BenchLeader

Gemini 3.5 Flash vs Muse Wonder

詳しいプロフィール:Gemini 3.5 Flash(Google)とMuse Wonder(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 Wonderの品質は互角です(BenchLeader Indexで62.5 対 64.4、±4.0の誤差範囲内)。価格はGemini 3.5 Flashの方が2.4倍安く、100万トークンあたりのブレンド価格で$3.38 対 $8.00です。両方を測定できるすべてのカテゴリでMuse Wonderがリードしています。Gemini 3.5 Flashの方が出力が約2倍速いです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGemini 3.5 Flashが62.5、Muse Wonderが64.4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 Wonderの100万トークンあたりのブレンド価格は$8.00です(定価、2026年11月16日)。
  • Gemini 3.5 FlashはMuse Wonderより出力が約2倍速いです(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3件のベンチマークのうち、Muse Wonder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 Wonderカテゴリスコア76 対 63高
数学Muse Wonderカテゴリスコア70 対 58;ProofBench 84.0% 対 31.0%高
知識Muse Wonderカテゴリスコア77 対 63高
チャットの質(人間の評価)Muse WonderArenaの投票で70 対 67中
最低コストGemini 3.5 Flash100万トークンあたりブレンド価格$3.38 対 $8.00;エージェント型コーディングセッション$0.126 対 $0.320–
回答開始の速さMuse Wonder最初の回答トークンまで3.3秒(Muse Wonder)対 9.9秒(Gemini 3.5 Flash (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 3.5 Flash (high)とMuse Wonderの品質は互角です(62.5 対 64.4、±4.0の誤差範囲内)。
  • Muse Wonderはエージェント・ツール、人間の評価、知識、数学で優れています。
  • Gemini 3.5 Flash (high)の方が2.4倍安くなっています(100万トークンあたりブレンド価格$3.38 対 $8.00)。
  • Gemini 3.5 Flash (high)の方が出力が2.5倍速くなっています(176 対 70トークン/秒)。

概要

仕様Gemini 3.5 FlashMuse Wonder
プロバイダーGoogleMeta
リリース日2026年5月19日2026年10月12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 Wonder
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$4.00 / $20.00 / $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 3.5 Flash (high)Muse Wonderトップ
推論60.6–比較不可
コーディング59.5–比較不可
エージェント・ツール62.875.6Muse Wonder
数学57.770.1Muse Wonder
知識63.377.1Muse Wonder
指示追従74.4–比較不可
人間の評価66.869.6Muse Wonder
マルチモーダル66.2–比較不可
長文コンテキスト61.2–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エージェント・ツール数学知識人間の評価Gemini 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, 人間の評価: 66.8Muse Wonder, エージェント・ツール: 75.6Muse Wonder, 数学: 70.1Muse Wonder, 知識: 77.1Muse Wonder, 人間の評価: 69.6

描画していないもの(測定済みのモデルが2つ未満):推論, 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。

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 3.5 Flashのリードが0件、Muse Wonder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 Wonderが上回っています。

総合IndexGemini 3.5 Flash (high)Muse Wonderトップ
BenchLeader Index62.564.4互角
Arena Text14781511†Muse Wonder

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 Wonder
100万トークンあたりのブレンド価格$3.38$8.00
100万トークンあたりの入力/出力$1.50 / $9.00$4.00 / $20.00
100万トークンあたりのキャッシュ入力$0.150$0.200
タスクあたりの価格:チャットの返答$0.0033$0.0076
タスクあたりの価格:30ページのレポートを要約$0.023$0.060
タスクあたりの価格:コード編集$0.022$0.054
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$0.320
タスクあたりの価格:構造化データの抽出$0.0048$0.012
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$0.149
出力速度176 tok/s70 tok/s
回答開始までの時間9.9秒3.3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 Wonderのスコアは64.4、最初の回答トークンまで3秒。Muse Wonder (max)は60.8(20秒)、Muse Wonder (high)は56.2(13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

171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 Wonder
BenchLeader IndexBenchLeader62.564.4
エージェント・ツールスコアBenchLeader62.875.6
コーディングスコアBenchLeader59.5–
人間の評価スコアBenchLeader66.869.6
指示追従スコアBenchLeader74.4–
知識スコアBenchLeader63.377.1
長文コンテキストスコアBenchLeader61.2–
数学スコアBenchLeader57.770.1
マルチモーダルスコアBenchLeader66.2–
推論スコアBenchLeader60.6–
ブレンド価格($/100万トークン)BenchLeader$3.38$8.00
出力速度BenchLeader176 tok/s70 tok/s
回答開始までの時間BenchLeader9.9秒3.3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%†–
Arena Hard PromptsArena (LMArena)14961531†
LiveBench 2.0 ReasoningLiveBench–90.6%†
LiveBench 1.0 ReasoningLiveBench82.0%90.6%†
GPQA Diamond (AA)Artificial Analysis92.2%–
Humanity's Last Exam (AA)Artificial Analysis42.7%50.1%†
HLE-Diamond (AA)Artificial Analysis–39.0%†
GPQA Diamond (Vals)Vals AI92.7%–
EnigmaEvalScale AI SEAL25.4%–
ARC-AGI-1ARC Prize92.5%–
ARC-AGI-2ARC Prize72.1%–
CritPtArtificial Analysis13.1%28.3%†
CritPt v2 hard subset (AA)Artificial Analysis–50.5%†
MysteryMechanismVals AI–27.5%†
HLE-Diamond (Scale)Scale AI SEAL–37.3%
Arena ExpertArena (LMArena)14911525†
Chess PuzzlesEpoch AI Benchmarking Hub45.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub32.0%51.0%†
LMCAEpoch AI Benchmarking Hub47.1%56.8%
DTBenchEpoch AI Benchmarking Hub94.7%95.2%
ForecastBenchForecastBench64.0%†–
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub79.3%–
SciCodeSciCode53.9%60.3%†
WeirdMLWeirdML62.6%–
171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 Wonder
コーディング
Arena CodingArena (LMArena)15081542†
Arena WebDevArena (LMArena)15001647†
LiveBench 2.0 CodingLiveBench–74.9%†
LiveBench 1.0 CodingLiveBench78.2%80.7%†
LiveCodeBenchVals AI87.6%–
IOIVals AI–66.9%†
SWE-bench (Vals)Vals AI78.8%–
Code MigrationVals AI26.8%62.5%†
Code Migration v1.1Vals AI–72.4%†
ProgramBenchVals AI0.0%–
SWE-bench MultimodalVals AI–45.6%†
Vibe Code Bench 1-100Vals AI–26.6%†
Vibe Code Bench v1.1Vals AI48.7%83.1%†
SWE Atlas v1.1Scale AI SEAL–64.8%
SWE Atlas v1.1: Codebase QnAScale AI SEAL–73.4%
SWE Atlas v1.1: Test WritingScale AI SEAL–61.1%
SWE Atlas v1.1: RefactoringScale AI SEAL–60.0%
SWE-Bench Pro V2Scale AI SEAL–96.7%†
SWE-Bench Pro V2 HARDScale AI SEAL–90.2%†
MirrorCodeEpoch AI Benchmarking Hub–45.6%†
Surface Evolver BenchEpoch AI Benchmarking Hub58.1%†–
DeepSWE v1.1Epoch AI Benchmarking Hub36.1%–
CursorBenchCursor–50.4%†
ALE-BenchEpoch AI Benchmarking Hub911.0–
WeirdML v3WeirdML–15.2%†
Terminal-Bench 4.0 (AA)Artificial Analysis6.6%52.0%†
Terminal-Bench 2.1 (AA)Artificial Analysis78.7%–
GameBench 2 OverallDuelLab GameBench 249.4†64.8
GameBench 2 by reasoning settingDuelLab GameBench 263.254.9†
Design Arena WebsiteDesign Arena1260†1378†
FrontierCode 1.1 (AA)Artificial Analysis–46.5%†
FrontierCode 2.0 (AA)Artificial Analysis–27.9%†
エージェント・ツール
Terminal-BenchTerminal-Bench–47.0%†
APEX-AgentsMercor27.5%†66.1%†
Arena AgentArena (LMArena)–1.8†
LiveBench Long AgenticLiveBench–46.2%†
LiveBench BrowserLiveBench–60.0%†
LiveBench Agentic CodingLiveBench49.0%62.7%†
Terminal-Bench HardArtificial Analysis40.9%–
τ²-Bench Telecom (AA)Artificial Analysis95.3%–
Terminal-Bench 2.1 (Vals)Vals AI74.2%–
MCP AtlasScale AI SEAL83.6%–
HiL-BenchScale AI SEAL27.7%†79.7%
GDPval-AA v2.1, normalised scoreArtificial Analysis–63.5%†
GDPval-AA v2.1Artificial Analysis12111770†
τ³-Banking (AA)Artificial Analysis32.2%–
ITBench SRE (AA)Artificial Analysis40.4%–
Analyst Agent (AA)Artificial Analysis45.0%–
APEX-Agents (AA)Artificial Analysis47.0%–
CUA-benchVals AI–7.2%†
CyberBenchVals AI–80.4%†
Finance Agent v2Vals AI57.9%56.6%†
Finance Agent v2.1Vals AI–65.5%†
Harvey's Legal Agent Benchmark v1.1Vals AI–23.8%†
Harvey's Legal Agent Benchmark v1Vals AI2.5%17.1%†
Legal Research BenchVals AI30.8%50.5%†
SkillsBenchVals AI52.7%–
Tax Agent BenchVals AI21.6%36.3%†
Terminal-Bench 2.0 (Vals)Vals AI67.4%–
Terminal-Bench 4.0 (Vals)Vals AI6.1%49.5%†
Terminal-Bench ScienceVals AI5.7%22.9%†
Web Search IndexVals AI37.0%–
Arena Agent Task CompletionArena (LMArena)–5.4†
PostTrainBenchEpoch AI Benchmarking Hub–24.2%†
GBAEvalEpoch AI Benchmarking Hub6.7%†–
Vending-Bench 2Andon Labs5396.4†9432.2
AutomationBenchArtificial Analysis42.1%68.1%†
GDP.pdf (AA)Artificial Analysis19.8%30.6%†
Harvey LAB-AA v1.1Harvey–10.0%†
EnterpriseOps-GymArtificial Analysis50.1%–
AA-Briefcase v1.1Artificial Analysis8761659†
GDPxGDPx by SemiAnalysis–6.8%†
Design Arena AgenticDesign Arena1174†1177†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–25.7%†
MKA (AA)Artificial Analysis–47.5%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub62.8%82.1%†
FrontierMath Tier 4Epoch AI Benchmarking Hub26.8%70.7%†
OTIS Mock AIMEEpoch AI Benchmarking Hub95.6%99.4%†
ProofBenchVals AI31.0%84.0%
LiveBench MathematicsLiveBench88.2%96.5%†
AIME 2026MathArena95.0%–
HMMT February 2026MathArena95.5%–
MathArena ApexMathArena32.3%–
Arena MathsArena (LMArena)14971490†
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub66.2%–
LiveBench 2.0 Data AnalysisLiveBench–81.6%†
LiveBench ResearchLiveBench–93.0%†
LiveBench 1.0 Data AnalysisLiveBench64.9%81.6%†
AA-Omniscience v1.1Artificial Analysis–25.1†
MMLU-ProVals AI89.5%–
LegalBenchVals AI83.6%–
CorpFinVals AI64.7%–
TaxEvalVals AI74.4%–
PRBench FinanceScale AI SEAL–58.7%
PRBench LegalScale AI SEAL–58.4%
BioMysteryBenchVals AI–67.0%†
Excel Modeling BenchmarkVals AI63.5%67.1%†
Excel Modeling Benchmark v1.1Vals AI–72.5%†
MedCodeVals AI55.8%–
MedScribeVals AI76.6%–
Public Benefits Bench v1.1Vals AI59.5%70.2%†
Access to Justice BenchmarkVals AI–73.0%†
Financial Coaching BenchVals AI63.0%73.8%†
Immigration BenchVals AI–69.6%†
DrugDiscoveryBenchScale AI SEAL50.0%–
EBR-benchEpoch AI Benchmarking Hub4.8%31.4%†
GDP.pdfEpoch AI Benchmarking Hub14.0%†30.8%†
AA-Omniscience v1.1: accuracyArtificial Analysis–38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–79.1%†
指示追従
LiveBench LanguageLiveBench84.6%82.9%†
LiveBench Instruction FollowingLiveBench75.6%73.0%†
IFBenchArtificial Analysis76.3%–
Arena Instruction FollowingArena (LMArena)14651498†
人間の評価
Arena TextArena (LMArena)14781511†
EQ-Bench 4EQ-Bench1077†1325
EQ-Bench Creative Writing v3EQ-Bench–2007
Arena Creative WritingArena (LMArena)14651491†
Arena Multi-turnArena (LMArena)14801525†
Arena Longer QueriesArena (LMArena)14831507†
マルチモーダル
Arena VisionArena (LMArena)1308–
LiveBench DesignLiveBench–70.9%†
MMMU-ProArtificial Analysis84.3%83.8%†
MMMU-Pro (Vals)Vals AI88.3%–
MortgageTaxVals AI68.1%–
Humanity's Sixth SenseScale AI SEAL32.6%43.7%†
GeoBenchGeoBench85.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub33.6%†31.7%
Furniture AssemblyEpoch AI Benchmarking Hub–54.2%†
VIALS-AAHandshake AI–55.3%†
Code2Video-AAArtificial Analysis–997†
長文コンテキスト
AA-LCR v1.1Artificial Analysis73.3%80.7%†
Arena DocumentArena (LMArena)1455–
MLCRArtificial Analysis10.0%22.2%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub155.3†161.7
LiveBench 2.0LiveBench–70.7%†
LiveBench 1.0LiveBench74.6%81.2%†
AA Intelligence Index v5.0.1Artificial Analysis–43.6†
AA Intelligence Index v4.3.2Artificial Analysis32.652.4†
AA Progress Index v1Artificial Analysis305.1335.8†
Vals IndexVals AI–64.9†
Vals Finance IndexVals AI–61.2%†
Vals Science IndexVals AI–39.1%†
Vals Multimodal IndexVals AI62.9%–
Vals Router IndexVals AI–64.9%
Vals Legal IndexVals AI–75.3%†
安全性・誠実さ
DistressBenchScale AI SEAL66.9%†85.9%

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 Wonder:BenchLeader Index 63.0 → 64.4。
  • 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 Wonder:BenchLeader Index 63.5 → 63.0。
  • Gemini 3.5 Flash (high):新しい結果3件(AIME 2026, HMMT February 2026, MathArena Apex)。
  • Muse Wonder:新しい結果1件(Blueprint-Bench 2)。
  • Muse Wonder:BenchLeader Index 64.3 → 63.5。
  • Muse Wonder:スコアの改訂5件。
  • Gemini 3.5 Flash (high):スコアの改訂1件。
  • Muse Wonder:スコアの改訂1件。
  • Muse Wonder:新しい結果1件(Startrise Frontend)。

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 Wonder:よくある質問

Gemini 3.5 FlashはMuse Wonderより優れていますか?
Gemini 3.5 Flash (high)とMuse Wonderの品質は互角です(62.5 対 64.4、±4.0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 Wonder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Gemini 3.5 Flashの方が安く、100万トークンあたり$3.38 対 $8.00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 3.5 FlashとMuse Wonderはどちらが速いですか?
Gemini 3.5 Flashの方が出力が約2倍速くなっています(出力176 対 70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 Wonder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 Wonderの方がスコアが高くなっています(カテゴリ指標で76 対 63。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 Wonderです。Artificial Analysisの測定では、最初の回答トークンまで3.3秒 対 9.9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 Wonder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 3.5 Flashのリードが0件、Muse Wonder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 Wonderが上回っています。
Muse Wonderはいつリリースされましたか?
Muse Wonderは2026年10月12日にリリースされました。