BenchLeader

Gemini 3.5 Flash vs Muse Spark 1.2

詳しいプロフィール:Gemini 3.5 Flash(Google)とMuse Spark 1.2(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 3.5 FlashとMuse Spark 1.2の品質は互角です(BenchLeader Indexで62.5 対 61.5、±5.7の誤差範囲内)。価格はMuse Spark 1.2の方が1.7倍安く、100万トークンあたりのブレンド価格で$2.00 対 $3.38です。エージェント・ツール(63 対 55)、コーディング(60 対 55)を重視するならGemini 3.5 Flash、数学(67 対 58)、推論(68 対 61)、長文コンテキスト(64 対 61)を重視するならMuse Spark 1.2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 1.2が61.5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)。
  • Muse Spark 1.2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63件のベンチマークのうち、Muse Spark 1.2が39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 3.5 Flashが1500、Muse Spark 1.2が1534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Gemini 3.5 Flashカテゴリスコア60 対 55;WeirdML 62.6% 対 60.3%中
エージェント・ツール利用Gemini 3.5 Flashカテゴリスコア63 対 55;Terminal-Bench 2.1 (Vals) 74.2% 対 69.7%中
数学Muse Spark 1.2カテゴリスコア67 対 58;Arena Maths 1486 対 1497高
推論Muse Spark 1.2カテゴリスコア68 対 61;Arena Hard Prompts 1514 対 1496中
知識Muse Spark 1.2カテゴリスコア65 対 63;LegalBench 85.3% 対 83.6%中
長い文書Muse Spark 1.2カテゴリスコア64 対 61;AA-LCR v1.1 79.0% 対 73.3%中
画像などのメディアどちらでもカテゴリスコア66 対 65;Arena Vision 1308 対 1305どちらでも
チャットの質(人間の評価)Muse Spark 1.2Arenaの投票で69 対 67中
最低コストMuse Spark 1.2100万トークンあたりブレンド価格$2.00 対 $3.38;エージェント型コーディングセッション$0.092 対 $0.126–
回答開始の速さどちらでも最初の回答トークンまで9.9秒(Gemini 3.5 Flash (high))対 11.4秒(Muse Spark 1.2 (xhigh))–
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 1.2 (xhigh)の品質は互角です(62.5 対 61.5、±5.7の誤差範囲内)。
  • Gemini 3.5 Flash (high)はエージェント・ツール、コーディング、マルチモーダルで優れています。
  • Muse Spark 1.2 (xhigh)は人間の評価、知識、長文コンテキスト、数学、推論で優れています。
  • Muse Spark 1.2 (xhigh)の方が1.7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 $3.38)。

概要

仕様Gemini 3.5 FlashMuse Spark 1.2
プロバイダーGoogleMeta
リリース日2026年5月19日2026年8月5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 3.5 Flash (high)Muse Spark 1.2 (xhigh)
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$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 3.5 Flash (high)Muse Spark 1.2 (xhigh)トップ
推論60.668.1Muse Spark 1.2
コーディング59.554.7Gemini 3.5 Flash
エージェント・ツール62.855.4Gemini 3.5 Flash
数学57.766.8Muse Spark 1.2
知識63.364.5Muse Spark 1.2
指示追従74.4–比較不可
人間の評価66.868.6Muse Spark 1.2
マルチモーダル66.265.3互角
長文コンテキスト61.264.1Muse Spark 1.2

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, 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 1.2, 推論: 68.1Muse Spark 1.2, コーディング: 54.7Muse Spark 1.2, エージェント・ツール: 55.4Muse Spark 1.2, 数学: 66.8Muse Spark 1.2, 知識: 64.5Muse Spark 1.2, 長文コンテキスト: 64.1Muse Spark 1.2, マルチモーダル: 65.3Muse Spark 1.2, 人間の評価: 68.6

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。

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63件のベンチマークのうち、Gemini 3.5 Flashのリードが22件、Muse Spark 1.2のリードが39件、同点が2件です。両方を評価しているすべての総合指標で、Muse Spark 1.2が上回っています。

総合IndexGemini 3.5 Flash (high)Muse Spark 1.2 (xhigh)トップ
BenchLeader Index62.561.5互角
Arena Text14781493Muse Spark 1.2

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 1.2 (xhigh)
100万トークンあたりのブレンド価格$3.38$2.00
100万トークンあたりの入力/出力$1.50 / $9.00$1.25 / $4.25
100万トークンあたりのキャッシュ入力$0.150$0.150
タスクあたりの価格:チャットの返答$0.0033$0.0018
タスクあたりの価格:30ページのレポートを要約$0.023$0.018
タスクあたりの価格:コード編集$0.022$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$0.126$0.092
タスクあたりの価格:構造化データの抽出$0.0048$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)$0.065$0.043
出力速度176 tok/s208 tok/s
回答開始までの時間9.9秒11.4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23.9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 1.2 (xhigh)のスコアは61.5、最初の回答トークンまで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

122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 1.2 (xhigh)
BenchLeader IndexBenchLeader62.561.5
エージェント・ツールスコアBenchLeader62.855.4
コーディングスコアBenchLeader59.554.7
人間の評価スコアBenchLeader66.868.6
指示追従スコアBenchLeader74.4–
知識スコアBenchLeader63.364.5
長文コンテキストスコアBenchLeader61.264.1
数学スコアBenchLeader57.766.8
マルチモーダルスコアBenchLeader66.265.3
推論スコアBenchLeader60.668.1
ブレンド価格($/100万トークン)BenchLeader$3.38$2.00
出力速度BenchLeader176 tok/s208 tok/s
回答開始までの時間BenchLeader9.9秒11.4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 Hub92.8%–
SimpleBenchSimpleBench76.7%†74.5%†
Arena Hard PromptsArena (LMArena)14961514
LiveBench 1.0 ReasoningLiveBench82.0%90.0%
GPQA Diamond (AA)Artificial Analysis92.2%90.4%
Humanity's Last Exam (AA)Artificial Analysis42.7%45.5%
GPQA Diamond (Vals)Vals AI92.7%–
EnigmaEvalScale AI SEAL25.4%–
ARC-AGI-1ARC Prize92.5%–
ARC-AGI-2ARC Prize72.1%–
CritPtArtificial Analysis13.1%17.7%
Arena ExpertArena (LMArena)14911503
Chess PuzzlesEpoch AI Benchmarking Hub45.0%27.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub32.0%–
LMCAEpoch AI Benchmarking Hub47.1%48.4%
DTBenchEpoch AI Benchmarking Hub94.7%94.7%
ForecastBenchForecastBench64.0%†–
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub79.3%–
SciCodeSciCode53.9%57.4%
WeirdMLWeirdML62.6%60.3%
Arena CodingArena (LMArena)15081542
Arena WebDevArena (LMArena)15001534
LiveBench 1.0 CodingLiveBench78.2%77.5%
LiveCodeBenchVals AI87.6%–
IOIVals AI–21.8%
122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 1.2 (xhigh)
コーディング
SWE-bench (Vals)Vals AI78.8%86.6%
Code MigrationVals AI26.8%29.9%
ProgramBenchVals AI0.0%0.5%
Vibe Code Bench v1.1Vals AI48.7%79.1%
Surface Evolver BenchEpoch AI Benchmarking Hub58.1%†–
DeepSWE v1.1Epoch AI Benchmarking Hub36.1%54.9%
ALE-BenchEpoch AI Benchmarking Hub911.0–
FrontierSWEEpoch AI Benchmarking Hub–12.0%
Terminal-Bench 4.0 (AA)Artificial Analysis6.6%7.1%
Terminal-Bench 2.1 (AA)Artificial Analysis78.7%80.2%
Startrise FrontendStartrise–70.3%†
GameBench 2 OverallDuelLab GameBench 249.4†51.5†
GameBench 2 by reasoning settingDuelLab GameBench 263.256.9
Design Arena WebsiteDesign Arena1260†1309†
エージェント・ツール
APEX-AgentsMercor27.5%†45.4%†
Arena AgentArena (LMArena)–-8.2
LiveBench Agentic CodingLiveBench49.0%57.6%
Terminal-Bench HardArtificial Analysis40.9%–
τ²-Bench Telecom (AA)Artificial Analysis95.3%–
Terminal-Bench 2.1 (Vals)Vals AI74.2%69.7%
MCP AtlasScale AI SEAL83.6%–
HiL-BenchScale AI SEAL27.7%†–
GDPval-AA v2.1Artificial Analysis12111478
τ³-Banking (AA)Artificial Analysis32.2%34.9%
ITBench SRE (AA)Artificial Analysis40.4%–
Analyst Agent (AA)Artificial Analysis45.0%–
APEX-Agents (AA)Artificial Analysis47.0%–
CyberBenchVals AI–69.5%
Finance Agent v2Vals AI57.9%60.6%
Harvey's Legal Agent Benchmark v1Vals AI2.5%25.4%
Legal Research BenchVals AI30.8%43.8%
SkillsBenchVals AI52.7%53.0%
SREBenchVals AI–0.0%
Tax Agent BenchVals AI21.6%32.8%
Terminal-Bench 2.0 (Vals)Vals AI67.4%–
Terminal-Bench 4.0 (Vals)Vals AI6.1%6.1%
Terminal-Bench ScienceVals AI5.7%–
Web Search IndexVals AI37.0%–
Arena Agent Task CompletionArena (LMArena)–-9.8
GBAEvalEpoch AI Benchmarking Hub6.7%†–
Vending-Bench 2Andon Labs5396.4†–
AutomationBenchArtificial Analysis42.1%40.6%
GDP.pdf (AA)Artificial Analysis19.8%17.4%
EnterpriseOps-GymArtificial Analysis50.1%47.3%
AA-Briefcase v1.1Artificial Analysis8761323
Design Arena AgenticDesign Arena1174†1185†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub62.8%–
FrontierMath Tier 4Epoch AI Benchmarking Hub26.8%–
OTIS Mock AIMEEpoch AI Benchmarking Hub95.6%–
ProofBenchVals AI31.0%43.0%†
LiveBench MathematicsLiveBench88.2%91.2%
AIME 2026MathArena95.0%–
HMMT February 2026MathArena95.5%–
MathArena ApexMathArena32.3%–
Arena MathsArena (LMArena)14971486
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub66.2%60.3%
LiveBench 1.0 Data AnalysisLiveBench64.9%76.5%
MMLU-ProVals AI89.5%88.3%
LegalBenchVals AI83.6%85.3%
CorpFinVals AI64.7%70.9%
TaxEvalVals AI74.4%80.4%
BioMysteryBenchVals AI–64.8%
Excel Modeling BenchmarkVals AI63.5%57.0%
MedCodeVals AI55.8%49.4%
MedScribeVals AI76.6%90.1%
Public Benefits Bench v1.1Vals AI59.5%68.5%
Financial Coaching BenchVals AI63.0%75.7%
Immigration BenchVals AI–66.5%
DrugDiscoveryBenchScale AI SEAL50.0%–
EBR-benchEpoch AI Benchmarking Hub4.8%–
GDP.pdfEpoch AI Benchmarking Hub14.0%†16.0%
指示追従
LiveBench LanguageLiveBench84.6%78.6%
LiveBench Instruction FollowingLiveBench75.6%74.3%
IFBenchArtificial Analysis76.3%–
Arena Instruction FollowingArena (LMArena)14651479
人間の評価
Arena TextArena (LMArena)14781493
EQ-Bench 4EQ-Bench1077†–
EQ-Bench Creative Writing v3EQ-Bench–1842†
Arena Creative WritingArena (LMArena)14651443
Arena Multi-turnArena (LMArena)14801510
Arena Longer QueriesArena (LMArena)14831491
マルチモーダル
Arena VisionArena (LMArena)13081305
MMMU-ProArtificial Analysis84.3%–
MMMU-Pro (Vals)Vals AI88.3%86.1%
MortgageTaxVals AI68.1%65.4%
Humanity's Sixth SenseScale AI SEAL32.6%24.5%
GeoBenchGeoBench85.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub33.6%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis73.3%79.0%
Arena DocumentArena (LMArena)1455–
MLCRArtificial Analysis10.0%7.2%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub155.3†155.0†
LiveBench 1.0LiveBench74.6%78.0%
AA Intelligence Index v4.3.2Artificial Analysis32.639.6
AA Progress Index v1Artificial Analysis305.1309.1
Vals Multimodal IndexVals AI62.9%69.8%†
安全性・誠実さ
DistressBenchScale AI SEAL66.9%†88.4%†

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 3.5 Flash (high):新しい結果1件(GDPval-AA v2.1)、スコアの改訂1件。
  • Muse Spark 1.2 (xhigh):新しい結果1件(GDPval-AA v2.1)。
  • Gemini 3.5 Flash (high):新しい結果3件(AIME 2026, HMMT February 2026, MathArena Apex)。
  • Gemini 3.5 Flash (high):スコアの改訂1件。
  • Muse Spark 1.2 (xhigh):スコアの改訂1件。
  • Muse Spark 1.2 (xhigh):スコアの改訂1件。
  • Gemini 3.5 Flash (high):BenchLeader Index 63.2 → 62.6。
  • Muse Spark 1.2 (xhigh):BenchLeader Index 62.2 → 61.6。
  • Gemini 3.5 Flash (high):新しい結果1件(AA Progress Index v1)。
  • Muse Spark 1.2 (xhigh):新しい結果1件(AA Progress Index v1)。

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 1.2:よくある質問

Gemini 3.5 FlashはMuse Spark 1.2より優れていますか?
Gemini 3.5 Flash (high)とMuse Spark 1.2 (xhigh)の品質は互角です(62.5 対 61.5、±5.7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 3.5 FlashとMuse Spark 1.2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 1.2の方が安く、100万トークンあたり$2.00 対 $3.38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 3.5 FlashとMuse Spark 1.2のどちらが向いていますか?
コーディングではGemini 3.5 Flashの方がスコアが高くなっています(カテゴリ指標で60 対 55。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 3.5 Flashが1500、Muse Spark 1.2が1534です。
Gemini 3.5 FlashとMuse Spark 1.2はどちらが速いですか?
Muse Spark 1.2の方が出力が速くなっています(出力208 対 176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 3.5 FlashとMuse Spark 1.2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Gemini 3.5 Flashの方がスコアが高くなっています(カテゴリ指標で63 対 55。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τ³-Banking (AA)では、Gemini 3.5 Flashが32.2%、Muse Spark 1.2が34.9%です。
ほかの質問(4件)
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 1.2の方がスコアが高くなっています(64 対 61)。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 3.5 Flashです。Artificial Analysisの測定では、最初の回答トークンまで9.9秒 対 11.4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 3.5 FlashとMuse Spark 1.2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63件のベンチマークのうち、Gemini 3.5 Flashのリードが22件、Muse Spark 1.2のリードが39件、同点が2件です。両方を評価しているすべての総合指標で、Muse Spark 1.2が上回っています。
Muse Spark 1.2はいつリリースされましたか?
Muse Spark 1.2は2026年8月5日にリリースされました。