BenchLeader

Gemini 3.1 Pro vs Muse Spark 1.3

詳しいプロフィール:Gemini 3.1 Pro(Google)とMuse Spark 1.3(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 · 12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 1.3の品質は互角です(BenchLeader Indexで60.4 対 61.6、±8.9の誤差範囲内)。価格はMuse Spark 1.3の方が2.3倍安く、100万トークンあたりのブレンド価格で$2.00 対 $4.50です。数学(66 対 56)を重視するならGemini 3.1 Pro、知識(81 対 66)、推論(71 対 65)、エージェント・ツール(61 対 57)を重視するならMuse Spark 1.3が向いています。回答開始までの時間はMuse Spark 1.3の方が短く、2.6秒 対 15.2秒です。

要点(2026年11月16日時点)

  • BenchLeader IndexはGemini 3.1 Proが60.4、Muse Spark 1.3が61.6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)。
  • Muse Spark 1.3の100万トークンあたりのブレンド価格は$2.00です(定価、2026年11月16日)。
  • 両モデルに結果がある3件のベンチマークのうち、Muse Spark 1.3が3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
エージェント・ツール利用Muse Spark 1.3カテゴリスコア61 対 57中
数学Gemini 3.1 Proカテゴリスコア66 対 56高
推論Muse Spark 1.3カテゴリスコア71 対 65;LMCA 53.9% 対 53.8%中
知識Muse Spark 1.3カテゴリスコア81 対 66;GDP.pdf 27.6% 対 17.0%高
最低コストMuse Spark 1.3100万トークンあたりブレンド価格$2.00 対 $4.50;エージェント型コーディングセッション$0.092 対 $0.168–
回答開始の速さMuse Spark 1.3最初の回答トークンまで2.6秒(Muse Spark 1.3)対 15.2秒(Gemini 3.1 Pro (high))–
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 1.3の品質は互角です(60.4 対 61.6、±8.9の誤差範囲内)。
  • Gemini 3.1 Pro (high)は数学で優れています。
  • Muse Spark 1.3はエージェント・ツール、知識、推論で優れています。
  • Muse Spark 1.3の方が2.3倍安くなっています(100万トークンあたりブレンド価格$2.00 対 $4.50)。
  • Muse Spark 1.3の方が出力が1.5倍速くなっています(163 対 111トークン/秒)。

概要

仕様Gemini 3.1 ProMuse Spark 1.3
プロバイダーGoogleMeta
リリース日2026年2月19日2026年9月2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 Pro (high)Muse Spark 1.3
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$1.25 / $4.25 / $0.150

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 1.3トップ
推論64.771.0Muse Spark 1.3
コーディング58.6–比較不可
エージェント・ツール56.761.3Muse Spark 1.3
数学65.756.3Gemini 3.1 Pro
知識65.681.2Muse Spark 1.3

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推論エージェント・ツール数学知識Gemini 3.1 Pro, 推論: 64.7Gemini 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 1.3, 推論: 71.0Muse Spark 1.3, エージェント・ツール: 61.3Muse Spark 1.3, 数学: 56.3Muse Spark 1.3, 知識: 81.2

描画していないもの(測定済みのモデルが2つ未満):コーディング, 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3件のベンチマークのうち、Gemini 3.1 Proのリードが0件、Muse Spark 1.3のリードが3件です。両方を評価しているすべての総合指標で、Muse Spark 1.3が上回っています。

総合IndexGemini 3.1 Pro (high)Muse Spark 1.3トップ
BenchLeader Index60.461.6互角
Arena Text1487†1497Muse Spark 1.3

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 1.3
100万トークンあたりのブレンド価格$4.50$2.00
100万トークンあたりの入力/出力$2.00 / $12.00$1.25 / $4.25
100万トークンあたりのキャッシュ入力$0.200$0.150
タスクあたりの価格:チャットの返答$0.0044$0.0018
タスクあたりの価格:30ページのレポートを要約$0.031$0.018
タスクあたりの価格:コード編集$0.030$0.014
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$0.092
タスクあたりの価格:構造化データの抽出$0.0064$0.0034
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$0.043
出力速度111 tok/s163 tok/s
回答開始までの時間15.2秒2.6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 1.3のスコアは61.6、最初の回答トークンまで3秒。Muse Spark 1.3 (max)は60.6(31秒)、Muse Spark 1.3 (xhigh)は58.1(11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

195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 1.3
BenchLeader IndexBenchLeader60.461.6
エージェント・ツールスコアBenchLeader56.761.3
コーディングスコアBenchLeader58.6–
知識スコアBenchLeader65.681.2
数学スコアBenchLeader65.756.3
推論スコアBenchLeader64.771.0
ブレンド価格($/100万トークン)BenchLeader$4.50$2.00
出力速度BenchLeader111 tok/s163 tok/s
回答開始までの時間BenchLeader15.2秒2.6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 Hub94.4%–
Humanity's Last ExamScale AI / CAIS46.4%†–
SimpleBenchSimpleBench79.6%†81.8%
Arena Hard PromptsArena (LMArena)1508†1517†
LiveBench 2.0 ReasoningLiveBench–89.7%†
LiveBench 1.0 ReasoningLiveBench84.0%89.7%†
GPQA Diamond (AA)Artificial Analysis94.1%†93.5%†
Humanity's Last Exam (AA)Artificial Analysis47.0%†48.7%†
HLE-Diamond (AA)Artificial Analysis31.4%†33.7%†
GPQA Diamond (Vals)Vals AI95.5%–
EnigmaEvalScale AI SEAL36.8%–
ARC-AGI-1ARC Prize98.0%†–
ARC-AGI-2ARC Prize77.1%†–
ARC-AGI-3ARC Prize0.4%†–
CritPtArtificial Analysis17.7%†24.9%†
CritPt v2 hard subset (AA)Artificial Analysis–48.0%†
MysteryMechanismVals AI20.7%36.0%†
HLE-Diamond (Scale)Scale AI SEAL–25.4%
Arena ExpertArena (LMArena)1509†1521†
Chess PuzzlesEpoch AI Benchmarking Hub51.0%37.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub34.0%25.0%†
CL-benchEpoch AI Benchmarking Hub20.8%†–
CL-bench LifeEpoch AI Benchmarking Hub16.9%†–
LMCAEpoch AI Benchmarking Hub53.8%53.9%
DTBenchEpoch AI Benchmarking Hub95.5%96.5%
195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 1.3
推論
ForecastBenchForecastBench65.2%65.5%†
BTF-3Epoch AI Benchmarking Hub–14.1%†
コーディング
SciCodeSciCode58.7%†58.8%†
WeirdMLWeirdML72.1%†–
GSO-BenchGSO-Bench22.6%†–
Arena CodingArena (LMArena)1520†1534†
Arena WebDevArena (LMArena)1446†1655†
LiveBench 2.0 CodingLiveBench–84.4%†
LiveBench 1.0 CodingLiveBench76.5%81.1%†
LiveCodeBenchVals AI88.5%–
IOIVals AI51.8%56.6%†
SWE-bench (Vals)Vals AI78.8%–
SWE-Bench ProScale AI SEAL46.1%†–
Code MigrationVals AI17.3%47.4%†
ProgramBenchVals AI0.0%2.5%†
SWE-bench MultimodalVals AI–43.1%†
Vibe Code Bench 1-100Vals AI6.7%20.5%†
Vibe Code Bench v1.1Vals AI32.0%85.9%†
SWE-Bench Pro (private)Scale AI SEAL32.2%†–
SWE Atlas v1.0: Codebase QnAScale AI SEAL13.5%†–
SWE Atlas v1.0: RefactoringScale AI SEAL33.8%†–
SWE Atlas v1.0: Test WritingScale AI SEAL29.8%†–
MirrorCodeEpoch AI Benchmarking Hub8.9%54.4%†
DeepSWE v1.1Epoch AI Benchmarking Hub11.7%†–
CursorBenchCursor–41.6%†
ALE-BenchEpoch AI Benchmarking Hub1160.6†1688.3†
AlgoTuneAlgoTune2.0†–
FrontierSWEEpoch AI Benchmarking Hub–25.8%†
WeirdML v3WeirdML–6.7%†
Terminal-Bench 4.0 (AA)Artificial Analysis4.0%†33.3%†
Terminal-Bench 2.1 (AA)Artificial Analysis73.8%†84.3%†
Startrise FrontendStartrise–74.7%
GameBench 2 OverallDuelLab GameBench 2–57.7
GameBench 2 by reasoning settingDuelLab GameBench 2–68.5†
Design Arena WebsiteDesign Arena1226†1353†
FrontierCode 1.1 (AA)Artificial Analysis–40.6%†
FrontierCode 2.0 (AA)Artificial Analysis–23.1%†
エージェント・ツール
Terminal-BenchTerminal-Bench80.2%†14.8%†
APEX-AgentsMercor35.1%†58.6%
Arena AgentArena (LMArena)-4.5†2.2†
LiveBench Long AgenticLiveBench–47.9%†
LiveBench BrowserLiveBench–30.9%†
LiveBench Agentic CodingLiveBench44.1%64.1%†
Terminal-Bench HardArtificial Analysis53.8%†–
τ²-Bench Telecom (AA)Artificial Analysis95.6%†–
Terminal-Bench 2.1 (Vals)Vals AI70.8%79.0%†
MCP AtlasScale AI SEAL78.2%–
HiL-BenchScale AI SEAL35.3%†66.9%
τ³-bench Bankingτ²-bench26.0%–
GDPval-AA v2.1, normalised scoreArtificial Analysis14.6%†–
GDPval-AA v2.1Artificial Analysis799†1681†
τ³-Banking (AA)Artificial Analysis21.4%†50.5%†
ITBench SRE (AA)Artificial Analysis30.3%†33.2%†
Analyst Agent (AA)Artificial Analysis41.3%†37.5%†
APEX-Agents (AA)Artificial Analysis32.0%†–
CUA-benchVals AI–5.8%†
CyberBenchVals AI–72.7%†
Finance Agent v2Vals AI43.0%60.0%†
Harvey's Legal Agent Benchmark v1Vals AI0.0%23.8%†
Legal Research BenchVals AI20.7%55.3%†
SREBenchVals AI0.0%3.8%†
Tax Agent BenchVals AI9.3%42.4%†
Terminal-Bench 2.0 (Vals)Vals AI67.4%–
Terminal-Bench 4.0 (Vals)Vals AI2.5%24.8%†
Terminal-Bench ScienceVals AI1.4%10.0%†
Arena SearchArena (LMArena)1209†–
Arena Agent Task CompletionArena (LMArena)-11.3†3.7†
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%†57.9%†
GDP.pdf (AA)Artificial Analysis17.8%†26.6%†
Harvey LAB-AA v1.1Harvey0.0%†8.9%†
EnterpriseOps-GymArtificial Analysis42.2%†–
AA-Briefcase v1.1Artificial Analysis457†1581†
Design Arena AgenticDesign Arena1088†1283†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–10.9%†
CWE-Bench (AA)Artificial Analysis–60.8%†
DeepSec-Bench (AA)Artificial Analysis–12.5%†
CyberGym end-to-end (AA)Artificial Analysis–59.5%†
BrowseCompOpenAI31.2%†–
DeepSearchQAGoogle60.2%†–
FACTS SearchGoogle90.2%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub59.6%†74.0%†
FrontierMath Tier 4Epoch AI Benchmarking Hub26.8%†46.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub95.6%99.2%†
ProofBenchVals AI26.0%†55.0%
LiveBench MathematicsLiveBench91.0%96.0%†
AIME (Vals)Vals AI98.1%–
AIME 2026MathArena98.3%–
HMMT February 2026MathArena94.7%–
USAMO 2026MathArena74.4%–
MathArena ApexMathArena60.9%–
Arena MathsArena (LMArena)1488†1506†
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub73.5%–
LiveBench 2.0 Data AnalysisLiveBench–79.6%†
LiveBench ResearchLiveBench–82.5%†
LiveBench 1.0 Data AnalysisLiveBench78.5%79.6%†
AA-Omniscience v1.1Artificial Analysis–22.4†
MMLU-ProVals AI91.0%–
LegalBenchVals AI87.4%–
CorpFinVals AI64.5%–
TaxEvalVals AI72.9%–
MedQAVals AI96.4%–
PRBench FinanceScale AI SEAL41.9%†59.5%
PRBench LegalScale AI SEAL44.0%†61.6%
MultiNRCScale AI SEAL64.7%†–
BioMysteryBenchVals AI60.0%–
CaseLaw v2Vals AI64.8%–
Excel Modeling BenchmarkVals AI52.6%67.4%†
MedCodeVals AI59.1%–
MedScribeVals AI76.1%–
Public Benefits Bench v1.1Vals AI53.8%–
Access to Justice BenchmarkVals AI–72.2%†
Financial Coaching BenchVals AI66.7%70.3%†
Immigration BenchVals AI–64.9%†
DrugDiscoveryBenchScale AI SEAL41.9%62.2%†
EBR-benchEpoch AI Benchmarking Hub14.3%†–
GDP.pdfEpoch AI Benchmarking Hub17.0%27.6%
AA-Omniscience v1.1: accuracyArtificial Analysis–38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–74.8%†
Global-MMLU-Lite (AA)Artificial Analysis93.2%†–
FACTS ParametricGoogle79.4%†–
指示追従
LiveBench LanguageLiveBench85.4%82.8%†
LiveBench Instruction FollowingLiveBench79.1%78.0%†
IFBenchArtificial Analysis77.1%†–
MultiChallengeScale AI SEAL71.4%†–
TutorBenchScale AI SEAL53.0%†–
Arena Instruction FollowingArena (LMArena)1480†1485†
人間の評価
Arena TextArena (LMArena)1487†1497†
EQ-Bench 4EQ-Bench1132†–
EQ-Bench Creative Writing v3EQ-Bench1491†1907
Arena Creative WritingArena (LMArena)1482†1468†
Arena Multi-turnArena (LMArena)1495†1493†
Arena Longer QueriesArena (LMArena)1499†1498†
マルチモーダル
Arena VisionArena (LMArena)1296†1310†
LiveBench DesignLiveBench–74.8%†
MMMU-ProArtificial Analysis82.4%†82.0%†
MMMU-Pro (Vals)Vals AI88.2%–
MortgageTaxVals AI69.4%–
SAGEVals AI83.2%–
Humanity's Sixth SenseScale AI SEAL–37.4%†
VTBScale AI SEAL29.0%†–
GeoBenchGeoBench84.0%†86.0%
Blueprint-Bench 2Epoch AI Benchmarking Hub26.5%†–
Furniture AssemblyEpoch AI Benchmarking Hub26.7%–
Code2Video-AAArtificial Analysis–1019†
AA-3DArtificial Analysis–1032†
FACTS MultimodalGoogle50.4%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis82.0%†83.0%†
Arena DocumentArena (LMArena)1459†1474†
MLCRArtificial Analysis11.1%†13.9%†
FACTS GroundingGoogle56.6%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.2†158.2
LiveBench 2.0LiveBench–68.6%†
LiveBench 1.0LiveBench77.0%81.6%†
AA Intelligence Index v5.0.1Artificial Analysis–36.6†
AA Intelligence Index v4.3.2Artificial Analysis29.7†48.1†
AA Progress Index v1Artificial Analysis296.1†324.5†
Vals RSI IndexVals AI–19.6%†
Vals Science IndexVals AI27.4%–
Vals Multimodal IndexVals AI56.1%–
AA Cyber IndexArtificial Analysis–44.3†
安全性・誠実さ
FORTRESSScale AI SEAL29.8%†–
MASKScale AI SEAL42.4%†–
DistressBenchScale AI SEAL68.8%†84.9%

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

  • Muse Spark 1.3:BenchLeader Index 60.2 → 61.6。
  • Gemini 3.1 Pro (high):新しい結果4件(AIME 2026, HMMT February 2026, USAMO 2026…)。
  • Muse Spark 1.3:スコアの改訂1件。
  • Muse Spark 1.3:BenchLeader Index 59.2 → 60.2。
  • Muse Spark 1.3:新しい結果2件(SimpleBench, GeoBench)。
  • Muse Spark 1.3:BenchLeader Index 57.7 → 59.2。
  • Muse Spark 1.3:スコアの改訂4件。
  • Muse Spark 1.3:BenchLeader Index 58.2 → 57.7。
  • Muse Spark 1.3:スコアの改訂1件。
  • Muse Spark 1.3:スコアの改訂1件。

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 1.3:よくある質問

Gemini 3.1 ProはMuse Spark 1.3より優れていますか?
Gemini 3.1 Pro (high)とMuse Spark 1.3の品質は互角です(60.4 対 61.6、±8.9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。
Gemini 3.1 ProとMuse Spark 1.3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 Spark 1.3の方が安く、100万トークンあたり$2.00 対 $4.50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。
Gemini 3.1 ProとMuse Spark 1.3はどちらが速いですか?
Muse Spark 1.3の方が出力が速くなっています(出力163 対 111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 ProとMuse Spark 1.3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 1.3の方がスコアが高くなっています(カテゴリ指標で61 対 57。50が平均)。
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。
ほかの質問(3件)
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Muse Spark 1.3です。Artificial Analysisの測定では、最初の回答トークンまで2.6秒 対 15.2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 ProとMuse Spark 1.3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3件のベンチマークのうち、Gemini 3.1 Proのリードが0件、Muse Spark 1.3のリードが3件です。両方を評価しているすべての総合指標で、Muse Spark 1.3が上回っています。
Muse Spark 1.3はいつリリースされましたか?
Muse Spark 1.3は2026年9月2日にリリースされました。