Gemini 3.8 Flash vs o3
詳しいプロフィール:Gemini 3.8 Flash(Google)とo3(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 · 17件の情報源のデータ
2026年11月16日時点で、Gemini 3.8 Flashとo3の品質は互角です(BenchLeader Indexで60.2 対 60.4、±5.9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 $3.50です。マルチモーダル(67 対 53)、長文コンテキスト(67 対 62)、エージェント・ツール(75 対 70)を重視するならGemini 3.8 Flash、コーディング(60 対 52)、推論(61 対 59)を重視するならo3が向いています。回答開始までの時間はo3の方が短く、5.2秒 対 14.8秒です。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、o3が60.4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)。
- o3の100万トークンあたりのブレンド価格は$3.50です(定価、2026年11月16日)。
- 両モデルに結果がある6件のベンチマークのうち、Gemini 3.8 Flashが6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 | o3 | カテゴリスコア60 対 52 | 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 | 中 |
| 推論 | o3 | カテゴリスコア61 対 59;GPQA Diamond (AA) 82.7% 対 93.5% | 中 |
| 知識 | Gemini 3.8 Flash | カテゴリスコア58 対 56 | 中 |
| 長い文書 | Gemini 3.8 Flash | カテゴリスコア67 対 62;AA-LCR v1.1 84.0% 対 74.7% | 中 |
| 画像などのメディア | Gemini 3.8 Flash | カテゴリスコア67 対 53;MMMU-Pro 84.2% 対 70.1% | 高 |
| チャットの質(人間の評価) | – | Arenaの評価があるのはo3のみです(カテゴリスコア61) | 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 $3.50;エージェント型コーディングセッション$0.060 対 $0.152;2027年1月1日以降:$3.00 対 $3.50 | – |
| 回答開始の速さ | o3 | 最初の回答トークンまで5.2秒(o3)対 14.8秒(Gemini 3.8 Flash (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o3の品質は互角です(60.2 対 60.4、±5.9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、マルチモーダルで優れています。
- o3はコーディング、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2.3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 $3.50)。2027年1月1日からは$3.00 対 $3.50になります。
概要
| 仕様 | Gemini 3.8 Flash | o3 |
|---|---|---|
| プロバイダー | OpenAI | |
| リリース日 | 2026年9月2日 | 2025年4月16日 |
| コンテキストウィンドウ(トークン) | 1,048,576 | 200,000 |
| 比較した構成 | Gemini 3.8 Flash (medium) | o3 |
| 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 / $8.00 / $0.500 |
| 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) | o3 | トップ |
|---|---|---|---|
| 推論 | 58.7 | 60.9 | o3 |
| コーディング | 51.6 | 59.8 | o3 |
| エージェント・ツール | 75.0 | 70.3 | Gemini 3.8 Flash |
| 数学 | – | 70.6 | 比較不可 |
| 知識 | 57.7 | 56.2 | Gemini 3.8 Flash |
| 指示追従 | – | 65.2 | 比較不可 |
| 人間の評価 | – | 61.0 | 比較不可 |
| マルチモーダル | 66.7 | 52.8 | Gemini 3.8 Flash |
| 長文コンテキスト | 66.7 | 61.9 | 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, 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6件のベンチマークのうち、Gemini 3.8 Flashのリードが6件、o3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) | o3 | トップ |
|---|---|---|---|
| BenchLeader Index | 60.2 | 60.4 | 互角 |
| Arena Text | 1497† | 1432 | 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) | o3 |
|---|---|---|
| 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 | $3.50 |
| 100万トークンあたりの入力/出力 | $0.750 / $3.75 | $2.00 / $8.00 |
| 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 | $3.50 |
| 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 / $8.00 |
| 100万トークンあたりのキャッシュ入力 | $0.075 | $0.500 |
| タスクあたりの価格:チャットの返答 | $0.0014 | $0.0032 |
| 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 | $0.024 |
| 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 | $0.152 |
| タスクあたりの価格:構造化データの抽出 | $0.0023 | $0.0056 |
| 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 | $0.085 |
| ベンチマークのタスクあたりのコスト(AA Index) | $6.26 | – |
| タスクあたりの出力トークン(AA Index) | 82k | – |
| うち推論 | 47k | – |
| タスクあたりの時間(AA Index) | 12 min | – |
| 出力速度 | 116 tok/s | 131 tok/s |
| 回答開始までの時間 | 14.8秒 | 5.2秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 41.8秒 | 17.3秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Gemini 3.8 Flash (medium)のスコアは60.2、最初の回答トークンまで15秒。Gemini 3.8 Flash (high)は59.4(20秒)、Gemini 3.8 Flashは56.4(2秒)。o3のスコアは60.4、最初の回答トークンまで5秒。o3 (high)は55.1(5秒)、o3 (medium)は53.3(5秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
221件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Gemini 3.8 Flash (medium) | o3 |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 60.2 | 60.4 |
| エージェント・ツールスコア | BenchLeader | 75.0 | 70.3 |
| コーディングスコア | BenchLeader | 51.6 | 59.8 |
| 知識スコア | BenchLeader | 57.7 | 56.2 |
| 長文コンテキストスコア | BenchLeader | 66.7 | 61.9 |
| マルチモーダルスコア | BenchLeader | 66.7 | 52.8 |
| 推論スコア | BenchLeader | 58.7 | 60.9 |
| 人間の評価スコア | BenchLeader | – | 61.0 |
| 指示追従スコア | BenchLeader | – | 65.2 |
| 数学スコア | BenchLeader | – | 70.6 |
| ブレンド価格($/100万トークン) | BenchLeader | $1.50 | $3.50 |
| 出力速度 | BenchLeader | 116 tok/s | 131 tok/s |
| 回答開始までの時間 | BenchLeader | 14.8秒 | 5.2秒 |
| コンテキストウィンドウ | BenchLeader | 1,048,576トークン | 200,000トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 95.4%† | 81.8%† |
| Humanity's Last Exam | Scale AI / CAIS | 44.5%† | 20.3%† |
| SimpleBench | SimpleBench | 82.4%† | 53.1%† |
| Arena Hard Prompts | Arena (LMArena) | 1518† | 1441 |
| LiveBench 2.0 Reasoning | LiveBench | 89.3%† | – |
| LiveBench 1.0 Reasoning | LiveBench | 89.3%† | – |
| GPQA Diamond (AA) | Artificial Analysis | 93.5% | 82.7% |
| Humanity's Last Exam (AA) | Artificial Analysis | 42.1% | 20.1% |
| HLE-Diamond (AA) | Artificial Analysis | 29.1% | – |
| GPQA Diamond (Vals) | Vals AI | 94.4%† | 84.1%† |
| Kagi LLM Benchmark | Kagi LLM Benchmark | – | 67.6% |
| GPQA Diamond (HELM) | HELM Capabilities | – | 75.3% |
| ARC-AGI-1 | ARC Prize | 97.5% | 60.8%† |
| ARC-AGI-2 | ARC Prize | 82.9% | 6.5%† |
| ARC-AGI-3 | ARC Prize | 24.2% | – |
| CritPt | Artificial Analysis | 12.3% | 1.1% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 45.0% | – |
| MysteryMechanism | Vals AI | 36.5%† | – |
| SciPredict | Scale AI SEAL | – | 17.9% |
| HLE-Diamond (Scale) | Scale AI SEAL | 34.3%† | – |
| Arena Expert | Arena (LMArena) | 1527† | 1448 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 58.0%† | 36.0%† |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 47.0%† | 29.0%† |
| CL-bench | Epoch AI Benchmarking Hub | – | 17.8%† |
| LMCA | Epoch AI Benchmarking Hub | 52.9% | 39.7%† |
221件のベンチマークをすべて表示
| 指標 | 公開元 | Gemini 3.8 Flash (medium) | o3 |
|---|---|---|---|
| 推論 | |||
| DTBench | Epoch AI Benchmarking Hub | 94.9% | 84.8%† |
| ForecastBench | ForecastBench | – | 64.3% |
| コーディング | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | – | 62.3%† |
| SciCode | SciCode | 55.1% | – |
| WeirdML | WeirdML | 84.8%† | 52.4%† |
| FrontierCode | Cognition | 41.2% | – |
| GSO-Bench | GSO-Bench | – | 8.8%† |
| Arena Coding | Arena (LMArena) | 1531† | 1460 |
| Arena WebDev | Arena (LMArena) | 1584† | – |
| LiveBench 2.0 Coding | LiveBench | 73.3%† | – |
| LiveBench 1.0 Coding | LiveBench | 72.5%† | – |
| LiveCodeBench | Vals AI | 89.5%† | 83.9%† |
| IOI | Vals AI | 56.9%† | – |
| SWE-bench (Vals) | Vals AI | 80.0%† | – |
| Aider Polyglot | Aider polyglot leaderboard | – | 76.9% |
| SWE-bench Verified (bash only) | SWE-bench | – | 58.4% |
| SWE-bench Verified (any scaffold) | SWE-bench | – | 58.4% |
| 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%† | – |
| 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%† | – |
| CadEval | Epoch AI Benchmarking Hub | – | 74.0%† |
| 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† | 933.5† |
| 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% | – |
| Startrise Frontend | Startrise | 64.6%† | – |
| GameBench 2 Overall | DuelLab GameBench 2 | 59.0† | 34.1 |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 59.7 | 30.4† |
| Design Arena Website | Design Arena | 1291† | 1028 |
| FrontierCode 1.1 (AA) | Artificial Analysis | 37.1% | – |
| FrontierCode 2.0 (AA) | Artificial Analysis | 16.5% | – |
| LiveCodeBench (AA) | Artificial Analysis | – | 80.8% |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 18.2%† | – |
| GDPval | OpenAI | – | 30.8%† |
| Remote Labor Index | Scale AI / CAIS | 5.8%† | – |
| 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 | – | 37.1% |
| τ²-Bench Telecom (AA) | Artificial Analysis | – | 80.7% |
| Terminal-Bench 2.1 (Vals) | Vals AI | 81.3%† | – |
| HiL-Bench | Scale AI SEAL | 41.5%† | – |
| BFCL Overall | Berkeley Function Calling Leaderboard | – | 63.0% |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 46.1% | – |
| GDPval-AA v2.1 | Artificial Analysis | 1432 | – |
| 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%† | – |
| 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%† | – |
| SkillsBench | Vals AI | 58.0%† | – |
| SREBench | Vals AI | 11.1%† | – |
| 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 Search | Arena (LMArena) | – | 1197 |
| Arena Agent Task Completion | Arena (LMArena) | 1.3† | – |
| DeepResearch Bench | DeepResearch Bench | – | 45.2%† |
| METR Time Horizons | METR | – | 63.6% |
| 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 | – | 50.5% |
| FACTS Search | 80.4%† | – | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 68.4%† | 33.3%† |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 21.9%† | – |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 98.9%† | 83.9%† |
| MATH Level 5 | Epoch AI Benchmarking Hub | – | 97.8%† |
| ProofBench | Vals AI | 48.0%† | – |
| LiveBench Mathematics | LiveBench | 91.6%† | – |
| AIME (Vals) | Vals AI | – | 85.3%† |
| MGSM | Vals AI | – | 91.8%† |
| IMO 2025 | MathArena | – | 16.7%† |
| Omni-MATH (HELM) | HELM Capabilities | – | 71.4% |
| MATH 500 | Vals AI | – | 94.6%† |
| Arena Maths | Arena (LMArena) | 1519† | 1448 |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | 0.0%† | – |
| AIME 2025 (AA) | Artificial Analysis | – | 88.3% |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 69.7%† | 49.4%† |
| 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%† | 85.6%† |
| LegalBench | Vals AI | 87.0%† | 83.8%† |
| CorpFin | Vals AI | – | 59.7%† |
| TaxEval | Vals AI | 74.5%† | 74.6%† |
| MedQA | Vals AI | – | 96.1%† |
| PRBench Finance | Scale AI SEAL | 49.5%† | 47.7% |
| PRBench Legal | Scale AI SEAL | 48.9%† | 48.6% |
| MultiNRC | Scale AI SEAL | – | 45.5%† |
| MMLU-Pro (HELM) | HELM Capabilities | – | 85.9% |
| BioMysteryBench | Vals AI | 62.2%† | – |
| Excel Modeling Benchmark | Vals AI | 72.2%† | – |
| Excel Modeling Benchmark v1.1 | Vals AI | 72.9%† | – |
| MedCode | Vals AI | 48.1%† | 47.3%† |
| MedScribe | Vals AI | 84.5%† | 76.7%† |
| 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%† | – |
| 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% | – |
| 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 | – | 71.4% |
| MultiChallenge | Scale AI SEAL | – | 56.6%† |
| TutorBench | Scale AI SEAL | – | 52.1%† |
| IFEval (HELM) | HELM Capabilities | – | 86.9% |
| WildBench (HELM) | HELM Capabilities | – | 86.1% |
| Arena Instruction Following | Arena (LMArena) | 1492† | 1403 |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1497† | 1432 |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1744† | 1675 |
| Arena Creative Writing | Arena (LMArena) | 1488† | 1383 |
| Arena Multi-turn | Arena (LMArena) | 1505† | 1420 |
| Arena Longer Queries | Arena (LMArena) | 1511† | 1411 |
| Lech Mazur Creative Writing | Lech Mazur | – | 83.9%† |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1317† | 1214 |
| LiveBench Design | LiveBench | 69.7%† | – |
| MMMU-Pro | Artificial Analysis | 84.2% | 70.1% |
| VISTA | Scale AI SEAL | – | 50.1%† |
| MMMU-Pro (Vals) | Vals AI | 89.1%† | 80.4%† |
| MortgageTax | Vals AI | 65.3%† | 65.7%† |
| 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 | – | 13.7% |
| GeoBench | GeoBench | 86.0%† | 60.0%† |
| VPCT | Epoch AI Benchmarking Hub | – | 52.0%† |
| 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 | |||
| Fiction.LiveBench 120k | Fiction.live | – | 100.0%† |
| AA-LCR v1.1 | Artificial Analysis | 84.0% | 74.7% |
| 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† | 147.1 |
| 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 | 20.2 |
| AA Progress Index v1 | Artificial Analysis | 319.1 | 258.3 |
| Vals Index | Vals AI | 56.0† | – |
| HELM Capabilities mean | HELM Capabilities | – | 81.1% |
| 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 | – | 16.0% |
| MASK | Scale AI SEAL | – | 84.5%† |
| PropensityBench | Scale AI SEAL | – | 10.5% |
| 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)。
- o3:BenchLeader Index 61.2 → 60.4。
- o3:スコアの改訂1件。
- Gemini 3.8 Flash (medium):スコアの改訂1件。
- o3:新しい結果1件(Arena Search)。
- Gemini 3.8 Flash (medium):スコアの改訂2件。
- o3:スコアの改訂1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)。
- Gemini 3.8 Flash (medium):BenchLeader Index 63.4 → 60.4。
関連する比較
- Gemini 3.8 Flash vs Gemini 4 Carbon
- o3 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 o3:よくある質問
- Gemini 3.8 Flashはo3より優れていますか?
- Gemini 3.8 Flash (medium)とo3の品質は互角です(60.2 対 60.4、±5.9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o3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 $3.50です(出力1トークンにつき入力3トークンでブレンド)。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o3のどちらが向いていますか?
- コーディングではo3の方がスコアが高くなっています(カテゴリ指標で60 対 52。50が平均)。
- Gemini 3.8 Flashとo3はどちらが速いですか?
- o3の方が出力が速くなっています(出力131 対 116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o3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 62)。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(o3は200,000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o3です。Artificial Analysisの測定では、最初の回答トークンまで5.2秒 対 14.8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o3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6件のベンチマークのうち、Gemini 3.8 Flashのリードが6件、o3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。