BenchLeader

Gemini 3.5 Flash vs Muse Spark

詳しいプロフィール:Gemini 3.5 Flash(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 · 12件の情報源のデータ

2026年11月16日時点で、Gemini 3.5 FlashとMuse Sparkの品質は互角です(BenchLeader Indexで62.5 対 64.2、±4.4の誤差範囲内)。マルチモーダル(66 対 64)を重視するならGemini 3.5 Flash、推論(67 対 61)、コーディング(65 対 60)、指示追従(77 対 74)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 3.5 Flashが62.5、Muse Sparkが64.2です(BenchLeader、2026年11月16日)。
  • Gemini 3.5 Flashの100万トークンあたりのブレンド価格は$3.38です(定価、2026年11月16日)。
  • 両モデルに結果がある38件のベンチマークのうち、Gemini 3.5 Flashが28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 60;Arena Coding 1529 対 1508中
エージェント・ツール利用Muse Sparkカテゴリスコア65 対 63;Terminal-Bench Hard 45.5% 対 40.9%中
数学Muse Sparkカテゴリスコア59 対 58;Arena Maths 1469 対 1497中
推論Muse Sparkカテゴリスコア67 対 61;Arena Hard Prompts 1506 対 1496中
知識どちらでもカテゴリスコア63 対 63;MMLU-Pro 89.5% 対 87.3%どちらでも
長い文書Muse Sparkカテゴリスコア64 対 61;AA-LCR v1.1 78.0% 対 73.3%中
画像などのメディアGemini 3.5 Flashカテゴリスコア66 対 64;Arena Vision 1308 対 1306中
指示への追従Muse Sparkカテゴリスコア77 対 74;IFBench 75.9% 対 76.3%中
チャットの質(人間の評価)Muse SparkArenaの投票で68 対 67中
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 3.5 Flash (high)とMuse Sparkの品質は互角です(62.5 対 64.2、±4.4の誤差範囲内)。
  • Gemini 3.5 Flash (high)は知識、マルチモーダルで優れています。
  • Muse Sparkはエージェント・ツール、コーディング、人間の評価、指示追従、長文コンテキスト、数学、推論で優れています。

概要

仕様Gemini 3.5 FlashMuse Spark
プロバイダーGoogleMeta
リリース日2026年5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 3.5 Flash (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)$1.50 / $9.00 / $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 3.5 Flash (high)Muse Sparkトップ
推論60.667.4Muse Spark
コーディング59.565.1Muse Spark
エージェント・ツール62.865.0Muse Spark
数学57.759.1Muse Spark
知識63.363.1互角
指示追従74.476.9Muse Spark
人間の評価66.868.1Muse Spark
マルチモーダル66.264.2Gemini 3.5 Flash
長文コンテキスト61.263.6Muse Spark

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・ツール数学知識指示追従長文コンテキストマルチモーダル人間の評価Gemini 3.5 Flash, 推論: 60.6Gemini 3.5 Flash, コーディング: 59.5Gemini 3.5 Flash, エージェント・ツール: 62.8Gemini 3.5 Flash, 数学: 57.7Gemini 3.5 Flash, 知識: 63.3Gemini 3.5 Flash, 指示追従: 74.4Gemini 3.5 Flash, 長文コンテキスト: 61.2Gemini 3.5 Flash, マルチモーダル: 66.2Gemini 3.5 Flash, 人間の評価: 66.8Muse 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: 63.1Muse Spark, 指示追従: 76.9Muse Spark, 長文コンテキスト: 63.6Muse Spark, マルチモーダル: 64.2Muse Spark, 人間の評価: 68.1

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38件のベンチマークのうち、Gemini 3.5 Flashのリードが28件、Muse Sparkのリードが10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 3.5 Flash (high)Muse Sparkトップ
BenchLeader Index62.564.2互角
Arena Text14781489Muse 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 3.5 Flash (high)Muse Spark
100万トークンあたりのブレンド価格$3.38–
100万トークンあたりの入力/出力$1.50 / $9.00– / –
100万トークンあたりのキャッシュ入力$0.150–
タスクあたりの価格:チャットの返答$0.0033–
タスクあたりの価格:30ページのレポートを要約$0.023–
タスクあたりの価格:コード編集$0.022–
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$0.126–
タスクあたりの価格:構造化データの抽出$0.0048–
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)$0.065–
出力速度176 tok/s–
回答開始までの時間9.9秒–
回答が完了するまでの時間(最終測定2026年11月13日)27.6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 3.5 Flash (high)のスコアは62.5、最初の回答トークンまで10秒。Gemini 3.5 Flash (medium)は61.8(9秒)、Gemini 3.5 Flash (minimal)は55.6(3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

126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 3.5 Flash (high)Muse Spark
BenchLeader IndexBenchLeader62.564.2
エージェント・ツールスコアBenchLeader62.865.0
コーディングスコアBenchLeader59.565.1
人間の評価スコアBenchLeader66.868.1
指示追従スコアBenchLeader74.476.9
知識スコアBenchLeader63.363.1
長文コンテキストスコアBenchLeader61.263.6
数学スコアBenchLeader57.759.1
マルチモーダルスコアBenchLeader66.264.2
推論スコアBenchLeader60.667.4
ブレンド価格($/100万トークン)BenchLeader$3.38–
出力速度BenchLeader176 tok/s–
回答開始までの時間BenchLeader9.9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 Hub92.8%89.8%
Humanity's Last ExamScale AI / CAIS–40.6%
SimpleBenchSimpleBench76.7%†–
Arena Hard PromptsArena (LMArena)14961506
LiveBench 1.0 ReasoningLiveBench82.0%–
GPQA Diamond (AA)Artificial Analysis92.2%88.4%
Humanity's Last Exam (AA)Artificial Analysis42.7%40.7%
GPQA Diamond (Vals)Vals AI92.7%89.7%
EnigmaEvalScale AI SEAL25.4%–
ARC-AGI-1ARC Prize92.5%–
ARC-AGI-2ARC Prize72.1%–
CritPtArtificial Analysis13.1%11.3%
Arena ExpertArena (LMArena)14911491
Chess PuzzlesEpoch AI Benchmarking Hub45.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub32.0%–
LMCAEpoch AI Benchmarking Hub47.1%–
DTBenchEpoch AI Benchmarking Hub94.7%–
ForecastBenchForecastBench64.0%†–
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub79.3%–
SciCodeSciCode53.9%51.5%
WeirdMLWeirdML62.6%–
Arena CodingArena (LMArena)15081529
Arena WebDevArena (LMArena)1500–
LiveBench 1.0 CodingLiveBench78.2%–
SciCode (AA)Artificial Analysis53.9%–
126件のベンチマークをすべて表示
指標公開元Gemini 3.5 Flash (high)Muse Spark
コーディング
LiveCodeBenchVals AI87.6%–
SWE-bench (Vals)Vals AI78.8%74.4%
SWE-Bench ProScale AI SEAL–55.0%
Code MigrationVals AI26.8%–
ProgramBenchVals AI0.0%–
Vibe Code Bench v1.1Vals AI48.7%19.7%
SWE-Bench Pro (private)Scale AI SEAL–44.7%
SWE Atlas v1.0: Codebase QnAScale AI SEAL–24.2%
SWE Atlas v1.0: Test WritingScale AI SEAL–31.1%
Surface Evolver BenchEpoch AI Benchmarking Hub58.1%†–
DeepSWE v1.1Epoch AI Benchmarking Hub36.1%–
ALE-BenchEpoch AI Benchmarking Hub911.0–
Terminal-Bench 4.0 (AA)Artificial Analysis6.6%–
Terminal-Bench 2.1 (AA)Artificial Analysis78.7%62.2%
GameBench 2 OverallDuelLab GameBench 249.4†–
GameBench 2 by reasoning settingDuelLab GameBench 263.2–
Design Arena WebsiteDesign Arena1260†1253
エージェント・ツール
APEX-AgentsMercor27.5%†–
LiveBench Agentic CodingLiveBench49.0%–
Terminal-Bench HardArtificial Analysis40.9%45.5%
τ²-Bench Telecom (AA)Artificial Analysis95.3%91.5%
Terminal-Bench 2.1 (Vals)Vals AI74.2%–
MCP AtlasScale AI SEAL83.6%82.2%
HiL-BenchScale AI SEAL27.7%†–
GDPval-AA v2.1Artificial Analysis12111006
τ³-Banking (AA)Artificial Analysis32.2%–
ITBench SRE (AA)Artificial Analysis40.4%–
Analyst Agent (AA)Artificial Analysis45.0%–
APEX-Agents (AA)Artificial Analysis47.0%–
Finance Agent v2Vals AI57.9%–
Harvey's Legal Agent Benchmark v1Vals AI2.5%–
Legal Research BenchVals AI30.8%–
SkillsBenchVals AI52.7%–
Tax Agent BenchVals AI21.6%–
Terminal-Bench 2.0 (Vals)Vals AI67.4%59.5%
Terminal-Bench 4.0 (Vals)Vals AI6.1%–
Terminal-Bench ScienceVals AI5.7%–
Web Search IndexVals AI37.0%–
GBAEvalEpoch AI Benchmarking Hub6.7%†–
Vending-Bench 2Andon Labs5396.4†–
AutomationBenchArtificial Analysis42.1%–
GDP.pdf (AA)Artificial Analysis19.8%–
EnterpriseOps-GymArtificial Analysis50.1%–
AA-Briefcase v1.1Artificial Analysis876646
Design Arena AgenticDesign Arena1174†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub62.8%–
FrontierMath Tier 4Epoch AI Benchmarking Hub26.8%–
OTIS Mock AIMEEpoch AI Benchmarking Hub95.6%88.9%
ProofBenchVals AI31.0%17.0%
LiveBench MathematicsLiveBench88.2%–
AIME (Vals)Vals AI–96.9%
AIME 2026MathArena95.0%–
HMMT February 2026MathArena95.5%–
MathArena ApexMathArena32.3%–
Arena MathsArena (LMArena)14971469
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub66.2%–
LiveBench 1.0 Data AnalysisLiveBench64.9%–
MMLU-ProVals AI89.5%87.3%
LegalBenchVals AI83.6%84.2%
CorpFinVals AI64.7%65.1%
TaxEvalVals AI74.4%77.7%
PRBench FinanceScale AI SEAL–52.4%
PRBench LegalScale AI SEAL–52.3%
MultiNRCScale AI SEAL–59.0%
CaseLaw v2Vals AI–63.1%
Excel Modeling BenchmarkVals AI63.5%–
MedCodeVals AI55.8%51.3%
MedScribeVals AI76.6%85.9%
Public Benefits Bench v1.1Vals AI59.5%–
Financial Coaching BenchVals AI63.0%–
DrugDiscoveryBenchScale AI SEAL50.0%–
EBR-benchEpoch AI Benchmarking Hub4.8%–
GDP.pdfEpoch AI Benchmarking Hub14.0%†–
指示追従
LiveBench LanguageLiveBench84.6%–
LiveBench Instruction FollowingLiveBench75.6%–
IFBenchArtificial Analysis76.3%75.9%
MultiChallengeScale AI SEAL–75.5%
TutorBenchScale AI SEAL–68.5%
Arena Instruction FollowingArena (LMArena)14651465
人間の評価
Arena TextArena (LMArena)14781489
EQ-Bench 4EQ-Bench1077†–
Arena Creative WritingArena (LMArena)14651464
Arena Multi-turnArena (LMArena)14801493
Arena Longer QueriesArena (LMArena)14831476
マルチモーダル
Arena VisionArena (LMArena)13081306
MMMU-ProArtificial Analysis84.3%80.5%
MMMU-Pro (Vals)Vals AI88.3%87.4%
MortgageTaxVals AI68.1%–
Humanity's Sixth SenseScale AI SEAL32.6%–
GeoBenchGeoBench85.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub33.6%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis73.3%78.0%
Arena DocumentArena (LMArena)14551467
MLCRArtificial Analysis10.0%–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub155.3†153.1
LiveBench 1.0LiveBench74.6%–
AA Intelligence Index v4.3.2Artificial Analysis32.631.3
AA Progress Index v1Artificial Analysis305.1289.1
Vals Multimodal IndexVals AI62.9%–
安全性・誠実さ
FORTRESSScale AI SEAL–20.2%
DistressBenchScale AI SEAL66.9%†–

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

  • Gemini 3.5 Flash (high):新しい結果1件(GDPval-AA v2.1)、スコアの改訂1件。
  • Muse Spark:新しい結果2件(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Gemini 3.5 Flash (high):新しい結果3件(AIME 2026, HMMT February 2026, MathArena Apex)。
  • Muse Spark:BenchLeader Index 64.6 → 64.1。
  • Muse Spark:スコアの改訂1件。
  • Gemini 3.5 Flash (high):スコアの改訂1件。
  • Gemini 3.5 Flash (high):BenchLeader Index 63.2 → 62.6。
  • Gemini 3.5 Flash (high):新しい結果1件(AA Progress Index v1)。
  • Muse Spark:新しい結果1件(AA Progress Index v1)。
  • Gemini 3.5 Flash (high):価格 $3.69/M → $2.98/M。

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 3.5 Flash vs Muse Spark:よくある質問

Gemini 3.5 FlashはMuse Sparkより優れていますか?
Gemini 3.5 Flash (high)とMuse Sparkの品質は互角です(62.5 対 64.2、±4.4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 3.5 Flash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 60。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SciCodeでは、Gemini 3.5 Flashが53.9%、Muse Sparkが51.5%です。
エージェントやツール利用にはGemini 3.5 Flash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 63。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 3.5 Flashが83.6%、Muse Sparkが82.2%です。
長い文書にはどちらが向いていますか?
長文コンテキストのベンチマークではMuse Sparkの方がスコアが高くなっています(64 対 61)。コンテキストはGemini 3.5 Flashの方が長く、1,048,576トークンです(Muse Sparkは262,144トークン)。
Gemini 3.5 Flash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38件のベンチマークのうち、Gemini 3.5 Flashのリードが28件、Muse Sparkのリードが10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)
Gemini 3.5 Flashはいつリリースされましたか?
Gemini 3.5 Flashは2026年5月19日にリリースされました。