AI BENCHY Compare
Google: Gemini 3 Flash Preview 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: 2026-05-10
| 指標 | Gemini 3 Flash Preview Gemini 3 Flash Preview low | GPT-5.3-Codex GPT-5.3-Codex medium |
|---|---|---|
| スコア | 8.8 | 8.2 |
| 順位 | #7 | #13 |
| 信頼性 | 10.0 | 10.0 |
| 一貫性 | 9.6 | 8.3 |
| 正解テスト | ||
| 試行ごとの合格率 | 86.0% | 80.7% |
| 不安定なテスト | 1 | 4 |
| 総実行回数 | 57 | 57 |
| 結果あたりのコスト | 0.579 | 4.594 |
| 合計コスト | $0.093 | $0.598 |
| ???? | $0.500 / 1M | $1.750 / 1M |
| ???? | $3.000 / 1M | $14.000 / 1M |
| 出力トークン | 2,027 | 2,309 |
| 推論トークン | 23,906 | 36,880 |
| 応答時間（平均） | 5.84s | 15.33s |
| 応答時間（最大） | 14.72s | 100.93s |
| 応答時間（合計） | 110.87s | 291.34s |
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 Flash Preview | 10.0 | 10.0 | 100.0% | 0 | 3.48s | 281 | 3,082 | |
| 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 Flash Preview | 10.0 | 10.0 | 100.0% | 0 | 6.94s | 426 | 2,717 | |
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 8.95s | 491 | 1,530 |
| 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 Flash Preview | 3.0 | 10.0 | 0.0% | 0 | 3.27s | 326 | 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 Flash Preview | 10.0 | 10.0 | 100.0% | 0 | 9.40s | 279 | 3,656 | |
| 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 Flash Preview | 5.3 | 7.2 | 44.4% | 1 | 8.05s | 12 | 6,410 | |
| 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 Flash Preview | 10.0 | 10.0 | 100.0% | 0 | 3.68s | 120 | 981 | |
| 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 Flash Preview | 9.9 | 10.0 | 100.0% | 0 | 7.02s | 71 | 2,752 | |
| 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 Flash Preview | 10.0 | 10.0 | 100.0% | 0 | 6.11s | 269 | 3,260 | |
| 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 Flash Preview | 10.0 | 10.0 | 100.0% | 0 | 4.99s | 234 | 415 | |
| 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 Flash Preview | 10.0 | 10.0 | 100.0% | 0 | 2.75s | 9 | 633 | |
| 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 Flash PreviewlowvsGPT-5.5mediumClaude Opus 4.7mediumvsGemini 3 Flash PreviewlowGemini 3 Flash PreviewlowvsQwen3.6 Max PreviewmediumGemini 3 Flash PreviewnonevsGPT-5.3-CodexmediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.3-CodexmediumSeed-2.0-LitemediumvsGemini 3 Flash PreviewlowGemini 3.1 Flash Lite PreviewnonevsGPT-5.3-CodexmediumGemini 3 Flash PreviewlowvsQwen3.5 Plus 2026-02-15mediumGemini 3.1 Flash LitelowvsGPT-5.3-CodexmediumDeepSeek V4 FlashhighvsGPT-5.3-CodexmediumGemini 3 Flash PreviewlowvsQwen3.5-27BmediumGemini 3 Flash PreviewlowvsMiMo-V2.5-Promedium