Gemini 4 Argon vs GPT-5.5
詳しいプロフィール:Gemini 4 Argon(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 · 14件の情報源のデータ
2026年11月16日時点で、Gemini 4 ArgonとGPT-5.5の品質は互角です(BenchLeader Indexで65.3 対 64.1、±4.7の誤差範囲内)。価格はGemini 4 Argonの方が2.8倍安く、100万トークンあたりのブレンド価格で$4.00 対 $11.25です。知識(72 対 64)、コーディング(67 対 61)、推論(70 対 68)を重視するならGemini 4 Argon、エージェント・ツール(62 対 59)、長文コンテキスト(67 対 65)を重視するならGPT-5.5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-5.5が64.1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-5.5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47件のベンチマークのうち、Gemini 4 Argonが42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 4 Argonが1681、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 | Gemini 4 Argon | カテゴリスコア67 対 61;Arena WebDev 1681 対 1512 | 中 |
| エージェント・ツール利用 | GPT-5.5 | カテゴリスコア62 対 59;Analyst Agent (AA) 50.0% 対 48.8% | 中 |
| 数学 | どちらでも | カテゴリスコア70 対 69;FrontierMath Tiers 1–3 86.0% 対 85.3% | どちらでも |
| 推論 | Gemini 4 Argon | カテゴリスコア70 対 68;ARC-AGI-2 91.3% 対 85.0% | 中 |
| 知識 | Gemini 4 Argon | カテゴリスコア72 対 64;SimpleQA Verified 76.0% 対 63.0% | 高 |
| 長い文書 | GPT-5.5 | カテゴリスコア67 対 65;AA-LCR v1.1 84.3% 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 | 100万トークンあたりブレンド価格$4.00 対 $11.25;エージェント型コーディングセッション$0.160 対 $0.420;2026年12月1日以降:$8.00 対 $11.25 | – |
| 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 38.3秒(GPT-5.5 (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-5.5 (xhigh)の品質は互角です(65.3 対 64.1、±4.7の誤差範囲内)。
- Gemini 4 Argon (high)はコーディング、知識、数学、推論で優れています。
- GPT-5.5 (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2.8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 $11.25)。2026年12月1日からは$8.00 対 $11.25になります。
概要
| 仕様 | Gemini 4 Argon | GPT-5.5 |
|---|---|---|
| プロバイダー | OpenAI | |
| リリース日 | 2026年9月30日 | 2026年4月23日 |
| 一般提供開始 | 2026年10月13日 | 2026年4月23日 |
| コンテキストウィンドウ(トークン) | 1,048,576 | 1,050,000 |
| 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-5.5 (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) | $2.00 / $10.00 / $0.100 | $5.00 / $30.00 / $0.500 |
| 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ID | gemini-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-5.5 (xhigh) | トップ |
|---|---|---|---|
| 推論 | 69.5 | 68.1 | Gemini 4 Argon |
| コーディング | 66.7 | 60.7 | Gemini 4 Argon |
| エージェント・ツール | 58.6 | 61.8 | GPT-5.5 |
| 数学 | 69.9 | 69.3 | 互角 |
| 知識 | 71.9 | 63.6 | Gemini 4 Argon |
| 指示追従 | – | 74.0 | 比較不可 |
| 人間の評価 | 72.1 | – | 比較不可 |
| マルチモーダル | – | 62.3 | 比較不可 |
| 長文コンテキスト | 64.5 | 66.9 | GPT-5.5 |
| 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。
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, マルチモーダル, 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47件のベンチマークのうち、Gemini 4 Argonのリードが42件、GPT-5.5のリードが4件、同点が1件です。両方を評価しているすべての総合指標で、Gemini 4 Argonが上回っています。
| 総合Index | Gemini 4 Argon (high) | GPT-5.5 (xhigh) | トップ |
|---|---|---|---|
| BenchLeader Index | 65.3 | 64.1 | 互角 |
| Arena Text | 1522 | 1481† | Gemini 4 Argon |
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-5.5 (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 | $11.25 |
| 100万トークンあたりの入力/出力 | $2.00 / $10.00 | $5.00 / $30.00 |
| 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 | $11.25 |
| 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 | $5.00 / $30.00 |
| 100万トークンあたりのキャッシュ入力 | $0.100 | $0.500 |
| タスクあたりの価格:チャットの返答 | $0.0038 | $0.011 |
| タスクあたりの価格:30ページのレポートを要約 | $0.030 | $0.078 |
| タスクあたりの価格:コード編集 | $0.027 | $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 | $0.160 | $0.420 |
| タスクあたりの価格:構造化データの抽出 | $0.0060 | $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) | $0.074 | $0.217 |
| ベンチマークのタスクあたりのコスト(AA Index) | $4.97 | – |
| タスクあたりの出力トークン(AA Index) | 116k | – |
| うち推論 | 68k | – |
| タスクあたりの時間(AA Index) | 29 min | – |
| 出力速度 | 66 tok/s | 81 tok/s |
| 回答開始までの時間 | 45.7秒 | 38.3秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 122.1秒 | 104.3秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Gemini 4 Argon (high)のスコアは65.3、最初の回答トークンまで46秒。Gemini 4 Argonは64.4(5秒)、Gemini 4 Argon (medium)は61.6(13秒)。GPT-5.5 (xhigh)のスコアは64.1、最初の回答トークンまで38秒。GPT-5.5 (high)は63.5(16秒)、GPT-5.5は61.0(3秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
204件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Gemini 4 Argon (high) | GPT-5.5 (xhigh) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 65.3 | 64.1 |
| エージェント・ツールスコア | BenchLeader | 58.6 | 61.8 |
| コーディングスコア | BenchLeader | 66.7 | 60.7 |
| 総合スコア | BenchLeader | 63.8 | – |
| 人間の評価スコア | BenchLeader | 72.1 | – |
| 知識スコア | BenchLeader | 71.9 | 63.6 |
| 長文コンテキストスコア | BenchLeader | 64.5 | 66.9 |
| 数学スコア | BenchLeader | 69.9 | 69.3 |
| 推論スコア | BenchLeader | 69.5 | 68.1 |
| 指示追従スコア | BenchLeader | – | 74.0 |
| マルチモーダルスコア | BenchLeader | – | 62.3 |
| ブレンド価格($/100万トークン) | BenchLeader | $4.00 | $11.25 |
| 出力速度 | BenchLeader | 66 tok/s | 81 tok/s |
| 回答開始までの時間 | BenchLeader | 45.7秒 | 38.3秒 |
| コンテキストウィンドウ | BenchLeader | 1,048,576トークン | 1,050,000トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 96.4% | 90.7%† |
| SimpleBench | SimpleBench | 91.7%† | 69.0%† |
| Arena Hard Prompts | Arena (LMArena) | 1545 | 1499† |
| LiveBench 2.0 Reasoning | LiveBench | 95.1% | – |
| LiveBench 1.0 Reasoning | LiveBench | – | 89.7% |
| GPQA Diamond (AA) | Artificial Analysis | – | 93.5% |
| Humanity's Last Exam (AA) | Artificial Analysis | 57.1% | 45.8% |
| HLE-Diamond (AA) | Artificial Analysis | 56.7% | – |
| GPQA Diamond (Vals) | Vals AI | – | 93.2% |
| Kagi LLM Benchmark | Kagi LLM Benchmark | – | 88.8%† |
| ARC-AGI-1 | ARC Prize | 98.5% | 95.0% |
| ARC-AGI-2 | ARC Prize | 91.3% | 85.0% |
| ARC-AGI-3 | ARC Prize | 97.3% | 0.4%† |
| CritPt | Artificial Analysis | 27.1% | 27.1% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 52.5% | – |
| MysteryMechanism | Vals AI | 45.5% | – |
| HLE-Diamond (Scale) | Scale AI SEAL | 53.2%† | – |
| Arena Expert | Arena (LMArena) | 1549 | 1510† |
| Chess Puzzles | Epoch AI Benchmarking Hub | 59.0% | 63.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 64.0% | 56.0% |
| CL-bench Life | Epoch AI Benchmarking Hub | – | 22.2%† |
| LMCA | Epoch AI Benchmarking Hub | 63.7% | 54.3% |
| DTBench | Epoch AI Benchmarking Hub | 97.3% | 96.0% |
| ForecastBench | ForecastBench | – | 64.2%† |
| BTF-3 | Epoch AI Benchmarking Hub | – | 14.3%† |
204件のベンチマークをすべて表示
| 指標 | 公開元 | Gemini 4 Argon (high) | GPT-5.5 (xhigh) |
|---|---|---|---|
| コーディング | |||
| SciCode | SciCode | 61.8% | 55.8% |
| WeirdML | WeirdML | – | 84.9% |
| FrontierCode | Cognition | 47.5%† | 43.0%† |
| GSO-Bench | GSO-Bench | – | 40.2% |
| Arena Coding | Arena (LMArena) | 1553 | 1510† |
| Arena WebDev | Arena (LMArena) | 1681 | 1512 |
| LiveBench 2.0 Coding | LiveBench | 85.7% | – |
| LiveBench 1.0 Coding | LiveBench | – | 82.2% |
| LiveCodeBench | Vals AI | – | 85.3% |
| IOI | Vals AI | 100.0% | – |
| SWE-bench (Vals) | Vals AI | – | 82.6% |
| Code Migration | Vals AI | 68.2% | 45.2% |
| Code Migration v1.1 | Vals AI | 70.8% | – |
| ProgramBench | Vals AI | 2.5% | 0.5% |
| SWE-bench Multimodal | Vals AI | 56.0% | – |
| Vibe Code Bench 1-100 | Vals AI | 21.2% | – |
| Vibe Code Bench v1.1 | Vals AI | 91.9% | 69.8% |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | – | 45.4% |
| SWE Atlas v1.0: Refactoring | Scale AI SEAL | – | 44.8% |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | – | 42.6% |
| SWE Atlas v1.1 | Scale AI SEAL | 70.1%† | – |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | 65.3%† | – |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | 77.8%† | – |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | 67.1%† | – |
| SWE-Bench Pro V2 | Scale AI SEAL | 99.2% | – |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | 92.2% | – |
| MirrorCode | Epoch AI Benchmarking Hub | 58.9% | 23.3% |
| Surface Evolver Bench | Epoch AI Benchmarking Hub | – | 88.1%† |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | – | 67.0% |
| CursorBench | Cursor | 52.9% | – |
| ALE-Bench | Epoch AI Benchmarking Hub | 2100.1 | 1943.0 |
| FrontierSWE | Epoch AI Benchmarking Hub | 55.0% | – |
| WeirdML v3 | WeirdML | 20.3% | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 57.1% | 14.7% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | – | 84.3% |
| GameBench 2 Overall | DuelLab GameBench 2 | 81.7† | 49.2† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 89.2 | 59.9 |
| Design Arena Website | Design Arena | 1316† | 1248† |
| FrontierCode 1.1 (AA) | Artificial Analysis | 43.5% | – |
| FrontierCode 2.0 (AA) | Artificial Analysis | 25.7% | – |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 55.5% | 84.7%† |
| OSWorld-Verified 2.0 | OSWorld | – | 13.0% |
| Remote Labor Index | Scale AI / CAIS | 17.1%† | 6.3%† |
| APEX-Agents | Mercor | 82.4%† | 55.1%† |
| Arena Agent | Arena (LMArena) | 10.7 | – |
| LiveBench Long Agentic | LiveBench | 58.5% | – |
| LiveBench Browser | LiveBench | 82.8% | – |
| LiveBench Agentic Coding | LiveBench | – | 54.0% |
| Terminal-Bench Hard | Artificial Analysis | – | 60.6% |
| τ²-Bench Telecom (AA) | Artificial Analysis | – | 93.9% |
| Terminal-Bench 2.1 (Vals) | Vals AI | 57.7% | 57.3%† |
| MCP Atlas | Scale AI SEAL | 90.7%† | 75.3% |
| HiL-Bench | Scale AI SEAL | 62.0%† | 39.7%† |
| τ³-bench Banking | τ²-bench | – | 44.6% |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 56.2% | – |
| GDPval-AA v2.1 | Artificial Analysis | 1634 | 1357 |
| τ³-Banking (AA) | Artificial Analysis | – | 39.0% |
| ITBench SRE (AA) | Artificial Analysis | – | 45.8% |
| Analyst Agent (AA) | Artificial Analysis | 48.8% | 50.0% |
| APEX-Agents (AA) | Artificial Analysis | – | 37.7% |
| CUA-bench | Vals AI | 4.8% | – |
| CyberBench | Vals AI | 77.9% | – |
| Finance Agent v2 | Vals AI | 65.4% | 51.8% |
| Finance Agent v2.1 | Vals AI | 67.7% | – |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | 27.1% | – |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 19.6% | 3.8% |
| Legal Research Bench | Vals AI | 54.8% | 40.4% |
| Robo-bench | Vals AI | 0.8% | – |
| SkillsBench | Vals AI | – | 62.2% |
| SREBench | Vals AI | 44.3% | 3.8% |
| Tax Agent Bench | Vals AI | 49.2% | 21.8% |
| Terminal-Bench 2.0 (Vals) | Vals AI | – | 73.2%† |
| Terminal-Bench 4.0 (Vals) | Vals AI | 57.6% | – |
| Terminal-Bench Science | Vals AI | 44.3% | – |
| Time Horizon Index: KSP | Vals AI | 52.5% | 8.3% |
| Arena Search | Arena (LMArena) | – | 1226† |
| Arena Agent Task Completion | Arena (LMArena) | 13.2 | – |
| DeepResearch Bench | DeepResearch Bench | – | 54.0%† |
| PostTrainBench | Epoch AI Benchmarking Hub | 40.4% | 23.9% |
| ExploitBench | Epoch AI Benchmarking Hub | – | 47.4%† |
| GBAEval | Epoch AI Benchmarking Hub | – | 53.2%† |
| Vending-Bench 2 | Andon Labs | 13718.2† | 7523.8† |
| AutomationBench | Artificial Analysis | 77.5% | 47.3% |
| GDP.pdf (AA) | Artificial Analysis | 21.8% | 21.2% |
| Harvey LAB-AA v1.1 | Harvey | 3.9% | – |
| EnterpriseOps-Gym | Artificial Analysis | – | 46.6% |
| AA-Briefcase v1.1 | Artificial Analysis | 1485 | 1135 |
| GDPx | GDPx by SemiAnalysis | 7.3% | – |
| Design Arena Agentic | Design Arena | 1274† | 1113† |
| RoboDojo (LLM as robot policy) | RoboDojo | – | 1.1† |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 52.9% | – |
| MKA (AA) | Artificial Analysis | 51.3% | – |
| FACTS Search | 89.9%† | – | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 86.0% | 85.3% |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 78.0% | 72.5% |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 100.0% | 84.4%† |
| ProofBench | Vals AI | 99.0%† | 50.0% |
| LiveBench Mathematics | LiveBench | – | 95.9% |
| AIME 2026 | MathArena | – | 100.0% |
| HMMT February 2026 | MathArena | – | 98.5% |
| USAMO 2026 | MathArena | – | 98.2% |
| MathArena Apex | MathArena | – | 80.2% |
| ArXivMath | MathArena | 84.4% | – |
| BrokenArXiv | MathArena | 47.9% | – |
| Arena Maths | Arena (LMArena) | 1536 | 1500† |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | 1.5% | 0.0% |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 76.0% | 63.0% |
| LiveBench 2.0 Data Analysis | LiveBench | 85.2% | – |
| LiveBench Research | LiveBench | 86.8% | – |
| LiveBench 1.0 Data Analysis | LiveBench | – | 81.6% |
| AA-Omniscience v1.1 | Artificial Analysis | 46.1 | – |
| MMLU-Pro | Vals AI | – | 88.1% |
| LegalBench | Vals AI | 88.3% | 86.5% |
| CorpFin | Vals AI | – | 68.4% |
| TaxEval | Vals AI | – | 75.0% |
| PRBench Finance | Scale AI SEAL | 49.9%† | – |
| PRBench Legal | Scale AI SEAL | 49.4%† | – |
| BioMysteryBench | Vals AI | 76.3% | – |
| CaseLaw v2 | Vals AI | – | 66.2% |
| Excel Modeling Benchmark | Vals AI | 75.2% | 64.5% |
| Excel Modeling Benchmark v1.1 | Vals AI | 74.8% | – |
| MedCode | Vals AI | 58.8% | 49.1% |
| MedScribe | Vals AI | 87.4% | 86.9% |
| Public Benefits Bench v1.1 | Vals AI | 69.8% | 60.9% |
| Access to Justice Benchmark | Vals AI | 68.5% | – |
| Financial Coaching Bench | Vals AI | 73.1% | – |
| Immigration Bench | Vals AI | 68.1% | – |
| DrugDiscoveryBench | Scale AI SEAL | 65.4% | 51.6% |
| EBR-bench | Epoch AI Benchmarking Hub | 64.8% | 34.3% |
| GDP.pdf | Epoch AI Benchmarking Hub | 28.4% | 26.0% |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 48.3% | – |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 95.7% | – |
| HealthBench Professional (AA) | OpenAI | 55.0% | – |
| FACTS Parametric | 72.2%† | – | |
| 指示追従 | |||
| LiveBench Language | LiveBench | – | 87.4% |
| LiveBench Instruction Following | LiveBench | – | 70.7% |
| IFBench | Artificial Analysis | – | 75.8% |
| MultiChallenge | Scale AI SEAL | 78.7%† | – |
| Arena Instruction Following | Arena (LMArena) | 1528 | 1475† |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1522 | 1476† |
| EQ-Bench 4 | EQ-Bench | 1236† | 1295† |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1758† | 1845† |
| Arena Creative Writing | Arena (LMArena) | 1523 | 1448† |
| Arena Multi-turn | Arena (LMArena) | 1545 | 1484† |
| Arena Longer Queries | Arena (LMArena) | 1544 | 1486† |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | – | 1296† |
| LiveBench Design | LiveBench | 69.2% | – |
| MMMU-Pro | Artificial Analysis | 88.3%† | 79.9% |
| MMMU-Pro (Vals) | Vals AI | – | 88.3% |
| MortgageTax | Vals AI | – | 68.8% |
| SAGE | Vals AI | 89.5% | – |
| AudioMC | Scale AI SEAL | 58.4% | – |
| AudioMC (text output) | Scale AI SEAL | 58.4% | – |
| Humanity's Sixth Sense | Scale AI SEAL | 55.4% | – |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 54.5%† | 36.2%† |
| Furniture Assembly | Epoch AI Benchmarking Hub | 72.5% | 44.2% |
| VIALS-AA | Handshake AI | 59.6% | – |
| Code2Video-AA | Artificial Analysis | 1259 | 1000 |
| AA-3D | Artificial Analysis | 1147 | – |
| FACTS Multimodal | 54.2%† | – | |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 79.7% | 84.3% |
| Arena Document | Arena (LMArena) | – | 1479† |
| MLCR | Artificial Analysis | 13.9% | 28.9% |
| FACTS Grounding | 73.3%† | – | |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 166.5† | 160.1† |
| LiveBench 2.0 | LiveBench | 77.7% | – |
| LiveBench 1.0 | LiveBench | – | 80.2% |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 50.4 | – |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 52.6 | 38.4 |
| AA Progress Index v1 | Artificial Analysis | 341.8 | 320 |
| Vals Index | Vals AI | 69.4 | – |
| Vals Finance Index | Vals AI | 66.0% | – |
| Vals RSI Index | Vals AI | 30.6% | 16.5% |
| Vals Science Index | Vals AI | 55.4% | – |
| Vals Multimodal Index | Vals AI | – | 68.1% |
| Vals Router Index | Vals AI | 69.2%† | – |
| Vals Legal Index | Vals AI | 76.8% | – |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | – | 16.3% |
| DistressBench | Scale AI SEAL | 68.6%† | – |
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)。
- 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。
- 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。
- GPT-5.5 (xhigh):スコアの改訂1件。
- GPT-5.5 (xhigh):新しい結果1件(MirrorCode)。
関連する比較
- Gemini 4 Argon vs Claude Fable 5.2
- Gemini 4 Argon vs Gemini 4 Carbon
- Gemini 4 Argon vs Claude Opus 5.5
- GPT-5.5 vs Claude Fable 5.2
- GPT-5.5 vs Gemini 4 Carbon
- GPT-5.5 vs Claude Opus 5.5
- GPT-5.5 vs GPT-6 Astra
- Gemini 4 Argon vs GPT-5.4
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-5.5:よくある質問
- Gemini 4 ArgonはGPT-5.5より優れていますか?
- Gemini 4 Argon (high)とGPT-5.5 (xhigh)の品質は互角です(65.3 対 64.1、±4.7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-5.5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 4 Argonの方が安く、100万トークンあたり$4.00 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)。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-5.5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Arena WebDevでは、Gemini 4 Argonが1681、GPT-5.5が1512です。
- Gemini 4 ArgonとGPT-5.5はどちらが速いですか?
- GPT-5.5の方が出力が速くなっています(出力81 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-5.5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62 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-5.5の方がスコアが高くなっています(67 対 65)。どちらも約1.1Mトークンです(Gemini 4 Argonは1,048,576、GPT-5.5は1,050,000)。
- 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-5.5です。Artificial Analysisの測定では、最初の回答トークンまで38.3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-5.5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47件のベンチマークのうち、Gemini 4 Argonのリードが42件、GPT-5.5のリードが4件、同点が1件です。両方を評価しているすべての総合指標で、Gemini 4 Argonが上回っています。
- 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。