AI BENCHY Compare
Google: Gemini 3.1 Pro Preview vs OpenAI: GPT-5.4
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: 2026-06-04
| 指標 | Gemini 3.1 Pro Preview Gemini 3.1 Pro Preview medium | GPT-5.4 GPT-5.4 medium |
|---|---|---|
| スコア | 9.4 | 8.0 |
| 順位 | #4 | #21 |
| 信頼性 | 10.0 | 10.0 |
| 一貫性 | 10.0 | 8.6 |
| 正解テスト | ||
| 試行ごとの合格率 | 90.5% | 76.2% |
| 不安定なテスト | 0 | 4 |
| 総実行回数 | 63 | 63 |
| 結果あたりのコスト | 5.546 | 8.640 |
| 合計コスト | $1.054 | $1.210 |
| 入力価格 | $2.000 / 1M | $2.500 / 1M |
| 出力価格 | $12.000 / 1M | $15.000 / 1M |
| 合計入力トークン | 41,617 | 34,108 |
| 出力トークン | 1,977 | 2,242 |
| 推論トークン | 78,896 | 72,707 |
| 応答時間（平均） | 20.14s | 22.35s |
| 応答時間（最大） | 88.68s | 100.41s |
| 応答時間（合計） | 281.92s | 469.29s |
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） | 入力トークン | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Pro Preview | 10.0 | 10.0 | 100.0% | 0 | 7.90s | 498 | 112 | 3,218 | |
| GPT-5.4 | 8.3 | 10.0 | 75.0% | 0 | 4.11s | 606 | 240 | 1,511 |
| 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） | 入力トークン | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Pro Preview | 7.9 | 9.9 | 66.7% | 0 | 40.17s | 8,124 | 435 | 41,247 | |
| GPT-5.4 | 8.8 | 7.8 | 88.9% | 1 | 44.36s | 7,305 | 433 | 24,216 |
| 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） | 入力トークン | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Pro Preview | 9.5 | 10.0 | 100.0% | 0 | 40.61s | 17,240 | 432 | 9,281 | |
| GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 20.57s | 11,019 | 301 | 3,543 |
| 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） | 入力トークン | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Pro Preview | 10.0 | 10.0 | 100.0% | 0 | 7.72s | 7,265 | 279 | 3,904 | |
| GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 5.32s | 7,140 | 234 | 804 |
| 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） | 入力トークン | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Pro Preview | 7.7 | 10.0 | 66.7% | 0 | 32.73s | 635 | 18 | 12,424 | |
| GPT-5.4 | 5.3 | 7.2 | 44.4% | 1 | 74.27s | 619 | 61 | 34,748 |
| 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） | 入力トークン | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Pro Preview | 10.0 | 10.0 | 100.0% | 0 | 11.77s | 490 | 108 | 1,179 | |
| GPT-5.4 | 4.7 | 3.1 | 33.3% | 1 | 4.92s | 477 | 145 | 321 |
| 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） | 入力トークン | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Pro Preview | 10.0 | 10.0 | 100.0% | 0 | 9.56s | 621 | 72 | 2,236 | |
| GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 3.11s | 660 | 93 | 897 |
| 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） | 入力トークン | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Pro Preview | 10.0 | 10.0 | 100.0% | 0 | 6.90s | 570 | 235 | 3,128 | |
| GPT-5.4 | 8.2 | 7.2 | 88.9% | 1 | 9.14s | 642 | 441 | 3,815 |
| 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） | 入力トークン | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Pro Preview | 10.0 | 10.0 | 100.0% | 0 | 23.15s | 6,018 | 274 | 982 | |
| GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 13.28s | 5,445 | 264 | 1,031 |
| 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） | 入力トークン | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Pro Preview | 10.0 | 10.0 | 100.0% | 0 | 6.27s | 156 | 12 | 1,297 | |
| GPT-5.4 | 3.0 | 10.0 | 0.0% | 0 | 13.95s | 195 | 30 | 1,821 |
クイック比較
比較ペアを切り替え
Gemini 3.5 FlashnonevsGPT-5.4mediumDeepSeek V4 FlashhighvsGPT-5.4mediumGemini 3.5 FlashminimalvsGPT-5.4mediumGPT-5.4mediumvsQwen3.7 MaxnoneGemini 3.1 Pro PreviewmediumvsGPT-5.5lowGemini 3 Flash PreviewlowvsGPT-5.4mediumGemini 3 Flash PreviewnonevsGPT-5.4mediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.4mediumGPT-5.4mediumvsStep 3.7 FlashlowGemini 3.1 Flash Lite PreviewnonevsGPT-5.4mediumGemini 3.1 Flash LitelowvsGPT-5.4mediumClaude Opus 4.8nonevsGPT-5.4medium