BenchLeader

Gemini 3 Flash vs Gemini 4 Carbon

詳しいプロフィール:Gemini 3 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 · 12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 Flashを上回ります(BenchLeader Indexで68.9 対 58.9)。ただし、価格はGemini 3 Flashの方が3.6倍安く、100万トークンあたりのブレンド価格で$1.13 対 $4.00です。両方を測定できるすべてのカテゴリでGemini 4 Carbonがリードしています。Gemini 3 Flashの方が出力が約2倍速いです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGemini 3 Flashが58.9、Gemini 4 Carbonが68.9です(BenchLeader、2026年11月16日)。
  • Gemini 3 Flashの100万トークンあたりのブレンド価格は$1.13です(定価、2026年11月16日)。
  • 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 FlashはGemini 4 Carbonより出力が約2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2件のベンチマークのうち、Gemini 4 Carbonが2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
エージェント・ツール利用Gemini 4 Carbonカテゴリスコア70 対 55高
長い文書どちらでもカテゴリスコア64 対 64;AA-LCR v1.1 78.0% 対 79.3%どちらでも
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 Flash100万トークンあたりブレンド価格$1.13 対 $4.00;エージェント型コーディングセッション$0.042 対 $0.160–
回答開始の速さGemini 3 Flash最初の回答トークンまで4.7秒(Gemini 3 Flash (thinking))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 58.9。
  • Gemini 4 Carbon (high)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 3 Flash (thinking)の方が3.6倍安くなっています(100万トークンあたりブレンド価格$1.13 対 $4.00)。
  • Gemini 3 Flash (thinking)の方が出力が3.1倍速くなっています(196 対 64トークン/秒)。

概要

仕様Gemini 3 FlashGemini 4 Carbon
プロバイダーGoogleGoogle
リリース日2025年12月17日2026年10月28日
コンテキストウィンドウ(トークン)1,048,5761,048,576
比較した構成Gemini 3 Flash (thinking)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)$0.500 / $3.00 / $0.050$2.00 / $10.00 / $0.100

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 Flash (thinking)Gemini 4 Carbon (high)トップ
推論–73.2比較不可
コーディング–74.1比較不可
エージェント・ツール55.170.3Gemini 4 Carbon
数学–71.9比較不可
知識–76.1比較不可
指示追従75.9–比較不可
人間の評価–72.6比較不可
マルチモーダル62.3–比較不可
長文コンテキスト63.664.3互角
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。

2550 avg75推論コーディングエージェント・ツール数学知識指示追従長文コンテキストマルチモーダル人間の評価Gemini 3 Flash, エージェント・ツール: 55.1Gemini 3 Flash, 指示追従: 75.9Gemini 3 Flash, 長文コンテキスト: 63.6Gemini 3 Flash, マルチモーダル: 62.3Gemini 4 Carbon, 推論: 73.2Gemini 4 Carbon, コーディング: 74.1Gemini 4 Carbon, エージェント・ツール: 70.3Gemini 4 Carbon, 数学: 71.9Gemini 4 Carbon, 知識: 76.1Gemini 4 Carbon, 長文コンテキスト: 64.3Gemini 4 Carbon, 人間の評価: 72.6

破線:そのモデルは横切る軸の結果がなく、線は隣の軸同士をつないでいるだけです。

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2件のベンチマークのうち、Gemini 3 Flashのリードが0件、Gemini 4 Carbonのリードが2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IndexGemini 3 Flash (thinking)Gemini 4 Carbon (high)トップ
BenchLeader Index58.968.9Gemini 4 Carbon
Arena Text1458†1526Gemini 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 Flash (thinking)Gemini 4 Carbon (high)
100万トークンあたりのブレンド価格$1.13$4.00
100万トークンあたりの入力/出力$0.500 / $3.00$2.00 / $10.00
100万トークンあたりのキャッシュ入力$0.050$0.100
タスクあたりの価格:チャットの返答$0.0011$0.0038
タスクあたりの価格:30ページのレポートを要約$0.0078$0.030
タスクあたりの価格:コード編集$0.0075$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$0.042$0.160
タスクあたりの価格:構造化データの抽出$0.0016$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)$0.022$0.074
ベンチマークのタスクあたりのコスト(AA Index)–$5.48
タスクあたりの出力トークン(AA Index)–123k
うち推論–72k
タスクあたりの時間(AA Index)–32 min
出力速度196 tok/s64 tok/s
回答開始までの時間4.7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)13.6秒160.6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 Flash (thinking)のスコアは58.9、最初の回答トークンまで5秒。Gemini 3 Flash (high)は57.4(1秒)、Gemini 3 Flashは56.5(1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

158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 Flash (thinking)Gemini 4 Carbon (high)
BenchLeader IndexBenchLeader58.968.9
エージェント・ツールスコアBenchLeader55.170.3
指示追従スコアBenchLeader75.9–
長文コンテキストスコアBenchLeader63.664.3
マルチモーダルスコアBenchLeader62.3–
コーディングスコアBenchLeader–74.1
総合スコアBenchLeader–70.3
人間の評価スコアBenchLeader–72.6
知識スコアBenchLeader–76.1
数学スコアBenchLeader–71.9
推論スコアBenchLeader–73.2
ブレンド価格($/100万トークン)BenchLeader$1.13$4.00
出力速度BenchLeader196 tok/s64 tok/s
回答開始までの時間BenchLeader4.7秒73.5秒
コンテキストウィンドウBenchLeader1,048,576トークン1,048,576トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub83.2%†96.5%
SimpleBenchSimpleBench61.1%†92.6%†
Arena Hard PromptsArena (LMArena)1493†1547
LiveBench 2.0 ReasoningLiveBench–90.6%
GPQA Diamond (AA)Artificial Analysis89.8%–
Humanity's Last Exam (AA)Artificial Analysis36.6%–
HLE-Diamond (AA)Artificial Analysis–69.1%
GPQA Diamond (Vals)Vals AI87.9%†–
ARC-AGI-1ARC Prize84.7%†97.5%
ARC-AGI-2ARC Prize33.6%†92.1%
ARC-AGI-3ARC Prize–96.9%
CritPtArtificial Analysis8.6%–
CritPt v2 hard subset (AA)Artificial Analysis–69.0%
SciPredictScale AI SEAL22.2%†–
Arena ExpertArena (LMArena)1498†1567
Chess PuzzlesEpoch AI Benchmarking Hub40.0%†78.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub20.0%†73.0%
LMCAEpoch AI Benchmarking Hub43.1%†–
DTBenchEpoch AI Benchmarking Hub89.1%†–
ForecastBenchForecastBench64.4%†–
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub75.4%†–
SciCodeSciCode–64.2%
WeirdMLWeirdML61.6%†–
GSO-BenchGSO-Bench9.8%†–
Arena CodingArena (LMArena)1505†1568
158件のベンチマークをすべて表示
指標公開元Gemini 3 Flash (thinking)Gemini 4 Carbon (high)
コーディング
Arena WebDevArena (LMArena)1440†1768
LiveBench 2.0 CodingLiveBench–91.0%
LiveCodeBenchVals AI85.6%†–
SWE-bench (Vals)Vals AI75.0%†–
SWE-Bench ProScale AI SEAL34.6%†–
SWE-bench Verified (bash only)SWE-bench75.8%†–
SWE-bench Multilingual (bash only)SWE-bench72.7%†–
SWE-bench Verified (any scaffold)SWE-bench75.8%†–
Code MigrationVals AI6.4%†–
ProgramBenchVals AI0.0%†–
Vibe Code Bench v1.1Vals AI20.2%†89.1%
Vibe Code Bench 1-100 v1.1Vals AI–49.7%
SWE Atlas v1.0: Codebase QnAScale AI SEAL8.2%†–
SWE Atlas v1.0: RefactoringScale AI SEAL10.0%†–
SWE Atlas v1.0: Test WritingScale AI SEAL30.3%†–
SWE Atlas v1.1Scale AI SEAL–71.4%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–73.4%†
SWE Atlas v1.1: Test WritingScale AI SEAL–76.7%†
SWE Atlas v1.1: RefactoringScale AI SEAL–64.3%†
CursorBenchCursor–60.4%
ALE-BenchEpoch AI Benchmarking Hub1367.2†–
FrontierSWEEpoch AI Benchmarking Hub–61.2%
Terminal-Bench 4.0 (AA)Artificial Analysis–65.2%
Design Arena WebsiteDesign Arena1188†1319†
FrontierCode 2.0 (AA)Artificial Analysis–40.6%
LiveCodeBench (AA)Artificial Analysis90.8%–
エージェント・ツール
Terminal-BenchTerminal-Bench64.3%†64.5%
APEX-AgentsMercor–84.2%†
Arena AgentArena (LMArena)–17
LiveBench Long AgenticLiveBench–72.7%
LiveBench BrowserLiveBench–80.0%
Terminal-Bench HardArtificial Analysis38.6%–
τ²-Bench Telecom (AA)Artificial Analysis80.4%–
Terminal-Bench 2.1 (Vals)Vals AI53.9%†–
MCP AtlasScale AI SEAL62.0%†–
HiL-BenchScale AI SEAL–50.3%†
τ²-benchτ²-bench83.5%†–
τ³-bench Bankingτ²-bench27.3%†–
GDPval-AA v2.1Artificial Analysis–1733
τ³-Banking (AA)Artificial Analysis20.8%–
APEX-Agents (AA)Artificial Analysis27.7%–
Finance Agent v2Vals AI42.5%†–
Finance Agent v2.1Vals AI–67.2%
Harvey's Legal Agent Benchmark v1.1Vals AI–17.5%
Harvey's Legal Agent Benchmark v1Vals AI0.0%†–
Legal Research BenchVals AI18.3%†55.8%
Poker AgentVals AI1100.2%†–
Tax Agent BenchVals AI11.8%†51.8%
Terminal-Bench 2.0 (Vals)Vals AI51.7%†–
Terminal-Bench 4.0 (Vals)Vals AI–63.1%
Arena SearchArena (LMArena)1189†–
Arena Agent Task CompletionArena (LMArena)–18.4
BALROGBALROG48.1%†–
DeepResearch BenchDeepResearch Bench47.9%†–
Vending-Bench 2Andon Labs3634.7†16484.2†
AutomationBenchArtificial Analysis–77.8%
GDP.pdf (AA)Artificial Analysis–28.4%
AA-Briefcase v1.1Artificial Analysis–1611
GDPxGDPx by SemiAnalysis–10.9%
Design Arena AgenticDesign Arena1081†1305†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–64.8%
MKA (AA)Artificial Analysis–54.3%
BrowseCompOpenAI16.9%†–
FACTS SearchGoogle84.5%†94.4%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub51.2%†90.5%
FrontierMath Tier 4Epoch AI Benchmarking Hub17.1%†95.1%
OTIS Mock AIMEEpoch AI Benchmarking Hub92.8%†100.0%
ProofBenchVals AI15.0%†–
AIME (Vals)Vals AI95.6%†–
MGSMVals AI93.3%†–
AIME 2026MathArena96.7%†–
HMMT February 2026MathArena89.4%†–
MathArena ApexMathArena15.6%†–
ArXivMathMathArena–94.3%
BrokenArXivMathArena–84.4%
Arena MathsArena (LMArena)1474†–
FrontierMath ErdősEpoch AI Benchmarking Hub–2.9%
AIME 2025 (AA)Artificial Analysis97.0%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub66.8%†77.7%
LiveBench 2.0 Data AnalysisLiveBench–86.5%
LiveBench ResearchLiveBench–92.5%
AA-Omniscience v1.1Artificial Analysis–53.5
MMLU-ProVals AI88.6%†–
LegalBenchVals AI86.9%†–
CorpFinVals AI66.4%†–
TaxEvalVals AI73.9%†–
MedQAVals AI95.8%†–
PRBench LegalScale AI SEAL–53.4%†
CaseLaw v2Vals AI55.8%†–
Excel Modeling BenchmarkVals AI26.0%†–
Excel Modeling Benchmark v1.1Vals AI–76.5%
MedCodeVals AI55.9%†–
MedScribeVals AI69.9%†–
DrugDiscoveryBenchScale AI SEAL–71.5%
EBR-benchEpoch AI Benchmarking Hub–87.6%
GDP.pdfEpoch AI Benchmarking Hub10.0%†–
AA-Omniscience v1.1: accuracyArtificial Analysis–58.3%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–88.6%
Global-MMLU-Lite (AA)Artificial Analysis91.4%–
FACTS ParametricGoogle72.4%†81.6%†
指示追従
IFBenchArtificial Analysis78.0%–
Arena Instruction FollowingArena (LMArena)1457†1525
人間の評価
Arena TextArena (LMArena)1473†1526
Arena Creative WritingArena (LMArena)1456†1516
Arena Multi-turnArena (LMArena)1482†1564
Arena Longer QueriesArena (LMArena)1476†1538
マルチモーダル
Arena VisionArena (LMArena)1285†–
LiveBench DesignLiveBench–80.2%
MMMU-ProArtificial Analysis79.9%89.3%†
MMMU-Pro (Vals)Vals AI87.6%†–
MortgageTaxVals AI68.7%†–
Humanity's Sixth SenseScale AI SEAL–71.1%
GeoBenchGeoBench88.0%†–
VPCTEpoch AI Benchmarking Hub72.6%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub0.0%†58.6%†
Furniture AssemblyEpoch AI Benchmarking Hub–77.5%
VIALS-AAHandshake AI–64.0%
FACTS MultimodalGoogle49.7%†60.2%†
長文コンテキスト
AA-LCR v1.1Artificial Analysis78.0%79.3%
Arena DocumentArena (LMArena)1440†–
MLCRArtificial Analysis–19.4%
FACTS GroundingGoogle48.6%†77.2%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub152.3†169.8†
LiveBench 2.0LiveBench–83.5%
AA Intelligence Index v5.0.1Artificial Analysis–60.0
AA Intelligence Index v4.3.2Artificial Analysis26.3–
AA Progress Index v1Artificial Analysis290.1350.8
Vals IndexVals AI–70.5
Vals Finance IndexVals AI–67.0%
Vals RSI IndexVals AI–27.7%
Vals Multimodal IndexVals AI52.2%†–
Vals Legal IndexVals AI–75.9%
安全性・誠実さ
FORTRESSScale AI SEAL–16.4%†

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。

最近の変化

  • 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 Flash (thinking):新しい結果2件(Global-MMLU-Lite (AA), AIME 2025 (AA))。
  • 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。
  • Gemini 4 Carbon (high):BenchLeader Index 68.8 → 69.3。

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 Flash vs Gemini 4 Carbon:よくある質問

Gemini 4 CarbonはGemini 3 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 58.9。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 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 Flashの方が安く、100万トークンあたり$1.13 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)。どちらも価格変更は発表されていません。
Gemini 3 FlashとGemini 4 Carbonはどちらが速いですか?
Gemini 3 Flashの方が出力が約2倍速くなっています(出力196 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 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 4 Carbonの方がスコアが高くなっています(カテゴリ指標で70 対 55。50が平均)。
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(64 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。
ほかの質問(3件)
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 Flashです。Artificial Analysisの測定では、最初の回答トークンまで4.7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 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2件のベンチマークのうち、Gemini 3 Flashのリードが0件、Gemini 4 Carbonのリードが2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。