Gemini 3 Pro vs GPT-5
詳しいプロフィール:Gemini 3 Pro(Google)とGPT-5(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 ProとGPT-5の品質は互角です(BenchLeader Indexで60.0 対 59.0、±6.4の誤差範囲内)。価格はGPT-5の方が1.3倍安く、100万トークンあたりのブレンド価格で$3.44 対 $4.50です。推論(63 対 48)、マルチモーダル(66 対 57)、エージェント・ツール(62 対 58)を重視するならGemini 3 Pro、数学(65 対 54)、指示追従(69 対 61)を重視するならGPT-5が向いています。
要点(2026年11月16日時点)
- BenchLeader IndexはGemini 3 Proが60.0、GPT-5が59.0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)。
- GPT-5の100万トークンあたりのブレンド価格は$3.44です(定価、2026年11月16日)。
- 両モデルに結果がある12件のベンチマークのうち、Gemini 3 Pro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、GPT-5が1417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 | どちらでも | カテゴリスコア58 対 57;Arena WebDev 1441 対 1417 | どちらでも |
| エージェント・ツール利用 | Gemini 3 Pro | カテゴリスコア62 対 58;Terminal-Bench 69.4% 対 49.6% | 中 |
| 数学 | GPT-5 | カテゴリスコア65 対 54;OTIS Mock AIME 87.2% 対 91.4% | 高 |
| 推論 | Gemini 3 Pro | カテゴリスコア63 対 48;GPQA Diamond 92.6% 対 85.3% | 高 |
| 画像などのメディア | Gemini 3 Pro | カテゴリスコア66 対 57;GeoBench 84.0% 対 81.0% | 高 |
| 指示への追従 | GPT-5 | カテゴリスコア69 対 61 | 高 |
| チャットの質(人間の評価) | – | Arenaの評価があるのはGemini 3 Proのみです(カテゴリスコア68) | 比較不可 |
| 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 ProとGPT-5 (medium)の品質は互角です(60.0 対 59.0、±6.4の誤差範囲内)。
- Gemini 3 Proはエージェント・ツール、コーディング、マルチモーダル、推論で優れています。
- GPT-5 (medium)は指示追従、数学で優れています。
- GPT-5 (medium)の方が1.3倍安くなっています(100万トークンあたりブレンド価格$3.44 対 $4.50)。
概要
| 仕様 | Gemini 3 Pro | GPT-5 |
|---|---|---|
| プロバイダー | OpenAI | |
| リリース日 | 2025年11月18日 | 2025年8月7日 |
| コンテキストウィンドウ(トークン) | – | 400,000 |
| 比較した構成 | Gemini 3 Pro | GPT-5 (medium) |
| 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) | – | $1.25 / $10.00 / $0.125 |
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 | GPT-5 (medium) | トップ |
|---|---|---|---|
| 推論 | 62.6 | 47.9 | Gemini 3 Pro |
| コーディング | 57.8 | 57.4 | 互角 |
| エージェント・ツール | 61.7 | 58.1 | Gemini 3 Pro |
| 数学 | 54.0 | 65.4 | GPT-5 |
| 知識 | 55.9 | – | 比較不可 |
| 指示追従 | 61.1 | 69.4 | GPT-5 |
| 人間の評価 | 67.7 | – | 比較不可 |
| マルチモーダル | 65.6 | 56.6 | Gemini 3 Pro |
| 長文コンテキスト | – | 70.4 | 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):知識, 長文コンテキスト, 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12件のベンチマークのうち、Gemini 3 Proのリードが12件、GPT-5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 Proが上回っています。
| 総合Index | Gemini 3 Pro | GPT-5 (medium) | トップ |
|---|---|---|---|
| BenchLeader Index | 60.0 | 59.0 | 互角 |
| Arena Text | 1486 | 1435† | Gemini 3 Pro |
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 | GPT-5 (medium) |
|---|---|---|
| 100万トークンあたりのブレンド価格 | – | $3.44 |
| 100万トークンあたりの入力/出力 | – / – | $1.25 / $10.00 |
| 100万トークンあたりのキャッシュ入力 | – | $0.125 |
| タスクあたりの価格:チャットの返答 | – | $0.0035 |
| タスクあたりの価格:30ページのレポートを要約 | – | $0.021 |
| タスクあたりの価格:コード編集 | – | $0.022 |
| 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 | – | $0.115 |
| タスクあたりの価格:構造化データの抽出 | – | $0.0045 |
| 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) | – | $0.064 |
| 出力速度 | – | 82 tok/s |
| 回答開始までの時間 | – | 22.9秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | – | 66.2秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Gemini 3 Proのスコアは60.0。Gemini 3 Pro (high)は60.0。GPT-5 (medium)のスコアは59.0、最初の回答トークンまで23秒。GPT-5 (high)は58.2(49秒)、GPT-5は56.6(5秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
128件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Gemini 3 Pro | GPT-5 (medium) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 60.0 | 59.0 |
| エージェント・ツールスコア | BenchLeader | 61.7 | 58.1 |
| コーディングスコア | BenchLeader | 57.8 | 57.4 |
| 人間の評価スコア | BenchLeader | 67.7 | – |
| 指示追従スコア | BenchLeader | 61.1 | 69.4 |
| 知識スコア | BenchLeader | 55.9 | – |
| 数学スコア | BenchLeader | 54.0 | 65.4 |
| マルチモーダルスコア | BenchLeader | 65.6 | 56.6 |
| 推論スコア | BenchLeader | 62.6 | 47.9 |
| 長文コンテキストスコア | BenchLeader | – | 70.4 |
| ブレンド価格($/100万トークン) | BenchLeader | – | $3.44 |
| 出力速度 | BenchLeader | – | 82 tok/s |
| 回答開始までの時間 | BenchLeader | – | 22.9秒 |
| コンテキストウィンドウ | BenchLeader | – | 400,000トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 92.6% | 85.3% |
| Humanity's Last Exam | Scale AI / CAIS | 37.5% | 25.3%† |
| SimpleBench | SimpleBench | 76.4% | 56.7%† |
| Arena Hard Prompts | Arena (LMArena) | 1502 | 1449† |
| GPQA Diamond (AA) | Artificial Analysis | 90.8%† | 84.2% |
| Humanity's Last Exam (AA) | Artificial Analysis | 39.7%† | 25.4% |
| GPQA Diamond (Vals) | Vals AI | 91.7%† | 85.6%† |
| Kagi LLM Benchmark | Kagi LLM Benchmark | 80.1% | 72.7%† |
| GPQA Diamond (HELM) | HELM Capabilities | 80.3% | 79.1%† |
| ARC-AGI-1 | ARC Prize | 75.0% | 56.2% |
| ARC-AGI-2 | ARC Prize | 31.1% | 7.5% |
| CritPt | Artificial Analysis | 9.1%† | 0.0% |
| CritPt v2 hard subset (AA) | Artificial Analysis | – | 11.5%† |
| SciPredict | Scale AI SEAL | 25.3% | – |
| Arena Expert | Arena (LMArena) | 1499 | 1445† |
| Chess Puzzles | Epoch AI Benchmarking Hub | – | 32.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | – | 15.0% |
| CL-bench | Epoch AI Benchmarking Hub | 15.8% | – |
| LMCA | Epoch AI Benchmarking Hub | – | 40.0%† |
| DTBench | Epoch AI Benchmarking Hub | – | 90.7%† |
| ForecastBench | ForecastBench | 65.0% | 65.0%† |
| コーディング | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | 72.9% | 71.5% |
| SciCode | SciCode | – | 42.9%† |
| WeirdML | WeirdML | 69.9% | 39.8%† |
| GSO-Bench | GSO-Bench | 18.6% | 6.9%† |
128件のベンチマークをすべて表示
| 指標 | 公開元 | Gemini 3 Pro | GPT-5 (medium) |
|---|---|---|---|
| コーディング | |||
| Arena Coding | Arena (LMArena) | 1517 | 1462† |
| Arena WebDev | Arena (LMArena) | 1441 | 1417 |
| LiveCodeBench | Vals AI | 86.4% | 85.9%† |
| SWE-bench (Vals) | Vals AI | 76.4%† | 69.0%† |
| SWE-Bench Pro | Scale AI SEAL | 43.3% | 41.8%† |
| Aider Polyglot | Aider polyglot leaderboard | – | 86.7% |
| SWE-bench Verified (bash only) | SWE-bench | 74.2% | 65.0% |
| SWE-bench Multilingual (bash only) | SWE-bench | 68.7% | – |
| SWE-bench Verified (any scaffold) | SWE-bench | 77.4% | 74.4%† |
| Vibe Code Bench v1.1 | Vals AI | 14.3%† | 20.1%† |
| SWE-Bench Pro (private) | Scale AI SEAL | 17.9% | 14.9%† |
| MirrorCode | Epoch AI Benchmarking Hub | – | 4.4%† |
| ALE-Bench | Epoch AI Benchmarking Hub | 1176.8 | 1162.5† |
| AlgoTune | AlgoTune | 1.8 | 1.7† |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | – | 35.2%† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | – | 38.0 |
| Design Arena Website | Design Arena | 1244 | 1174† |
| LiveCodeBench (AA) | Artificial Analysis | 91.8%† | 70.3% |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 69.4% | 49.6% |
| GDPval | OpenAI | 40.3% | 34.8% |
| Remote Labor Index | Scale AI / CAIS | 1.3% | 1.7%† |
| Terminal-Bench Hard | Artificial Analysis | 41.7%† | 37.9% |
| τ²-Bench Telecom (AA) | Artificial Analysis | 87.1%† | 86.5% |
| MCP Atlas | Scale AI SEAL | 70.3% | – |
| 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 | Artificial Analysis | – | 925† |
| τ³-Banking (AA) | Artificial Analysis | – | 22.1%† |
| Poker Agent | Vals AI | 1078.9% | 1103.2%† |
| Terminal-Bench 2.0 (Vals) | Vals AI | 55.1%† | 37.1%† |
| Arena Search | Arena (LMArena) | 1201 | 1189† |
| BALROG | BALROG | 58.1% | 32.8%† |
| DeepResearch Bench | DeepResearch Bench | 46.3%† | 48.6% |
| METR Time Horizons | METR | 71.0% | 69.6% |
| Vending-Bench 2 | Andon Labs | 5478.2 | – |
| Design Arena Agentic | Design Arena | 1080 | – |
| BrowseComp-Plus | BrowseComp-Plus | – | 57.6%† |
| BrowseComp | OpenAI | – | 20.1%† |
| DeepSearchQA | – | 59.4%† | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | – | 55.4%† |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | – | 21.9%† |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 91.4% | 87.2% |
| MATH Level 5 | Epoch AI Benchmarking Hub | – | 97.9% |
| ProofBench | Vals AI | 20.0% | 18.0%† |
| AIME (Vals) | Vals AI | 96.7%† | 93.4%† |
| MGSM | Vals AI | 93.9%† | 92.8%† |
| AIME 2026 | MathArena | 91.7% | – |
| HMMT February 2026 | MathArena | 86.4% | – |
| IMO 2025 | MathArena | – | 38.1%† |
| MathArena Apex | MathArena | 23.4% | 1.0%† |
| Omni-MATH (HELM) | HELM Capabilities | 55.6% | 64.7%† |
| MATH 500 | Vals AI | 96.4%† | 96.0%† |
| Arena Maths | Arena (LMArena) | 1475 | 1411† |
| AIME 2025 (AA) | Artificial Analysis | 95.7%† | 91.7% |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | – | 50.1%† |
| MMLU-Pro | Vals AI | 90.1% | 86.5%† |
| LegalBench | Vals AI | 87.0%† | 86.0%† |
| CorpFin | Vals AI | 63.7%† | 61.1%† |
| TaxEval | Vals AI | 72.6%† | 73.4%† |
| MedQA | Vals AI | 96.0%† | 96.3%† |
| PRBench Finance | Scale AI SEAL | 39.2% | 51.3%† |
| PRBench Legal | Scale AI SEAL | 40.6% | 49.0%† |
| MultiNRC | Scale AI SEAL | 59.0% | 52.1%† |
| MMLU-Pro (HELM) | HELM Capabilities | 90.3% | 86.3%† |
| CaseLaw v2 | Vals AI | 53.1%† | 66.5%† |
| MedCode | Vals AI | 52.2%† | 49.6%† |
| MedScribe | Vals AI | 72.0%† | 83.7%† |
| EBR-bench | Epoch AI Benchmarking Hub | – | 12.7%† |
| Global-MMLU-Lite (AA) | Artificial Analysis | 92.2%† | 90.4% |
| 指示追従 | |||
| IFBench | Artificial Analysis | 70.4%† | 70.6% |
| MultiChallenge | Scale AI SEAL | 65.7% | 63.2%† |
| TutorBench | Scale AI SEAL | 53.7% | 55.3%† |
| IFEval (HELM) | HELM Capabilities | 87.6% | 87.5%† |
| WildBench (HELM) | HELM Capabilities | 85.9% | 85.7%† |
| Arena Instruction Following | Arena (LMArena) | 1473 | 1415† |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1486 | 1427† |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1524 | 1626† |
| Arena Creative Writing | Arena (LMArena) | 1484 | 1389† |
| Arena Multi-turn | Arena (LMArena) | 1495 | 1449† |
| Arena Longer Queries | Arena (LMArena) | 1491 | 1435† |
| Lech Mazur Creative Writing | Lech Mazur | – | 86.0% |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1305 | 1232† |
| MMMU-Pro | Artificial Analysis | 80.2%† | 74.3% |
| VISTA | Scale AI SEAL | 51.5% | 49.7%† |
| MMMU-Pro (Vals) | Vals AI | 87.5%† | 81.5%† |
| MortgageTax | Vals AI | 69.1%† | 65.5%† |
| AudioMC | Scale AI SEAL | 54.6%† | – |
| AudioMC (text output) | Scale AI SEAL | 54.6%† | – |
| VTB | Scale AI SEAL | 26.9% | 17.0%† |
| GeoBench | GeoBench | 84.0% | 81.0% |
| VPCT | Epoch AI Benchmarking Hub | 91.0% | 63.2% |
| 長文コンテキスト | |||
| Fiction.LiveBench 120k | Fiction.live | – | 96.9% |
| AA-LCR v1.1 | Artificial Analysis | 76.0%† | 76.0% |
| Arena Document | Arena (LMArena) | 1451 | – |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 153.0 | 150† |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 28.0† | 22.9 |
| AA Progress Index v1 | Artificial Analysis | 290.7† | 264.4 |
| HELM Capabilities mean | HELM Capabilities | 79.9% | 80.7%† |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | 41.7% | 17.0%† |
| MASK | Scale AI SEAL | 42.6% | 79.3%† |
| PropensityBench | Scale AI SEAL | 52.9% | – |
| メタデータ | |||
| AA Openness Index | Artificial Analysis | 5.6† | 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
- GPT-5 (medium):BenchLeader Index 58.2 → 59.0。
- Gemini 3 Pro:スコアの改訂1件。
- GPT-5 (medium):新しい結果1件(Aider Polyglot)。
- GPT-5 (medium):新しい結果2件(Global-MMLU-Lite (AA), AIME 2025 (AA))、スコアの改訂1件。
- GPT-5 (medium):スコアの改訂1件。
- Gemini 3 Pro:新しい結果1件(Arena Search)。
- GPT-5 (medium):スコアの改訂1件。
- GPT-5 (medium):スコアの改訂1件。
- GPT-5 (medium):新しい結果1件(AA Progress Index v1)。
- Gemini 3 Pro: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
- GPT-5 vs Claude Opus 5.5
- Gemini 3 Pro vs GPT-6.1 Sol
- Gemini 3 Pro vs Gemini 4 Argon
- Gemini 3 Pro vs Claude Sonnet 5.5
- Gemini 3 Pro vs GPT-5.5
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 GPT-5:よくある質問
- Gemini 3 ProはGPT-5より優れていますか?
- Gemini 3 ProとGPT-5 (medium)の品質は互角です(60.0 対 59.0、±6.4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 ProとGPT-5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GPT-5の方が安く、100万トークンあたり$3.44 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GPT-5のどちらが向いていますか?
- コーディングでは互角です(カテゴリ指標で58 対 57)。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、GPT-5が1417です。
- エージェントやツール利用にはGemini 3 ProとGPT-5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 58。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%、GPT-5が49.6%です。
- Gemini 3 ProとGPT-5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12件のベンチマークのうち、Gemini 3 Proのリードが12件、GPT-5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 Proが上回っています。
ほかの質問(1件)
- Gemini 3 Proはいつリリースされましたか?
- Gemini 3 Proは2025年11月18日にリリースされました。