BenchLeader

Gemini 4 Carbon vs GPT-5.4

詳しいプロフィール:Gemini 4 Carbon(Google)とGPT-5.4(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、品質ではGemini 4 CarbonがGPT-5.4を上回ります(BenchLeader Indexで68.9 対 63.1)。価格はGemini 4 Carbonの方が1.4倍安く、100万トークンあたりのブレンド価格で$4.00 対 $5.63です。知識(76 対 59)、コーディング(74 対 65)、推論(73 対 66)を重視するならGemini 4 Carbon、長文コンテキスト(66 対 64)を重視するならGPT-5.4が向いています。回答開始までの時間はGemini 4 Carbonの方が短く、73.5秒 対 144.9秒です。

要点(2026年11月16日時点)

  • BenchLeader IndexはGemini 4 Carbonが68.9、GPT-5.4が63.1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-5.4の100万トークンあたりのブレンド価格は$5.63です(定価、2026年11月16日)。
  • 両モデルに結果がある17件のベンチマークのうち、Gemini 4 Carbonが16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 65;SciCode 64.2% 対 56.6%高
エージェント・ツール利用Gemini 4 Carbonカテゴリスコア70 対 63;GDPval-AA v2.1 1733 対 1256中
数学Gemini 4 Carbonカテゴリスコア72 対 65;FrontierMath Tiers 1–3 90.5% 対 78.6%中
推論Gemini 4 Carbonカテゴリスコア73 対 66;GPQA Diamond 96.5% 対 93.3%高
知識Gemini 4 Carbonカテゴリスコア76 対 59;SimpleQA Verified 77.7% 対 45.1%高
長い文書GPT-5.4カテゴリスコア66 対 64;AA-LCR v1.1 82.0% 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 $5.63;エージェント型コーディングセッション$0.160 対 $0.210–
回答開始の速さGemini 4 Carbon最初の回答トークンまで73.5秒(Gemini 4 Carbon (high))対 144.9秒(GPT-5.4 (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

  • 品質ではGemini 4 Carbon (high)がリードしています:68.9 対 63.1。
  • Gemini 4 Carbon (high)はエージェント・ツール、コーディング、知識、数学、推論で優れています。
  • GPT-5.4 (xhigh)は長文コンテキストで優れています。
  • Gemini 4 Carbon (high)の方が1.4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 $5.63)。

概要

仕様Gemini 4 CarbonGPT-5.4
プロバイダーGoogleOpenAI
リリース日2026年10月28日2026年3月5日
コンテキストウィンドウ(トークン)1,048,5761,050,000
比較した構成Gemini 4 Carbon (high)GPT-5.4 (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$2.50 / $15.00 / $0.250

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-5.4 (xhigh)トップ
推論73.265.7Gemini 4 Carbon
コーディング74.164.7Gemini 4 Carbon
エージェント・ツール70.363.0Gemini 4 Carbon
数学71.964.8Gemini 4 Carbon
知識76.158.6Gemini 4 Carbon
指示追従–72.4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64.365.7GPT-5.4
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推論コーディングエージェント・ツール数学知識長文コンテキストGemini 4 Carbon, 推論: 73.2Gemini 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, 数学: 71.9Gemini 4 Carbon, 知識: 76.1Gemini 4 Carbon, 長文コンテキスト: 64.3GPT-5.4, 推論: 65.7GPT-5.4, コーディング: 64.7GPT-5.4, エージェント・ツール: 63.0GPT-5.4, 数学: 64.8GPT-5.4, 知識: 58.6GPT-5.4, 長文コンテキスト: 65.7

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。

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17件のベンチマークのうち、Gemini 4 Carbonのリードが16件、GPT-5.4のリードが1件です。両方を評価しているすべての総合指標で、Gemini 4 Carbonが上回っています。

総合IndexGemini 4 Carbon (high)GPT-5.4 (xhigh)トップ
BenchLeader Index68.963.1Gemini 4 Carbon
Arena Text15261475†Gemini 4 Carbon

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-5.4 (xhigh)
100万トークンあたりのブレンド価格$4.00$5.63
100万トークンあたりの入力/出力$2.00 / $10.00$2.50 / $15.00
100万トークンあたりのキャッシュ入力$0.100$0.250
タスクあたりの価格:チャットの返答$0.0038$0.0055
タスクあたりの価格:30ページのレポートを要約$0.030$0.039
タスクあたりの価格:コード編集$0.027$0.037
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$0.210
タスクあたりの価格:構造化データの抽出$0.0060$0.0080
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$0.109
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/s73 tok/s
回答開始までの時間73.5秒144.9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193.1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-5.4 (xhigh)のスコアは63.1、最初の回答トークンまで145秒。GPT-5.4 (low)は58.8(3秒)、GPT-5.4 (high)は58.6(2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

171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-5.4 (xhigh)
BenchLeader IndexBenchLeader68.963.1
エージェント・ツールスコアBenchLeader70.363.0
コーディングスコアBenchLeader74.164.7
総合スコアBenchLeader70.3–
人間の評価スコアBenchLeader72.6–
知識スコアBenchLeader76.158.6
長文コンテキストスコアBenchLeader64.365.7
数学スコアBenchLeader71.964.8
推論スコアBenchLeader73.265.7
指示追従スコアBenchLeader–72.4
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$5.63
出力速度BenchLeader64 tok/s73 tok/s
回答開始までの時間BenchLeader73.5秒144.9秒
コンテキストウィンドウBenchLeader1,048,576トークン1,050,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub96.5%93.3%
Humanity's Last ExamScale AI / CAIS–36.2%
SimpleBenchSimpleBench92.6%†–
Arena Hard PromptsArena (LMArena)15471487†
LiveBench 2.0 ReasoningLiveBench90.6%–
LiveBench 1.0 ReasoningLiveBench–88.1%
GPQA Diamond (AA)Artificial Analysis–92.0%
Humanity's Last Exam (AA)Artificial Analysis–43.7%
HLE-Diamond (AA)Artificial Analysis69.1%–
GPQA Diamond (Vals)Vals AI–91.7%
Kagi LLM BenchmarkKagi LLM Benchmark–63.8%†
ARC-AGI-1ARC Prize97.5%93.7%
ARC-AGI-2ARC Prize92.1%74.0%
ARC-AGI-3ARC Prize96.9%0.2%†
CritPtArtificial Analysis–23.4%
CritPt v2 hard subset (AA)Artificial Analysis69.0%–
Arena ExpertArena (LMArena)15671491†
Chess PuzzlesEpoch AI Benchmarking Hub78.0%48.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub73.0%37.0%
CL-benchEpoch AI Benchmarking Hub–27.9%
CL-bench LifeEpoch AI Benchmarking Hub–21.7%
LMCAEpoch AI Benchmarking Hub–52.0%
DTBenchEpoch AI Benchmarking Hub–94.4%
ForecastBenchForecastBench–63.0%†
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub–76.9%†
171件のベンチマークをすべて表示
指標公開元Gemini 4 Carbon (high)GPT-5.4 (xhigh)
コーディング
SciCodeSciCode64.2%56.6%
WeirdMLWeirdML–77.7%
GSO-BenchGSO-Bench–31.4%
Arena CodingArena (LMArena)15681511†
Arena WebDevArena (LMArena)17681400†
LiveBench 2.0 CodingLiveBench91.0%–
LiveBench 1.0 CodingLiveBench–77.5%
LiveCodeBenchVals AI–84.1%
SWE-bench (Vals)Vals AI–78.2%
SWE-Bench ProScale AI SEAL–59.1%
Code MigrationVals AI–35.0%
ProgramBenchVals AI–0.0%
Vibe Code Bench v1.1Vals AI89.1%67.4%
Vibe Code Bench 1-100 v1.1Vals AI49.7%–
SWE-Bench Pro (private)Scale AI SEAL–43.4%
SWE Atlas v1.0: Codebase QnAScale AI SEAL–40.8%
SWE Atlas v1.0: RefactoringScale AI SEAL–44.3%
SWE Atlas v1.0: Test WritingScale AI SEAL–44.4%
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%†–
MirrorCodeEpoch AI Benchmarking Hub–23.3%
DeepSWE v1.1Epoch AI Benchmarking Hub–51.8%
CursorBenchCursor60.4%–
ALE-BenchEpoch AI Benchmarking Hub–1607†
AlgoTuneAlgoTune–1.9†
FrontierSWEEpoch AI Benchmarking Hub61.2%–
Terminal-Bench 4.0 (AA)Artificial Analysis65.2%–
Terminal-Bench 2.1 (AA)Artificial Analysis–78.3%
GameBench 2 OverallDuelLab GameBench 2–53.4†
GameBench 2 by reasoning settingDuelLab GameBench 2–62.1
Design Arena WebsiteDesign Arena1319†1190†
FrontierCode 2.0 (AA)Artificial Analysis40.6%–
エージェント・ツール
Terminal-BenchTerminal-Bench64.5%81.8%†
APEX-AgentsMercor84.2%†52.4%†
Arena AgentArena (LMArena)17–
LiveBench Long AgenticLiveBench72.7%–
LiveBench BrowserLiveBench80.0%–
LiveBench Agentic CodingLiveBench–53.8%
Terminal-Bench HardArtificial Analysis–57.6%
τ²-Bench Telecom (AA)Artificial Analysis–87.1%
MCP AtlasScale AI SEAL–70.6%
HiL-BenchScale AI SEAL50.3%†9.7%†
τ³-bench Bankingτ²-bench–39.4%
GDPval-AA v2.1Artificial Analysis17331256
τ³-Banking (AA)Artificial Analysis–39.6%
APEX-Agents (AA)Artificial Analysis–33.3%
Finance Agent v2.1Vals AI67.2%–
Harvey's Legal Agent Benchmark v1.1Vals AI17.5%–
Harvey's Legal Agent Benchmark v1Vals AI–0.0%
Legal Research BenchVals AI55.8%–
SkillsBenchVals AI–51.7%
Tax Agent BenchVals AI51.8%–
Terminal-Bench 2.0 (Vals)Vals AI–58.4%†
Terminal-Bench 4.0 (Vals)Vals AI63.1%–
Arena SearchArena (LMArena)–1196†
Arena Agent Task CompletionArena (LMArena)18.4–
DeepResearch BenchDeepResearch Bench–35.1%†
PostTrainBenchEpoch AI Benchmarking Hub–17.8%†
METR Time HorizonsMETR–74.3%
GBAEvalEpoch AI Benchmarking Hub–45.1%†
Vending-Bench 2Andon Labs16484.2†6144.2†
AutomationBenchArtificial Analysis77.8%–
GDP.pdf (AA)Artificial Analysis28.4%–
AA-Briefcase v1.1Artificial Analysis1611–
GDPxGDPx by SemiAnalysis10.9%–
Design Arena AgenticDesign Arena1305†1042†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis64.8%–
MKA (AA)Artificial Analysis54.3%–
DeepSearchQAGoogle–63.7%†
FACTS SearchGoogle94.4%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub90.5%78.6%
FrontierMath Tier 4Epoch AI Benchmarking Hub95.1%49.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%95.3%
ProofBenchVals AI–56.0%
LiveBench MathematicsLiveBench–94.2%
AIME (Vals)Vals AI–96.7%
AIME 2026MathArena–99.2%
HMMT February 2026MathArena–97.7%
USAMO 2026MathArena–95.2%
MathArena ApexMathArena–54.2%
ArXivMathMathArena94.3%–
BrokenArXivMathArena84.4%–
Arena MathsArena (LMArena)–1459†
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub77.7%45.1%
LiveBench 2.0 Data AnalysisLiveBench86.5%–
LiveBench ResearchLiveBench92.5%–
LiveBench 1.0 Data AnalysisLiveBench–79.3%
AA-Omniscience v1.1Artificial Analysis53.5–
MMLU-ProVals AI–87.5%
LegalBenchVals AI–86.0%
CorpFinVals AI–65.3%
TaxEvalVals AI–74.0%
MedQAVals AI–96.1%
PRBench FinanceScale AI SEAL–45.6%†
PRBench LegalScale AI SEAL53.4%†44.4%†
MultiNRCScale AI SEAL–58.3%†
CaseLaw v2Vals AI–63.8%
Excel Modeling Benchmark v1.1Vals AI76.5%–
MedCodeVals AI–41.3%
MedScribeVals AI–77.5%
DrugDiscoveryBenchScale AI SEAL71.5%–
EBR-benchEpoch AI Benchmarking Hub87.6%25.4%
AA-Omniscience v1.1: accuracyArtificial Analysis58.3%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis88.6%–
FACTS ParametricGoogle81.6%†–
指示追従
LiveBench LanguageLiveBench–82.6%
LiveBench Instruction FollowingLiveBench–70.2%
IFBenchArtificial Analysis–74.0%
Arena Instruction FollowingArena (LMArena)15251460†
人間の評価
Arena TextArena (LMArena)15261465†
EQ-Bench 4EQ-Bench–1258†
EQ-Bench Creative Writing v3EQ-Bench–1841†
Arena Creative WritingArena (LMArena)15161433†
Arena Multi-turnArena (LMArena)15641480†
Arena Longer QueriesArena (LMArena)15381477†
マルチモーダル
Arena VisionArena (LMArena)–1292†
LiveBench DesignLiveBench80.2%–
MMMU-ProArtificial Analysis89.3%†78.4%
VISTAScale AI SEAL–50.9%†
MMMU-Pro (Vals)Vals AI–87.5%
MortgageTaxVals AI–68.3%
Humanity's Sixth SenseScale AI SEAL71.1%–
VTBScale AI SEAL–29.2%†
Blueprint-Bench 2Epoch AI Benchmarking Hub58.6%†27.1%†
Furniture AssemblyEpoch AI Benchmarking Hub77.5%37.5%
VIALS-AAHandshake AI64.0%–
FACTS MultimodalGoogle60.2%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis79.3%82.0%
Arena DocumentArena (LMArena)–1471†
MLCRArtificial Analysis19.4%–
FACTS GroundingGoogle77.2%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub169.8†157.8†
LiveBench 2.0LiveBench83.5%–
LiveBench 1.0LiveBench–78.0%
AA Intelligence Index v5.0.1Artificial Analysis60.0–
AA Intelligence Index v4.3.2Artificial Analysis–39.0
AA Progress Index v1Artificial Analysis350.8311.6
Vals IndexVals AI70.5–
Vals Finance IndexVals AI67.0%–
Vals RSI IndexVals AI27.7%15.5%
Vals Legal IndexVals AI75.9%–
安全性・誠実さ
FORTRESSScale AI SEAL16.4%†–
MASKScale AI SEAL–89.7%†

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 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)。
  • GPT-5.4 (xhigh):新しい結果1件(GDPval-AA v2.1)。
  • 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…)。
  • GPT-5.4 (xhigh):新しい結果1件(MirrorCode)。
  • 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。

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-5.4:よくある質問

Gemini 4 CarbonはGPT-5.4より優れていますか?
品質ではGemini 4 Carbon (high)がリードしています:68.9 対 63.1。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日時点では総合でGemini 4 Carbon (high)が上回っていますが、用途に合わせてカテゴリ別のスコアも確認してください。
Gemini 4 CarbonとGPT-5.4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 $5.63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-5.4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 65。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SciCodeでは、Gemini 4 Carbonが64.2%、GPT-5.4が56.6%です。
Gemini 4 CarbonとGPT-5.4はどちらが速いですか?
GPT-5.4の方が出力が速くなっています(出力73 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-5.4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70 対 63。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-5.4の方がスコアが高くなっています(66 対 64)。どちらも約1.1Mトークンです(Gemini 4 Carbonは1,048,576、GPT-5.4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 Carbonです。Artificial Analysisの測定では、最初の回答トークンまで73.5秒 対 144.9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-5.4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17件のベンチマークのうち、Gemini 4 Carbonのリードが16件、GPT-5.4のリードが1件です。両方を評価しているすべての総合指標で、Gemini 4 Carbonが上回っています。
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。