BenchLeader

Gemini 4 Carbon vs GPT-5.3-Codex

詳しいプロフィール:Gemini 4 Carbon(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 · 12件の情報源のデータ

2026年11月16日時点で、Gemini 4 CarbonとGPT-5.3-Codexの品質は互角です(BenchLeader Indexで68.9 対 62.9、±7.3の誤差範囲内)。価格はGemini 4 Carbon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(74 対 61)を重視するならGemini 4 Carbon、エージェント・ツール(80 対 70)、長文コンテキスト(66 対 64)を重視するならGPT-5.3-Codexが向いています。回答開始までの時間はGPT-5.3-Codexの方が短く、38.2秒 対 73.5秒です。

要点(2026年11月16日時点)

  • BenchLeader IndexはGemini 4 Carbonが68.9、GPT-5.3-Codexが62.9です(BenchLeader、2026年11月16日)。
  • Gemini 4 Carbonの100万トークンあたりのブレンド価格は$4.00です(定価、2026年11月16日)。
  • 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4件のベンチマークのうち、Gemini 4 Carbonが3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 Carbonカテゴリスコア74 対 61;Vibe Code Bench v1.1 89.1% 対 61.8%高
エージェント・ツール利用GPT-5.3-Codexカテゴリスコア80 対 70;AA-Briefcase v1.1 868 対 1611高
長い文書GPT-5.3-Codexカテゴリスコア66 対 64;AA-LCR v1.1 83.3% 対 79.3%中
チャットの質(人間の評価)–Arenaの評価があるのはGemini 4 Carbonのみです(カテゴリスコア73)比較不可
最低コストGemini 4 Carbon100万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–
回答開始の速さGPT-5.3-Codex最初の回答トークンまで38.2秒(GPT-5.3-Codex (xhigh))対 73.5秒(Gemini 4 Carbon (high))–
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 Carbon (high)とGPT-5.3-Codex (xhigh)の品質は互角です(68.9 対 62.9、±7.3の誤差範囲内)。
  • Gemini 4 Carbon (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。
  • Gemini 4 Carbon (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)。
  • GPT-5.3-Codex (xhigh)の方が出力が1.5倍速くなっています(94 対 64トークン/秒)。

概要

仕様Gemini 4 CarbonGPT-5.3-Codex
プロバイダーGoogleOpenAI
リリース日2026年10月28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
比較した構成Gemini 4 Carbon (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

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 Carbon (high)GPT-5.3-Codex (xhigh)トップ
推論73.2–比較不可
コーディング74.161.0Gemini 4 Carbon
エージェント・ツール70.380.1GPT-5.3-Codex
数学71.9–比較不可
知識76.1–比較不可
指示追従–73.6比較不可
人間の評価72.6–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64.366.4GPT-5.3-Codex
総合70.3–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 Carbon, コーディング: 74.1Gemini 4 Carbon, エージェント・ツール: 70.3Gemini 4 Carbon, 長文コンテキスト: 64.3GPT-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4件のベンチマークのうち、Gemini 4 Carbonのリードが3件、GPT-5.3-Codexのリードが1件です。

総合IndexGemini 4 Carbon (high)GPT-5.3-Codex (xhigh)トップ
BenchLeader Index68.962.9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 Carbon (high)GPT-5.3-Codex (xhigh)
100万トークンあたりのブレンド価格$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
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)$5.48–
タスクあたりの出力トークン(AA Index)123k–
うち推論72k–
タスクあたりの時間(AA Index)32 min–
出力速度64 tok/s94 tok/s
回答開始までの時間73.5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)160.6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 Carbon (high)のスコアは68.9、最初の回答トークンまで73秒。Gemini 4 Carbon (medium)は65.8(21秒)、Gemini 4 Carbon (low)は60.1(11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

105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 Carbon (high)GPT-5.3-Codex (xhigh)
BenchLeader IndexBenchLeader68.962.9
エージェント・ツールスコアBenchLeader70.380.1
コーディングスコアBenchLeader74.161.0
総合スコアBenchLeader70.3–
人間の評価スコアBenchLeader72.6–
知識スコアBenchLeader76.1–
長文コンテキストスコアBenchLeader64.366.4
数学スコアBenchLeader71.9–
推論スコアBenchLeader73.2–
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BenchLeader64 tok/s94 tok/s
回答開始までの時間BenchLeader73.5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 Hub96.5%–
SimpleBenchSimpleBench92.6%†–
Arena Hard PromptsArena (LMArena)1547–
LiveBench 2.0 ReasoningLiveBench90.6%–
GPQA Diamond (AA)Artificial Analysis–91.5%
Humanity's Last Exam (AA)Artificial Analysis–42.5%
HLE-Diamond (AA)Artificial Analysis69.1%–
ARC-AGI-1ARC Prize97.5%–
ARC-AGI-2ARC Prize92.1%–
ARC-AGI-3ARC Prize96.9%–
CritPtArtificial Analysis–16.9%
CritPt v2 hard subset (AA)Artificial Analysis69.0%–
Arena ExpertArena (LMArena)1567–
Chess PuzzlesEpoch AI Benchmarking Hub78.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub73.0%–
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub–74.8%†
SciCodeSciCode64.2%–
WeirdMLWeirdML–77.9%
Arena CodingArena (LMArena)1568–
Arena WebDevArena (LMArena)17681406†
LiveBench 2.0 CodingLiveBench91.0%–
LiveCodeBenchVals AI–87.3%
IOIVals AI–53.8%
SWE-bench (Vals)Vals AI–78.0%
Vibe Code Bench v1.1Vals AI89.1%61.8%
105件のベンチマークをすべて表示
指標公開元Gemini 4 Carbon (high)GPT-5.3-Codex (xhigh)
コーディング
Vibe Code Bench 1-100 v1.1Vals AI49.7%–
SWE Atlas v1.1Scale AI SEAL71.4%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL73.4%†–
SWE Atlas v1.1: Test WritingScale AI SEAL76.7%†–
SWE Atlas v1.1: RefactoringScale AI SEAL64.3%†–
CursorBenchCursor60.4%–
ALE-BenchEpoch AI Benchmarking Hub–1655.2
FrontierSWEEpoch AI Benchmarking Hub61.2%–
Terminal-Bench 4.0 (AA)Artificial Analysis65.2%–
Design Arena WebsiteDesign Arena1319†1155†
FrontierCode 2.0 (AA)Artificial Analysis40.6%–
エージェント・ツール
Terminal-BenchTerminal-Bench64.5%78.4%†
APEX-AgentsMercor84.2%†–
Arena AgentArena (LMArena)17–
LiveBench Long AgenticLiveBench72.7%–
LiveBench BrowserLiveBench80.0%–
Terminal-Bench HardArtificial Analysis–53.0%
τ²-Bench Telecom (AA)Artificial Analysis–86.0%
HiL-BenchScale AI SEAL50.3%†4.3%†
GDPval-AA v2.1Artificial Analysis1733–
Finance Agent v2.1Vals AI67.2%–
Harvey's Legal Agent Benchmark v1.1Vals AI17.5%–
Legal Research BenchVals AI55.8%–
Tax Agent BenchVals AI51.8%–
Terminal-Bench 2.0 (Vals)Vals AI–64.0%†
Terminal-Bench 4.0 (Vals)Vals AI63.1%–
Arena Agent Task CompletionArena (LMArena)18.4–
METR Time HorizonsMETR–74.5%†
Vending-Bench 2Andon Labs16484.2†5940.1†
AutomationBenchArtificial Analysis77.8%–
GDP.pdf (AA)Artificial Analysis28.4%–
AA-Briefcase v1.1Artificial Analysis1611868
GDPxGDPx by SemiAnalysis10.9%–
Design Arena AgenticDesign Arena1305†1018†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis64.8%–
MKA (AA)Artificial Analysis54.3%–
FACTS SearchGoogle94.4%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub90.5%–
FrontierMath Tier 4Epoch AI Benchmarking Hub95.1%–
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%–
ArXivMathMathArena94.3%–
BrokenArXivMathArena84.4%–
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub77.7%–
LiveBench 2.0 Data AnalysisLiveBench86.5%–
LiveBench ResearchLiveBench92.5%–
AA-Omniscience v1.1Artificial Analysis53.5–
PRBench LegalScale AI SEAL53.4%†–
Excel Modeling Benchmark v1.1Vals AI76.5%–
DrugDiscoveryBenchScale AI SEAL71.5%–
EBR-benchEpoch AI Benchmarking Hub87.6%–
AA-Omniscience v1.1: accuracyArtificial Analysis58.3%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis88.6%–
FACTS ParametricGoogle81.6%†–
指示追従
IFBenchArtificial Analysis–75.4%
Arena Instruction FollowingArena (LMArena)1525–
人間の評価
Arena TextArena (LMArena)1526–
Arena Creative WritingArena (LMArena)1516–
Arena Multi-turnArena (LMArena)1564–
Arena Longer QueriesArena (LMArena)1538–
マルチモーダル
LiveBench DesignLiveBench80.2%–
MMMU-ProArtificial Analysis89.3%†78.5%
Humanity's Sixth SenseScale AI SEAL71.1%–
Blueprint-Bench 2Epoch AI Benchmarking Hub58.6%†–
Furniture AssemblyEpoch AI Benchmarking Hub77.5%–
VIALS-AAHandshake AI64.0%–
FACTS MultimodalGoogle60.2%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis79.3%83.3%
MLCRArtificial Analysis19.4%–
FACTS GroundingGoogle77.2%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub169.8†–
LiveBench 2.0LiveBench83.5%–
AA Intelligence Index v5.0.1Artificial Analysis60.0–
AA Intelligence Index v4.3.2Artificial Analysis–32.5
AA Progress Index v1Artificial Analysis350.8301.3
Vals IndexVals AI70.5–
Vals Finance IndexVals AI67.0%–
Vals RSI IndexVals AI27.7%–
Vals Legal IndexVals AI75.9%–
安全性・誠実さ
FORTRESSScale AI SEAL16.4%†–

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

  • Gemini 4 Carbon (high):新しい結果8件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Gemini 4 Carbon (high):BenchLeader Index 69.9 → 68.9。
  • Gemini 4 Carbon (high):新しい結果1件(Terminal-Bench)。
  • Gemini 4 Carbon (high):新しい結果1件(DrugDiscoveryBench)、入力価格 $4.00/M → $2.00/M、出力価格 $20.00/M → $10.00/M、価格 $7.76/M → $5.48/M。
  • Gemini 4 Carbon (high):BenchLeader Index 68.5 → 69.9。
  • Gemini 4 Carbon (high):新しい結果13件(GPQA Diamond, FrontierMath Tiers 1–3, FrontierMath Tier 4…)。
  • Gemini 4 Carbon (high):新しい結果2件(FrontierSWE, Vals RSI Index)。
  • Gemini 4 Carbon (high):BenchLeader Index 69.3 → 68.5。
  • Gemini 4 Carbon (high):BenchLeader Index 68.8 → 69.3。
  • Gemini 4 Carbon (high):スコアの改訂1件。

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 Carbon vs GPT-5.3-Codex:よくある質問

Gemini 4 CarbonはGPT-5.3-Codexより優れていますか?
Gemini 4 Carbon (high)とGPT-5.3-Codex (xhigh)の品質は互角です(68.9 対 62.9、±7.3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 Carbon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 Carbon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)。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 4 Carbon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 Carbonの方がスコアが高くなっています(カテゴリ指標で74 対 61。50が平均)。
Gemini 4 Carbon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 64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 Carbon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 70。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 64)。コンテキストはGemini 4 Carbon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 73.5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 Carbon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4件のベンチマークのうち、Gemini 4 Carbonのリードが3件、GPT-5.3-Codexのリードが1件です。
Gemini 4 Carbonはいつリリースされましたか?
Gemini 4 Carbonは2026年10月28日にリリースされました。