AI BENCHY Compare
Google: Gemini 3.1 Flash Lite vs OpenAI: GPT-5.3-Codex
ベンチマークは AI BENCHY テストスイートから次の日時に生成: 2026-05-22
| 指標 | Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite minimal | GPT-5.3-Codex GPT-5.3-Codex medium |
|---|---|---|
| スコア | 6.7 | 8.3 |
| 順位 | #78 | #15 |
| 信頼性 | 10.0 | 10.0 |
| 一貫性 | 8.8 | 8.4 |
| 正解テスト | ||
| 試行ごとの合格率 | 56.7% | 81.7% |
| 不安定なテスト | 3 | 4 |
| 総実行回数 | 60 | 60 |
| 結果あたりのコスト | 0.123 | 4.891 |
| 合計コスト | $0.013 | $0.685 |
| ???? | $0.250 / 1M | $1.750 / 1M |
| ???? | $1.500 / 1M | $14.000 / 1M |
| 出力トークン | 2,481 | 2,332 |
| 推論トークン | 0 | 42,616 |
| 応答時間（平均） | 1.37s | 15.97s |
| 応答時間（最大） | 4.49s | 100.93s |
| 応答時間（合計） | 27.32s | 319.30s |
スコア vs 総コスト
応答時間（平均）
スコア vs 応答時間（平均）
合計出力トークン
スコア vs 合計出力トークン
カテゴリ内訳
| 反AIトリック | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Flash Lite | 8.3 | 10.0 | 75.0% | 0 | 1.10s | 639 | 0 | |
| GPT-5.3-Codex | 8.7 | 7.9 | 91.7% | 1 | 4.16s | 240 | 1,722 |
| コーディング | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Flash Lite | 6.8 | 10.0 | 50.0% | 0 | 951ms | 660 | 0 | |
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 18.45s | 514 | 7,266 |
| 複合 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Flash Lite | 3.0 | 10.0 | 0.0% | 0 | 2.53s | 357 | 0 | |
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 19.56s | 364 | 2,731 |
| データ解析と抽出 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Flash Lite | 10.0 | 10.0 | 100.0% | 0 | 1.04s | 279 | 0 | |
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 3.07s | 234 | 728 |
| ドメイン特化 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Flash Lite | 2.9 | 7.2 | 11.1% | 1 | 1.02s | 15 | 0 | |
| GPT-5.3-Codex | 5.9 | 7.2 | 55.6% | 1 | 64.31s | 64 | 25,308 |
| 汎用知能 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Flash Lite | 4.0 | 10.0 | 0.0% | 0 | 791ms | 63 | 0 | |
| GPT-5.3-Codex | 4.6 | 10.0 | 0.0% | 0 | 4.87s | 187 | 331 |
| 指示追従 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Flash Lite | 10.0 | 10.0 | 100.0% | 0 | 932ms | 72 | 0 | |
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 3.04s | 93 | 693 |
| パズル解決 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Flash Lite | 6.0 | 4.6 | 66.7% | 2 | 2.15s | 153 | 0 | |
| GPT-5.3-Codex | 9.0 | 7.9 | 88.9% | 1 | 5.12s | 352 | 1,644 |
| ツール呼び出し | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Flash Lite | 10.0 | 10.0 | 100.0% | 0 | 3.51s | 234 | 0 | |
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 6.37s | 254 | 492 |
| 雑学 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Flash Lite | 3.0 | 10.0 | 0.0% | 0 | 724ms | 9 | 0 | |
| GPT-5.3-Codex | 2.8 | 1.6 | 33.3% | 1 | 14.43s | 30 | 1,701 |
クイック比較
比較ペアを切り替え
Gemini 3.1 Flash LiteminimalvsKimi K2.5mediumDeepSeek V4 ProhighvsGemini 3.1 Flash LiteminimalGemini 3.1 Flash LiteminimalvsGrok 4.20mediumGemini 3.1 Flash LiteminimalvsGrok Build 0.1noneGemini 3.1 Flash LiteminimalvsQwen3.6 27BmediumGemini 3.1 Flash LiteminimalvsGPT-5.5noneGemini 3.1 Flash LiteminimalvsGPT-5 MinimediumGemini 3.1 Flash LiteminimalvsMiMo-V2-OmnimediumGemini 3.1 Flash LiteminimalvsQwen3.5 Plus 2026-02-15noneGemini 3 Flash PreviewlowvsGPT-5.3-CodexmediumDeepSeek V3.2mediumvsGemini 3.1 Flash LiteminimalGemini 3.1 Flash LiteminimalvsQwen3.5-35B-A3Bmedium