Gemini 4 Argon vs GPT-6 Astra
詳しいプロフィール:Gemini 4 Argon(Google)とGPT-6 Astra(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 · 15件の情報源のデータ
2026年11月16日時点で、Gemini 4 ArgonとGPT-6 Astraの品質は互角です(BenchLeader Indexで65.3 対 67.3、±4.0の誤差範囲内)。価格はGemini 4 Argonの方が5.0倍安く、100万トークンあたりのブレンド価格で$4.00 対 $20.00です。人間の評価(72 対 66)を重視するならGemini 4 Argon、コーディング(73 対 67)、エージェント・ツール(64 対 59)、推論(72 対 70)を重視するならGPT-6 Astraが向いています。回答開始までの時間はGemini 4 Argonの方が短く、45.7秒 対 198.4秒です。Gemini 4 Argonは出力が約1.5倍速い点も強みです。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-6 Astraが67.3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-6 Astraの100万トークンあたりのブレンド価格は$20.00です(定価、2026年11月16日)。
- Gemini 4 ArgonはGPT-6 Astraより出力が約1.5倍速いです(Artificial Analysis、7日間の中央値、2026年11月16日)。
- 両モデルに結果がある101件のベンチマークのうち、GPT-6 Astraが59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-6 Astraが1764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-6 Astra | カテゴリスコア73 対 67;Arena WebDev 1764 対 1681 | 中 |
| エージェント・ツール利用 | GPT-6 Astra | カテゴリスコア64 対 59;Terminal-Bench 60.3% 対 55.5% | 中 |
| 数学 | どちらでも | カテゴリスコア70 対 71;FrontierMath Tiers 1–3 86.0% 対 93.7% | どちらでも |
| 推論 | GPT-6 Astra | カテゴリスコア72 対 70;HLE-Diamond (AA) 63.8% 対 56.7% | 中 |
| 知識 | どちらでも | カテゴリスコア72 対 72;SimpleQA Verified 76.0% 対 75.6% | どちらでも |
| 長い文書 | どちらでも | カテゴリスコア65 対 65;AA-LCR v1.1 79.7% 対 80.7% | どちらでも |
| チャットの質(人間の評価) | Gemini 4 Argon | Arenaの投票で72 対 66 | 中 |
| 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 $20.00;エージェント型コーディングセッション$0.160 対 $0.800;2026年12月1日以降:$8.00 対 $20.00 | – |
| 回答開始の速さ | Gemini 4 Argon | 最初の回答トークンまで45.7秒(Gemini 4 Argon (high))対 198.4秒(GPT-6 Astra (max)) | – |
| 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-6 Astra (max)の品質は互角です(65.3 対 67.3、±4.0の誤差範囲内)。
- Gemini 4 Argon (high)は人間の評価で優れています。
- GPT-6 Astra (max)はエージェント・ツール、コーディング、総合、知識、長文コンテキスト、数学、推論で優れています。
- 2026年11月30日まではGemini 4 Argon (high)の方が5.0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 $20.00)。2026年12月1日からは$8.00 対 $20.00になります。
- Gemini 4 Argon (high)の方が出力が1.6倍速くなっています(66 対 41トークン/秒)。
概要
| 仕様 | Gemini 4 Argon | GPT-6 Astra |
|---|---|---|
| プロバイダー | OpenAI | |
| リリース日 | 2026年9月30日 | 2026年9月2日 |
| 一般提供開始 | 2026年10月13日 | 2026年9月2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-6 Astra (max) |
| 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 | $10.00 / $50.00 / $1.00 |
| 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-6 Astra (max) | トップ |
|---|---|---|---|
| 推論 | 69.5 | 72.4 | GPT-6 Astra |
| コーディング | 66.7 | 73.2 | GPT-6 Astra |
| エージェント・ツール | 58.6 | 63.9 | GPT-6 Astra |
| 数学 | 69.9 | 70.8 | 互角 |
| 知識 | 71.9 | 72.3 | 互角 |
| 人間の評価 | 72.1 | 66.2 | Gemini 4 Argon |
| マルチモーダル | – | 65.6 | 比較不可 |
| 長文コンテキスト | 64.5 | 65.0 | 互角 |
| 総合 | 63.8 | 71.3 | GPT-6 Astra |
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。
情報源で評価が分かれる点
両方に結果がある101件のベンチマークのうち、Gemini 4 Argonのリードが40件、GPT-6 Astraのリードが59件、同点が2件です。第三者の総合指標でも評価が分かれ、Gemini 4 ArgonはVals Index、Arena Textで、GPT-6 AstraはAA Intelligence Index v5.0.1でリードしています。
| 総合Index | Gemini 4 Argon (high) | GPT-6 Astra (max) | トップ |
|---|---|---|---|
| BenchLeader Index | 65.3 | 67.3 | 互角 |
| AA Intelligence Index v5.0.1 | 50.4 | 56.9 | GPT-6 Astra |
| Vals Index | 69.4 | 65.0 | Gemini 4 Argon |
| Arena Text | 1522 | 1474 | 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-6 Astra (max) |
|---|---|---|
| 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 | $20.00 |
| 100万トークンあたりの入力/出力 | $2.00 / $10.00 | $10.00 / $50.00 |
| 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 | $20.00 |
| 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 | $10.00 / $50.00 |
| 100万トークンあたりのキャッシュ入力 | $0.100 | $1.00 |
| タスクあたりの価格:チャットの返答 | $0.0038 | $0.019 |
| タスクあたりの価格:30ページのレポートを要約 | $0.030 | $0.150 |
| タスクあたりの価格:コード編集 | $0.027 | $0.135 |
| 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 | $0.800 |
| タスクあたりの価格:構造化データの抽出 | $0.0060 | $0.030 |
| 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 | $0.395 |
| ベンチマークのタスクあたりのコスト(AA Index) | $4.97 | $6.24 |
| タスクあたりの出力トークン(AA Index) | 116k | 52k |
| うち推論 | 68k | 36k |
| タスクあたりの時間(AA Index) | 29 min | 21 min |
| 出力速度 | 66 tok/s | 41 tok/s |
| 回答開始までの時間 | 45.7秒 | 198.4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 | 533.7秒 |
トークン単価とタスクあたりのコストは別物です。Artificial AnalysisのIntelligence Indexの平均的なタスクにかかったコストは、Gemini 4 Argon (high)で$4.97、GPT-6 Astra (max)で$6.24でした。同じ作業でGemini 4 Argon (high)は2.2倍の出力トークンを書いています。これはトークン単価だけでは見えない差です。
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Gemini 4 Argon (high)のスコアは65.3、最初の回答トークンまで46秒。Gemini 4 Argonは64.4(5秒)、Gemini 4 Argon (medium)は61.6(13秒)。GPT-6 Astra (max)のスコアは67.3、最初の回答トークンまで198秒。GPT-6 Astraは66.4(5秒)、GPT-6 Astra (high)は66.3(49秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
183件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Gemini 4 Argon (high) | GPT-6 Astra (max) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 65.3 | 67.3 |
| エージェント・ツールスコア | BenchLeader | 58.6 | 63.9 |
| コーディングスコア | BenchLeader | 66.7 | 73.2 |
| 総合スコア | BenchLeader | 63.8 | 71.3 |
| 人間の評価スコア | BenchLeader | 72.1 | 66.2 |
| 知識スコア | BenchLeader | 71.9 | 72.3 |
| 長文コンテキストスコア | BenchLeader | 64.5 | 65.0 |
| 数学スコア | BenchLeader | 69.9 | 70.8 |
| 推論スコア | BenchLeader | 69.5 | 72.4 |
| マルチモーダルスコア | BenchLeader | – | 65.6 |
| ブレンド価格($/100万トークン) | BenchLeader | $4.00 | $20.00 |
| 出力速度 | BenchLeader | 66 tok/s | 41 tok/s |
| 回答開始までの時間 | BenchLeader | 45.7秒 | 198.4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% | 95.8% |
| Humanity's Last Exam | Scale AI / CAIS | – | 54.8%† |
| SimpleBench | SimpleBench | 91.7%† | 83.6%† |
| Arena Hard Prompts | Arena (LMArena) | 1545 | 1500 |
| LiveBench 2.0 Reasoning | LiveBench | 95.1% | 92.7% |
| LiveBench 1.0 Reasoning | LiveBench | – | 92.7% |
| GPQA Diamond (AA) | Artificial Analysis | – | 96.1% |
| Humanity's Last Exam (AA) | Artificial Analysis | 57.1% | 54.7% |
| HLE-Diamond (AA) | Artificial Analysis | 56.7% | 63.8% |
| ARC-AGI-1 | ARC Prize | 98.5% | 97.5% |
| ARC-AGI-2 | ARC Prize | 91.3% | 95.0% |
| ARC-AGI-3 | ARC Prize | 97.3% | 98.6% |
| CritPt | Artificial Analysis | 27.1% | 31.7% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 52.5% | 70.5% |
| MysteryMechanism | Vals AI | 45.5% | 53.1% |
| HLE-Diamond (Scale) | Scale AI SEAL | 53.2%† | 60.6%† |
| Arena Expert | Arena (LMArena) | 1549 | 1517 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 59.0% | 74.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 64.0% | 84.0% |
| LMCA | Epoch AI Benchmarking Hub | 63.7% | 64.1%† |
| DTBench | Epoch AI Benchmarking Hub | 97.3% | 97.1%† |
| ForecastBench | ForecastBench | – | 66.6%† |
| BTF-3 | Epoch AI Benchmarking Hub | – | 13.5%† |
| コーディング | |||
| SciCode | SciCode | 61.8% | 56.5% |
| WeirdML | WeirdML | – | 93.3% |
183件のベンチマークをすべて表示
| 指標 | 公開元 | Gemini 4 Argon (high) | GPT-6 Astra (max) |
|---|---|---|---|
| コーディング | |||
| FrontierCode | Cognition | 47.5%† | 53.3% |
| GSO-Bench | GSO-Bench | – | 79.4%† |
| Arena Coding | Arena (LMArena) | 1553 | 1548 |
| Arena WebDev | Arena (LMArena) | 1681 | 1764 |
| LiveBench 2.0 Coding | LiveBench | 85.7% | 87.5% |
| LiveBench 1.0 Coding | LiveBench | – | 80.4% |
| IOI | Vals AI | 100.0% | 100.0% |
| Code Migration | Vals AI | 68.2% | 67.7% |
| Code Migration v1.1 | Vals AI | 70.8% | 80.6% |
| ProgramBench | Vals AI | 2.5% | 5.5% |
| SWE-bench Multimodal | Vals AI | 56.0% | 43.3% |
| Vibe Code Bench 1-100 | Vals AI | 21.2% | 27.6% |
| Vibe Code Bench v1.1 | Vals AI | 91.9% | 89.6% |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | – | 59.1%† |
| SWE Atlas v1.0: Refactoring | Scale AI SEAL | – | 59.0%† |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | – | 50.7%† |
| SWE Atlas v1.1 | Scale AI SEAL | 70.1%† | 69.4%† |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | 65.3%† | 70.2%† |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | 77.8%† | 66.7%† |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | 67.1%† | 71.4%† |
| SWE-Bench Pro V2 | Scale AI SEAL | 99.2% | 96.9%† |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | 92.2% | 90.2%† |
| MirrorCode | Epoch AI Benchmarking Hub | 58.9% | 60.0% |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | – | 73.2% |
| CursorBench | Cursor | 52.9% | – |
| ALE-Bench | Epoch AI Benchmarking Hub | 2100.1 | 2951.3 |
| FrontierSWE | Epoch AI Benchmarking Hub | 55.0% | 65.5% |
| WeirdML v3 | WeirdML | 20.3% | 42.2%† |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 57.1% | 59.1% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | – | 88.4% |
| Startrise Frontend | Startrise | – | 79.9%† |
| GameBench 2 Overall | DuelLab GameBench 2 | 81.7† | 88.8† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 89.2 | 94.3† |
| Design Arena Website | Design Arena | 1316† | 1338 |
| FrontierCode 1.1 (AA) | Artificial Analysis | 43.5% | 47.0% |
| FrontierCode 2.0 (AA) | Artificial Analysis | 25.7% | 42.4% |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 55.5% | 60.3% |
| Remote Labor Index | Scale AI / CAIS | 17.1%† | 20.8%† |
| APEX-Agents | Mercor | 82.4%† | 64.7%† |
| Arena Agent | Arena (LMArena) | 10.7 | 14.5 |
| LiveBench Long Agentic | LiveBench | 58.5% | 75.6% |
| LiveBench Browser | LiveBench | 82.8% | 91.3% |
| LiveBench Agentic Coding | LiveBench | – | 57.3% |
| Terminal-Bench 2.1 (Vals) | Vals AI | 57.7% | 87.3% |
| MCP Atlas | Scale AI SEAL | 90.7%† | – |
| HiL-Bench | Scale AI SEAL | 62.0%† | 65.3%† |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 56.2% | 53.7% |
| GDPval-AA v2.1 | Artificial Analysis | 1634 | 1587 |
| τ³-Banking (AA) | Artificial Analysis | – | 41.4% |
| ITBench SRE (AA) | Artificial Analysis | – | 48.6% |
| Analyst Agent (AA) | Artificial Analysis | 48.8% | 51.3% |
| CUA-bench | Vals AI | 4.8% | 19.2% |
| CyberBench | Vals AI | 77.9% | 41.1% |
| Finance Agent v2 | Vals AI | 65.4% | 53.5% |
| Finance Agent v2.1 | Vals AI | 67.7% | 60.4% |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | 27.1% | 7.1% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 19.6% | 5.4% |
| Legal Research Bench | Vals AI | 54.8% | 39.4% |
| Robo-bench | Vals AI | 0.8% | 23.3% |
| SREBench | Vals AI | 44.3% | 56.9% |
| Tax Agent Bench | Vals AI | 49.2% | 20.7% |
| Terminal-Bench 4.0 (Vals) | Vals AI | 57.6% | 59.6% |
| Terminal-Bench Science | Vals AI | 44.3% | 62.9% |
| Time Horizon Index: KSP | Vals AI | 52.5% | 90.5% |
| Arena Search | Arena (LMArena) | – | 1245 |
| Arena Agent Task Completion | Arena (LMArena) | 13.2 | 14 |
| BALROG | BALROG | – | 68.3% |
| PostTrainBench | Epoch AI Benchmarking Hub | 40.4% | 41.9% |
| Vending-Bench 2 | Andon Labs | 13718.2† | 15514.7† |
| SpireClimb | Epoch AI Benchmarking Hub | – | 34.0% |
| AutomationBench | Artificial Analysis | 77.5% | 68.5% |
| GDP.pdf (AA) | Artificial Analysis | 21.8% | 31.0% |
| Harvey LAB-AA v1.1 | Harvey | 3.9% | 8.6% |
| AA-Briefcase v1.1 | Artificial Analysis | 1485 | 1569 |
| GDPx | GDPx by SemiAnalysis | 7.3% | 9.6% |
| Design Arena Agentic | Design Arena | 1274† | 1405 |
| RoboDojo (LLM as robot policy) | RoboDojo | – | 29.0† |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 52.9% | 63.3% |
| CWE-Bench (AA) | Artificial Analysis | – | 63.3% |
| DeepSec-Bench (AA) | Artificial Analysis | – | 36.9% |
| CyberGym end-to-end (AA) | Artificial Analysis | – | 0.0% |
| MKA (AA) | Artificial Analysis | 51.3% | 50.2% |
| FACTS Search | 89.9%† | 93.3%† | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 86.0% | 93.7% |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 78.0% | 97.6% |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 100.0% | 100.0% |
| ProofBench | Vals AI | 99.0%† | 99.0%† |
| LiveBench Mathematics | LiveBench | – | 96.8% |
| ArXivMath | MathArena | 84.4% | – |
| BrokenArXiv | MathArena | 47.9% | – |
| Arena Maths | Arena (LMArena) | 1536 | 1481 |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | 1.5% | 2.9% |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 76.0% | 75.6% |
| LiveBench 2.0 Data Analysis | LiveBench | 85.2% | 83.0% |
| LiveBench Research | LiveBench | 86.8% | 90.6% |
| LiveBench 1.0 Data Analysis | LiveBench | – | 83.0% |
| AA-Omniscience v1.1 | Artificial Analysis | 46.1 | 42.4 |
| LegalBench | Vals AI | 88.3% | – |
| PRBench Finance | Scale AI SEAL | 49.9%† | 47.5%† |
| PRBench Legal | Scale AI SEAL | 49.4%† | 48.4%† |
| BioMysteryBench | Vals AI | 76.3% | 79.3% |
| Excel Modeling Benchmark | Vals AI | 75.2% | 71.7% |
| Excel Modeling Benchmark v1.1 | Vals AI | 74.8% | 72.7% |
| MedCode | Vals AI | 58.8% | 48.5% |
| MedScribe | Vals AI | 87.4% | 87.9% |
| Public Benefits Bench v1.1 | Vals AI | 69.8% | – |
| Access to Justice Benchmark | Vals AI | 68.5% | – |
| Financial Coaching Bench | Vals AI | 73.1% | 67.5% |
| Immigration Bench | Vals AI | 68.1% | 67.7% |
| DrugDiscoveryBench | Scale AI SEAL | 65.4% | 68.7% |
| EBR-bench | Epoch AI Benchmarking Hub | 64.8% | 76.2% |
| GDP.pdf | Epoch AI Benchmarking Hub | 28.4% | 34.2% |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 48.3% | 61.6% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 95.7% | 50.2% |
| HealthBench Professional (AA) | OpenAI | 55.0% | 66.0% |
| FACTS Parametric | 72.2%† | 83.8%† | |
| 指示追従 | |||
| LiveBench Language | LiveBench | – | 89.4% |
| LiveBench Instruction Following | LiveBench | – | 75.6% |
| MultiChallenge | Scale AI SEAL | 78.7%† | – |
| Arena Instruction Following | Arena (LMArena) | 1528 | 1474 |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1522 | 1474 |
| EQ-Bench 4 | EQ-Bench | 1236† | – |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1758† | 2177† |
| Arena Creative Writing | Arena (LMArena) | 1523 | 1451 |
| Arena Multi-turn | Arena (LMArena) | 1545 | 1483 |
| Arena Longer Queries | Arena (LMArena) | 1544 | 1485 |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | – | 1279 |
| LiveBench Design | LiveBench | 69.2% | 80.0% |
| MMMU-Pro | Artificial Analysis | 88.3%† | 86.9% |
| 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% | 53.6% |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 54.5%† | 49.7%† |
| Furniture Assembly | Epoch AI Benchmarking Hub | 72.5% | 80.0% |
| VIALS-AA | Handshake AI | 59.6% | 62.7% |
| Code2Video-AA | Artificial Analysis | 1259 | 1427 |
| AA-3D | Artificial Analysis | 1147 | 1168 |
| FACTS Multimodal | 54.2%† | 55.2%† | |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 79.7% | 80.7% |
| Arena Document | Arena (LMArena) | – | 1474 |
| MLCR | Artificial Analysis | 13.9% | 41.7% |
| FACTS Grounding | 73.3%† | 80.1%† | |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 166.5† | 169† |
| LiveBench 2.0 | LiveBench | 77.7% | 84.5% |
| LiveBench 1.0 | LiveBench | – | 82.2% |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 50.4 | 56.9 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 52.6 | 52.7 |
| AA Progress Index v1 | Artificial Analysis | 341.8 | 349.6 |
| Vals Index | Vals AI | 69.4 | 65.0 |
| Vals Finance Index | Vals AI | 66.0% | 55.6% |
| Vals RSI Index | Vals AI | 30.6% | 27.1% |
| Vals Science Index | Vals AI | 55.4% | 65.1% |
| Vals Router Index | Vals AI | 69.2%† | 65.0%† |
| Vals Legal Index | Vals AI | 76.8% | 68.4% |
| AA Cyber Index | Artificial Analysis | – | 33.4 |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | – | 12.1%† |
| DistressBench | Scale AI SEAL | 68.6%† | 74.3%† |
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。
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…)。
- GPT-6 Astra (max):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-6 Astra (max):スコアの改訂1件。
- 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-6 Astra (max):新しい結果1件(PostTrainBench)、スコアの改訂2件。
- GPT-6 Astra (max):新しい結果1件(MirrorCode)、スコアの改訂1件。
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-6 Astra vs Claude Fable 5.2
- GPT-6 Astra vs Gemini 4 Carbon
- GPT-6 Astra vs Claude Opus 5.5
- GPT-6 Astra vs Claude Fable 5.1
- Gemini 4 Argon vs GPT-5.6 Sol
ランキング: 総合ベストLLM · コーディングに最適なLLM · エージェントに最適なLLM · 安くて優秀なLLM
Gemini 4 Argon vs GPT-6 Astra:よくある質問
- Gemini 4 ArgonはGPT-6 Astraより優れていますか?
- Gemini 4 Argon (high)とGPT-6 Astra (max)の品質は互角です(65.3 対 67.3、±4.0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-6 Astra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 $20.00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-6 Astraのどちらが向いていますか?
- コーディングではGPT-6 Astraの方がスコアが高くなっています(カテゴリ指標で73 対 67。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-6 Astraが1764です。
- Gemini 4 ArgonとGPT-6 Astraはどちらが速いですか?
- Gemini 4 Argonの方が出力が約1.5倍速くなっています(出力66 対 41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-6 Astra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-6 Astraの方がスコアが高くなっています(カテゴリ指標で64 対 59。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 4 Argonが55.5%、GPT-6 Astraが60.3%です。
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互角です(65 対 65)。どちらも約1.1Mトークンです(Gemini 4 Argonは1,048,576、GPT-6 Astra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Gemini 4 Argonです。Artificial Analysisの測定では、最初の回答トークンまで45.7秒 対 198.4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-6 Astra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101件のベンチマークのうち、Gemini 4 Argonのリードが40件、GPT-6 Astraのリードが59件、同点が2件です。第三者の総合指標でも評価が分かれ、Gemini 4 ArgonはVals Index、Arena Textで、GPT-6 AstraはAA Intelligence Index v5.0.1でリードしています。
- 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。