI90.2%†–
LegalBenchVals AI87.0%†–
TaxEvalVals AI74.5%†–
PRBench FinanceScale AI SEAL49.5%†–
PRBench LegalScale AI SEAL48.9%†–
BioMysteryBenchVals AI62.2%†–
Excel Modeling BenchmarkVals AI72.2%†–
Excel Modeling Benchmark v1.1Vals AI72.9%†–
MedCodeVals AI48.1%†–
MedScribeVals AI84.5%†–
Public Benefits Bench v1.1Vals AI65.3%†–
Access to Justice BenchmarkVals AI67.1%†–
Financial Coaching BenchVals AI66.3%†–
Immigration BenchVals AI63.4%†–
GDP.pdfEpoch AI Benchmarking Hub23.4%–
AA-Omniscience v1.1: accuracyArtificial Analysis49.6%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis48.5%–
HealthBench Professional (AA)OpenAI51.7%†–
FACTS ParametricGoogle78.7%†–
指示追従
LiveBench LanguageLiveBench87.8%†–
LiveBench Instruction FollowingLiveBench81.4%†–
IFBenchArtificial Analysis–75.4%
Arena Instruction FollowingArena (LMArena)1492†–
人間の評価
Arena TextArena (LMArena)1497†–
EQ-Bench Creative Writing v3EQ-Bench1744†–
Arena Creative WritingArena (LMArena)1488†–
Arena Multi-turnArena (LMArena)1505†–
Arena Longer QueriesArena (LMArena)1511†–
マルチモーダル
Arena VisionArena (LMArena)1317†–
LiveBench DesignLiveBench69.7%†–
MMMU-ProArtificial Analysis84.2%78.5%
MMMU-Pro (Vals)Vals AI89.1%†–
MortgageTaxVals AI65.3%†–
SAGEVals AI88.2%†–
AudioMCScale AI SEAL60.4%†–
AudioMC (text output)Scale AI SEAL60.4%†–
Humanity's Sixth SenseScale AI SEAL41.6%†–
GeoBenchGeoBench86.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub38.6%†–
Furniture AssemblyEpoch AI Benchmarking Hub31.7%†–
VIALS-AAHandshake AI41.0%†–
Code2Video-AAArtificial Analysis899†–
AA-3DArtificial Analysis974†–
FACTS MultimodalGoogle57.6%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis84.0%83.3%
Arena DocumentArena (LMArena)1469†–
MLCRArtificial Analysis12.8%–
FACTS GroundingGoogle68.2%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub158.8†–
LiveBench 2.0LiveBench57.3%†–
LiveBench 1.0LiveBench75.8%†–
AA Intelligence Index v5.0.1Artificial Analysis30.1–
AA Intelligence Index v4.3.2Artificial Analysis39.832.5
AA Progress Index v1Artificial Analysis319.1301.3
Vals IndexVals AI56.0†–
Vals Finance IndexVals AI60.5%†–
Vals RSI IndexVals AI19.9%†–
Vals Science IndexVals AI35.8%†–
Vals Router IndexVals AI56.0%†–
Vals Legal IndexVals AI69.8%†–
AA Cyber IndexArtificial Analysis25.1†–
安全性・誠実さ
DistressBenchScale AI SEAL70.7%†–

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 3.8 Flash (medium):スコアの改訂1件。
  • Gemini 3.8 Flash (medium):スコアの改訂2件。
  • Gemini 3.8 Flash (medium):スコアの改訂1件。
  • Gemini 3.8 Flash (medium):新しい結果1件(AA-Briefcase v1.1)。
  • GPT-5.3-Codex (xhigh):新しい結果1件(AA-Briefcase v1.1)。
  • Gemini 3.8 Flash (medium):BenchLeader Index 63.4 → 60.4。
  • Gemini 3.8 Flash (medium):新しい結果5件(AA Intelligence Index v5.0.1, AA Progress Index v1, HLE-Diamond (AA)…)、スコアの改訂2件、価格 $2.59/M → $6.26/M。
  • GPT-5.3-Codex (xhigh):新しい結果1件(AA Progress Index v1)。
  • Gemini 3.8 Flash (medium):新しい結果2件(FrontierCode 1.1 (AA), Terminal-Bench-Science 0.1 (AA))。

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-5.3-Codex:よくある質問

Gemini 3.8 FlashはGPT-5.3-Codexより優れていますか?
Gemini 3.8 Flash (medium)とGPT-5.3-Codex (xhigh)の品質は互角です(60.2 対 62.9、±8.5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-5.3-Codex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 $4.81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-5.3-Codexのどちらが向いていますか?
コーディングではGPT-5.3-Codexの方がスコアが高くなっています(カテゴリ指標で61 対 52。50が平均)。
Gemini 3.8 FlashとGPT-5.3-Codex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 94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-5.3-Codex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-5.3-Codexの方がスコアが高くなっています(カテゴリ指標で80 対 75。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互角です(67 対 66)。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-5.3-Codex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 38.2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-5.3-Codex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7件のベンチマークのうち、Gemini 3.8 Flashのリードが5件、GPT-5.3-Codexのリードが2件です。
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。