Gemini 3 Pro vs Gemini 4 Argon
詳しいプロフィール:Gemini 3 Pro(Google)とGemini 4 Argon(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 · 19件の情報源のデータ
2026年11月16日時点で、品質ではGemini 4 ArgonがGemini 3 Proを上回ります(BenchLeader Indexで65.3 対 60.0)。価格はほぼ同じです(100万トークンあたりのブレンド価格で$4.50 対 $4.00)。エージェント・ツール(62 対 59)を重視するなら3 Pro、知識(72 対 56)、数学(70 対 54)、コーディング(67 対 58)を重視するなら4 Argonが向いています。Gemini 4 Argonの現在の価格は2026年11月30日までで、その後は$8.00になります。
要点(2026年11月16日時点)
- BenchLeader IndexはGemini 3 Proが60.0、Gemini 4 Argonが65.3です(BenchLeader、2026年11月16日)。
- Gemini 3 Proの100万トークンあたりのブレンド価格は$4.50です(定価、2026年11月16日)。
- Gemini 4 Argonの100万トークンあたりのブレンド価格は$4.00です(2026年11月30日まで。その後は$8.00)(https://ai.google.dev/gemini-api/docs/pricing、2026年10月20日確認)。
- 両モデルに結果がある15件のベンチマークのうち、Gemini 4 Argonが14件でリードしています(BenchLeader、2026年11月16日)。
- Arena WebDevでの評価はGemini 3 Proが1441、Gemini 4 Argonが1681です(LMArena、2026年11月16日までの公開値)。
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 | Gemini 4 Argon | カテゴリスコア67 対 58;Arena WebDev 1681 対 1441 | 高 |
| エージェント・ツール利用 | Gemini 3 Pro | カテゴリスコア62 対 59;Terminal-Bench 69.4% 対 55.5% | 中 |
| 数学 | Gemini 4 Argon | カテゴリスコア70 対 54;Arena Maths 1536 対 1475 | 高 |
| 推論 | Gemini 4 Argon | カテゴリスコア70 対 63;GPQA Diamond 96.4% 対 92.6% | 中 |
| 知識 | Gemini 4 Argon | カテゴリスコア72 対 56 | 高 |
| チャットの質(人間の評価) | Gemini 4 Argon | Arenaの投票で72 対 68 | 中 |
| 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 Argon (high)がリードしています:65.3 対 60.0。
- Gemini 3 Proはエージェント・ツールで優れています。
- Gemini 4 Argon (high)はコーディング、人間の評価、知識、数学、推論で優れています。
- 2026年11月30日までは価格はほぼ同じです(100万トークンあたりブレンド価格$4.00)。2026年12月1日からは$8.00 対 $4.50になります。
概要
| 仕様 | Gemini 3 Pro | Gemini 4 Argon |
|---|---|---|
| プロバイダー | ||
| リリース日 | 2025年11月18日 | 2026年9月30日 |
| 一般提供開始 | 2025年11月18日 | 2026年10月13日 |
| コンテキストウィンドウ(トークン) | – | 1,048,576 |
| 最大出力(トークン) | – | 65,536 (up to 1,048,576 with long decode) |
| 入力の種類 | – | テキスト、画像、動画、音声、PDF |
| 推論エフォートの設定 | – | low, medium, high |
| 比較した構成 | Gemini 3 Pro | Gemini 4 Argon (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) | – | $2.00 / $10.00 / $0.100 |
| 発表済みの価格変更 | 発表なし | 2026年12月1日から$4.00 / $20.00 / $0.200 |
| APIモデルID | – | gemini-4-argon |
| 利用できる場所 | – | Gemini API (AI Studio), Gemini Enterprise Agent Platform, Gemini app |
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、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 Pro | Gemini 4 Argon (high) | トップ |
|---|---|---|---|
| 推論 | 62.6 | 69.5 | Gemini 4 Argon |
| コーディング | 57.8 | 66.7 | Gemini 4 Argon |
| エージェント・ツール | 61.7 | 58.6 | Gemini 3 Pro |
| 数学 | 54.0 | 69.9 | Gemini 4 Argon |
| 知識 | 55.9 | 71.9 | Gemini 4 Argon |
| 指示追従 | 61.1 | – | 比較不可 |
| 人間の評価 | 67.7 | 72.1 | Gemini 4 Argon |
| マルチモーダル | 65.6 | – | 比較不可 |
| 長文コンテキスト | – | 64.5 | 比較不可 |
| 総合 | – | 63.8 | 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。
描画していないもの(測定済みのモデルが2つ未満):指示追従, 長文コンテキスト, マルチモーダル。
情報源で評価が分かれる点
両方に結果がある15件のベンチマークのうち、Gemini 3 Proのリードが1件、Gemini 4 Argonのリードが14件です。両方を評価しているすべての総合指標で、Gemini 4 Argonが上回っています。
| 総合Index | Gemini 3 Pro | Gemini 4 Argon (high) | トップ |
|---|---|---|---|
| BenchLeader Index | 60.0 | 65.3 | Gemini 4 Argon |
| Arena Text | 1486 | 1522 | Gemini 4 Argon |
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 Pro | Gemini 4 Argon (high) |
|---|---|---|
| 100万トークンあたりのブレンド価格(2026年11月30日まで) | – | $4.00 |
| 100万トークンあたりの入力/出力 | – / – | $2.00 / $10.00 |
| 2026年12月1日以降の100万トークンあたりのブレンド価格 | – | $8.00 |
| 2026年12月1日以降の100万トークンあたりの入力/出力 | – | $4.00 / $20.00 |
| 100万トークンあたりのキャッシュ入力 | – | $0.100 |
| タスクあたりの価格:チャットの返答 | – | $0.0038 |
| タスクあたりの価格:30ページのレポートを要約 | – | $0.030 |
| タスクあたりの価格:コード編集 | – | $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 | – | $0.160 |
| タスクあたりの価格:構造化データの抽出 | – | $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) | – | $0.074 |
| ベンチマークのタスクあたりのコスト(AA Index) | – | $4.97 |
| タスクあたりの出力トークン(AA Index) | – | 116k |
| うち推論 | – | 68k |
| タスクあたりの時間(AA Index) | – | 29 min |
| 出力速度 | – | 66 tok/s |
| 回答開始までの時間 | – | 45.7秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | – | 122.1秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Gemini 3 Proのスコアは60.0。Gemini 3 Pro (high)は60.0。Gemini 4 Argon (high)のスコアは65.3、最初の回答トークンまで46秒。Gemini 4 Argonは64.4(5秒)、Gemini 4 Argon (medium)は61.6(13秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
215件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Gemini 3 Pro | Gemini 4 Argon (high) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 60.0 | 65.3 |
| エージェント・ツールスコア | BenchLeader | 61.7 | 58.6 |
| コーディングスコア | BenchLeader | 57.8 | 66.7 |
| 人間の評価スコア | BenchLeader | 67.7 | 72.1 |
| 指示追従スコア | BenchLeader | 61.1 | – |
| 知識スコア | BenchLeader | 55.9 | 71.9 |
| 数学スコア | BenchLeader | 54.0 | 69.9 |
| マルチモーダルスコア | BenchLeader | 65.6 | – |
| 推論スコア | BenchLeader | 62.6 | 69.5 |
| 総合スコア | BenchLeader | – | 63.8 |
| 長文コンテキストスコア | BenchLeader | – | 64.5 |
| ブレンド価格($/100万トークン) | BenchLeader | – | $4.00 |
| 出力速度 | BenchLeader | – | 66 tok/s |
| 回答開始までの時間 | BenchLeader | – | 45.7秒 |
| コンテキストウィンドウ | BenchLeader | – | 1,048,576トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 92.6% | 96.4% |
| Humanity's Last Exam | Scale AI / CAIS | 37.5% | – |
| SimpleBench | SimpleBench | 76.4% | 91.7%† |
| Arena Hard Prompts | Arena (LMArena) | 1502 | 1545 |
| LiveBench 2.0 Reasoning | LiveBench | – | 95.1% |
| GPQA Diamond (AA) | Artificial Analysis | 90.8%† | – |
| Humanity's Last Exam (AA) | Artificial Analysis | 39.7%† | 57.1% |
| HLE-Diamond (AA) | Artificial Analysis | – | 56.7% |
| GPQA Diamond (Vals) | Vals AI | 91.7%† | – |
| Kagi LLM Benchmark | Kagi LLM Benchmark | 80.1% | – |
| GPQA Diamond (HELM) | HELM Capabilities | 80.3% | – |
| ARC-AGI-1 | ARC Prize | 75.0% | 98.5% |
| ARC-AGI-2 | ARC Prize | 31.1% | 91.3% |
| ARC-AGI-3 | ARC Prize | – | 97.3% |
| CritPt | Artificial Analysis | 9.1%† | 27.1% |
| CritPt v2 hard subset (AA) | Artificial Analysis | – | 52.5% |
| MysteryMechanism | Vals AI | – | 45.5% |
| SciPredict | Scale AI SEAL | 25.3% | – |
| HLE-Diamond (Scale) | Scale AI SEAL | – | 53.2%† |
| Arena Expert | Arena (LMArena) | 1499 | 1549 |
| Chess Puzzles | Epoch AI Benchmarking Hub | – | 59.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | – | 64.0% |
| CL-bench | Epoch AI Benchmarking Hub | 15.8% | – |
| LMCA | Epoch AI Benchmarking Hub | – | 63.7% |
| DTBench | Epoch AI Benchmarking Hub | – | 97.3% |
215件のベンチマークをすべて表示
| 指標 | 公開元 | Gemini 3 Pro | Gemini 4 Argon (high) |
|---|---|---|---|
| 推論 | |||
| ForecastBench | ForecastBench | 65.0% | – |
| コーディング | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | 72.9% | – |
| SciCode | SciCode | – | 61.8% |
| WeirdML | WeirdML | 69.9% | – |
| FrontierCode | Cognition | – | 47.5%† |
| GSO-Bench | GSO-Bench | 18.6% | – |
| Arena Coding | Arena (LMArena) | 1517 | 1553 |
| Arena WebDev | Arena (LMArena) | 1441 | 1681 |
| LiveBench 2.0 Coding | LiveBench | – | 85.7% |
| LiveCodeBench | Vals AI | 86.4% | – |
| IOI | Vals AI | – | 100.0% |
| SWE-bench (Vals) | Vals AI | 76.4%† | – |
| SWE-Bench Pro | Scale AI SEAL | 43.3% | – |
| SWE-bench Verified (bash only) | SWE-bench | 74.2% | – |
| SWE-bench Multilingual (bash only) | SWE-bench | 68.7% | – |
| SWE-bench Verified (any scaffold) | SWE-bench | 77.4% | – |
| Code Migration | Vals AI | – | 68.2% |
| Code Migration v1.1 | Vals AI | – | 70.8% |
| ProgramBench | Vals AI | – | 2.5% |
| SWE-bench Multimodal | Vals AI | – | 56.0% |
| Vibe Code Bench 1-100 | Vals AI | – | 21.2% |
| Vibe Code Bench v1.1 | Vals AI | 14.3%† | 91.9% |
| SWE-Bench Pro (private) | Scale AI SEAL | 17.9% | – |
| SWE Atlas v1.1 | Scale AI SEAL | – | 70.1%† |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | – | 65.3%† |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | – | 77.8%† |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | – | 67.1%† |
| SWE-Bench Pro V2 | Scale AI SEAL | – | 99.2% |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | – | 92.2% |
| MirrorCode | Epoch AI Benchmarking Hub | – | 58.9% |
| CursorBench | Cursor | – | 52.9% |
| ALE-Bench | Epoch AI Benchmarking Hub | 1176.8 | 2100.1 |
| AlgoTune | AlgoTune | 1.8 | – |
| FrontierSWE | Epoch AI Benchmarking Hub | – | 55.0% |
| WeirdML v3 | WeirdML | – | 20.3% |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | – | 57.1% |
| GameBench 2 Overall | DuelLab GameBench 2 | – | 81.7† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | – | 89.2 |
| Design Arena Website | Design Arena | 1244 | 1316† |
| FrontierCode 1.1 (AA) | Artificial Analysis | – | 43.5% |
| FrontierCode 2.0 (AA) | Artificial Analysis | – | 25.7% |
| LiveCodeBench (AA) | Artificial Analysis | 91.8%† | – |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 69.4% | 55.5% |
| GDPval | OpenAI | 40.3% | – |
| Remote Labor Index | Scale AI / CAIS | 1.3% | 17.1%† |
| APEX-Agents | Mercor | – | 82.4%† |
| Arena Agent | Arena (LMArena) | – | 10.7 |
| LiveBench Long Agentic | LiveBench | – | 58.5% |
| LiveBench Browser | LiveBench | – | 82.8% |
| Terminal-Bench Hard | Artificial Analysis | 41.7%† | – |
| τ²-Bench Telecom (AA) | Artificial Analysis | 87.1%† | – |
| Terminal-Bench 2.1 (Vals) | Vals AI | – | 57.7% |
| MCP Atlas | Scale AI SEAL | 70.3% | 90.7%† |
| HiL-Bench | Scale AI SEAL | – | 62.0%† |
| BFCL Overall | Berkeley Function Calling Leaderboard | 72.5% | – |
| τ²-bench | τ²-bench | 82.5%† | – |
| τ³-bench Banking | τ²-bench | 18.0%† | – |
| GDPval-AA v2.1, normalised score | Artificial Analysis | – | 56.2% |
| GDPval-AA v2.1 | Artificial Analysis | – | 1634 |
| Analyst Agent (AA) | Artificial Analysis | – | 48.8% |
| CUA-bench | Vals AI | – | 4.8% |
| CyberBench | Vals AI | – | 77.9% |
| Finance Agent v2 | Vals AI | – | 65.4% |
| Finance Agent v2.1 | Vals AI | – | 67.7% |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | – | 27.1% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | – | 19.6% |
| Legal Research Bench | Vals AI | – | 54.8% |
| Poker Agent | Vals AI | 1078.9% | – |
| Robo-bench | Vals AI | – | 0.8% |
| SREBench | Vals AI | – | 44.3% |
| Tax Agent Bench | Vals AI | – | 49.2% |
| Terminal-Bench 2.0 (Vals) | Vals AI | 55.1%† | – |
| Terminal-Bench 4.0 (Vals) | Vals AI | – | 57.6% |
| Terminal-Bench Science | Vals AI | – | 44.3% |
| Time Horizon Index: KSP | Vals AI | – | 52.5% |
| Arena Search | Arena (LMArena) | 1201 | – |
| Arena Agent Task Completion | Arena (LMArena) | – | 13.2 |
| BALROG | BALROG | 58.1% | – |
| DeepResearch Bench | DeepResearch Bench | 46.3%† | – |
| PostTrainBench | Epoch AI Benchmarking Hub | – | 40.4% |
| METR Time Horizons | METR | 71.0% | – |
| Vending-Bench 2 | Andon Labs | 5478.2 | 13718.2† |
| AutomationBench | Artificial Analysis | – | 77.5% |
| GDP.pdf (AA) | Artificial Analysis | – | 21.8% |
| Harvey LAB-AA v1.1 | Harvey | – | 3.9% |
| AA-Briefcase v1.1 | Artificial Analysis | – | 1485 |
| GDPx | GDPx by SemiAnalysis | – | 7.3% |
| Design Arena Agentic | Design Arena | 1080 | 1274† |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | – | 52.9% |
| MKA (AA) | Artificial Analysis | – | 51.3% |
| FACTS Search | – | 89.9%† | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | – | 86.0% |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | – | 78.0% |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 91.4% | 100.0% |
| ProofBench | Vals AI | 20.0% | 99.0%† |
| AIME (Vals) | Vals AI | 96.7%† | – |
| MGSM | Vals AI | 93.9%† | – |
| AIME 2026 | MathArena | 91.7% | – |
| HMMT February 2026 | MathArena | 86.4% | – |
| MathArena Apex | MathArena | 23.4% | – |
| ArXivMath | MathArena | – | 84.4% |
| BrokenArXiv | MathArena | – | 47.9% |
| Omni-MATH (HELM) | HELM Capabilities | 55.6% | – |
| MATH 500 | Vals AI | 96.4%† | – |
| Arena Maths | Arena (LMArena) | 1475 | 1536 |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | – | 1.5% |
| AIME 2025 (AA) | Artificial Analysis | 95.7%† | – |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | – | 76.0% |
| LiveBench 2.0 Data Analysis | LiveBench | – | 85.2% |
| LiveBench Research | LiveBench | – | 86.8% |
| AA-Omniscience v1.1 | Artificial Analysis | – | 46.1 |
| MMLU-Pro | Vals AI | 90.1% | – |
| LegalBench | Vals AI | 87.0%† | 88.3% |
| CorpFin | Vals AI | 63.7%† | – |
| TaxEval | Vals AI | 72.6%† | – |
| MedQA | Vals AI | 96.0%† | – |
| PRBench Finance | Scale AI SEAL | 39.2% | 49.9%† |
| PRBench Legal | Scale AI SEAL | 40.6% | 49.4%† |
| MultiNRC | Scale AI SEAL | 59.0% | – |
| MMLU-Pro (HELM) | HELM Capabilities | 90.3% | – |
| BioMysteryBench | Vals AI | – | 76.3% |
| CaseLaw v2 | Vals AI | 53.1%† | – |
| Excel Modeling Benchmark | Vals AI | – | 75.2% |
| Excel Modeling Benchmark v1.1 | Vals AI | – | 74.8% |
| MedCode | Vals AI | 52.2%† | 58.8% |
| MedScribe | Vals AI | 72.0%† | 87.4% |
| Public Benefits Bench v1.1 | Vals AI | – | 69.8% |
| Access to Justice Benchmark | Vals AI | – | 68.5% |
| Financial Coaching Bench | Vals AI | – | 73.1% |
| Immigration Bench | Vals AI | – | 68.1% |
| DrugDiscoveryBench | Scale AI SEAL | – | 65.4% |
| EBR-bench | Epoch AI Benchmarking Hub | – | 64.8% |
| GDP.pdf | Epoch AI Benchmarking Hub | – | 28.4% |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | – | 48.3% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | – | 95.7% |
| Global-MMLU-Lite (AA) | Artificial Analysis | 92.2%† | – |
| HealthBench Professional (AA) | OpenAI | – | 55.0% |
| FACTS Parametric | – | 72.2%† | |
| 指示追従 | |||
| IFBench | Artificial Analysis | 70.4%† | – |
| MultiChallenge | Scale AI SEAL | 65.7% | 78.7%† |
| TutorBench | Scale AI SEAL | 53.7% | – |
| IFEval (HELM) | HELM Capabilities | 87.6% | – |
| WildBench (HELM) | HELM Capabilities | 85.9% | – |
| Arena Instruction Following | Arena (LMArena) | 1473 | 1528 |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1486 | 1522 |
| EQ-Bench 4 | EQ-Bench | – | 1236† |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1524 | 1758† |
| Arena Creative Writing | Arena (LMArena) | 1484 | 1523 |
| Arena Multi-turn | Arena (LMArena) | 1495 | 1545 |
| Arena Longer Queries | Arena (LMArena) | 1491 | 1544 |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1305 | – |
| LiveBench Design | LiveBench | – | 69.2% |
| MMMU-Pro | Artificial Analysis | 80.2%† | 88.3%† |
| VISTA | Scale AI SEAL | 51.5% | – |
| MMMU-Pro (Vals) | Vals AI | 87.5%† | – |
| MortgageTax | Vals AI | 69.1%† | – |
| SAGE | Vals AI | – | 89.5% |
| AudioMC | Scale AI SEAL | 54.6%† | 58.4% |
| AudioMC (text output) | Scale AI SEAL | 54.6%† | 58.4% |
| Humanity's Sixth Sense | Scale AI SEAL | – | 55.4% |
| VTB | Scale AI SEAL | 26.9% | – |
| GeoBench | GeoBench | 84.0% | – |
| VPCT | Epoch AI Benchmarking Hub | 91.0% | – |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | – | 54.5%† |
| Furniture Assembly | Epoch AI Benchmarking Hub | – | 72.5% |
| VIALS-AA | Handshake AI | – | 59.6% |
| Code2Video-AA | Artificial Analysis | – | 1259 |
| AA-3D | Artificial Analysis | – | 1147 |
| FACTS Multimodal | – | 54.2%† | |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 76.0%† | 79.7% |
| Arena Document | Arena (LMArena) | 1451 | – |
| MLCR | Artificial Analysis | – | 13.9% |
| FACTS Grounding | – | 73.3%† | |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 153.0 | 166.5† |
| LiveBench 2.0 | LiveBench | – | 77.7% |
| AA Intelligence Index v5.0.1 | Artificial Analysis | – | 50.4 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 28.0† | 52.6 |
| AA Progress Index v1 | Artificial Analysis | 290.7† | 341.8 |
| Vals Index | Vals AI | – | 69.4 |
| HELM Capabilities mean | HELM Capabilities | 79.9% | – |
| Vals Finance Index | Vals AI | – | 66.0% |
| Vals RSI Index | Vals AI | – | 30.6% |
| Vals Science Index | Vals AI | – | 55.4% |
| Vals Router Index | Vals AI | – | 69.2%† |
| Vals Legal Index | Vals AI | – | 76.8% |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | 41.7% | – |
| MASK | Scale AI SEAL | 42.6% | – |
| PropensityBench | Scale AI SEAL | 52.9% | – |
| DistressBench | Scale AI SEAL | – | 68.6%† |
| 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 4 Argon:定価が100万トークンあたり入力$4.00/出力$20.00に変わります(発表済み)。
- Gemini 3 Pro:スコアの改訂1件。
- Gemini 4 Argon (high):新しい結果8件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
- Gemini 4 Argon (high):新しい結果1件(Terminal-Bench)。
- Gemini 4 Argon (high):スコアの改訂1件。
- Gemini 4 Argon (high):BenchLeader Index 65.9 → 65.3。
- Gemini 4 Argon (high):新しい結果1件(PostTrainBench)、入力価格 $4.00/M → $2.00/M、出力価格 $20.00/M → $10.00/M、価格 $9.95/M → $4.97/M。
- Gemini 4 Argon (high):スコアの改訂4件。
- Gemini 3 Pro:新しい結果1件(Arena Search)。
- Gemini 4 Argon (high):スコアの改訂1件。
関連する比較
- Gemini 3 Pro vs Gemini 4 Carbon
- Gemini 3 Pro vs Claude Opus 5.5
- Gemini 3 Pro vs GPT-6 Astra
- Gemini 4 Argon vs Claude Fable 5.2
- Gemini 4 Argon vs Gemini 4 Carbon
- Gemini 4 Argon vs Claude Opus 5.5
- Gemini 4 Argon vs GPT-6 Astra
- Gemini 3 Pro vs GPT-6.1 Sol
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 Pro vs Gemini 4 Argon:よくある質問
- Gemini 4 ArgonはGemini 3 Proより優れていますか?
- 品質ではGemini 4 Argon (high)がリードしています:65.3 対 60.0。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 Argon (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 ProとGemini 4 Argon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 4 Argonの方が安く、100万トークンあたり$4.00 対 $4.50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 4 Argonの現在の価格は2026年11月30日までで、その後は$8.00になります。
- コーディングにはGemini 3 ProとGemini 4 Argonのどちらが向いていますか?
- コーディングではGemini 4 Argonの方がスコアが高くなっています(カテゴリ指標で67 対 58。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Arena WebDevでは、Gemini 3 Proが1441、Gemini 4 Argonが1681です。
- エージェントやツール利用にはGemini 3 ProとGemini 4 Argon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 Proの方がスコアが高くなっています(カテゴリ指標で62 対 59。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Terminal-Benchでは、Gemini 3 Proが69.4%、Gemini 4 Argonが55.5%です。
- Gemini 3 ProとGemini 4 Argon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15件のベンチマークのうち、Gemini 3 Proのリードが1件、Gemini 4 Argonのリードが14件です。両方を評価しているすべての総合指標で、Gemini 4 Argonが上回っています。
ほかの質問(1件)
- Gemini 4 Argonはいつリリースされましたか?
- Gemini 4 Argonは2026年9月30日に初めて登場し、2026年10月13日に一般提供が始まりました。