BenchLeader

Gemini 4 Hydrogen vs GPT-5.4

詳しいプロフィール:Gemini 4 Hydrogen(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 · 13件の情報源のデータ

2026年11月16日時点で、Gemini 4 HydrogenとGPT-5.4の品質は互角です(BenchLeader Indexで63.4 対 63.1、±3.3の誤差範囲内)。価格はGemini 4 Hydrogenの方が1.9倍安く、100万トークンあたりのブレンド価格で$3.00 対 $5.63です。知識(69 対 59)、コーディング(69 対 65)、推論(70 対 66)を重視するならGemini 4 Hydrogen、エージェント・ツール(63 対 62)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 Hydrogenの方が短く、16.2秒 対 144.9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-5.4が63.1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-5.4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)。
  • Gemini 4 HydrogenはGPT-5.4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)。

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 65中
エージェント・ツール利用GPT-5.4カテゴリスコア63 対 62中
数学Gemini 4 Hydrogenカテゴリスコア68 対 65中
推論Gemini 4 Hydrogenカテゴリスコア70 対 66中
知識Gemini 4 Hydrogenカテゴリスコア69 対 59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 $5.63;エージェント型コーディングセッション$0.120 対 $0.210–
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 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

  • Gemini 4 Hydrogen (high)とGPT-5.4 (xhigh)の品質は互角です(63.4 対 63.1、±3.3の誤差範囲内)。
  • Gemini 4 Hydrogen (high)はコーディング、知識、数学、推論で優れています。
  • GPT-5.4 (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1.9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 $5.63)。
  • Gemini 4 Hydrogen (high)の方が出力が2.3倍速くなっています(170 対 73トークン/秒)。

概要

仕様Gemini 4 HydrogenGPT-5.4
プロバイダーGoogleOpenAI
リリース日2026年11月12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 Hydrogen (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)$1.50 / $7.50 / $0.075$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 Hydrogen (high)GPT-5.4 (xhigh)トップ
推論69.665.7Gemini 4 Hydrogen
コーディング68.864.7Gemini 4 Hydrogen
エージェント・ツール61.763.0GPT-5.4
数学67.864.8Gemini 4 Hydrogen
知識68.558.6Gemini 4 Hydrogen
指示追従–72.4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–65.7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: 68.5GPT-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: 58.6

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, 長文コンテキスト, 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0件のベンチマークのうち、Gemini 4 Hydrogenのリードが0件、GPT-5.4のリードが0件です。両方を評価しているすべての総合指標で、Gemini 4 Hydrogenが上回っています。

総合IndexGemini 4 Hydrogen (high)GPT-5.4 (xhigh)トップ
BenchLeader Index63.463.1互角
Arena Text14901475†Gemini 4 Hydrogen

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-5.4 (xhigh)
100万トークンあたりのブレンド価格$3.00$5.63
100万トークンあたりの入力/出力$1.50 / $7.50$2.50 / $15.00
100万トークンあたりのキャッシュ入力$0.075$0.250
タスクあたりの価格:チャットの返答$0.0029$0.0055
タスクあたりの価格:30ページのレポートを要約$0.022$0.039
タスクあたりの価格:コード編集$0.020$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$0.120$0.210
タスクあたりの価格:構造化データの抽出$0.0045$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)$0.056$0.109
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/s73 tok/s
回答開始までの時間16.2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)63.3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 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-5.4 (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

148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-5.4 (xhigh)
BenchLeader IndexBenchLeader63.463.1
エージェント・ツールスコアBenchLeader61.763.0
コーディングスコアBenchLeader68.864.7
人間の評価スコアBenchLeader68.2–
知識スコアBenchLeader68.558.6
数学スコアBenchLeader67.864.8
推論スコアBenchLeader69.665.7
指示追従スコアBenchLeader–72.4
長文コンテキストスコアBenchLeader–65.7
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$5.63
出力速度BenchLeader170 tok/s73 tok/s
回答開始までの時間BenchLeader16.2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 Hub–93.3%
Humanity's Last ExamScale AI / CAIS–36.2%
Arena Hard PromptsArena (LMArena)15141487†
LiveBench 2.0 ReasoningLiveBench88.6%†–
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 Analysis54.9%–
GPQA Diamond (Vals)Vals AI–91.7%
Kagi LLM BenchmarkKagi LLM Benchmark–63.8%†
ARC-AGI-1ARC Prize–93.7%
ARC-AGI-2ARC Prize–74.0%
ARC-AGI-3ARC Prize–0.2%†
CritPtArtificial Analysis–23.4%
CritPt v2 hard subset (AA)Artificial Analysis61.5%–
Arena ExpertArena (LMArena)15421491†
Chess PuzzlesEpoch AI Benchmarking Hub–48.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub–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%†
SciCodeSciCode–56.6%
148件のベンチマークをすべて表示
指標公開元Gemini 4 Hydrogen (high)GPT-5.4 (xhigh)
コーディング
WeirdMLWeirdML–77.7%
GSO-BenchGSO-Bench–31.4%
Arena CodingArena (LMArena)15181511†
Arena WebDevArena (LMArena)17041400†
LiveBench 2.0 CodingLiveBench78.5%†–
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 AI87.8%†67.4%
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%
MirrorCodeEpoch AI Benchmarking Hub–23.3%
DeepSWE v1.1Epoch AI Benchmarking Hub–51.8%
ALE-BenchEpoch AI Benchmarking Hub–1607†
AlgoTuneAlgoTune–1.9†
Terminal-Bench 4.0 (AA)Artificial Analysis54.0%–
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 Arena1320†1190†
FrontierCode 2.0 (AA)Artificial Analysis36.3%–
エージェント・ツール
Terminal-BenchTerminal-Bench56.4%81.8%†
APEX-AgentsMercor–52.4%†
LiveBench Long AgenticLiveBench61.8%†–
LiveBench BrowserLiveBench77.1%†–
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 SEAL–9.7%†
τ³-bench Bankingτ²-bench–39.4%
GDPval-AA v2.1Artificial Analysis–1256
τ³-Banking (AA)Artificial Analysis–39.6%
APEX-Agents (AA)Artificial Analysis–33.3%
Finance Agent v2.1Vals AI65.1%†–
Harvey's Legal Agent Benchmark v1.1Vals AI11.3%†–
Harvey's Legal Agent Benchmark v1Vals AI–0.0%
Legal Research BenchVals AI53.9%†–
SkillsBenchVals AI–51.7%
Tax Agent BenchVals AI52.3%†–
Terminal-Bench 2.0 (Vals)Vals AI–58.4%†
Terminal-Bench 4.0 (Vals)Vals AI54.0%†–
Arena SearchArena (LMArena)–1196†
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 Labs–6144.2†
AutomationBenchArtificial Analysis74.4%–
GDP.pdf (AA)Artificial Analysis30.0%–
AA-Briefcase v1.1Artificial Analysis1497–
Design Arena AgenticDesign Arena1262†1042†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis41.4%–
DeepSearchQAGoogle–63.7%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub–78.6%
FrontierMath Tier 4Epoch AI Benchmarking Hub–49.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub–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%
Arena MathsArena (LMArena)14951459†
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub–45.1%
LiveBench 2.0 Data AnalysisLiveBench83.2%†–
LiveBench ResearchLiveBench86.8%†–
LiveBench 1.0 Data AnalysisLiveBench–79.3%
AA-Omniscience v1.1Artificial Analysis43.7–
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 SEAL–44.4%†
MultiNRCScale AI SEAL–58.3%†
CaseLaw v2Vals AI–63.8%
Excel Modeling Benchmark v1.1Vals AI75.8%†–
MedCodeVals AI–41.3%
MedScribeVals AI–77.5%
EBR-benchEpoch AI Benchmarking Hub–25.4%
AA-Omniscience v1.1: accuracyArtificial Analysis48.2%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis91.3%–
指示追従
LiveBench LanguageLiveBench–82.6%
LiveBench Instruction FollowingLiveBench–70.2%
IFBenchArtificial Analysis–74.0%
Arena Instruction FollowingArena (LMArena)15031460†
人間の評価
Arena TextArena (LMArena)14901465†
EQ-Bench 4EQ-Bench–1258†
EQ-Bench Creative Writing v3EQ-Bench–1841†
Arena Creative WritingArena (LMArena)14921433†
Arena Multi-turnArena (LMArena)14761480†
Arena Longer QueriesArena (LMArena)15141477†
マルチモーダル
Arena VisionArena (LMArena)–1292†
LiveBench DesignLiveBench77.3%†–
MMMU-ProArtificial Analysis–78.4%
VISTAScale AI SEAL–50.9%†
MMMU-Pro (Vals)Vals AI–87.5%
MortgageTaxVals AI–68.3%
VTBScale AI SEAL–29.2%†
Blueprint-Bench 2Epoch AI Benchmarking Hub–27.1%†
Furniture AssemblyEpoch AI Benchmarking Hub–37.5%
長文コンテキスト
AA-LCR v1.1Artificial Analysis–82.0%
Arena DocumentArena (LMArena)–1471†
MLCRArtificial Analysis21.1%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–157.8†
LiveBench 2.0LiveBench77.0%†–
LiveBench 1.0LiveBench–78.0%
AA Intelligence Index v5.0.1Artificial Analysis50.8–
AA Intelligence Index v4.3.2Artificial Analysis–39.0
AA Progress Index v1Artificial Analysis–311.6
Vals IndexVals AI68.5†–
Vals Finance IndexVals AI66.1%†–
Vals RSI IndexVals AI–15.5%
Vals Legal IndexVals AI73.6%†–
安全性・誠実さ
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

  • GPT-5.4 (xhigh):新しい結果1件(GDPval-AA v2.1)。
  • Gemini 4 Hydrogen (high):新しい結果10件(Arena Text, Arena Hard Prompts, Arena Coding…)。
  • GPT-5.4 (xhigh):新しい結果1件(MirrorCode)。
  • GPT-5.4 (xhigh):BenchLeader Index 63.7 → 63.2。
  • GPT-5.4 (xhigh):スコアの改訂1件。
  • GPT-5.4 (xhigh):新しい結果1件(AA Progress Index v1)。
  • GPT-5.4 (xhigh):新しい結果2件(Harvey's Legal Agent Benchmark v1, Vals RSI Index)。
  • GPT-5.4 (xhigh):新しい結果2件(USAMO 2026, τ³-bench Banking)。

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-5.4:よくある質問

Gemini 4 HydrogenはGPT-5.4より優れていますか?
Gemini 4 Hydrogen (high)とGPT-5.4 (xhigh)の品質は互角です(63.4 対 63.1、±3.3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-5.4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 Hydrogenの方が安く、100万トークンあたり$3.00 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 Hydrogen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 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 65。50が平均)。
Gemini 4 HydrogenとGPT-5.4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 73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-5.4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GPT-5.4の方がスコアが高くなっています(カテゴリ指標で63 対 62。50が平均)。
ほかの質問(3件)
長い文書にはどちらが向いていますか?
どちらも約1.1Mトークンです(Gemini 4 Hydrogen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 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 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 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。