BenchLeader

Gemini 3 Pro vs GPT-5.5

詳しいプロフィール:Gemini 3 Pro(Google)とGPT-5.5(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 · 18件の情報源のデータ

2026年11月16日時点で、品質ではGPT-5.5がGemini 3 Proを上回ります(BenchLeader Indexで64.1 対 60.0)。ただし、価格はGemini 3 Proの方が2.5倍安く、100万トークンあたりのブレンド価格で$4.50 対 $11.25です。マルチモーダル(66 対 62)を重視するならGemini 3 Pro、数学(69 対 54)、指示追従(74 対 61)、知識(64 対 56)を重視するならGPT-5.5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-5.5が64.1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-5.5の100万トークンあたりのブレンド価格は$11.25です(定価、2026年11月16日)。
  • 両モデルに結果がある14件のベンチマークのうち、GPT-5.5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-5.5が1512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GPT-5.5カテゴリスコア61 対 58;Arena WebDev 1512 対 1441中
エージェント・ツール利用どちらでもカテゴリスコア62 対 62;MCP Atlas 70.3% 対 75.3%どちらでも
数学GPT-5.5カテゴリスコア69 対 54;AIME 2026 100.0% 対 91.7%高
推論GPT-5.5カテゴリスコア68 対 63;ARC-AGI-2 85.0% 対 31.1%中
知識GPT-5.5カテゴリスコア64 対 56;MMLU-Pro 88.1% 対 90.1%高
画像などのメディアGemini 3 Proカテゴリスコア66 対 62中
指示への追従GPT-5.5カテゴリスコア74 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

  • 品質ではGPT-5.5 (xhigh)がリードしています:64.1 対 60.0。
  • Gemini 3 Proはマルチモーダルで優れています。
  • GPT-5.5 (xhigh)はエージェント・ツール、コーディング、指示追従、知識、数学、推論で優れています。
  • Gemini 3 Proの方が2.5倍安くなっています(100万トークンあたりブレンド価格$4.50 対 $11.25)。

概要

仕様Gemini 3 ProGPT-5.5
プロバイダーGoogleOpenAI
リリース日2025年11月18日2026年4月23日
コンテキストウィンドウ(トークン)–1,050,000
比較した構成Gemini 3 ProGPT-5.5 (xhigh)
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)–$5.00 / $30.00 / $0.500

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-5.5 (xhigh)トップ
推論62.668.1GPT-5.5
コーディング57.860.7GPT-5.5
エージェント・ツール61.761.8互角
数学54.069.3GPT-5.5
知識55.963.6GPT-5.5
指示追従61.174.0GPT-5.5
人間の評価67.7–比較不可
マルチモーダル65.662.3Gemini 3 Pro
長文コンテキスト–66.9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, 知識: 55.9Gemini 3 Pro, 指示追従: 61.1Gemini 3 Pro, マルチモーダル: 65.6GPT-5.5, 推論: 68.1GPT-5.5, コーディング: 60.7GPT-5.5, エージェント・ツール: 61.8GPT-5.5, 数学: 69.3GPT-5.5, 知識: 63.6GPT-5.5, 指示追従: 74.0GPT-5.5, マルチモーダル: 62.3

描画していないもの(測定済みのモデルが2つ未満):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14件のベンチマークのうち、Gemini 3 Proのリードが2件、GPT-5.5のリードが12件です。第三者の総合指標でも評価が分かれ、Gemini 3 ProはArena Textで、GPT-5.5はBenchLeader Indexでリードしています。

総合IndexGemini 3 ProGPT-5.5 (xhigh)トップ
BenchLeader Index60.064.1GPT-5.5
Arena Text14861481†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-5.5 (xhigh)
100万トークンあたりのブレンド価格–$11.25
100万トークンあたりの入力/出力– / –$5.00 / $30.00
100万トークンあたりのキャッシュ入力–$0.500
タスクあたりの価格:チャットの返答–$0.011
タスクあたりの価格:30ページのレポートを要約–$0.078
タスクあたりの価格:コード編集–$0.075
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–$0.420
タスクあたりの価格:構造化データの抽出–$0.016
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)–$0.217
出力速度–81 tok/s
回答開始までの時間–38.3秒
回答が完了するまでの時間(最終測定2026年11月13日)–104.3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-5.5 (xhigh)のスコアは64.1、最初の回答トークンまで38秒。GPT-5.5 (high)は63.5(16秒)、GPT-5.5は61.0(3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

175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-5.5 (xhigh)
BenchLeader IndexBenchLeader60.064.1
エージェント・ツールスコアBenchLeader61.761.8
コーディングスコアBenchLeader57.860.7
人間の評価スコアBenchLeader67.7–
指示追従スコアBenchLeader61.174.0
知識スコアBenchLeader55.963.6
数学スコアBenchLeader54.069.3
マルチモーダルスコアBenchLeader65.662.3
推論スコアBenchLeader62.668.1
長文コンテキストスコアBenchLeader–66.9
ブレンド価格($/100万トークン)BenchLeader–$11.25
出力速度BenchLeader–81 tok/s
回答開始までの時間BenchLeader–38.3秒
コンテキストウィンドウBenchLeader–1,050,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub92.6%90.7%†
Humanity's Last ExamScale AI / CAIS37.5%–
SimpleBenchSimpleBench76.4%69.0%†
Arena Hard PromptsArena (LMArena)15021499†
LiveBench 1.0 ReasoningLiveBench–89.7%
GPQA Diamond (AA)Artificial Analysis90.8%†93.5%
Humanity's Last Exam (AA)Artificial Analysis39.7%†45.8%
GPQA Diamond (Vals)Vals AI91.7%†93.2%
Kagi LLM BenchmarkKagi LLM Benchmark80.1%88.8%†
GPQA Diamond (HELM)HELM Capabilities80.3%–
ARC-AGI-1ARC Prize75.0%95.0%
ARC-AGI-2ARC Prize31.1%85.0%
ARC-AGI-3ARC Prize–0.4%†
CritPtArtificial Analysis9.1%†27.1%
SciPredictScale AI SEAL25.3%–
Arena ExpertArena (LMArena)14991510†
Chess PuzzlesEpoch AI Benchmarking Hub–63.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub–56.0%
CL-benchEpoch AI Benchmarking Hub15.8%–
CL-bench LifeEpoch AI Benchmarking Hub–22.2%†
LMCAEpoch AI Benchmarking Hub–54.3%
DTBenchEpoch AI Benchmarking Hub–96.0%
ForecastBenchForecastBench65.0%64.2%†
BTF-3Epoch AI Benchmarking Hub–14.3%†
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub72.9%–
175件のベンチマークをすべて表示
指標公開元Gemini 3 ProGPT-5.5 (xhigh)
コーディング
SciCodeSciCode–55.8%
WeirdMLWeirdML69.9%84.9%
FrontierCodeCognition–43.0%†
GSO-BenchGSO-Bench18.6%40.2%
Arena CodingArena (LMArena)15171510†
Arena WebDevArena (LMArena)14411512
LiveBench 1.0 CodingLiveBench–82.2%
LiveCodeBenchVals AI86.4%85.3%
SWE-bench (Vals)Vals AI76.4%†82.6%
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%–
Code MigrationVals AI–45.2%
ProgramBenchVals AI–0.5%
Vibe Code Bench v1.1Vals AI14.3%†69.8%
SWE-Bench Pro (private)Scale AI SEAL17.9%–
SWE Atlas v1.0: Codebase QnAScale AI SEAL–45.4%
SWE Atlas v1.0: RefactoringScale AI SEAL–44.8%
SWE Atlas v1.0: Test WritingScale AI SEAL–42.6%
MirrorCodeEpoch AI Benchmarking Hub–23.3%
Surface Evolver BenchEpoch AI Benchmarking Hub–88.1%†
DeepSWE v1.1Epoch AI Benchmarking Hub–67.0%
ALE-BenchEpoch AI Benchmarking Hub1176.81943.0
AlgoTuneAlgoTune1.8–
Terminal-Bench 4.0 (AA)Artificial Analysis–14.7%
Terminal-Bench 2.1 (AA)Artificial Analysis–84.3%
GameBench 2 OverallDuelLab GameBench 2–49.2†
GameBench 2 by reasoning settingDuelLab GameBench 2–59.9
Design Arena WebsiteDesign Arena12441248†
LiveCodeBench (AA)Artificial Analysis91.8%†–
エージェント・ツール
Terminal-BenchTerminal-Bench69.4%84.7%†
OSWorld-Verified 2.0OSWorld–13.0%
GDPvalOpenAI40.3%–
Remote Labor IndexScale AI / CAIS1.3%6.3%†
APEX-AgentsMercor–55.1%†
LiveBench Agentic CodingLiveBench–54.0%
Terminal-Bench HardArtificial Analysis41.7%†60.6%
τ²-Bench Telecom (AA)Artificial Analysis87.1%†93.9%
Terminal-Bench 2.1 (Vals)Vals AI–57.3%†
MCP AtlasScale AI SEAL70.3%75.3%
HiL-BenchScale AI SEAL–39.7%†
BFCL OverallBerkeley Function Calling Leaderboard72.5%–
τ²-benchτ²-bench82.5%†–
τ³-bench Bankingτ²-bench18.0%†44.6%
GDPval-AA v2.1Artificial Analysis–1357
τ³-Banking (AA)Artificial Analysis–39.0%
ITBench SRE (AA)Artificial Analysis–45.8%
Analyst Agent (AA)Artificial Analysis–50.0%
APEX-Agents (AA)Artificial Analysis–37.7%
Finance Agent v2Vals AI–51.8%
Harvey's Legal Agent Benchmark v1Vals AI–3.8%
Legal Research BenchVals AI–40.4%
Poker AgentVals AI1078.9%–
SkillsBenchVals AI–62.2%
SREBenchVals AI–3.8%
Tax Agent BenchVals AI–21.8%
Terminal-Bench 2.0 (Vals)Vals AI55.1%†73.2%†
Time Horizon Index: KSPVals AI–8.3%
Arena SearchArena (LMArena)12011226†
BALROGBALROG58.1%–
DeepResearch BenchDeepResearch Bench46.3%†54.0%†
PostTrainBenchEpoch AI Benchmarking Hub–23.9%
ExploitBenchEpoch AI Benchmarking Hub–47.4%†
METR Time HorizonsMETR71.0%–
GBAEvalEpoch AI Benchmarking Hub–53.2%†
Vending-Bench 2Andon Labs5478.27523.8†
AutomationBenchArtificial Analysis–47.3%
GDP.pdf (AA)Artificial Analysis–21.2%
EnterpriseOps-GymArtificial Analysis–46.6%
AA-Briefcase v1.1Artificial Analysis–1135
Design Arena AgenticDesign Arena10801113†
RoboDojo (LLM as robot policy)RoboDojo–1.1†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub–85.3%
FrontierMath Tier 4Epoch AI Benchmarking Hub–72.5%
OTIS Mock AIMEEpoch AI Benchmarking Hub91.4%84.4%†
ProofBenchVals AI20.0%50.0%
LiveBench MathematicsLiveBench–95.9%
AIME (Vals)Vals AI96.7%†–
MGSMVals AI93.9%†–
AIME 2026MathArena91.7%100.0%
HMMT February 2026MathArena86.4%98.5%
USAMO 2026MathArena–98.2%
MathArena ApexMathArena23.4%80.2%
Omni-MATH (HELM)HELM Capabilities55.6%–
MATH 500Vals AI96.4%†–
Arena MathsArena (LMArena)14751500†
FrontierMath ErdősEpoch AI Benchmarking Hub–0.0%
AIME 2025 (AA)Artificial Analysis95.7%†–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub–63.0%
LiveBench 1.0 Data AnalysisLiveBench–81.6%
MMLU-ProVals AI90.1%88.1%
LegalBenchVals AI87.0%†86.5%
CorpFinVals AI63.7%†68.4%
TaxEvalVals AI72.6%†75.0%
MedQAVals AI96.0%†–
PRBench FinanceScale AI SEAL39.2%–
PRBench LegalScale AI SEAL40.6%–
MultiNRCScale AI SEAL59.0%–
MMLU-Pro (HELM)HELM Capabilities90.3%–
CaseLaw v2Vals AI53.1%†66.2%
Excel Modeling BenchmarkVals AI–64.5%
MedCodeVals AI52.2%†49.1%
MedScribeVals AI72.0%†86.9%
Public Benefits Bench v1.1Vals AI–60.9%
DrugDiscoveryBenchScale AI SEAL–51.6%
EBR-benchEpoch AI Benchmarking Hub–34.3%
GDP.pdfEpoch AI Benchmarking Hub–26.0%
Global-MMLU-Lite (AA)Artificial Analysis92.2%†–
指示追従
LiveBench LanguageLiveBench–87.4%
LiveBench Instruction FollowingLiveBench–70.7%
IFBenchArtificial Analysis70.4%†75.8%
MultiChallengeScale AI SEAL65.7%–
TutorBenchScale AI SEAL53.7%–
IFEval (HELM)HELM Capabilities87.6%–
WildBench (HELM)HELM Capabilities85.9%–
Arena Instruction FollowingArena (LMArena)14731475†
人間の評価
Arena TextArena (LMArena)14861476†
EQ-Bench 4EQ-Bench–1295†
EQ-Bench Creative Writing v3EQ-Bench15241845†
Arena Creative WritingArena (LMArena)14841448†
Arena Multi-turnArena (LMArena)14951484†
Arena Longer QueriesArena (LMArena)14911486†
マルチモーダル
Arena VisionArena (LMArena)13051296†
MMMU-ProArtificial Analysis80.2%†79.9%
VISTAScale AI SEAL51.5%–
MMMU-Pro (Vals)Vals AI87.5%†88.3%
MortgageTaxVals AI69.1%†68.8%
AudioMCScale AI SEAL54.6%†–
AudioMC (text output)Scale AI SEAL54.6%†–
VTBScale AI SEAL26.9%–
GeoBenchGeoBench84.0%–
VPCTEpoch AI Benchmarking Hub91.0%–
Blueprint-Bench 2Epoch AI Benchmarking Hub–36.2%†
Furniture AssemblyEpoch AI Benchmarking Hub–44.2%
Code2Video-AAArtificial Analysis–1000
長文コンテキスト
AA-LCR v1.1Artificial Analysis76.0%†84.3%
Arena DocumentArena (LMArena)14511479†
MLCRArtificial Analysis–28.9%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub153.0160.1†
LiveBench 1.0LiveBench–80.2%
AA Intelligence Index v4.3.2Artificial Analysis28.0†38.4
AA Progress Index v1Artificial Analysis290.7†320
HELM Capabilities meanHELM Capabilities79.9%–
Vals RSI IndexVals AI–16.5%
Vals Multimodal IndexVals AI–68.1%
安全性・誠実さ
FORTRESSScale AI SEAL41.7%16.3%
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。

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 3 Pro:スコアの改訂1件。
  • GPT-5.5 (xhigh):新しい結果1件(GDPval-AA v2.1)。
  • GPT-5.5 (xhigh):BenchLeader Index 64.6 → 64.1。
  • GPT-5.5 (xhigh):スコアの改訂1件。
  • GPT-5.5 (xhigh):新しい結果1件(MirrorCode)。
  • Gemini 3 Pro:新しい結果1件(Arena Search)。
  • GPT-5.5 (xhigh):スコアの改訂1件。
  • GPT-5.5 (xhigh):新しい結果1件(AA Progress Index v1)。
  • GPT-5.5 (xhigh):価格 $2.63/M → $2.10/M。
  • GPT-5.5 (xhigh):新しい結果1件(AA-Briefcase v1.1)。

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-5.5:よくある質問

GPT-5.5はGemini 3 Proより優れていますか?
品質ではGPT-5.5 (xhigh)がリードしています:64.1 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GPT-5.5 (xhigh)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GPT-5.5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Gemini 3 Proの方が安く、100万トークンあたり$4.50 対 $11.25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-5.5のどちらが向いていますか?
コーディングではGPT-5.5の方がスコアが高くなっています(カテゴリ指標で61 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、GPT-5.5が1512です。
エージェントやツール利用にはGemini 3 ProとGPT-5.5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互角です(カテゴリ指標で62 対 62)。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MCP Atlasでは、Gemini 3 Proが70.3%、GPT-5.5が75.3%です。
Gemini 3 ProとGPT-5.5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14件のベンチマークのうち、Gemini 3 Proのリードが2件、GPT-5.5のリードが12件です。第三者の総合指標でも評価が分かれ、Gemini 3 ProはArena Textで、GPT-5.5はBenchLeader Indexでリードしています。
ほかの質問(1件)
GPT-5.5はいつリリースされましたか?
GPT-5.5は2026年4月23日にリリースされました。