BenchLeader

Gemini 3 Pro vs Gemini 4 Carbon

詳しいプロフィール:Gemini 3 Pro(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 · 18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 Proを上回ります(BenchLeader Indexで68.9 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)。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。

要点(2026年11月16日時点)

  • BenchLeader IndexはGemini 3 Proが60.0、Gemini 4 Carbonが68.9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 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)。
  • 両モデルに結果がある13件のベンチマークのうち、Gemini 4 Carbonが12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 Carbonが1768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 Carbonカテゴリスコア74 対 58;Arena WebDev 1768 対 1441高
エージェント・ツール利用Gemini 4 Carbonカテゴリスコア70 対 62;Terminal-Bench 64.5% 対 69.4%高
数学Gemini 4 Carbonカテゴリスコア72 対 54;OTIS Mock AIME 100.0% 対 91.4%高
推論Gemini 4 Carbonカテゴリスコア73 対 63;GPQA Diamond 96.5% 対 92.6%高
知識Gemini 4 Carbonカテゴリスコア76 対 56高
チャットの質(人間の評価)Gemini 4 CarbonArenaの投票で73 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 Carbon (high)がリードしています:68.9 対 60.0。
  • Gemini 4 Carbon (high)はエージェント・ツール、コーディング、人間の評価、知識、数学、推論で優れています。
  • 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)。

概要

仕様Gemini 3 ProGemini 4 Carbon
プロバイダーGoogleGoogle
リリース日2025年11月18日2026年10月28日
コンテキストウィンドウ(トークン)–1,048,576
比較した構成Gemini 3 ProGemini 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)–$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 ProGemini 4 Carbon (high)トップ
推論62.673.2Gemini 4 Carbon
コーディング57.874.1Gemini 4 Carbon
エージェント・ツール61.770.3Gemini 4 Carbon
数学54.071.9Gemini 4 Carbon
知識55.976.1Gemini 4 Carbon
指示追従61.1–比較不可
人間の評価67.772.6Gemini 4 Carbon
マルチモーダル65.6–比較不可
長文コンテキスト–64.3比較不可
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・ツール数学知識人間の評価Gemini 3 Pro, 推論: 62.6Gemini 3 Pro, コーディング: 57.8Gemini 3 Pro, エージェント・ツール: 61.7Gemini 3 Pro, 数学: 54.0Gemini 3 Pro, 知識: 55.9Gemini 3 Pro, 人間の評価: 67.7Gemini 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, 人間の評価: 72.6

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。

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13件のベンチマークのうち、Gemini 3 Proのリードが1件、Gemini 4 Carbonのリードが12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 ProGemini 4 Carbon (high)トップ
BenchLeader Index60.068.9Gemini 4 Carbon
Arena Text14861526Gemini 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 ProGemini 4 Carbon (high)
100万トークンあたりのブレンド価格–$4.00
100万トークンあたりの入力/出力– / –$2.00 / $10.00
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)–$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–64 tok/s
回答開始までの時間–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)–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 Proのスコアは60.0。Gemini 3 Pro (high)は60.0。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

170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 ProGemini 4 Carbon (high)
BenchLeader IndexBenchLeader60.068.9
エージェント・ツールスコアBenchLeader61.770.3
コーディングスコアBenchLeader57.874.1
人間の評価スコアBenchLeader67.772.6
指示追従スコアBenchLeader61.1–
知識スコアBenchLeader55.976.1
数学スコアBenchLeader54.071.9
マルチモーダルスコアBenchLeader65.6–
推論スコアBenchLeader62.673.2
総合スコアBenchLeader–70.3
長文コンテキストスコアBenchLeader–64.3
ブレンド価格($/100万トークン)BenchLeader–$4.00
出力速度BenchLeader–64 tok/s
回答開始までの時間BenchLeader–73.5秒
コンテキストウィンドウBenchLeader–1,048,576トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub92.6%96.5%
Humanity's Last ExamScale AI / CAIS37.5%–
SimpleBenchSimpleBench76.4%92.6%†
Arena Hard PromptsArena (LMArena)15021547
LiveBench 2.0 ReasoningLiveBench–90.6%
GPQA Diamond (AA)Artificial Analysis90.8%†–
Humanity's Last Exam (AA)Artificial Analysis39.7%†–
HLE-Diamond (AA)Artificial Analysis–69.1%
GPQA Diamond (Vals)Vals AI91.7%†–
Kagi LLM BenchmarkKagi LLM Benchmark80.1%–
GPQA Diamond (HELM)HELM Capabilities80.3%–
ARC-AGI-1ARC Prize75.0%97.5%
ARC-AGI-2ARC Prize31.1%92.1%
ARC-AGI-3ARC Prize–96.9%
CritPtArtificial Analysis9.1%†–
CritPt v2 hard subset (AA)Artificial Analysis–69.0%
SciPredictScale AI SEAL25.3%–
Arena ExpertArena (LMArena)14991567
Chess PuzzlesEpoch AI Benchmarking Hub–78.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub–73.0%
CL-benchEpoch AI Benchmarking Hub15.8%–
ForecastBenchForecastBench65.0%–
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub72.9%–
SciCodeSciCode–64.2%
WeirdMLWeirdML69.9%–
170件のベンチマークをすべて表示
指標公開元Gemini 3 ProGemini 4 Carbon (high)
コーディング
GSO-BenchGSO-Bench18.6%–
Arena CodingArena (LMArena)15171568
Arena WebDevArena (LMArena)14411768
LiveBench 2.0 CodingLiveBench–91.0%
LiveCodeBenchVals AI86.4%–
SWE-bench (Vals)Vals AI76.4%†–
SWE-Bench ProScale AI SEAL43.3%–
SWE-bench Verified (bash only)SWE-bench74.2%–
SWE-bench Multilingual (bash only)SWE-bench68.7%–
SWE-bench Verified (any scaffold)SWE-bench77.4%–
Vibe Code Bench v1.1Vals AI14.3%†89.1%
Vibe Code Bench 1-100 v1.1Vals AI–49.7%
SWE-Bench Pro (private)Scale AI SEAL17.9%–
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 Hub1176.8–
AlgoTuneAlgoTune1.8–
FrontierSWEEpoch AI Benchmarking Hub–61.2%
Terminal-Bench 4.0 (AA)Artificial Analysis–65.2%
Design Arena WebsiteDesign Arena12441319†
FrontierCode 2.0 (AA)Artificial Analysis–40.6%
LiveCodeBench (AA)Artificial Analysis91.8%†–
エージェント・ツール
Terminal-BenchTerminal-Bench69.4%64.5%
GDPvalOpenAI40.3%–
Remote Labor IndexScale AI / CAIS1.3%–
APEX-AgentsMercor–84.2%†
Arena AgentArena (LMArena)–17
LiveBench Long AgenticLiveBench–72.7%
LiveBench BrowserLiveBench–80.0%
Terminal-Bench HardArtificial Analysis41.7%†–
τ²-Bench Telecom (AA)Artificial Analysis87.1%†–
MCP AtlasScale AI SEAL70.3%–
HiL-BenchScale AI SEAL–50.3%†
BFCL OverallBerkeley Function Calling Leaderboard72.5%–
τ²-benchτ²-bench82.5%†–
τ³-bench Bankingτ²-bench18.0%†–
GDPval-AA v2.1Artificial Analysis–1733
Finance Agent v2.1Vals AI–67.2%
Harvey's Legal Agent Benchmark v1.1Vals AI–17.5%
Legal Research BenchVals AI–55.8%
Poker AgentVals AI1078.9%–
Tax Agent BenchVals AI–51.8%
Terminal-Bench 2.0 (Vals)Vals AI55.1%†–
Terminal-Bench 4.0 (Vals)Vals AI–63.1%
Arena SearchArena (LMArena)1201–
Arena Agent Task CompletionArena (LMArena)–18.4
BALROGBALROG58.1%–
DeepResearch BenchDeepResearch Bench46.3%†–
METR Time HorizonsMETR71.0%–
Vending-Bench 2Andon Labs5478.216484.2†
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 Arena10801305†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–64.8%
MKA (AA)Artificial Analysis–54.3%
FACTS SearchGoogle–94.4%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub–90.5%
FrontierMath Tier 4Epoch AI Benchmarking Hub–95.1%
OTIS Mock AIMEEpoch AI Benchmarking Hub91.4%100.0%
ProofBenchVals AI20.0%–
AIME (Vals)Vals AI96.7%†–
MGSMVals AI93.9%†–
AIME 2026MathArena91.7%–
HMMT February 2026MathArena86.4%–
MathArena ApexMathArena23.4%–
ArXivMathMathArena–94.3%
BrokenArXivMathArena–84.4%
Omni-MATH (HELM)HELM Capabilities55.6%–
MATH 500Vals AI96.4%†–
Arena MathsArena (LMArena)1475–
FrontierMath ErdősEpoch AI Benchmarking Hub–2.9%
AIME 2025 (AA)Artificial Analysis95.7%†–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub–77.7%
LiveBench 2.0 Data AnalysisLiveBench–86.5%
LiveBench ResearchLiveBench–92.5%
AA-Omniscience v1.1Artificial Analysis–53.5
MMLU-ProVals AI90.1%–
LegalBenchVals AI87.0%†–
CorpFinVals AI63.7%†–
TaxEvalVals AI72.6%†–
MedQAVals AI96.0%†–
PRBench FinanceScale AI SEAL39.2%–
PRBench LegalScale AI SEAL40.6%53.4%†
MultiNRCScale AI SEAL59.0%–
MMLU-Pro (HELM)HELM Capabilities90.3%–
CaseLaw v2Vals AI53.1%†–
Excel Modeling Benchmark v1.1Vals AI–76.5%
MedCodeVals AI52.2%†–
MedScribeVals AI72.0%†–
DrugDiscoveryBenchScale AI SEAL–71.5%
EBR-benchEpoch AI Benchmarking Hub–87.6%
AA-Omniscience v1.1: accuracyArtificial Analysis–58.3%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–88.6%
Global-MMLU-Lite (AA)Artificial Analysis92.2%†–
FACTS ParametricGoogle–81.6%†
指示追従
IFBenchArtificial Analysis70.4%†–
MultiChallengeScale AI SEAL65.7%–
TutorBenchScale AI SEAL53.7%–
IFEval (HELM)HELM Capabilities87.6%–
WildBench (HELM)HELM Capabilities85.9%–
Arena Instruction FollowingArena (LMArena)14731525
人間の評価
Arena TextArena (LMArena)14861526
EQ-Bench Creative Writing v3EQ-Bench1524–
Arena Creative WritingArena (LMArena)14841516
Arena Multi-turnArena (LMArena)14951564
Arena Longer QueriesArena (LMArena)14911538
マルチモーダル
Arena VisionArena (LMArena)1305–
LiveBench DesignLiveBench–80.2%
MMMU-ProArtificial Analysis80.2%†89.3%†
VISTAScale AI SEAL51.5%–
MMMU-Pro (Vals)Vals AI87.5%†–
MortgageTaxVals AI69.1%†–
AudioMCScale AI SEAL54.6%†–
AudioMC (text output)Scale AI SEAL54.6%†–
Humanity's Sixth SenseScale AI SEAL–71.1%
VTBScale AI SEAL26.9%–
GeoBenchGeoBench84.0%–
VPCTEpoch AI Benchmarking Hub91.0%–
Blueprint-Bench 2Epoch AI Benchmarking Hub–58.6%†
Furniture AssemblyEpoch AI Benchmarking Hub–77.5%
VIALS-AAHandshake AI–64.0%
FACTS MultimodalGoogle–60.2%†
長文コンテキスト
AA-LCR v1.1Artificial Analysis76.0%†79.3%
Arena DocumentArena (LMArena)1451–
MLCRArtificial Analysis–19.4%
FACTS GroundingGoogle–77.2%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub153.0169.8†
LiveBench 2.0LiveBench–83.5%
AA Intelligence Index v5.0.1Artificial Analysis–60.0
AA Intelligence Index v4.3.2Artificial Analysis28.0†–
AA Progress Index v1Artificial Analysis290.7†350.8
Vals IndexVals AI–70.5
HELM Capabilities meanHELM Capabilities79.9%–
Vals Finance IndexVals AI–67.0%
Vals RSI IndexVals AI–27.7%
Vals Legal IndexVals AI–75.9%
安全性・誠実さ
FORTRESSScale AI SEAL41.7%16.4%†
MASKScale AI SEAL42.6%–
PropensityBenchScale AI SEAL52.9%–
メタデータ
AA Openness IndexArtificial Analysis5.6†–

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。

最近の変化

  • Gemini 3 Pro:スコアの改訂1件。
  • 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 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 Pro vs Gemini 4 Carbon:よくある質問

Gemini 4 CarbonはGemini 3 Pro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 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 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 Pro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 4 Carbon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)。どちらも価格変更は発表されていません。
コーディングにはGemini 3 ProとGemini 4 Carbonのどちらが向いていますか?
コーディングでは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74 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 Carbonが1768です。
エージェントやツール利用にはGemini 3 Pro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 62。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 Carbonが64.5%です。
Gemini 3 Pro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13件のベンチマークのうち、Gemini 3 Proのリードが1件、Gemini 4 Carbonのリードが12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。
ほかの質問(1件)
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。