BenchLeader

Gemini 3.1 Flash Lite vs Muse Ember

詳しいプロフィール:Gemini 3.1 Flash Lite(Google)とMuse Ember(Meta)。すべてのベンチマーク、価格、順位を掲載しています。

更新 · 10件の情報源のデータ

2026年11月16日時点で、Gemini 3.1 Flash LiteとMuse Emberの品質は互角です(BenchLeader Indexで52.6 対 52.1、±6.3の誤差範囲内)。価格はMuse Emberの方が2.8倍安く、100万トークンあたりのブレンド価格で$0.200 対 $0.563です。両方を測定できるすべてのカテゴリでMuse Emberがリードしています。Muse Emberの方が出力が速いです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGemini 3.1 Flash Liteが52.6、Muse Emberが52.1です(BenchLeader、2026年11月16日)。
  • Gemini 3.1 Flash Liteの100万トークンあたりのブレンド価格は$0.563です(定価、2026年11月16日)。
  • Muse Emberの100万トークンあたりのブレンド価格は$0.200です(定価、2026年11月16日)。
  • Muse EmberはGemini 3.1 Flash Liteより出力が速いです(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13件のベンチマークのうち、Muse Emberが12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 3.1 Flash Liteが1256、Muse Emberが1609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Muse Emberカテゴリスコア60 対 43;Arena WebDev 1609 対 1256高
エージェント・ツール利用Muse Emberカテゴリスコア52 対 43;AutomationBench 68.1% 対 6.8%高
推論Muse Emberカテゴリスコア51 対 41;HLE-Diamond (AA) 25.1% 対 9.0%高
知識Muse Emberカテゴリスコア49 対 44;AA-Omniscience v1.1 7.4 対 -24.1中
チャットの質(人間の評価)–Arenaの評価があるのはGemini 3.1 Flash Liteのみです(カテゴリスコア61)比較不可
最低コストMuse Ember100万トークンあたりブレンド価格$0.200 対 $0.563;エージェント型コーディングセッション$0.008 対 $0.021–
回答開始の速さGemini 3.1 Flash Lite最初の回答トークンまで3.5秒(Gemini 3.1 Flash Lite)対 5.0秒(Muse Ember (max))–
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 3.1 Flash LiteとMuse Ember (max)の品質は互角です(52.6 対 52.1、±6.3の誤差範囲内)。
  • Muse Ember (max)はエージェント・ツール、コーディング、知識、推論で優れています。
  • Muse Ember (max)の方が2.8倍安くなっています(100万トークンあたりブレンド価格$0.200 対 $0.563)。
  • Muse Ember (max)の方が出力が1.4倍速くなっています(437 対 301トークン/秒)。

概要

仕様Gemini 3.1 Flash LiteMuse Ember
プロバイダーGoogleMeta
リリース日2026年3月3日2026年11月9日
コンテキストウィンドウ(トークン)1,048,5761,048,576
比較した構成Gemini 3.1 Flash LiteMuse Ember (max)
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)$0.250 / $1.50 / $0.025$0.100 / $0.500 / $0.0040

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 3.1 Flash LiteMuse Ember (max)トップ
推論41.351.1Muse Ember
コーディング42.660.0Muse Ember
エージェント・ツール43.152.4Muse Ember
数学61.3–比較不可
知識44.248.8Muse Ember
指示追従62.7–比較不可
人間の評価61.2–比較不可
マルチモーダル57.7–比較不可
長文コンテキスト61.7–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・ツール知識Gemini 3.1 Flash Lite, 推論: 41.3Gemini 3.1 Flash Lite, コーディング: 42.6Gemini 3.1 Flash Lite, エージェント・ツール: 43.1Gemini 3.1 Flash Lite, 知識: 44.2Muse Ember, 推論: 51.1Muse Ember, コーディング: 60.0Muse Ember, エージェント・ツール: 52.4Muse Ember, 知識: 48.8

描画していないもの(測定済みのモデルが2つ未満):数学, 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13件のベンチマークのうち、Gemini 3.1 Flash Liteのリードが1件、Muse Emberのリードが12件です。両方を評価しているすべての総合指標で、Muse Emberが上回っています。

総合IndexGemini 3.1 Flash LiteMuse Ember (max)トップ
BenchLeader Index52.652.1互角
AA Intelligence Index v5.0.16.236.0Muse Ember

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 3.1 Flash LiteMuse Ember (max)
100万トークンあたりのブレンド価格$0.563$0.200
100万トークンあたりの入力/出力$0.250 / $1.50$0.100 / $0.500
100万トークンあたりのキャッシュ入力$0.025$0.0040
タスクあたりの価格:チャットの返答$0.0006$0.0002
タスクあたりの価格:30ページのレポートを要約$0.0039$0.0015
タスクあたりの価格:コード編集$0.0038$0.0014
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$0.021$0.0080
タスクあたりの価格:構造化データの抽出$0.0008$0.0003
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)$0.011$0.0037
ベンチマークのタスクあたりのコスト(AA Index)$0.194$0.136
タスクあたりの出力トークン(AA Index)16k84k
うち推論11k52k
タスクあたりの時間(AA Index)53 s3 min
出力速度301 tok/s437 tok/s
回答開始までの時間3.5秒5.0秒
回答が完了するまでの時間(最終測定2026年11月13日)7.5秒12.9秒

トークン単価とタスクあたりのコストは別物です。Artificial AnalysisのIntelligence Indexの平均的なタスクにかかったコストは、Gemini 3.1 Flash Liteで$0.194、Muse Ember (max)で$0.136でした。同じ作業でMuse Ember (max)は5.3倍の出力トークンを書いています。これはトークン単価だけでは見えない差です。

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 3.1 Flash Liteのスコアは52.6、最初の回答トークンまで4秒。Gemini 3.1 Flash Lite (high)は48.4(4秒)。Muse Ember (max)のスコアは52.1、最初の回答トークンまで5秒。Muse Ember (xhigh)は49.1(4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

104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 3.1 Flash LiteMuse Ember (max)
BenchLeader IndexBenchLeader52.652.1
エージェント・ツールスコアBenchLeader43.152.4
コーディングスコアBenchLeader42.660.0
人間の評価スコアBenchLeader61.2–
指示追従スコアBenchLeader62.7–
知識スコアBenchLeader44.248.8
長文コンテキストスコアBenchLeader61.7–
数学スコアBenchLeader61.3–
マルチモーダルスコアBenchLeader57.7–
推論スコアBenchLeader41.351.1
ブレンド価格($/100万トークン)BenchLeader$0.563$0.200
出力速度BenchLeader301 tok/s437 tok/s
回答開始までの時間BenchLeader3.5秒5.0秒
コンテキストウィンドウBenchLeader1,048,576トークン1,048,576トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub81.8%†–
Humanity's Last ExamScale AI / CAIS8.6%–
SimpleBenchSimpleBench–72.7%†
Arena Hard PromptsArena (LMArena)1445–
GPQA Diamond (AA)Artificial Analysis82.2%–
Humanity's Last Exam (AA)Artificial Analysis17.2%–
HLE-Diamond (AA)Artificial Analysis9.0%25.1%
GPQA Diamond (Vals)Vals AI81.1%†–
Kagi LLM BenchmarkKagi LLM Benchmark67.2%–
CritPtArtificial Analysis1.1%–
CritPt v2 hard subset (AA)Artificial Analysis3.0%39.0%
Arena ExpertArena (LMArena)1445–
LMCAEpoch AI Benchmarking Hub35.0%†–
DTBenchEpoch AI Benchmarking Hub76.8%†–
ForecastBenchForecastBench62.6%–
コーディング
SciCodeSciCode43.4%–
WeirdMLWeirdML52.2%–
Arena CodingArena (LMArena)1458–
Arena WebDevArena (LMArena)12561609
LiveCodeBenchVals AI80.1%–
SWE-bench (Vals)Vals AI62.8%†–
Code MigrationVals AI4.6%†–
ProgramBenchVals AI0.0%†–
Vibe Code Bench v1.1Vals AI0.0%†83.7%
SWE Atlas v1.1Scale AI SEAL–56.0%†
104件のベンチマークをすべて表示
指標公開元Gemini 3.1 Flash LiteMuse Ember (max)
コーディング
SWE Atlas v1.1: Codebase QnAScale AI SEAL–61.3%†
SWE Atlas v1.1: Test WritingScale AI SEAL–56.7%†
SWE Atlas v1.1: RefactoringScale AI SEAL–50.0%†
ALE-BenchEpoch AI Benchmarking Hub797.7–
Terminal-Bench 4.0 (AA)Artificial Analysis0.5%40.9%
Terminal-Bench 2.1 (AA)Artificial Analysis31.1%–
GameBench 2 by reasoning settingDuelLab GameBench 215.4†–
Design Arena WebsiteDesign Arena10741330†
FrontierCode 2.0 (AA)Artificial Analysis0.6%27.2%
エージェント・ツール
Terminal-BenchTerminal-Bench–30.6%†
APEX-AgentsMercor–64.3%†
Arena AgentArena (LMArena)–1.7
Terminal-Bench HardArtificial Analysis24.2%–
τ²-Bench Telecom (AA)Artificial Analysis31.3%–
Terminal-Bench 2.1 (Vals)Vals AI34.1%†–
MCP AtlasScale AI SEAL57.1%†–
GDPval-AA v2.1Artificial Analysis438–
τ³-Banking (AA)Artificial Analysis9.7%–
Analyst Agent (AA)Artificial Analysis8.8%–
APEX-Agents (AA)Artificial Analysis12.2%–
Finance Agent v2Vals AI30.0%†–
Finance Agent v2.1Vals AI–63.8%
Harvey's Legal Agent Benchmark v1.1Vals AI–25.0%
Harvey's Legal Agent Benchmark v1Vals AI0.0%†–
Legal Research BenchVals AI3.4%†49.0%
Tax Agent BenchVals AI3.1%†38.2%
Terminal-Bench 2.0 (Vals)Vals AI24.7%†–
Terminal-Bench 4.0 (Vals)Vals AI–39.4%
Arena Agent Task CompletionArena (LMArena)–-7.6
DeepResearch BenchDeepResearch Bench36.4%–
AutomationBenchArtificial Analysis6.8%68.1%
GDP.pdf (AA)Artificial Analysis7.8%22.8%
EnterpriseOps-GymArtificial Analysis28.0%–
AA-Briefcase v1.1Artificial Analysis2081520
Terminal-Bench-Science 0.1 (AA)Artificial Analysis0.0%20.0%
BrowseCompOpenAI1.1%–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub27.7%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub80.0%†–
AIME (Vals)Vals AI83.3%†–
Arena MathsArena (LMArena)1436–
知識
AA-Omniscience v1.1Artificial Analysis-24.17.4
MMLU-ProVals AI86.2%–
LegalBenchVals AI83.8%†–
CorpFinVals AI59.4%†–
TaxEvalVals AI71.8%†–
MultiNRCScale AI SEAL25.0%–
CaseLaw v2Vals AI55.0%†–
Excel Modeling BenchmarkVals AI8.6%†–
Excel Modeling Benchmark v1.1Vals AI–72.2%
MedCodeVals AI47.6%†–
MedScribeVals AI63.9%†–
AA-Omniscience v1.1: accuracyArtificial Analysis31.7%21.1%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis18.3%82.6%
指示追従
IFBenchArtificial Analysis77.2%–
MultiChallengeScale AI SEAL60.6%–
TutorBenchScale AI SEAL51.5%–
Arena Instruction FollowingArena (LMArena)1409–
人間の評価
Arena TextArena (LMArena)1433–
Arena Creative WritingArena (LMArena)1415–
Arena Multi-turnArena (LMArena)1435–
Arena Longer QueriesArena (LMArena)1430–
マルチモーダル
Arena VisionArena (LMArena)1240–
MMMU-ProArtificial Analysis75.5%–
VISTAScale AI SEAL46.9%–
MMMU-Pro (Vals)Vals AI82.5%†–
MortgageTaxVals AI68.0%†–
GeoBenchGeoBench83.0%–
長文コンテキスト
AA-LCR v1.1Artificial Analysis74.3%–
MLCRArtificial Analysis5.0%18.3%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub145.0–
AA Intelligence Index v5.0.1Artificial Analysis6.236.0
AA Intelligence Index v4.3.2Artificial Analysis15.6–
AA Progress Index v1Artificial Analysis244.1–
Vals IndexVals AI–60.5
Vals Finance IndexVals AI–60.9%
Vals Multimodal IndexVals AI41.4%†–
Vals Legal IndexVals AI–75.7%
安全性・誠実さ
FORTRESSScale AI SEAL51.0%11.9%†
MASKScale AI SEAL48.4%–

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

  • Gemini 3.1 Flash Lite:新しい結果2件(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Muse Ember (max):新しい結果1件(Arena Agent)。
  • Gemini 3.1 Flash Lite:新しい結果1件(GeoBench)。
  • Muse Ember (max):新しい結果2件(MLCR, Arena WebDev)。
  • Gemini 3.1 Flash Lite:BenchLeader Index 53.2 → 52.4。
  • Gemini 3.1 Flash Lite:新しい結果3件(AA Intelligence Index v5.0.1, CritPt v2 hard subset (AA), FrontierCode 2.0 (AA))、スコアの改訂1件。
  • Gemini 3.1 Flash Lite:BenchLeader Index 54.4 → 53.2。
  • Gemini 3.1 Flash Lite:新しい結果5件(HLE-Diamond (AA), AA-Omniscience v1.1, AA-Omniscience v1.1: accuracy…)。
  • Gemini 3.1 Flash Lite:新しい結果1件(AA Progress Index v1)。
  • Gemini 3.1 Flash Lite:BenchLeader Index 54.9 → 54.4。

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 3.1 Flash Lite vs Muse Ember:よくある質問

Gemini 3.1 Flash LiteはMuse Emberより優れていますか?
Gemini 3.1 Flash LiteとMuse Ember (max)の品質は互角です(52.6 対 52.1、±6.3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 3.1 Flash LiteとMuse Ember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Muse Emberの方が安く、100万トークンあたり$0.200 対 $0.563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 3.1 Flash LiteとMuse Emberのどちらが向いていますか?
コーディングではMuse Emberの方がスコアが高くなっています(カテゴリ指標で60 対 43。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 3.1 Flash Liteが1256、Muse Emberが1609です。
Gemini 3.1 Flash LiteとMuse Emberはどちらが速いですか?
Muse Emberの方が出力が速くなっています(出力437 対 301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 3.1 Flash LiteとMuse Ember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Muse Emberの方がスコアが高くなっています(カテゴリ指標で52 対 43。50が平均)。
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1,048,576トークンのコンテキストに対応しています。
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 3.1 Flash Liteです。Artificial Analysisの測定では、最初の回答トークンまで3.5秒 対 5.0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 3.1 Flash LiteとMuse Ember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13件のベンチマークのうち、Gemini 3.1 Flash Liteのリードが1件、Muse Emberのリードが12件です。両方を評価しているすべての総合指標で、Muse Emberが上回っています。
Muse Emberはいつリリースされましたか?
Muse Emberは2026年11月9日にリリースされました。