BenchLeader

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 ProGPT-5
プロバイダーGoogleOpenAI
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 ProGPT-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 ProGPT-5 (medium)トップ
推論62.647.9Gemini 3 Pro
コーディング57.857.4互角
エージェント・ツール61.758.1Gemini 3 Pro
数学54.065.4GPT-5
知識55.9–比較不可
指示追従61.169.4GPT-5
人間の評価67.7–比較不可
マルチモーダル65.656.6Gemini 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。

2550 avg75推論コーディングエージェント・ツール数学指示追従マルチモーダル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, 指示追従: 61.1Gemini 3 Pro, マルチモーダル: 65.6GPT-5, 推論: 47.9GPT-5, コーディング: 57.4GPT-5, エージェント・ツール: 58.1GPT-5, 数学: 65.4GPT-5, 指示追従: 69.4GPT-5, マルチモーダル: 56.6

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。

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IndexGemini 3 ProGPT-5 (medium)トップ
BenchLeader Index60.059.0互角
Arena Text14861435†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 ProGPT-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 ProGPT-5 (medium)
BenchLeader IndexBenchLeader60.059.0
エージェント・ツールスコアBenchLeader61.758.1
コーディングスコアBenchLeader57.857.4
人間の評価スコアBenchLeader67.7–
指示追従スコアBenchLeader61.169.4
知識スコアBenchLeader55.9–
数学スコアBenchLeader54.065.4
マルチモーダルスコアBenchLeader65.656.6
推論スコアBenchLeader62.647.9
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 DiamondEpoch AI Benchmarking Hub92.6%85.3%
Humanity's Last ExamScale AI / CAIS37.5%25.3%†
SimpleBenchSimpleBench76.4%56.7%†
Arena Hard PromptsArena (LMArena)15021449†
GPQA Diamond (AA)Artificial Analysis90.8%†84.2%
Humanity's Last Exam (AA)Artificial Analysis39.7%†25.4%
GPQA Diamond (Vals)Vals AI91.7%†85.6%†
Kagi LLM BenchmarkKagi LLM Benchmark80.1%72.7%†
GPQA Diamond (HELM)HELM Capabilities80.3%79.1%†
ARC-AGI-1ARC Prize75.0%56.2%
ARC-AGI-2ARC Prize31.1%7.5%
CritPtArtificial Analysis9.1%†0.0%
CritPt v2 hard subset (AA)Artificial Analysis–11.5%†
SciPredictScale AI SEAL25.3%–
Arena ExpertArena (LMArena)14991445†
Chess PuzzlesEpoch AI Benchmarking Hub–32.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub–15.0%
CL-benchEpoch AI Benchmarking Hub15.8%–
LMCAEpoch AI Benchmarking Hub–40.0%†
DTBenchEpoch AI Benchmarking Hub–90.7%†
ForecastBenchForecastBench65.0%65.0%†
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub72.9%71.5%
SciCodeSciCode–42.9%†
WeirdMLWeirdML69.9%39.8%†
GSO-BenchGSO-Bench18.6%6.9%†
128件のベンチマークをすべて表示
指標公開元Gemini 3 ProGPT-5 (medium)
コーディング
Arena CodingArena (LMArena)15171462†
Arena WebDevArena (LMArena)14411417
LiveCodeBenchVals AI86.4%85.9%†
SWE-bench (Vals)Vals AI76.4%†69.0%†
SWE-Bench ProScale AI SEAL43.3%41.8%†
Aider PolyglotAider polyglot leaderboard–86.7%
SWE-bench Verified (bash only)SWE-bench74.2%65.0%
SWE-bench Multilingual (bash only)SWE-bench68.7%–
SWE-bench Verified (any scaffold)SWE-bench77.4%74.4%†
Vibe Code Bench v1.1Vals AI14.3%†20.1%†
SWE-Bench Pro (private)Scale AI SEAL17.9%14.9%†
MirrorCodeEpoch AI Benchmarking Hub–4.4%†
ALE-BenchEpoch AI Benchmarking Hub1176.81162.5†
AlgoTuneAlgoTune1.81.7†
Terminal-Bench 2.1 (AA)Artificial Analysis–35.2%†
GameBench 2 by reasoning settingDuelLab GameBench 2–38.0
Design Arena WebsiteDesign Arena12441174†
LiveCodeBench (AA)Artificial Analysis91.8%†70.3%
エージェント・ツール
Terminal-BenchTerminal-Bench69.4%49.6%
GDPvalOpenAI40.3%34.8%
Remote Labor IndexScale AI / CAIS1.3%1.7%†
Terminal-Bench HardArtificial Analysis41.7%†37.9%
τ²-Bench Telecom (AA)Artificial Analysis87.1%†86.5%
MCP AtlasScale AI SEAL70.3%–
BFCL OverallBerkeley Function Calling Leaderboard72.5%–
τ²-benchτ²-bench82.5%†–
τ³-bench Bankingτ²-bench18.0%†–
GDPval-AA v2.1Artificial Analysis–925†
τ³-Banking (AA)Artificial Analysis–22.1%†
Poker AgentVals AI1078.9%1103.2%†
Terminal-Bench 2.0 (Vals)Vals AI55.1%†37.1%†
Arena SearchArena (LMArena)12011189†
BALROGBALROG58.1%32.8%†
DeepResearch BenchDeepResearch Bench46.3%†48.6%
METR Time HorizonsMETR71.0%69.6%
Vending-Bench 2Andon Labs5478.2–
Design Arena AgenticDesign Arena1080–
BrowseComp-PlusBrowseComp-Plus–57.6%†
BrowseCompOpenAI–20.1%†
DeepSearchQAGoogle–59.4%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub–55.4%†
FrontierMath Tier 4Epoch AI Benchmarking Hub–21.9%†
OTIS Mock AIMEEpoch AI Benchmarking Hub91.4%87.2%
MATH Level 5Epoch AI Benchmarking Hub–97.9%
ProofBenchVals AI20.0%18.0%†
AIME (Vals)Vals AI96.7%†93.4%†
MGSMVals AI93.9%†92.8%†
AIME 2026MathArena91.7%–
HMMT February 2026MathArena86.4%–
IMO 2025MathArena–38.1%†
MathArena ApexMathArena23.4%1.0%†
Omni-MATH (HELM)HELM Capabilities55.6%64.7%†
MATH 500Vals AI96.4%†96.0%†
Arena MathsArena (LMArena)14751411†
AIME 2025 (AA)Artificial Analysis95.7%†91.7%
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub–50.1%†
MMLU-ProVals AI90.1%86.5%†
LegalBenchVals AI87.0%†86.0%†
CorpFinVals AI63.7%†61.1%†
TaxEvalVals AI72.6%†73.4%†
MedQAVals AI96.0%†96.3%†
PRBench FinanceScale AI SEAL39.2%51.3%†
PRBench LegalScale AI SEAL40.6%49.0%†
MultiNRCScale AI SEAL59.0%52.1%†
MMLU-Pro (HELM)HELM Capabilities90.3%86.3%†
CaseLaw v2Vals AI53.1%†66.5%†
MedCodeVals AI52.2%†49.6%†
MedScribeVals AI72.0%†83.7%†
EBR-benchEpoch AI Benchmarking Hub–12.7%†
Global-MMLU-Lite (AA)Artificial Analysis92.2%†90.4%
指示追従
IFBenchArtificial Analysis70.4%†70.6%
MultiChallengeScale AI SEAL65.7%63.2%†
TutorBenchScale AI SEAL53.7%55.3%†
IFEval (HELM)HELM Capabilities87.6%87.5%†
WildBench (HELM)HELM Capabilities85.9%85.7%†
Arena Instruction FollowingArena (LMArena)14731415†
人間の評価
Arena TextArena (LMArena)14861427†
EQ-Bench Creative Writing v3EQ-Bench15241626†
Arena Creative WritingArena (LMArena)14841389†
Arena Multi-turnArena (LMArena)14951449†
Arena Longer QueriesArena (LMArena)14911435†
Lech Mazur Creative WritingLech Mazur–86.0%
マルチモーダル
Arena VisionArena (LMArena)13051232†
MMMU-ProArtificial Analysis80.2%†74.3%
VISTAScale AI SEAL51.5%49.7%†
MMMU-Pro (Vals)Vals AI87.5%†81.5%†
MortgageTaxVals AI69.1%†65.5%†
AudioMCScale AI SEAL54.6%†–
AudioMC (text output)Scale AI SEAL54.6%†–
VTBScale AI SEAL26.9%17.0%†
GeoBenchGeoBench84.0%81.0%
VPCTEpoch AI Benchmarking Hub91.0%63.2%
長文コンテキスト
Fiction.LiveBench 120kFiction.live–96.9%
AA-LCR v1.1Artificial Analysis76.0%†76.0%
Arena DocumentArena (LMArena)1451–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub153.0150†
AA Intelligence Index v4.3.2Artificial Analysis28.0†22.9
AA Progress Index v1Artificial Analysis290.7†264.4
HELM Capabilities meanHELM Capabilities79.9%80.7%†
安全性・誠実さ
FORTRESSScale AI SEAL41.7%17.0%†
MASKScale AI SEAL42.6%79.3%†
PropensityBenchScale AI SEAL52.9%–
メタデータ
AA Openness IndexArtificial Analysis5.6†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。

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。