BenchLeader

Gemini 4 Argon vs GPT-5.3-Codex

詳しいプロフィール:Gemini 4 Argon(Google)とGPT-5.3-Codex(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 · 13件の情報源のデータ

2026年11月16日時点で、Gemini 4 ArgonとGPT-5.3-Codexの品質は互角です(BenchLeader Indexで65.3 対 62.9、±7.5の誤差範囲内)。価格はGemini 4 Argonの方が1.2倍安く、100万トークンあたりのブレンド価格で$4.00 対 $4.81です。コーディング(67 対 61)を重視するならGemini 4 Argon、エージェント・ツール(80 対 59)、長文コンテキスト(66 対 65)を重視するならGPT-5.3-Codexが向いています。Gemini 4 Argonの現在の価格は2026年11月30日までで、その後は$8.00になります。

要点(2026年11月16日時点)

  • BenchLeader IndexはGemini 4 Argonが65.3、GPT-5.3-Codexが62.9です(BenchLeader、2026年11月16日)。
  • Gemini 4 Argonの100万トークンあたりのブレンド価格は$4.00です(2026年11月30日まで。その後は$8.00)(https://ai.google.dev/gemini-api/docs/pricing、2026年10月20日確認)。
  • GPT-5.3-Codexの100万トークンあたりのブレンド価格は$4.81です(定価、2026年11月16日)。
  • 両モデルに結果がある8件のベンチマークのうち、Gemini 4 Argonが7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 4 Argonカテゴリスコア67 対 61;IOI 100.0% 対 53.8%中
エージェント・ツール利用GPT-5.3-Codexカテゴリスコア80 対 59;AA-Briefcase v1.1 868 対 1485高
長い文書GPT-5.3-Codexカテゴリスコア66 対 65;AA-LCR v1.1 83.3% 対 79.7%中
チャットの質(人間の評価)–Arenaの評価があるのはGemini 4 Argonのみです(カテゴリスコア72)比較不可
最低コストGemini 4 Argon(2026年11月30日まで)100万トークンあたりブレンド価格$4.00 対 $4.81;エージェント型コーディングセッション$0.160 対 $0.161;2026年12月1日以降:$8.00 対 $4.81–
回答開始の速さどちらでも最初の回答トークンまで45.7秒(Gemini 4 Argon (high))対 38.2秒(GPT-5.3-Codex (xhigh))–
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 4 Argon (high)とGPT-5.3-Codex (xhigh)の品質は互角です(65.3 対 62.9、±7.5の誤差範囲内)。
  • Gemini 4 Argon (high)はコーディングで優れています。
  • GPT-5.3-Codex (xhigh)はエージェント・ツール、長文コンテキストで優れています。
  • 2026年11月30日まではGemini 4 Argon (high)の方が1.2倍安くなっています(100万トークンあたりブレンド価格$4.00 対 $4.81)。2026年12月1日からは$8.00 対 $4.81になります。
  • GPT-5.3-Codex (xhigh)の方が出力が1.4倍速くなっています(94 対 66トークン/秒)。

概要

仕様Gemini 4 ArgonGPT-5.3-Codex
プロバイダーGoogleOpenAI
リリース日2026年9月30日2026年2月5日
一般提供開始2026年10月13日2026年2月5日
コンテキストウィンドウ(トークン)1,048,576400,000
最大出力(トークン)65,536 (up to 1,048,576 with long decode)–
入力の種類テキスト、画像、動画、音声、PDF–
推論エフォートの設定low, medium, high–
比較した構成Gemini 4 Argon (high)GPT-5.3-Codex (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)$2.00 / $10.00 / $0.100$1.75 / $14.00 / $0.175
発表済みの価格変更2026年12月1日から$4.00 / $20.00 / $0.200発表なし
APIモデルIDgemini-4-argon–
利用できる場所Gemini API (AI Studio), Gemini Enterprise Agent Platform, Gemini app–

上限、提供状況、発表済みの価格は各ベンダーの公式ページによるものです: ai.google.dev、ai.google.dev(料金) (2026年10月20日確認)。それ以外はすべて当日のデータです。

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 4 Argon (high)GPT-5.3-Codex (xhigh)トップ
推論69.5–比較不可
コーディング66.761.0Gemini 4 Argon
エージェント・ツール58.680.1GPT-5.3-Codex
数学69.9–比較不可
知識71.9–比較不可
指示追従–73.6比較不可
人間の評価72.1–比較不可
マルチモーダル–60.8比較不可
長文コンテキスト64.566.4GPT-5.3-Codex
総合63.8–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コーディングエージェント・ツール長文コンテキストGemini 4 Argon, コーディング: 66.7Gemini 4 Argon, エージェント・ツール: 58.6Gemini 4 Argon, 長文コンテキスト: 64.5GPT-5.3-Codex, コーディング: 61.0GPT-5.3-Codex, エージェント・ツール: 80.1GPT-5.3-Codex, 長文コンテキスト: 66.4

描画していないもの(測定済みのモデルが2つ未満):推論, 数学, 知識, 指示追従, マルチモーダル, 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8件のベンチマークのうち、Gemini 4 Argonのリードが7件、GPT-5.3-Codexのリードが1件です。

総合IndexGemini 4 Argon (high)GPT-5.3-Codex (xhigh)トップ
BenchLeader Index65.362.9互角

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 4 Argon (high)GPT-5.3-Codex (xhigh)
100万トークンあたりのブレンド価格(2026年11月30日まで)$4.00$4.81
100万トークンあたりの入力/出力$2.00 / $10.00$1.75 / $14.00
2026年12月1日以降の100万トークンあたりのブレンド価格$8.00$4.81
2026年12月1日以降の100万トークンあたりの入力/出力$4.00 / $20.00$1.75 / $14.00
100万トークンあたりのキャッシュ入力$0.100$0.175
タスクあたりの価格:チャットの返答$0.0038$0.0049
タスクあたりの価格:30ページのレポートを要約$0.030$0.029
タスクあたりの価格:コード編集$0.027$0.032
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$0.161
タスクあたりの価格:構造化データの抽出$0.0060$0.0063
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$0.090
ベンチマークのタスクあたりのコスト(AA Index)$4.97–
タスクあたりの出力トークン(AA Index)116k–
うち推論68k–
タスクあたりの時間(AA Index)29 min–
出力速度66 tok/s94 tok/s
回答開始までの時間45.7秒38.2秒
回答が完了するまでの時間(最終測定2026年11月13日)122.1秒97.1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 4 Argon (high)のスコアは65.3、最初の回答トークンまで46秒。Gemini 4 Argonは64.4(5秒)、Gemini 4 Argon (medium)は61.6(13秒)。GPT-5.3-Codex (xhigh)のスコアは62.9、最初の回答トークンまで38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

160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 4 Argon (high)GPT-5.3-Codex (xhigh)
BenchLeader IndexBenchLeader65.362.9
エージェント・ツールスコアBenchLeader58.680.1
コーディングスコアBenchLeader66.761.0
総合スコアBenchLeader63.8–
人間の評価スコアBenchLeader72.1–
知識スコアBenchLeader71.9–
長文コンテキストスコアBenchLeader64.566.4
数学スコアBenchLeader69.9–
推論スコアBenchLeader69.5–
指示追従スコアBenchLeader–73.6
マルチモーダルスコアBenchLeader–60.8
ブレンド価格($/100万トークン)BenchLeader$4.00$4.81
出力速度BenchLeader66 tok/s94 tok/s
回答開始までの時間BenchLeader45.7秒38.2秒
コンテキストウィンドウBenchLeader1,048,576トークン400,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub96.4%–
SimpleBenchSimpleBench91.7%†–
Arena Hard PromptsArena (LMArena)1545–
LiveBench 2.0 ReasoningLiveBench95.1%–
GPQA Diamond (AA)Artificial Analysis–91.5%
Humanity's Last Exam (AA)Artificial Analysis57.1%42.5%
HLE-Diamond (AA)Artificial Analysis56.7%–
ARC-AGI-1ARC Prize98.5%–
ARC-AGI-2ARC Prize91.3%–
ARC-AGI-3ARC Prize97.3%–
CritPtArtificial Analysis27.1%16.9%
CritPt v2 hard subset (AA)Artificial Analysis52.5%–
MysteryMechanismVals AI45.5%–
HLE-Diamond (Scale)Scale AI SEAL53.2%†–
Arena ExpertArena (LMArena)1549–
Chess PuzzlesEpoch AI Benchmarking Hub59.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub64.0%–
LMCAEpoch AI Benchmarking Hub63.7%–
DTBenchEpoch AI Benchmarking Hub97.3%–
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub–74.8%†
SciCodeSciCode61.8%–
WeirdMLWeirdML–77.9%
FrontierCodeCognition47.5%†–
Arena CodingArena (LMArena)1553–
Arena WebDevArena (LMArena)16811406†
160件のベンチマークをすべて表示
指標公開元Gemini 4 Argon (high)GPT-5.3-Codex (xhigh)
コーディング
LiveBench 2.0 CodingLiveBench85.7%–
LiveCodeBenchVals AI–87.3%
IOIVals AI100.0%53.8%
SWE-bench (Vals)Vals AI–78.0%
Code MigrationVals AI68.2%–
Code Migration v1.1Vals AI70.8%–
ProgramBenchVals AI2.5%–
SWE-bench MultimodalVals AI56.0%–
Vibe Code Bench 1-100Vals AI21.2%–
Vibe Code Bench v1.1Vals AI91.9%61.8%
SWE Atlas v1.1Scale AI SEAL70.1%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL65.3%†–
SWE Atlas v1.1: Test WritingScale AI SEAL77.8%†–
SWE Atlas v1.1: RefactoringScale AI SEAL67.1%†–
SWE-Bench Pro V2Scale AI SEAL99.2%–
SWE-Bench Pro V2 HARDScale AI SEAL92.2%–
MirrorCodeEpoch AI Benchmarking Hub58.9%–
CursorBenchCursor52.9%–
ALE-BenchEpoch AI Benchmarking Hub2100.11655.2
FrontierSWEEpoch AI Benchmarking Hub55.0%–
WeirdML v3WeirdML20.3%–
Terminal-Bench 4.0 (AA)Artificial Analysis57.1%–
GameBench 2 OverallDuelLab GameBench 281.7†–
GameBench 2 by reasoning settingDuelLab GameBench 289.2–
Design Arena WebsiteDesign Arena1316†1155†
FrontierCode 1.1 (AA)Artificial Analysis43.5%–
FrontierCode 2.0 (AA)Artificial Analysis25.7%–
エージェント・ツール
Terminal-BenchTerminal-Bench55.5%78.4%†
Remote Labor IndexScale AI / CAIS17.1%†–
APEX-AgentsMercor82.4%†–
Arena AgentArena (LMArena)10.7–
LiveBench Long AgenticLiveBench58.5%–
LiveBench BrowserLiveBench82.8%–
Terminal-Bench HardArtificial Analysis–53.0%
τ²-Bench Telecom (AA)Artificial Analysis–86.0%
Terminal-Bench 2.1 (Vals)Vals AI57.7%–
MCP AtlasScale AI SEAL90.7%†–
HiL-BenchScale AI SEAL62.0%†4.3%†
GDPval-AA v2.1, normalised scoreArtificial Analysis56.2%–
GDPval-AA v2.1Artificial Analysis1634–
Analyst Agent (AA)Artificial Analysis48.8%–
CUA-benchVals AI4.8%–
CyberBenchVals AI77.9%–
Finance Agent v2Vals AI65.4%–
Finance Agent v2.1Vals AI67.7%–
Harvey's Legal Agent Benchmark v1.1Vals AI27.1%–
Harvey's Legal Agent Benchmark v1Vals AI19.6%–
Legal Research BenchVals AI54.8%–
Robo-benchVals AI0.8%–
SREBenchVals AI44.3%–
Tax Agent BenchVals AI49.2%–
Terminal-Bench 2.0 (Vals)Vals AI–64.0%†
Terminal-Bench 4.0 (Vals)Vals AI57.6%–
Terminal-Bench ScienceVals AI44.3%–
Time Horizon Index: KSPVals AI52.5%–
Arena Agent Task CompletionArena (LMArena)13.2–
PostTrainBenchEpoch AI Benchmarking Hub40.4%–
METR Time HorizonsMETR–74.5%†
Vending-Bench 2Andon Labs13718.2†5940.1†
AutomationBenchArtificial Analysis77.5%–
GDP.pdf (AA)Artificial Analysis21.8%–
Harvey LAB-AA v1.1Harvey3.9%–
AA-Briefcase v1.1Artificial Analysis1485868
GDPxGDPx by SemiAnalysis7.3%–
Design Arena AgenticDesign Arena1274†1018†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis52.9%–
MKA (AA)Artificial Analysis51.3%–
FACTS SearchGoogle89.9%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub86.0%–
FrontierMath Tier 4Epoch AI Benchmarking Hub78.0%–
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%–
ProofBenchVals AI99.0%†–
ArXivMathMathArena84.4%–
BrokenArXivMathArena47.9%–
Arena MathsArena (LMArena)1536–
FrontierMath ErdősEpoch AI Benchmarking Hub1.5%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub76.0%–
LiveBench 2.0 Data AnalysisLiveBench85.2%–
LiveBench ResearchLiveBench86.8%–
AA-Omniscience v1.1Artificial Analysis46.1–
LegalBenchVals AI88.3%–
PRBench FinanceScale AI SEAL49.9%†–
PRBench LegalScale AI SEAL49.4%†–
BioMysteryBenchVals AI76.3%–
Excel Modeling BenchmarkVals AI75.2%–
Excel Modeling Benchmark v1.1Vals AI74.8%–
MedCodeVals AI58.8%–
MedScribeVals AI87.4%–
Public Benefits Bench v1.1Vals AI69.8%–
Access to Justice BenchmarkVals AI68.5%–
Financial Coaching BenchVals AI73.1%–
Immigration BenchVals AI68.1%–
DrugDiscoveryBenchScale AI SEAL65.4%–
EBR-benchEpoch AI Benchmarking Hub64.8%–
GDP.pdfEpoch AI Benchmarking Hub28.4%–
AA-Omniscience v1.1: accuracyArtificial Analysis48.3%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis95.7%–
HealthBench Professional (AA)OpenAI55.0%–
FACTS ParametricGoogle72.2%†–
指示追従
IFBenchArtificial Analysis–75.4%
MultiChallengeScale AI SEAL78.7%†–
Arena Instruction FollowingArena (LMArena)1528–
人間の評価
Arena TextArena (LMArena)1522–
EQ-Bench 4EQ-Bench1236†–
EQ-Bench Creative Writing v3EQ-Bench1758†–
Arena Creative WritingArena (LMArena)1523–
Arena Multi-turnArena (LMArena)1545–
Arena Longer QueriesArena (LMArena)1544–
マルチモーダル
LiveBench DesignLiveBench69.2%–
MMMU-ProArtificial Analysis88.3%†78.5%
SAGEVals AI89.5%–
AudioMCScale AI SEAL58.4%–
AudioMC (text output)Scale AI SEAL58.4%–
Humanity's Sixth SenseScale AI SEAL55.4%–
Blueprint-Bench 2Epoch AI Benchmarking Hub54.5%†–
Furniture AssemblyEpoch AI Benchmarking Hub72.5%–
VIALS-AAHandshake AI59.6%–
Code2Video-AAArtificial Analysis1259–
AA-3DArtificial Analysis1147–
FACTS MultimodalGoogle54.2%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis79.7%83.3%
MLCRArtificial Analysis13.9%–
FACTS GroundingGoogle73.3%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub166.5†–
LiveBench 2.0LiveBench77.7%–
AA Intelligence Index v5.0.1Artificial Analysis50.4–
AA Intelligence Index v4.3.2Artificial Analysis52.632.5
AA Progress Index v1Artificial Analysis341.8301.3
Vals IndexVals AI69.4–
Vals Finance IndexVals AI66.0%–
Vals RSI IndexVals AI30.6%–
Vals Science IndexVals AI55.4%–
Vals Router IndexVals AI69.2%†–
Vals Legal IndexVals AI76.8%–
安全性・誠実さ
DistressBenchScale AI SEAL68.6%†–

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 4 Argon:定価が100万トークンあたり入力$4.00/出力$20.00に変わります(発表済み)。
  • Gemini 4 Argon (high):新しい結果8件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Gemini 4 Argon (high):新しい結果1件(Terminal-Bench)。
  • Gemini 4 Argon (high):スコアの改訂1件。
  • Gemini 4 Argon (high):BenchLeader Index 65.9 → 65.3。
  • Gemini 4 Argon (high):新しい結果1件(PostTrainBench)、入力価格 $4.00/M → $2.00/M、出力価格 $20.00/M → $10.00/M、価格 $9.95/M → $4.97/M。
  • Gemini 4 Argon (high):スコアの改訂4件。
  • Gemini 4 Argon (high):スコアの改訂1件。
  • Gemini 4 Argon (high):価格 $7.68/M → $9.95/M。
  • Gemini 4 Argon (high):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 4 Argon vs GPT-5.3-Codex:よくある質問

Gemini 4 ArgonはGPT-5.3-Codexより優れていますか?
Gemini 4 Argon (high)とGPT-5.3-Codex (xhigh)の品質は互角です(65.3 対 62.9、±7.5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 4 ArgonとGPT-5.3-Codex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 Argonの方が安く、100万トークンあたり$4.00 対 $4.81です(出力1トークンにつき入力3トークンでブレンド)。Gemini 4 Argonの現在の価格は2026年11月30日までで、その後は$8.00になります。
コーディングにはGemini 4 ArgonとGPT-5.3-Codexのどちらが向いていますか?
コーディングではGemini 4 Argonの方がスコアが高くなっています(カテゴリ指標で67 対 61。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IOIでは、Gemini 4 Argonが100.0%、GPT-5.3-Codexが53.8%です。
Gemini 4 ArgonとGPT-5.3-Codexはどちらが速いですか?
GPT-5.3-Codexの方が出力が速くなっています(出力94 対 66トークン/秒、Artificial Analysisの7日間の中央値)。
エージェントやツール利用にはGemini 4 ArgonとGPT-5.3-Codex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GPT-5.3-Codexの方がスコアが高くなっています(カテゴリ指標で80 対 59。50が平均)。
ほかの質問(4件)
長い文書にはどちらが向いていますか?
長文コンテキストのベンチマークではGPT-5.3-Codexの方がスコアが高くなっています(66 対 65)。コンテキストはGemini 4 Argonの方が長く、1,048,576トークンです(GPT-5.3-Codexは400,000トークン)。
レイテンシが低いのはどちらですか?
先に回答を始めるのはGPT-5.3-Codexです。Artificial Analysisの測定では、最初の回答トークンまで38.2秒 対 45.7秒です。この差の大部分は推論エフォートによるもので、設定が高いほど回答前に長く考えます。
Gemini 4 ArgonとGPT-5.3-Codex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8件のベンチマークのうち、Gemini 4 Argonのリードが7件、GPT-5.3-Codexのリードが1件です。
Gemini 4 Argonはいつリリースされましたか?
Gemini 4 Argonは2026年9月30日に初めて登場し、2026年10月13日に一般提供が始まりました。