BenchLeader

Gemini 3.1 Pro vs Muse Spark

詳しいプロフィール:Gemini 3.1 Pro(Google)とMuse Spark(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 · 11件の情報源のデータ

2026年11月16日時点で、Gemini 3.1 ProとMuse Sparkの品質は互角です(BenchLeader Indexで60.4 対 64.2、±4.9の誤差範囲内)。数学(66 対 59)、知識(66 対 63)を重視するならGemini 3.1 Pro、エージェント・ツール(65 対 57)、コーディング(65 対 59)、推論(67 対 65)を重視するならMuse Sparkが向いています。

要点(2026年11月16日時点)

  • BenchLeader IndexはGemini 3.1 Proが60.4、Muse Sparkが64.2です(BenchLeader、2026年11月16日)。
  • Gemini 3.1 Proの100万トークンあたりのブレンド価格は$4.50です(定価、2026年11月16日)。
  • 両モデルに結果がある16件のベンチマークのうち、Gemini 3.1 Proが12件でリードしています(BenchLeader、2026年11月16日)。

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 Sparkカテゴリスコア65 対 59;SWE-bench (Vals) 74.4% 対 78.8%中
エージェント・ツール利用Muse Sparkカテゴリスコア65 対 57;MCP Atlas 82.2% 対 78.2%高
数学Gemini 3.1 Proカテゴリスコア66 対 59;OTIS Mock AIME 95.6% 対 88.9%中
推論Muse Sparkカテゴリスコア67 対 65;GPQA Diamond 89.8% 対 94.4%中
知識Gemini 3.1 Proカテゴリスコア66 対 63;MMLU-Pro 91.0% 対 87.3%中
チャットの質(人間の評価)–Arenaの評価があるのはMuse Sparkのみです(カテゴリスコア68)比較不可
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 Pro (high)とMuse Sparkの品質は互角です(60.4 対 64.2、±4.9の誤差範囲内)。
  • Gemini 3.1 Pro (high)は知識、数学で優れています。
  • Muse Sparkはエージェント・ツール、コーディング、推論で優れています。

概要

仕様Gemini 3.1 ProMuse Spark
プロバイダーGoogleMeta
リリース日2026年2月19日2026年4月8日
コンテキストウィンドウ(トークン)1,048,576262,144
比較した構成Gemini 3.1 Pro (high)Muse Spark
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)$2.00 / $12.00 / $0.200–

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 Pro (high)Muse Sparkトップ
推論64.767.4Muse Spark
コーディング58.665.1Muse Spark
エージェント・ツール56.765.0Muse Spark
数学65.759.1Gemini 3.1 Pro
知識65.663.1Gemini 3.1 Pro
指示追従–76.9比較不可
人間の評価–68.1比較不可
マルチモーダル–64.2比較不可
長文コンテキスト–63.6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 3.1 Pro, 推論: 64.7Gemini 3.1 Pro, コーディング: 58.6Gemini 3.1 Pro, エージェント・ツール: 56.7Gemini 3.1 Pro, 数学: 65.7Gemini 3.1 Pro, 知識: 65.6Muse Spark, 推論: 67.4Muse Spark, コーディング: 65.1Muse Spark, エージェント・ツール: 65.0Muse Spark, 数学: 59.1Muse Spark, 知識: 63.1

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16件のベンチマークのうち、Gemini 3.1 Proのリードが12件、Muse Sparkのリードが4件です。両方を評価しているすべての総合指標で、Muse Sparkが上回っています。

総合IndexGemini 3.1 Pro (high)Muse Sparkトップ
BenchLeader Index60.464.2互角
Arena Text1487†1489Muse Spark

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 Pro (high)Muse Spark
100万トークンあたりのブレンド価格$4.50–
100万トークンあたりの入力/出力$2.00 / $12.00– / –
100万トークンあたりのキャッシュ入力$0.200–
タスクあたりの価格:チャットの返答$0.0044–
タスクあたりの価格:30ページのレポートを要約$0.031–
タスクあたりの価格:コード編集$0.030–
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$0.168–
タスクあたりの価格:構造化データの抽出$0.0064–
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)$0.087–
出力速度111 tok/s–
回答開始までの時間15.2秒–
回答が完了するまでの時間(最終測定2026年11月13日)37.5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 3.1 Pro (high)のスコアは60.4、最初の回答トークンまで15秒。Gemini 3.1 Proは59.9(15秒)。Muse Sparkのスコアは64.2。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

159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 Pro (high)Muse Spark
BenchLeader IndexBenchLeader60.464.2
エージェント・ツールスコアBenchLeader56.765.0
コーディングスコアBenchLeader58.665.1
知識スコアBenchLeader65.663.1
数学スコアBenchLeader65.759.1
推論スコアBenchLeader64.767.4
人間の評価スコアBenchLeader–68.1
指示追従スコアBenchLeader–76.9
長文コンテキストスコアBenchLeader–63.6
マルチモーダルスコアBenchLeader–64.2
ブレンド価格($/100万トークン)BenchLeader$4.50–
出力速度BenchLeader111 tok/s–
回答開始までの時間BenchLeader15.2秒–
コンテキストウィンドウBenchLeader1,048,576トークン262,144トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub94.4%89.8%
Humanity's Last ExamScale AI / CAIS46.4%†40.6%
SimpleBenchSimpleBench79.6%†–
Arena Hard PromptsArena (LMArena)1508†1506
LiveBench 1.0 ReasoningLiveBench84.0%–
GPQA Diamond (AA)Artificial Analysis94.1%†88.4%
Humanity's Last Exam (AA)Artificial Analysis47.0%†40.7%
HLE-Diamond (AA)Artificial Analysis31.4%†–
GPQA Diamond (Vals)Vals AI95.5%89.7%
EnigmaEvalScale AI SEAL36.8%–
ARC-AGI-1ARC Prize98.0%†–
ARC-AGI-2ARC Prize77.1%†–
ARC-AGI-3ARC Prize0.4%†–
CritPtArtificial Analysis17.7%†11.3%
MysteryMechanismVals AI20.7%–
Arena ExpertArena (LMArena)1509†1491
Chess PuzzlesEpoch AI Benchmarking Hub51.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub34.0%–
CL-benchEpoch AI Benchmarking Hub20.8%†–
CL-bench LifeEpoch AI Benchmarking Hub16.9%†–
LMCAEpoch AI Benchmarking Hub53.8%–
DTBenchEpoch AI Benchmarking Hub95.5%–
ForecastBenchForecastBench65.2%–
コーディング
SciCodeSciCode58.7%†51.5%
WeirdMLWeirdML72.1%†–
159件のベンチマークをすべて表示
指標公開元Gemini 3.1 Pro (high)Muse Spark
コーディング
GSO-BenchGSO-Bench22.6%†–
Arena CodingArena (LMArena)1520†1529
Arena WebDevArena (LMArena)1446†–
LiveBench 1.0 CodingLiveBench76.5%–
SciCode (AA)Artificial Analysis58.7%†–
LiveCodeBenchVals AI88.5%–
IOIVals AI51.8%–
SWE-bench (Vals)Vals AI78.8%74.4%
SWE-Bench ProScale AI SEAL46.1%†55.0%
Code MigrationVals AI17.3%–
ProgramBenchVals AI0.0%–
Vibe Code Bench 1-100Vals AI6.7%–
Vibe Code Bench v1.1Vals AI32.0%19.7%
SWE-Bench Pro (private)Scale AI SEAL32.2%†44.7%
SWE Atlas v1.0: Codebase QnAScale AI SEAL13.5%†24.2%
SWE Atlas v1.0: RefactoringScale AI SEAL33.8%†–
SWE Atlas v1.0: Test WritingScale AI SEAL29.8%†31.1%
MirrorCodeEpoch AI Benchmarking Hub8.9%–
DeepSWE v1.1Epoch AI Benchmarking Hub11.7%†–
ALE-BenchEpoch AI Benchmarking Hub1160.6†–
AlgoTuneAlgoTune2.0†–
Terminal-Bench 4.0 (AA)Artificial Analysis4.0%†–
Terminal-Bench 2.1 (AA)Artificial Analysis73.8%†62.2%
Design Arena WebsiteDesign Arena1226†1253
エージェント・ツール
Terminal-BenchTerminal-Bench80.2%†–
APEX-AgentsMercor35.1%†–
Arena AgentArena (LMArena)-4.5†–
LiveBench Agentic CodingLiveBench44.1%–
Terminal-Bench HardArtificial Analysis53.8%†45.5%
τ²-Bench Telecom (AA)Artificial Analysis95.6%†91.5%
Terminal-Bench 2.1 (Vals)Vals AI70.8%–
MCP AtlasScale AI SEAL78.2%82.2%
HiL-BenchScale AI SEAL35.3%†–
τ³-bench Bankingτ²-bench26.0%–
GDPval-AA v2.1, normalised scoreArtificial Analysis14.6%†–
GDPval-AA v2.1Artificial Analysis799†1006
τ³-Banking (AA)Artificial Analysis21.4%†–
ITBench SRE (AA)Artificial Analysis30.3%†–
Analyst Agent (AA)Artificial Analysis41.3%†–
APEX-Agents (AA)Artificial Analysis32.0%†–
Finance Agent v2Vals AI43.0%–
Harvey's Legal Agent Benchmark v1Vals AI0.0%–
Legal Research BenchVals AI20.7%–
SREBenchVals AI0.0%–
Tax Agent BenchVals AI9.3%–
Terminal-Bench 2.0 (Vals)Vals AI67.4%59.5%
Terminal-Bench 4.0 (Vals)Vals AI2.5%–
Terminal-Bench ScienceVals AI1.4%–
Arena SearchArena (LMArena)1209†–
Arena Agent Task CompletionArena (LMArena)-11.3†–
BALROGBALROG57.0%†–
DeepResearch BenchDeepResearch Bench47.8%–
PostTrainBenchEpoch AI Benchmarking Hub18.1%†–
ExploitBenchEpoch AI Benchmarking Hub26.1%†–
METR Time HorizonsMETR77.0%†–
GBAEvalEpoch AI Benchmarking Hub0.8%†–
Vending-Bench 2Andon Labs911.2†–
AutomationBenchArtificial Analysis35.4%†–
GDP.pdf (AA)Artificial Analysis17.8%†–
Harvey LAB-AA v1.1Harvey0.0%†–
EnterpriseOps-GymArtificial Analysis42.2%†–
AA-Briefcase v1.1Artificial Analysis457†646
Design Arena AgenticDesign Arena1088†–
BrowseCompOpenAI31.2%†–
DeepSearchQAGoogle60.2%†–
FACTS SearchGoogle90.2%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub59.6%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub26.8%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub95.6%88.9%
ProofBenchVals AI26.0%†17.0%
LiveBench MathematicsLiveBench91.0%–
AIME (Vals)Vals AI98.1%96.9%
AIME 2026MathArena98.3%–
HMMT February 2026MathArena94.7%–
USAMO 2026MathArena74.4%–
MathArena ApexMathArena60.9%–
Arena MathsArena (LMArena)1488†1469
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub73.5%–
LiveBench 1.0 Data AnalysisLiveBench78.5%–
MMLU-ProVals AI91.0%87.3%
LegalBenchVals AI87.4%84.2%
CorpFinVals AI64.5%65.1%
TaxEvalVals AI72.9%77.7%
MedQAVals AI96.4%–
PRBench FinanceScale AI SEAL41.9%†52.4%
PRBench LegalScale AI SEAL44.0%†52.3%
MultiNRCScale AI SEAL64.7%†59.0%
BioMysteryBenchVals AI60.0%–
CaseLaw v2Vals AI64.8%63.1%
Excel Modeling BenchmarkVals AI52.6%–
MedCodeVals AI59.1%51.3%
MedScribeVals AI76.1%85.9%
Public Benefits Bench v1.1Vals AI53.8%–
Financial Coaching BenchVals AI66.7%–
DrugDiscoveryBenchScale AI SEAL41.9%–
EBR-benchEpoch AI Benchmarking Hub14.3%†–
GDP.pdfEpoch AI Benchmarking Hub17.0%–
Global-MMLU-Lite (AA)Artificial Analysis93.2%†–
FACTS ParametricGoogle79.4%†–
指示追従
LiveBench LanguageLiveBench85.4%–
LiveBench Instruction FollowingLiveBench79.1%–
IFBenchArtificial Analysis77.1%†75.9%
MultiChallengeScale AI SEAL71.4%†75.5%
TutorBenchScale AI SEAL53.0%†68.5%
Arena Instruction FollowingArena (LMArena)1480†1465
人間の評価
Arena TextArena (LMArena)1487†1489
EQ-Bench 4EQ-Bench1132†–
EQ-Bench Creative Writing v3EQ-Bench1491†–
Arena Creative WritingArena (LMArena)1482†1464
Arena Multi-turnArena (LMArena)1495†1493
Arena Longer QueriesArena (LMArena)1499†1476
マルチモーダル
Arena VisionArena (LMArena)1296†1306
MMMU-ProArtificial Analysis82.4%†80.5%
MMMU-Pro (Vals)Vals AI88.2%87.4%
MortgageTaxVals AI69.4%–
SAGEVals AI83.2%–
VTBScale AI SEAL29.0%†–
GeoBenchGeoBench84.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub26.5%†–
Furniture AssemblyEpoch AI Benchmarking Hub26.7%–
FACTS MultimodalGoogle50.4%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis82.0%†78.0%
Arena DocumentArena (LMArena)1459†1467
MLCRArtificial Analysis11.1%†–
FACTS GroundingGoogle56.6%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.2†153.1
LiveBench 1.0LiveBench77.0%–
AA Intelligence Index v4.3.2Artificial Analysis29.7†31.3
AA Progress Index v1Artificial Analysis296.1†289.1
Vals Science IndexVals AI27.4%–
Vals Multimodal IndexVals AI56.1%–
安全性・誠実さ
FORTRESSScale AI SEAL29.8%†20.2%
MASKScale AI SEAL42.4%†–
DistressBenchScale AI SEAL68.8%†–

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。

最近の変化

  • Muse Spark:新しい結果2件(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Gemini 3.1 Pro (high):新しい結果4件(AIME 2026, HMMT February 2026, USAMO 2026…)。
  • Muse Spark:BenchLeader Index 64.6 → 64.1。
  • Muse Spark:スコアの改訂1件。
  • Gemini 3.1 Pro (high):スコアの改訂1件。
  • Muse Spark:新しい結果1件(AA Progress Index v1)。
  • Gemini 3.1 Pro (high):価格 $1.30/M → $1.44/M。
  • Gemini 3.1 Pro (high):新しい結果2件(Harvey's Legal Agent Benchmark v1, Vals Science Index)。
  • Gemini 3.1 Pro (high):スコアの改訂1件。
  • Gemini 3.1 Pro (high):新しい結果1件(τ³-bench Banking)。

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 Pro vs Muse Spark:よくある質問

Gemini 3.1 ProはMuse Sparkより優れていますか?
Gemini 3.1 Pro (high)とMuse Sparkの品質は互角です(60.4 対 64.2、±4.9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。
コーディングにはGemini 3.1 ProとMuse Sparkのどちらが向いていますか?
コーディングではMuse Sparkの方がスコアが高くなっています(カテゴリ指標で65 対 59。50が平均)。
エージェントやツール利用にはGemini 3.1 ProとMuse Spark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 Sparkの方がスコアが高くなっています(カテゴリ指標で65 対 57。50が平均)。共通するエージェント・ツールベンチマークのうち最も重要なMCP Atlasでは、Gemini 3.1 Proが78.2%、Muse Sparkが82.2%です。
長い文書にはどちらが向いていますか?
コンテキストはGemini 3.1 Proの方が長く、1,048,576トークンです(Muse Sparkは262,144トークン)。
Gemini 3.1 ProとMuse Spark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16件のベンチマークのうち、Gemini 3.1 Proのリードが12件、Muse Sparkのリードが4件です。両方を評価しているすべての総合指標で、Muse Sparkが上回っています。
ほかの質問(1件)
Muse Sparkはいつリリースされましたか?
Muse Sparkは2026年4月8日にリリースされました。