BenchLeader

Gemini 4 Hydrogen vs GPT-5.3-Codex

詳しいプロフィール:Gemini 4 Hydrogen(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 · 7件の情報源のデータ

2026年11月16日時点で、Gemini 4 HydrogenとGPT-5.3-Codexの品質は互角です(BenchLeader Indexで63.4 対 62.9、±7.3の誤差範囲内)。価格はGemini 4 Hydrogenの方が1.6倍安く、100万トークンあたりのブレンド価格で$3.00 対 $4.81です。コーディング(69 対 61)を重視するならGemini 4 Hydrogen、エージェント・ツール(80 対 62)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Gemini 4 Hydrogenの方が短く、16.2秒 対 38.2秒です。Gemini 4 Hydrogenは出力が約2倍速い点も強みです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGemini 4 Hydrogenが63.4、GPT-5.3-Codexが62.9です(BenchLeader、2026年11月16日)。
  • Gemini 4 Hydrogenの100万トークンあたりのブレンド価格は$3.00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)。
  • Gemini 4 HydrogenはGPT-5.3-Codexより出力が約2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1件のベンチマークのうち、Gemini 4 Hydrogenが1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 Hydrogenカテゴリスコア69 対 61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 62;AA-Briefcase v1.1 868 対 1497高
チャットの質(人間の評価)–Arenaの評価があるのはGemini 4 Hydrogenのみです(カテゴリスコア68)比較不可
最低コストGemini 4 Hydrogen100万トークンあたりブレンド価格$3.00 対 $4.81;エージェント型コーディングセッション$0.120 対 $0.161–
回答開始の速さGemini 4 Hydrogen最初の回答トークンまで16.2秒(Gemini 4 Hydrogen (high))対 38.2秒(GPT-5.3-Codex (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 Hydrogen (high)とGPT-5.3-Codex (xhigh)の品質は互角です(63.4 対 62.9、±7.3の誤差範囲内)。
  • Gemini 4 Hydrogen (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・ツールで優れています。
  • Gemini 4 Hydrogen (high)の方が1.6倍安くなっています(100万トークンあたりブレンド価格$3.00 対 $4.81)。
  • Gemini 4 Hydrogen (high)の方が出力が1.8倍速くなっています(170 対 94トークン/秒)。

概要

仕様Gemini 4 HydrogenGPT-5.3-Codex
プロバイダーGoogleOpenAI
リリース日2026年11月12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 Hydrogen (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)$1.50 / $7.50 / $0.075$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 Hydrogen (high)GPT-5.3-Codex (xhigh)トップ
推論69.6–比較不可
コーディング68.861.0Gemini 4 Hydrogen
エージェント・ツール61.780.1GPT-5.3-Codex
数学67.8–比較不可
知識68.5–比較不可
指示追従–73.6比較不可
人間の評価68.2–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–66.4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・ツール数学知識指示追従長文コンテキストマルチモーダル人間の評価Gemini 4 Hydrogen, 推論: 69.6Gemini 4 Hydrogen, コーディング: 68.8Gemini 4 Hydrogen, エージェント・ツール: 61.7Gemini 4 Hydrogen, 数学: 67.8Gemini 4 Hydrogen, 知識: 68.5Gemini 4 Hydrogen, 人間の評価: 68.2GPT-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, 指示追従: 73.6GPT-5.3-Codex, 長文コンテキスト: 66.4GPT-5.3-Codex, マルチモーダル: 60.8

破線:そのモデルは横切る軸の結果がなく、線は隣の軸同士をつないでいるだけです。

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1件のベンチマークのうち、Gemini 4 Hydrogenのリードが1件、GPT-5.3-Codexのリードが0件です。

総合IndexGemini 4 Hydrogen (high)GPT-5.3-Codex (xhigh)トップ
BenchLeader Index63.462.9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 Hydrogen (high)GPT-5.3-Codex (xhigh)
100万トークンあたりのブレンド価格$3.00$4.81
100万トークンあたりの入力/出力$1.50 / $7.50$1.75 / $14.00
100万トークンあたりのキャッシュ入力$0.075$0.175
タスクあたりの価格:チャットの返答$0.0029$0.0049
タスクあたりの価格:30ページのレポートを要約$0.022$0.029
タスクあたりの価格:コード編集$0.020$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$0.120$0.161
タスクあたりの価格:構造化データの抽出$0.0045$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)$0.056$0.090
ベンチマークのタスクあたりのコスト(AA Index)$1.87–
タスクあたりの出力トークン(AA Index)85k–
うち推論48k–
タスクあたりの時間(AA Index)8 min–
出力速度170 tok/s94 tok/s
回答開始までの時間16.2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)63.3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 Hydrogen (high)のスコアは63.4、最初の回答トークンまで16秒。Gemini 4 Hydrogen (xhigh)は61.8(42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

64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 Hydrogen (high)GPT-5.3-Codex (xhigh)
BenchLeader IndexBenchLeader63.462.9
エージェント・ツールスコアBenchLeader61.780.1
コーディングスコアBenchLeader68.861.0
人間の評価スコアBenchLeader68.2–
知識スコアBenchLeader68.5–
数学スコアBenchLeader67.8–
推論スコアBenchLeader69.6–
指示追従スコアBenchLeader–73.6
長文コンテキストスコアBenchLeader–66.4
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$3.00$4.81
出力速度BenchLeader170 tok/s94 tok/s
回答開始までの時間BenchLeader16.2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
Arena Hard PromptsArena (LMArena)1514–
LiveBench 2.0 ReasoningLiveBench88.6%†–
GPQA Diamond (AA)Artificial Analysis–91.5%
Humanity's Last Exam (AA)Artificial Analysis–42.5%
HLE-Diamond (AA)Artificial Analysis54.9%–
CritPtArtificial Analysis–16.9%
CritPt v2 hard subset (AA)Artificial Analysis61.5%–
Arena ExpertArena (LMArena)1542–
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub–74.8%†
WeirdMLWeirdML–77.9%
Arena CodingArena (LMArena)1518–
Arena WebDevArena (LMArena)17041406†
LiveBench 2.0 CodingLiveBench78.5%†–
LiveCodeBenchVals AI–87.3%
IOIVals AI–53.8%
SWE-bench (Vals)Vals AI–78.0%
Vibe Code Bench v1.1Vals AI87.8%†61.8%
ALE-BenchEpoch AI Benchmarking Hub–1655.2
Terminal-Bench 4.0 (AA)Artificial Analysis54.0%–
Design Arena WebsiteDesign Arena1320†1155†
FrontierCode 2.0 (AA)Artificial Analysis36.3%–
エージェント・ツール
Terminal-BenchTerminal-Bench56.4%78.4%†
LiveBench Long AgenticLiveBench61.8%†–
LiveBench BrowserLiveBench77.1%†–
Terminal-Bench HardArtificial Analysis–53.0%
64件のベンチマークをすべて表示
指標公開元Gemini 4 Hydrogen (high)GPT-5.3-Codex (xhigh)
エージェント・ツール
τ²-Bench Telecom (AA)Artificial Analysis–86.0%
HiL-BenchScale AI SEAL–4.3%†
Finance Agent v2.1Vals AI65.1%†–
Harvey's Legal Agent Benchmark v1.1Vals AI11.3%†–
Legal Research BenchVals AI53.9%†–
Tax Agent BenchVals AI52.3%†–
Terminal-Bench 2.0 (Vals)Vals AI–64.0%†
Terminal-Bench 4.0 (Vals)Vals AI54.0%†–
METR Time HorizonsMETR–74.5%†
Vending-Bench 2Andon Labs–5940.1†
AutomationBenchArtificial Analysis74.4%–
GDP.pdf (AA)Artificial Analysis30.0%–
AA-Briefcase v1.1Artificial Analysis1497868
Design Arena AgenticDesign Arena1262†1018†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis41.4%–
数学
Arena MathsArena (LMArena)1495–
知識
LiveBench 2.0 Data AnalysisLiveBench83.2%†–
LiveBench ResearchLiveBench86.8%†–
AA-Omniscience v1.1Artificial Analysis43.7–
Excel Modeling Benchmark v1.1Vals AI75.8%†–
AA-Omniscience v1.1: accuracyArtificial Analysis48.2%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis91.3%–
指示追従
IFBenchArtificial Analysis–75.4%
Arena Instruction FollowingArena (LMArena)1503–
人間の評価
Arena TextArena (LMArena)1490–
Arena Creative WritingArena (LMArena)1492–
Arena Multi-turnArena (LMArena)1476–
Arena Longer QueriesArena (LMArena)1514–
マルチモーダル
LiveBench DesignLiveBench77.3%†–
MMMU-ProArtificial Analysis–78.5%
長文コンテキスト
AA-LCR v1.1Artificial Analysis–83.3%
MLCRArtificial Analysis21.1%†–
総合
LiveBench 2.0LiveBench77.0%†–
AA Intelligence Index v5.0.1Artificial Analysis50.8–
AA Intelligence Index v4.3.2Artificial Analysis–32.5
AA Progress Index v1Artificial Analysis–301.3
Vals IndexVals AI68.5†–
Vals Finance IndexVals AI66.1%†–
Vals Legal IndexVals AI73.6%†–

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。

最近の変化

  • Gemini 4 Hydrogen (high):新しい結果10件(Arena Text, Arena Hard Prompts, Arena Coding…)。
  • GPT-5.3-Codex (xhigh):新しい結果1件(AA-Briefcase v1.1)。
  • GPT-5.3-Codex (xhigh):新しい結果1件(AA Progress Index v1)。

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 Hydrogen vs GPT-5.3-Codex:よくある質問

Gemini 4 HydrogenはGPT-5.3-Codexより優れていますか?
Gemini 4 Hydrogen (high)とGPT-5.3-Codex (xhigh)の品質は互角です(63.4 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 Hydrogen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 Hydrogenの方が安く、100万トークンあたり$3.00 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 Hydrogen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 Hydrogenの方がスコアが高くなっています(カテゴリ指標で69 対 61。50が平均)。
Gemini 4 HydrogenとGPT-5.3-Codexはどちらが速いですか?
Gemini 4 Hydrogenの方が出力が約2倍速くなっています(出力170 対 94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 Hydrogen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 62。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?
コンテキストはGemini 4 Hydrogen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Gemini 4 Hydrogenです。Artificial Analysisの測定では、最初の回答トークンまで16.2秒 対 38.2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 Hydrogen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1件のベンチマークのうち、Gemini 4 Hydrogenのリードが1件、GPT-5.3-Codexのリードが0件です。
Gemini 4 Hydrogenはいつリリースされましたか?
Gemini 4 Hydrogenは2026年11月12日にリリースされました。