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 Carbon | 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 | – |
| 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 Carbon | GPT-5.3-Codex |
|---|---|---|
| プロバイダー | OpenAI | |
| 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) | 1,048,576 | 400,000 |
| 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 | 74.1 | 61.0 | Gemini 4 Carbon |
| エージェント・ツール | 70.3 | 80.1 | GPT-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 | 64.3 | 66.4 | GPT-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。
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。
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Index | Gemini 4 Carbon (high) | GPT-5.3-Codex (xhigh) | トップ |
|---|---|---|---|
| BenchLeader Index | 68.9 | 62.9 | 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) | $5.48 | – |
| タスクあたりの出力トークン(AA Index) | 123k | – |
| うち推論 | 72k | – |
| タスクあたりの時間(AA Index) | 32 min | – |
| 出力速度 | 64 tok/s | 94 tok/s |
| 回答開始までの時間 | 73.5秒 | 38.2秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 160.6秒 | 97.1秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Gemini 4 Carbon (high)のスコアは68.9、最初の回答トークンまで73秒。Gemini 4 Carbon (medium)は65.8(21秒)、Gemini 4 Carbon (low)は60.1(11秒)。GPT-5.3-Codex (xhigh)のスコアは62.9、最初の回答トークンまで38秒。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
105件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Gemini 4 Carbon (high) | GPT-5.3-Codex (xhigh) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 68.9 | 62.9 |
| エージェント・ツールスコア | BenchLeader | 70.3 | 80.1 |
| コーディングスコア | BenchLeader | 74.1 | 61.0 |
| 総合スコア | BenchLeader | 70.3 | – |
| 人間の評価スコア | BenchLeader | 72.6 | – |
| 知識スコア | BenchLeader | 76.1 | – |
| 長文コンテキストスコア | BenchLeader | 64.3 | 66.4 |
| 数学スコア | BenchLeader | 71.9 | – |
| 推論スコア | BenchLeader | 73.2 | – |
| 指示追従スコア | BenchLeader | – | 73.6 |
| マルチモーダルスコア | BenchLeader | – | 60.8 |
| ブレンド価格($/100万トークン) | BenchLeader | $4.00 | $4.81 |
| 出力速度 | BenchLeader | 64 tok/s | 94 tok/s |
| 回答開始までの時間 | BenchLeader | 73.5秒 | 38.2秒 |
| コンテキストウィンドウ | BenchLeader | 1,048,576トークン | 400,000トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 96.5% | – |
| SimpleBench | SimpleBench | 92.6%† | – |
| Arena Hard Prompts | Arena (LMArena) | 1547 | – |
| LiveBench 2.0 Reasoning | LiveBench | 90.6% | – |
| GPQA Diamond (AA) | Artificial Analysis | – | 91.5% |
| Humanity's Last Exam (AA) | Artificial Analysis | – | 42.5% |
| HLE-Diamond (AA) | Artificial Analysis | 69.1% | – |
| ARC-AGI-1 | ARC Prize | 97.5% | – |
| ARC-AGI-2 | ARC Prize | 92.1% | – |
| ARC-AGI-3 | ARC Prize | 96.9% | – |
| CritPt | Artificial Analysis | – | 16.9% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 69.0% | – |
| Arena Expert | Arena (LMArena) | 1567 | – |
| Chess Puzzles | Epoch AI Benchmarking Hub | 78.0% | – |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 73.0% | – |
| コーディング | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | – | 74.8%† |
| SciCode | SciCode | 64.2% | – |
| WeirdML | WeirdML | – | 77.9% |
| Arena Coding | Arena (LMArena) | 1568 | – |
| Arena WebDev | Arena (LMArena) | 1768 | 1406† |
| LiveBench 2.0 Coding | LiveBench | 91.0% | – |
| LiveCodeBench | Vals AI | – | 87.3% |
| IOI | Vals AI | – | 53.8% |
| SWE-bench (Vals) | Vals AI | – | 78.0% |
| Vibe Code Bench v1.1 | Vals AI | 89.1% | 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 v1.1 | Vals AI | 49.7% | – |
| SWE Atlas v1.1 | Scale AI SEAL | 71.4%† | – |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | 73.4%† | – |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | 76.7%† | – |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | 64.3%† | – |
| CursorBench | Cursor | 60.4% | – |
| ALE-Bench | Epoch AI Benchmarking Hub | – | 1655.2 |
| FrontierSWE | Epoch AI Benchmarking Hub | 61.2% | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 65.2% | – |
| Design Arena Website | Design Arena | 1319† | 1155† |
| FrontierCode 2.0 (AA) | Artificial Analysis | 40.6% | – |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 64.5% | 78.4%† |
| APEX-Agents | Mercor | 84.2%† | – |
| Arena Agent | Arena (LMArena) | 17 | – |
| LiveBench Long Agentic | LiveBench | 72.7% | – |
| LiveBench Browser | LiveBench | 80.0% | – |
| Terminal-Bench Hard | Artificial Analysis | – | 53.0% |
| τ²-Bench Telecom (AA) | Artificial Analysis | – | 86.0% |
| HiL-Bench | Scale AI SEAL | 50.3%† | 4.3%† |
| GDPval-AA v2.1 | Artificial Analysis | 1733 | – |
| Finance Agent v2.1 | Vals AI | 67.2% | – |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | 17.5% | – |
| Legal Research Bench | Vals AI | 55.8% | – |
| Tax Agent Bench | Vals AI | 51.8% | – |
| Terminal-Bench 2.0 (Vals) | Vals AI | – | 64.0%† |
| Terminal-Bench 4.0 (Vals) | Vals AI | 63.1% | – |
| Arena Agent Task Completion | Arena (LMArena) | 18.4 | – |
| METR Time Horizons | METR | – | 74.5%† |
| Vending-Bench 2 | Andon Labs | 16484.2† | 5940.1† |
| AutomationBench | Artificial Analysis | 77.8% | – |
| GDP.pdf (AA) | Artificial Analysis | 28.4% | – |
| AA-Briefcase v1.1 | Artificial Analysis | 1611 | 868 |
| GDPx | GDPx by SemiAnalysis | 10.9% | – |
| Design Arena Agentic | Design Arena | 1305† | 1018† |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 64.8% | – |
| MKA (AA) | Artificial Analysis | 54.3% | – |
| FACTS Search | 94.4%† | – | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 90.5% | – |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 95.1% | – |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 100.0% | – |
| ArXivMath | MathArena | 94.3% | – |
| BrokenArXiv | MathArena | 84.4% | – |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | 2.9% | – |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 77.7% | – |
| LiveBench 2.0 Data Analysis | LiveBench | 86.5% | – |
| LiveBench Research | LiveBench | 92.5% | – |
| AA-Omniscience v1.1 | Artificial Analysis | 53.5 | – |
| PRBench Legal | Scale AI SEAL | 53.4%† | – |
| Excel Modeling Benchmark v1.1 | Vals AI | 76.5% | – |
| DrugDiscoveryBench | Scale AI SEAL | 71.5% | – |
| EBR-bench | Epoch AI Benchmarking Hub | 87.6% | – |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 58.3% | – |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 88.6% | – |
| FACTS Parametric | 81.6%† | – | |
| 指示追従 | |||
| IFBench | Artificial Analysis | – | 75.4% |
| Arena Instruction Following | Arena (LMArena) | 1525 | – |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1526 | – |
| Arena Creative Writing | Arena (LMArena) | 1516 | – |
| Arena Multi-turn | Arena (LMArena) | 1564 | – |
| Arena Longer Queries | Arena (LMArena) | 1538 | – |
| マルチモーダル | |||
| LiveBench Design | LiveBench | 80.2% | – |
| MMMU-Pro | Artificial Analysis | 89.3%† | 78.5% |
| Humanity's Sixth Sense | Scale AI SEAL | 71.1% | – |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 58.6%† | – |
| Furniture Assembly | Epoch AI Benchmarking Hub | 77.5% | – |
| VIALS-AA | Handshake AI | 64.0% | – |
| FACTS Multimodal | 60.2%† | – | |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 79.3% | 83.3% |
| MLCR | Artificial Analysis | 19.4% | – |
| FACTS Grounding | 77.2%† | – | |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 169.8† | – |
| LiveBench 2.0 | LiveBench | 83.5% | – |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 60.0 | – |
| AA Intelligence Index v4.3.2 | Artificial Analysis | – | 32.5 |
| AA Progress Index v1 | Artificial Analysis | 350.8 | 301.3 |
| Vals Index | Vals AI | 70.5 | – |
| Vals Finance Index | Vals AI | 67.0% | – |
| Vals RSI Index | Vals AI | 27.7% | – |
| Vals Legal Index | Vals AI | 75.9% | – |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | 16.4%† | – |
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。
関連する比較
- Gemini 4 Carbon vs Claude Fable 5.2
- Gemini 4 Carbon vs Claude Opus 5.5
- Gemini 4 Carbon vs GPT-6 Astra
- GPT-5.3-Codex vs Claude Fable 5.2
- GPT-5.3-Codex vs Claude Opus 5.5
- GPT-5.3-Codex vs GPT-6 Astra
- Gemini 4 Argon vs GPT-5.3-Codex
- Gemini 4 Carbon vs GPT-6.1 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 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。