BenchLeader

Gemini 3 Pro vs Step 5 Preview

詳しいプロフィール:Gemini 3 Pro(Google)とStep 5 Preview(StepFun)。すべてのベンチマーク、価格、順位を掲載しています。

更新 · 15件の情報源のデータ

2026年11月16日時点で、品質ではGemini 3 ProがStep 5 Previewを上回ります(BenchLeader Indexで60.0 対 56.0)。ただし、価格はStep 5 Previewの方が3.2倍安く、100万トークンあたりのブレンド価格で$1.43 対 $4.50です。エージェント・ツール(62 対 49)、推論(63 対 52)、コーディング(58 対 50)を重視するならGemini 3 Pro、数学(60 対 54)を重視するならStep 5 Preview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、Step 5 Previewが56.0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)。
  • Step 5 Previewの100万トークンあたりのブレンド価格は$1.43です(定価、2026年11月16日)。
  • 両モデルに結果がある10件のベンチマークのうち、Gemini 3 Proが9件でリードしています(BenchLeader、2026年11月16日)。

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 3 Proカテゴリスコア58 対 50;Arena Coding 1517 対 1505高
エージェント・ツール利用Gemini 3 Proカテゴリスコア62 対 49高
数学Step 5 Previewカテゴリスコア60 対 54;ProofBench 42.0% 対 20.0%中
推論Gemini 3 Proカテゴリスコア63 対 52;Arena Hard Prompts 1502 対 1477高
知識Gemini 3 Proカテゴリスコア56 対 54中
画像などのメディアGemini 3 Proカテゴリスコア66 対 59;Arena Vision 1305 対 1263中
チャットの質(人間の評価)Gemini 3 ProArenaの投票で68 対 63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 3 Proがリードしています:60.0 対 56.0。
  • Gemini 3 Proはエージェント・ツール、コーディング、人間の評価、知識、マルチモーダル、推論で優れています。
  • Step 5 Previewは数学で優れています。
  • Step 5 Previewの方が3.2倍安くなっています(100万トークンあたりブレンド価格$1.43 対 $4.50)。

概要

仕様Gemini 3 ProStep 5 Preview
プロバイダーGoogleStepFun
リリース日2025年11月18日2026年9月18日
コンテキストウィンドウ(トークン)–1,000,000
比較した構成Gemini 3 ProStep 5 Preview
オープンウェイトなしあり
100万トークンあたりの価格(入力/出力/キャッシュ入力)–$1.00 / $2.70 / $0.105

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 ProStep 5 Previewトップ
推論62.651.7Gemini 3 Pro
コーディング57.849.9Gemini 3 Pro
エージェント・ツール61.749.1Gemini 3 Pro
数学54.060.1Step 5 Preview
知識55.953.7Gemini 3 Pro
指示追従61.1–比較不可
人間の評価67.763.1Gemini 3 Pro
マルチモーダル65.659.3Gemini 3 Pro
長文コンテキスト–69.0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・ツール数学知識マルチモーダル人間の評価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, マルチモーダル: 65.6Gemini 3 Pro, 人間の評価: 67.7Step 5 Preview, 推論: 51.7Step 5 Preview, コーディング: 49.9Step 5 Preview, エージェント・ツール: 49.1Step 5 Preview, 数学: 60.1Step 5 Preview, 知識: 53.7Step 5 Preview, マルチモーダル: 59.3Step 5 Preview, 人間の評価: 63.1

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。

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10件のベンチマークのうち、Gemini 3 Proのリードが9件、Step 5 Previewのリードが1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 ProStep 5 Previewトップ
BenchLeader Index60.056.0Gemini 3 Pro
Arena Text14861449Gemini 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 ProStep 5 Preview
100万トークンあたりのブレンド価格–$1.43
100万トークンあたりの入力/出力– / –$1.00 / $2.70
100万トークンあたりのキャッシュ入力–$0.105
タスクあたりの価格:チャットの返答–$0.0012
タスクあたりの価格:30ページのレポートを要約–$0.014
タスクあたりの価格:コード編集–$0.010
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–$0.071
タスクあたりの価格:構造化データの抽出–$0.0025
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)–$0.030
ベンチマークのタスクあたりのコスト(AA Index)–$2.35
タスクあたりの出力トークン(AA Index)–113k
うち推論–80k
タスクあたりの時間(AA Index)–15 min
出力速度–124 tok/s
回答開始までの時間–23.5秒
回答が完了するまでの時間(最終測定2026年11月13日)–54.4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。Step 5 Previewのスコアは56.0、最初の回答トークンまで24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

165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 ProStep 5 Preview
BenchLeader IndexBenchLeader60.056.0
エージェント・ツールスコアBenchLeader61.749.1
コーディングスコアBenchLeader57.849.9
人間の評価スコアBenchLeader67.763.1
指示追従スコアBenchLeader61.1–
知識スコアBenchLeader55.953.7
数学スコアBenchLeader54.060.1
マルチモーダルスコアBenchLeader65.659.3
推論スコアBenchLeader62.651.7
長文コンテキストスコアBenchLeader–69.0
ブレンド価格($/100万トークン)BenchLeader–$1.43
出力速度BenchLeader–124 tok/s
回答開始までの時間BenchLeader–23.5秒
コンテキストウィンドウBenchLeader–1,000,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub92.6%–
Humanity's Last ExamScale AI / CAIS37.5%–
SimpleBenchSimpleBench76.4%–
Arena Hard PromptsArena (LMArena)15021477
LiveBench 2.0 ReasoningLiveBench–83.8%†
GPQA Diamond (AA)Artificial Analysis90.8%†–
Humanity's Last Exam (AA)Artificial Analysis39.7%†46.5%
HLE-Diamond (AA)Artificial Analysis–24.3%
GPQA Diamond (Vals)Vals AI91.7%†–
Kagi LLM BenchmarkKagi LLM Benchmark80.1%–
GPQA Diamond (HELM)HELM Capabilities80.3%–
ARC-AGI-1ARC Prize75.0%–
ARC-AGI-2ARC Prize31.1%–
CritPtArtificial Analysis9.1%†20.9%
CritPt v2 hard subset (AA)Artificial Analysis–32.5%
MysteryMechanismVals AI–18.5%
SciPredictScale AI SEAL25.3%–
Arena ExpertArena (LMArena)14991489
CL-benchEpoch AI Benchmarking Hub15.8%–
ForecastBenchForecastBench65.0%–
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub72.9%–
SciCodeSciCode–58.9%
WeirdMLWeirdML69.9%–
GSO-BenchGSO-Bench18.6%–
Arena CodingArena (LMArena)15171505
165件のベンチマークをすべて表示
指標公開元Gemini 3 ProStep 5 Preview
コーディング
Arena WebDevArena (LMArena)14411573†
LiveBench 2.0 CodingLiveBench–67.6%†
LiveCodeBenchVals AI86.4%–
IOIVals AI–38.1%
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%–
Code MigrationVals AI–39.0%
Code Migration v1.1Vals AI–47.0%
SWE-bench MultimodalVals AI–40.8%
Vibe Code Bench v1.1Vals AI14.3%†70.4%
SWE-Bench Pro (private)Scale AI SEAL17.9%–
ALE-BenchEpoch AI Benchmarking Hub1176.8–
AlgoTuneAlgoTune1.8–
Terminal-Bench 4.0 (AA)Artificial Analysis–33.3%
Design Arena WebsiteDesign Arena1244–
FrontierCode 1.1 (AA)Artificial Analysis–38.4%
FrontierCode 2.0 (AA)Artificial Analysis–12.0%
LiveCodeBench (AA)Artificial Analysis91.8%†–
エージェント・ツール
Terminal-BenchTerminal-Bench69.4%–
GDPvalOpenAI40.3%–
Remote Labor IndexScale AI / CAIS1.3%–
Arena AgentArena (LMArena)–-3.7
LiveBench Long AgenticLiveBench–19.4%†
LiveBench BrowserLiveBench–24.8%†
Terminal-Bench HardArtificial Analysis41.7%†–
τ²-Bench Telecom (AA)Artificial Analysis87.1%†–
MCP AtlasScale AI SEAL70.3%–
BFCL OverallBerkeley Function Calling Leaderboard72.5%–
τ²-benchτ²-bench82.5%†–
τ³-bench Bankingτ²-bench18.0%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis–54.3%
GDPval-AA v2.1Artificial Analysis–1591
ITBench SRE (AA)Artificial Analysis–55.6%
Analyst Agent (AA)Artificial Analysis–35.0%
APEX-Agents (AA)Artificial Analysis–38.0%
Finance Agent v2Vals AI–50.7%
Finance Agent v2.1Vals AI–58.9%
Harvey's Legal Agent Benchmark v1.1Vals AI–12.9%
Harvey's Legal Agent Benchmark v1Vals AI–9.2%
Legal Research BenchVals AI–40.4%
Poker AgentVals AI1078.9%–
SREBenchVals AI–0.4%
Tax Agent BenchVals AI–27.3%
Terminal-Bench 2.0 (Vals)Vals AI55.1%†–
Terminal-Bench 4.0 (Vals)Vals AI–31.8%
Terminal-Bench ScienceVals AI–2.9%
Arena SearchArena (LMArena)1201–
Arena Agent Task CompletionArena (LMArena)–-1.5
BALROGBALROG58.1%–
DeepResearch BenchDeepResearch Bench46.3%†–
METR Time HorizonsMETR71.0%–
Vending-Bench 2Andon Labs5478.2–
AutomationBenchArtificial Analysis–51.0%
GDP.pdf (AA)Artificial Analysis–14.8%
EnterpriseOps-GymArtificial Analysis–47.2%
AA-Briefcase v1.1Artificial Analysis–1424
Design Arena AgenticDesign Arena1080–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–2.4%
CWE-Bench (AA)Artificial Analysis–52.5%
DeepSec-Bench (AA)Artificial Analysis–15.8%
CyberGym end-to-end (AA)Artificial Analysis–74.8%
MKA (AA)Artificial Analysis–27.6%
数学
OTIS Mock AIMEEpoch AI Benchmarking Hub91.4%–
ProofBenchVals AI20.0%42.0%
AIME (Vals)Vals AI96.7%†–
MGSMVals AI93.9%†–
AIME 2026MathArena91.7%–
HMMT February 2026MathArena86.4%–
MathArena ApexMathArena23.4%–
Omni-MATH (HELM)HELM Capabilities55.6%–
MATH 500Vals AI96.4%†–
Arena MathsArena (LMArena)14751470
AIME 2025 (AA)Artificial Analysis95.7%†–
知識
LiveBench 2.0 Data AnalysisLiveBench–63.5%†
LiveBench ResearchLiveBench–75.5%†
AA-Omniscience v1.1Artificial Analysis–16.4
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%–
MultiNRCScale AI SEAL59.0%–
MMLU-Pro (HELM)HELM Capabilities90.3%–
BioMysteryBenchVals AI–67.4%
CaseLaw v2Vals AI53.1%†–
Excel Modeling BenchmarkVals AI–57.1%
Excel Modeling Benchmark v1.1Vals AI–69.5%
MedCodeVals AI52.2%†–
MedScribeVals AI72.0%†–
Public Benefits Bench v1.1Vals AI–58.1%
AA-Omniscience v1.1: accuracyArtificial Analysis–36.4%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–68.7%
Global-MMLU-Lite (AA)Artificial Analysis92.2%†–
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)14731450
人間の評価
Arena TextArena (LMArena)14861449
EQ-Bench Creative Writing v3EQ-Bench1524–
Arena Creative WritingArena (LMArena)14841413
Arena Multi-turnArena (LMArena)14951445
Arena Longer QueriesArena (LMArena)14911461
マルチモーダル
Arena VisionArena (LMArena)13051263
LiveBench DesignLiveBench–70.8%†
MMMU-ProArtificial Analysis80.2%†76.4%
VISTAScale AI SEAL51.5%–
MMMU-Pro (Vals)Vals AI87.5%†–
MortgageTaxVals AI69.1%†–
AudioMCScale AI SEAL54.6%†–
AudioMC (text output)Scale AI SEAL54.6%†–
VTBScale AI SEAL26.9%–
GeoBenchGeoBench84.0%–
VPCTEpoch AI Benchmarking Hub91.0%–
Code2Video-AAArtificial Analysis–821
AA-3DArtificial Analysis–859
長文コンテキスト
AA-LCR v1.1Artificial Analysis76.0%†88.3%
Arena DocumentArena (LMArena)1451–
MLCRArtificial Analysis–18.3%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub153.0–
LiveBench 2.0LiveBench–54.9%†
AA Intelligence Index v5.0.1Artificial Analysis–28.5
AA Intelligence Index v4.3.2Artificial Analysis28.0†43.7
AA Progress Index v1Artificial Analysis290.7†318.2
Vals IndexVals AI–54.8
HELM Capabilities meanHELM Capabilities79.9%–
Vals Finance IndexVals AI–55.4%
Vals Science IndexVals AI–29.6%
Vals Legal IndexVals AI–70.2%
AA Cyber IndexArtificial Analysis–47.7
安全性・誠実さ
FORTRESSScale AI SEAL41.7%–
MASKScale AI SEAL42.6%–
PropensityBenchScale AI SEAL52.9%–
メタデータ
AA Openness IndexArtificial Analysis5.6†33.3

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

  • Step 5 Preview:BenchLeader Index 54.2 → 56.0。
  • Gemini 3 Pro:スコアの改訂1件。
  • Step 5 Preview:BenchLeader Index 54.7 → 54.2。
  • Step 5 Preview:スコアの改訂1件。
  • Step 5 Preview:スコアの改訂7件。
  • Gemini 3 Pro:新しい結果1件(Arena Search)。
  • Step 5 Preview:新しい結果2件(Vals Index, Harvey's Legal Agent Benchmark v1.1)。
  • Step 5 Preview:スコアの改訂1件。
  • Step 5 Preview:BenchLeader Index 58.0 → 54.7。
  • Step 5 Preview:新しい結果5件(AA Intelligence Index v5.0.1, AA Progress Index v1, HLE-Diamond (AA)…)、スコアの改訂2件、価格 $1.03/M → $2.35/M。

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 Step 5 Preview:よくある質問

Gemini 3 ProはStep 5 Previewより優れていますか?
品質ではGemini 3 Proがリードしています:60.0 対 56.0。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 3 Pro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Step 5 Preview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Step 5 Previewの方が安く、100万トークンあたり$1.43 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Step 5 Previewのどちらが向いていますか?
コーディングでは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58 対 50。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 Codingでは、Gemini 3 Proが1517、Step 5 Previewが1505です。
エージェントやツール利用にはGemini 3 ProとStep 5 Preview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 49。50が平均)。
Gemini 3 ProとStep 5 Preview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10件のベンチマークのうち、Gemini 3 Proのリードが9件、Step 5 Previewのリードが1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)
Step 5 Previewはいつリリースされましたか?
Step 5 Previewは2026年9月18日にリリースされました。