BenchLeader

Gemini 4 Hydrogen vs GPT-5.5

詳しいプロフィール:Gemini 4 Hydrogen(Google)とGPT-5.5(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-5.5の品質は互角です(BenchLeader Indexで63.4 対 64.1、±4.3の誤差範囲内)。価格はGemini 4 Hydrogenの方が3.8倍安く、100万トークンあたりのブレンド価格で$3.00 対 $11.25です。コーディング(69 対 61)、知識(69 対 64)、推論(70 対 68)を重視するならGemini 4 Hydrogen、数学(69 対 68)を重視するならGPT-5.5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 38.3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-5.5が64.1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-5.5の100万トークンあたりのブレンド価格は$11.25です(定価、2026年11月16日)。
  • Gemini 4 HydrogenはGPT-5.5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5件のベンチマークのうち、Gemini 4 Hydrogenが5件でリードしています(BenchLeader、2026年11月16日)。
  • Arena WebDevでの評価はGemini 4 Hydrogenが1704、GPT-5.5が1512です(LMArena、2026年11月16日までの公開値)。

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;Arena WebDev 1704 対 1512高
エージェント・ツール利用どちらでもカテゴリスコア62 対 62;AutomationBench 74.4% 対 47.3%どちらでも
数学GPT-5.5カテゴリスコア69 対 68中
推論Gemini 4 Hydrogenカテゴリスコア70 対 68中
知識Gemini 4 Hydrogenカテゴリスコア69 対 64中
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 $11.25;エージェント型コーディングセッション$0.120 対 $0.420–
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 38.3秒(GPT-5.5 (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-5.5 (xhigh)の品質は互角です(63.4 対 64.1、±4.3の誤差範囲内)。
  • Gemini 4 Hydrogen (high)はコーディング、知識、推論で優れています。
  • GPT-5.5 (xhigh)はエージェント・ツール、数学で優れています。
  • Gemini 4 Hydrogen (high)の方が3.8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 $11.25)。
  • Gemini 4 Hydrogen (high)の方が出力が2.1倍速くなっています(170 対 81トークン/秒)。

概要

仕様Gemini 4 HydrogenGPT-5.5
プロバイダーGoogleOpenAI
リリース日2026年11月12日2026年4月23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-5.5 (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$5.00 / $30.00 / $0.500

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-5.5 (xhigh)トップ
推論69.668.1Gemini 4 Hydrogen
コーディング68.860.7Gemini 4 Hydrogen
エージェント・ツール61.761.8互角
数学67.869.3GPT-5.5
知識68.563.6Gemini 4 Hydrogen
指示追従–74.0比較不可
人間の評価68.2–比較不可
マルチモーダル–62.3比較不可
長文コンテキスト–66.9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-5.5, 推論: 68.1GPT-5.5, コーディング: 60.7GPT-5.5, エージェント・ツール: 61.8GPT-5.5, 数学: 69.3GPT-5.5, 知識: 63.6

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5件のベンチマークのうち、Gemini 4 Hydrogenのリードが5件、GPT-5.5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-5.5 (xhigh)トップ
BenchLeader Index63.464.1互角
Arena Text14901481†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-5.5 (xhigh)
100万トークンあたりのブレンド価格$3.00$11.25
100万トークンあたりの入力/出力$1.50 / $7.50$5.00 / $30.00
100万トークンあたりのキャッシュ入力$0.075$0.500
タスクあたりの価格:チャットの返答$0.0029$0.011
タスクあたりの価格:30ページのレポートを要約$0.022$0.078
タスクあたりの価格:コード編集$0.020$0.075
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$0.420
タスクあたりの価格:構造化データの抽出$0.0045$0.016
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$0.217
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/s81 tok/s
回答開始までの時間16.2秒38.3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104.3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-5.5 (xhigh)のスコアは64.1、最初の回答トークンまで38秒。GPT-5.5 (high)は63.5(16秒)、GPT-5.5は61.0(3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

155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-5.5 (xhigh)
BenchLeader IndexBenchLeader63.464.1
エージェント・ツールスコアBenchLeader61.761.8
コーディングスコアBenchLeader68.860.7
人間の評価スコアBenchLeader68.2–
知識スコアBenchLeader68.563.6
数学スコアBenchLeader67.869.3
推論スコアBenchLeader69.668.1
指示追従スコアBenchLeader–74.0
長文コンテキストスコアBenchLeader–66.9
マルチモーダルスコアBenchLeader–62.3
ブレンド価格($/100万トークン)BenchLeader$3.00$11.25
出力速度BenchLeader170 tok/s81 tok/s
回答開始までの時間BenchLeader16.2秒38.3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–90.7%†
SimpleBenchSimpleBench–69.0%†
Arena Hard PromptsArena (LMArena)15141499†
LiveBench 2.0 ReasoningLiveBench88.6%†–
LiveBench 1.0 ReasoningLiveBench–89.7%
GPQA Diamond (AA)Artificial Analysis–93.5%
Humanity's Last Exam (AA)Artificial Analysis–45.8%
HLE-Diamond (AA)Artificial Analysis54.9%–
GPQA Diamond (Vals)Vals AI–93.2%
Kagi LLM BenchmarkKagi LLM Benchmark–88.8%†
ARC-AGI-1ARC Prize–95.0%
ARC-AGI-2ARC Prize–85.0%
ARC-AGI-3ARC Prize–0.4%†
CritPtArtificial Analysis–27.1%
CritPt v2 hard subset (AA)Artificial Analysis61.5%–
Arena ExpertArena (LMArena)15421510†
Chess PuzzlesEpoch AI Benchmarking Hub–63.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub–56.0%
CL-bench LifeEpoch AI Benchmarking Hub–22.2%†
LMCAEpoch AI Benchmarking Hub–54.3%
DTBenchEpoch AI Benchmarking Hub–96.0%
ForecastBenchForecastBench–64.2%†
BTF-3Epoch AI Benchmarking Hub–14.3%†
コーディング
SciCodeSciCode–55.8%
WeirdMLWeirdML–84.9%
155件のベンチマークをすべて表示
指標公開元Gemini 4 Hydrogen (high)GPT-5.5 (xhigh)
コーディング
FrontierCodeCognition–43.0%†
GSO-BenchGSO-Bench–40.2%
Arena CodingArena (LMArena)15181510†
Arena WebDevArena (LMArena)17041512
LiveBench 2.0 CodingLiveBench78.5%†–
LiveBench 1.0 CodingLiveBench–82.2%
LiveCodeBenchVals AI–85.3%
SWE-bench (Vals)Vals AI–82.6%
Code MigrationVals AI–45.2%
ProgramBenchVals AI–0.5%
Vibe Code Bench v1.1Vals AI87.8%†69.8%
SWE Atlas v1.0: Codebase QnAScale AI SEAL–45.4%
SWE Atlas v1.0: RefactoringScale AI SEAL–44.8%
SWE Atlas v1.0: Test WritingScale AI SEAL–42.6%
MirrorCodeEpoch AI Benchmarking Hub–23.3%
Surface Evolver BenchEpoch AI Benchmarking Hub–88.1%†
DeepSWE v1.1Epoch AI Benchmarking Hub–67.0%
ALE-BenchEpoch AI Benchmarking Hub–1943.0
Terminal-Bench 4.0 (AA)Artificial Analysis54.0%14.7%
Terminal-Bench 2.1 (AA)Artificial Analysis–84.3%
GameBench 2 OverallDuelLab GameBench 2–49.2†
GameBench 2 by reasoning settingDuelLab GameBench 2–59.9
Design Arena WebsiteDesign Arena1320†1248†
FrontierCode 2.0 (AA)Artificial Analysis36.3%–
エージェント・ツール
Terminal-BenchTerminal-Bench56.4%84.7%†
OSWorld-Verified 2.0OSWorld–13.0%
Remote Labor IndexScale AI / CAIS–6.3%†
APEX-AgentsMercor–55.1%†
LiveBench Long AgenticLiveBench61.8%†–
LiveBench BrowserLiveBench77.1%†–
LiveBench Agentic CodingLiveBench–54.0%
Terminal-Bench HardArtificial Analysis–60.6%
τ²-Bench Telecom (AA)Artificial Analysis–93.9%
Terminal-Bench 2.1 (Vals)Vals AI–57.3%†
MCP AtlasScale AI SEAL–75.3%
HiL-BenchScale AI SEAL–39.7%†
τ³-bench Bankingτ²-bench–44.6%
GDPval-AA v2.1Artificial Analysis–1357
τ³-Banking (AA)Artificial Analysis–39.0%
ITBench SRE (AA)Artificial Analysis–45.8%
Analyst Agent (AA)Artificial Analysis–50.0%
APEX-Agents (AA)Artificial Analysis–37.7%
Finance Agent v2Vals AI–51.8%
Finance Agent v2.1Vals AI65.1%†–
Harvey's Legal Agent Benchmark v1.1Vals AI11.3%†–
Harvey's Legal Agent Benchmark v1Vals AI–3.8%
Legal Research BenchVals AI53.9%†40.4%
SkillsBenchVals AI–62.2%
SREBenchVals AI–3.8%
Tax Agent BenchVals AI52.3%†21.8%
Terminal-Bench 2.0 (Vals)Vals AI–73.2%†
Terminal-Bench 4.0 (Vals)Vals AI54.0%†–
Time Horizon Index: KSPVals AI–8.3%
Arena SearchArena (LMArena)–1226†
DeepResearch BenchDeepResearch Bench–54.0%†
PostTrainBenchEpoch AI Benchmarking Hub–23.9%
ExploitBenchEpoch AI Benchmarking Hub–47.4%†
GBAEvalEpoch AI Benchmarking Hub–53.2%†
Vending-Bench 2Andon Labs–7523.8†
AutomationBenchArtificial Analysis74.4%47.3%
GDP.pdf (AA)Artificial Analysis30.0%21.2%
EnterpriseOps-GymArtificial Analysis–46.6%
AA-Briefcase v1.1Artificial Analysis14971135
Design Arena AgenticDesign Arena1262†1113†
RoboDojo (LLM as robot policy)RoboDojo–1.1†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis41.4%–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub–85.3%
FrontierMath Tier 4Epoch AI Benchmarking Hub–72.5%
OTIS Mock AIMEEpoch AI Benchmarking Hub–84.4%†
ProofBenchVals AI–50.0%
LiveBench MathematicsLiveBench–95.9%
AIME 2026MathArena–100.0%
HMMT February 2026MathArena–98.5%
USAMO 2026MathArena–98.2%
MathArena ApexMathArena–80.2%
Arena MathsArena (LMArena)14951500†
FrontierMath ErdősEpoch AI Benchmarking Hub–0.0%
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub–63.0%
LiveBench 2.0 Data AnalysisLiveBench83.2%†–
LiveBench ResearchLiveBench86.8%†–
LiveBench 1.0 Data AnalysisLiveBench–81.6%
AA-Omniscience v1.1Artificial Analysis43.7–
MMLU-ProVals AI–88.1%
LegalBenchVals AI–86.5%
CorpFinVals AI–68.4%
TaxEvalVals AI–75.0%
CaseLaw v2Vals AI–66.2%
Excel Modeling BenchmarkVals AI–64.5%
Excel Modeling Benchmark v1.1Vals AI75.8%†–
MedCodeVals AI–49.1%
MedScribeVals AI–86.9%
Public Benefits Bench v1.1Vals AI–60.9%
DrugDiscoveryBenchScale AI SEAL–51.6%
EBR-benchEpoch AI Benchmarking Hub–34.3%
GDP.pdfEpoch AI Benchmarking Hub–26.0%
AA-Omniscience v1.1: accuracyArtificial Analysis48.2%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis91.3%–
指示追従
LiveBench LanguageLiveBench–87.4%
LiveBench Instruction FollowingLiveBench–70.7%
IFBenchArtificial Analysis–75.8%
Arena Instruction FollowingArena (LMArena)15031475†
人間の評価
Arena TextArena (LMArena)14901476†
EQ-Bench 4EQ-Bench–1295†
EQ-Bench Creative Writing v3EQ-Bench–1845†
Arena Creative WritingArena (LMArena)14921448†
Arena Multi-turnArena (LMArena)14761484†
Arena Longer QueriesArena (LMArena)15141486†
マルチモーダル
Arena VisionArena (LMArena)–1296†
LiveBench DesignLiveBench77.3%†–
MMMU-ProArtificial Analysis–79.9%
MMMU-Pro (Vals)Vals AI–88.3%
MortgageTaxVals AI–68.8%
Blueprint-Bench 2Epoch AI Benchmarking Hub–36.2%†
Furniture AssemblyEpoch AI Benchmarking Hub–44.2%
Code2Video-AAArtificial Analysis–1000
長文コンテキスト
AA-LCR v1.1Artificial Analysis–84.3%
Arena DocumentArena (LMArena)–1479†
MLCRArtificial Analysis21.1%†28.9%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–160.1†
LiveBench 2.0LiveBench77.0%†–
LiveBench 1.0LiveBench–80.2%
AA Intelligence Index v5.0.1Artificial Analysis50.8–
AA Intelligence Index v4.3.2Artificial Analysis–38.4
AA Progress Index v1Artificial Analysis–320
Vals IndexVals AI68.5†–
Vals Finance IndexVals AI66.1%†–
Vals RSI IndexVals AI–16.5%
Vals Multimodal IndexVals AI–68.1%
Vals Legal IndexVals AI73.6%†–
安全性・誠実さ
FORTRESSScale AI SEAL–16.3%

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-5.5 (xhigh):新しい結果1件(GDPval-AA v2.1)。
  • GPT-5.5 (xhigh):BenchLeader Index 64.6 → 64.1。
  • Gemini 4 Hydrogen (high):新しい結果10件(Arena Text, Arena Hard Prompts, Arena Coding…)。
  • GPT-5.5 (xhigh):スコアの改訂1件。
  • GPT-5.5 (xhigh):新しい結果1件(MirrorCode)。
  • GPT-5.5 (xhigh):スコアの改訂1件。
  • GPT-5.5 (xhigh):新しい結果1件(AA Progress Index v1)。
  • GPT-5.5 (xhigh):価格 $2.63/M → $2.10/M。
  • GPT-5.5 (xhigh):新しい結果1件(AA-Briefcase v1.1)。
  • GPT-5.5 (xhigh):新しい結果2件(Harvey's Legal Agent Benchmark v1, Vals RSI Index)。

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-5.5:よくある質問

Gemini 4 HydrogenはGPT-5.5より優れていますか?
Gemini 4 Hydrogen (high)とGPT-5.5 (xhigh)の品質は互角です(63.4 対 64.1、±4.3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-5.5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 $11.25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-5.5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)。共通するコーディングベンチマークのうち最も重要なArena WebDevでは、Gemini 4 Hydrogenが1704、GPT-5.5が1512です。
Gemini 4 HydrogenとGPT-5.5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 81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-5.5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互角です(カテゴリ指標で62 対 62)。
ほかの質問(4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-5.5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 38.3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-5.5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5件のベンチマークのうち、Gemini 4 Hydrogenのリードが5件、GPT-5.5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。
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。