BenchLeader

Gemini 3.7 Flash vs Muse Spark 1.1

詳しいプロフィール:Gemini 3.7 Flash(Google)とMuse Spark 1.1(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 3.7 FlashとMuse Spark 1.1の品質は互角です(BenchLeader Indexで62.1 対 62.2、±6.6の誤差範囲内)。価格はGemini 3.7 Flashの方が1.3倍安く、100万トークンあたりのブレンド価格で$1.50 対 $2.00です。マルチモーダル(67 対 64)、人間の評価(68 対 65)、数学(63 対 61)を重視するならGemini 3.7 Flash、コーディング(66 対 62)、知識(69 対 66)、エージェント・ツール(51 対 49)を重視するならMuse Spark 1.1が向いています。Muse Spark 1.1は出力が約2倍速い点も強みです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGemini 3.7 Flashが62.1、Muse Spark 1.1が62.2です(BenchLeader、2026年11月16日)。
  • Gemini 3.7 Flashの100万トークンあたりのブレンド価格は$1.50です(定価、2026年11月16日)。
  • Muse Spark 1.1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)。
  • Muse Spark 1.1はGemini 3.7 Flash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17件のベンチマークのうち、Gemini 3.7 Flashが12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 3.7 Flashが1588、Muse Spark 1.1が1542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Muse Spark 1.1カテゴリスコア66 対 62;SciCode 58.8% 対 57.2%中
エージェント・ツール利用Muse Spark 1.1カテゴリスコア51 対 49;Arena Agent -8 対 -2.2中
数学Gemini 3.7 Flashカテゴリスコア63 対 61;Arena Maths 1502 対 1493中
推論どちらでもカテゴリスコア68 対 68;Arena Hard Prompts 1510 対 1511どちらでも
知識Muse Spark 1.1カテゴリスコア69 対 66;SimpleQA Verified 57.8% 対 69.2%中
画像などのメディアGemini 3.7 Flashカテゴリスコア67 対 64;Arena Vision 1313 対 1292中
チャットの質(人間の評価)Gemini 3.7 FlashArenaの投票で68 対 65中
最低コストGemini 3.7 Flash100万トークンあたりブレンド価格$1.50 対 $2.00;エージェント型コーディングセッション$0.060 対 $0.092–
回答開始の速さどちらでも最初の回答トークンまで2.2秒(Gemini 3.7 Flash (high))対 1.8秒(Muse Spark 1.1)–
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 3.7 Flash (high)とMuse Spark 1.1の品質は互角です(62.1 対 62.2、±6.6の誤差範囲内)。
  • Gemini 3.7 Flash (high)は人間の評価、数学、マルチモーダルで優れています。
  • Muse Spark 1.1はエージェント・ツール、コーディング、知識で優れています。
  • Gemini 3.7 Flash (high)の方が1.3倍安くなっています(100万トークンあたりブレンド価格$1.50 対 $2.00)。
  • Muse Spark 1.1の方が出力が2.0倍速くなっています(193 対 95トークン/秒)。

概要

仕様Gemini 3.7 FlashMuse Spark 1.1
プロバイダーGoogleMeta
リリース日2026年8月13日2026年7月9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 3.7 Flash (high)Muse Spark 1.1
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)$0.750 / $3.75 / $0.075$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 3.7 Flash (high)Muse Spark 1.1トップ
推論67.867.8互角
コーディング62.365.8Muse Spark 1.1
エージェント・ツール48.950.9Muse Spark 1.1
数学62.661.3Gemini 3.7 Flash
知識65.969.2Muse Spark 1.1
指示追従–70.4比較不可
人間の評価68.164.5Gemini 3.7 Flash
マルチモーダル67.263.6Gemini 3.7 Flash
長文コンテキスト65.5–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・ツール数学知識マルチモーダル人間の評価Gemini 3.7 Flash, 推論: 67.8Gemini 3.7 Flash, コーディング: 62.3Gemini 3.7 Flash, エージェント・ツール: 48.9Gemini 3.7 Flash, 数学: 62.6Gemini 3.7 Flash, 知識: 65.9Gemini 3.7 Flash, マルチモーダル: 67.2Gemini 3.7 Flash, 人間の評価: 68.1Muse Spark 1.1, 推論: 67.8Muse Spark 1.1, コーディング: 65.8Muse Spark 1.1, エージェント・ツール: 50.9Muse Spark 1.1, 数学: 61.3Muse Spark 1.1, 知識: 69.2Muse Spark 1.1, マルチモーダル: 63.6Muse Spark 1.1, 人間の評価: 64.5

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。

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17件のベンチマークのうち、Gemini 3.7 Flashのリードが12件、Muse Spark 1.1のリードが5件です。両方を評価しているすべての総合指標で、Muse Spark 1.1が上回っています。

総合IndexGemini 3.7 Flash (high)Muse Spark 1.1トップ
BenchLeader Index62.162.2互角
Arena Text14891491Muse Spark 1.1

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 3.7 Flash (high)Muse Spark 1.1
100万トークンあたりのブレンド価格$1.50$2.00
100万トークンあたりの入力/出力$0.750 / $3.75$1.25 / $4.25
100万トークンあたりのキャッシュ入力$0.075$0.150
タスクあたりの価格:チャットの返答$0.0014$0.0018
タスクあたりの価格:30ページのレポートを要約$0.011$0.018
タスクあたりの価格:コード編集$0.010$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$0.060$0.092
タスクあたりの価格:構造化データの抽出$0.0023$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)$0.030$0.043
出力速度95 tok/s193 tok/s
回答開始までの時間2.2秒1.8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 3.7 Flash (high)のスコアは62.1、最初の回答トークンまで2秒。Gemini 3.7 Flash (medium)は60.1(2秒)、Gemini 3.7 Flash (low)は57.3(2秒)。Muse Spark 1.1のスコアは62.2、最初の回答トークンまで2秒。Muse Spark 1.1 (xhigh)は59.5(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

115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 3.7 Flash (high)Muse Spark 1.1
BenchLeader IndexBenchLeader62.162.2
エージェント・ツールスコアBenchLeader48.950.9
コーディングスコアBenchLeader62.365.8
人間の評価スコアBenchLeader68.164.5
知識スコアBenchLeader65.969.2
長文コンテキストスコアBenchLeader65.5–
数学スコアBenchLeader62.661.3
マルチモーダルスコアBenchLeader67.263.6
推論スコアBenchLeader67.867.8
指示追従スコアBenchLeader–70.4
ブレンド価格($/100万トークン)BenchLeader$1.50$2.00
出力速度BenchLeader95 tok/s193 tok/s
回答開始までの時間BenchLeader2.2秒1.8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 Hub94.8%–
Arena Hard PromptsArena (LMArena)15101511
LiveBench 1.0 ReasoningLiveBench87.8%87.7%†
GPQA Diamond (AA)Artificial Analysis94.5%89.8%†
Humanity's Last Exam (AA)Artificial Analysis47.9%46.2%†
GPQA Diamond (Vals)Vals AI93.9%91.2%†
ARC-AGI-1ARC Prize95.5%–
ARC-AGI-2ARC Prize84.6%–
CritPtArtificial Analysis14.3%15.1%†
Arena ExpertArena (LMArena)15191504
Chess PuzzlesEpoch AI Benchmarking Hub66.0%34.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub37.0%–
LMCAEpoch AI Benchmarking Hub50.4%49.9%†
DTBenchEpoch AI Benchmarking Hub96.8%94.4%†
ForecastBenchForecastBench66.2%–
コーディング
SciCodeSciCode57.2%58.8%
FrontierCodeCognition43.6%†–
Arena CodingArena (LMArena)15201533
Arena WebDevArena (LMArena)15881542
LiveBench 1.0 CodingLiveBench78.9%77.2%†
LiveCodeBenchVals AI88.7%85.9%†
IOIVals AI67.8%–
SWE-bench (Vals)Vals AI80.8%82.0%†
SWE-Bench ProScale AI SEAL–61.5%
Code MigrationVals AI34.8%31.1%†
115件のベンチマークをすべて表示
指標公開元Gemini 3.7 Flash (high)Muse Spark 1.1
コーディング
ProgramBenchVals AI0.0%0.0%†
Vibe Code Bench v1.1Vals AI70.4%72.2%†
SWE-Bench Pro (private)Scale AI SEAL–51.5%
SWE Atlas v1.0: Codebase QnAScale AI SEAL–42.2%†
SWE Atlas v1.0: Test WritingScale AI SEAL–41.5%†
MirrorCodeEpoch AI Benchmarking Hub41.1%–
Surface Evolver BenchEpoch AI Benchmarking Hub–52.5%†
DeepSWE v1.1Epoch AI Benchmarking Hub65.3%53.3%
ALE-BenchEpoch AI Benchmarking Hub904.3–
FrontierSWEEpoch AI Benchmarking Hub20.3%–
Terminal-Bench 4.0 (AA)Artificial Analysis13.6%6.1%†
Terminal-Bench 2.1 (AA)Artificial Analysis85.8%77.9%†
Design Arena WebsiteDesign Arena1295†1263
エージェント・ツール
Terminal-BenchTerminal-Bench12.4%–
Remote Labor IndexScale AI / CAIS5.0%†–
APEX-AgentsMercor67.8%†31.8%
Arena AgentArena (LMArena)-2.2-8
LiveBench Agentic CodingLiveBench58.3%58.5%†
Terminal-Bench 2.1 (Vals)Vals AI77.5%69.3%†
MCP AtlasScale AI SEAL–88.1%
τ³-bench Bankingτ²-bench–40.5%†
GDPval-AA v2.1Artificial Analysis14041216†
τ³-Banking (AA)Artificial Analysis32.8%31.8%†
Analyst Agent (AA)Artificial Analysis60.0%–
CyberBenchVals AI43.8%–
Finance Agent v2Vals AI59.0%57.2%†
Harvey's Legal Agent Benchmark v1Vals AI8.8%20.0%†
Legal Research BenchVals AI34.6%38.0%†
SkillsBenchVals AI65.9%59.2%†
SREBenchVals AI4.6%–
Tax Agent BenchVals AI22.8%–
Terminal-Bench 4.0 (Vals)Vals AI12.1%–
Terminal-Bench ScienceVals AI7.1%–
Time Horizon Index: KSPVals AI–1.7%†
Arena Agent Task CompletionArena (LMArena)-3.5-6.5
GBAEvalEpoch AI Benchmarking Hub–7.9%
Vending-Bench 2Andon Labs–6520.5
AutomationBenchArtificial Analysis62.0%38.9%†
GDP.pdf (AA)Artificial Analysis23.6%14.4%†
EnterpriseOps-GymArtificial Analysis50.4%†–
AA-Briefcase v1.1Artificial Analysis1115851†
Design Arena AgenticDesign Arena1222†1172
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub71.6%–
FrontierMath Tier 4Epoch AI Benchmarking Hub36.6%–
OTIS Mock AIMEEpoch AI Benchmarking Hub97.2%–
ProofBenchVals AI58.0%†39.0%
LiveBench MathematicsLiveBench93.5%87.1%†
Arena MathsArena (LMArena)15021493
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub69.2%57.8%
LiveBench 1.0 Data AnalysisLiveBench68.0%72.5%†
MMLU-ProVals AI90.1%88.7%†
LegalBenchVals AI87.3%85.0%†
CorpFinVals AI–71.3%†
TaxEvalVals AI74.7%79.7%†
PRBench FinanceScale AI SEAL–55.0%
PRBench LegalScale AI SEAL–57.0%
MultiNRCScale AI SEAL–65.6%
Excel Modeling BenchmarkVals AI71.3%56.4%†
MedCodeVals AI53.4%–
MedScribeVals AI83.9%88.9%†
Public Benefits Bench v1.1Vals AI–61.3%†
GDP.pdfEpoch AI Benchmarking Hub23.8%15.0%
指示追従
LiveBench LanguageLiveBench85.5%74.3%†
LiveBench Instruction FollowingLiveBench79.9%69.6%†
MultiChallengeScale AI SEAL–75.3%
Arena Instruction FollowingArena (LMArena)14861473
人間の評価
Arena TextArena (LMArena)14891491
EQ-Bench 4EQ-Bench–1244
EQ-Bench Creative Writing v3EQ-Bench1720†1928
Arena Creative WritingArena (LMArena)14871443
Arena Multi-turnArena (LMArena)14901497
Arena Longer QueriesArena (LMArena)15011481
マルチモーダル
Arena VisionArena (LMArena)13131292
MMMU-ProArtificial Analysis85.5%–
MMMU-Pro (Vals)Vals AI89.0%86.6%†
MortgageTaxVals AI66.7%66.1%†
Humanity's Sixth SenseScale AI SEAL39.8%–
VTBScale AI SEAL–44.8%
Furniture AssemblyEpoch AI Benchmarking Hub26.7%–
長文コンテキスト
AA-LCR v1.1Artificial Analysis81.7%77.7%†
Arena DocumentArena (LMArena)14681480
MLCRArtificial Analysis12.2%7.2%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub158.4†154.9
LiveBench 1.0LiveBench78.8%75.3%†
AA Intelligence Index v4.3.2Artificial Analysis39.133.7†
AA Progress Index v1Artificial Analysis317.4302.7†
Vals RSI IndexVals AI18.3%–
Vals Multimodal IndexVals AI–66.7%†
安全性・誠実さ
FORTRESSScale AI SEAL–12.4%
DistressBenchScale AI SEAL69.0%†–

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

  • Gemini 3.7 Flash (high):新しい結果2件(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Gemini 3.7 Flash (high):BenchLeader Index 62.6 → 62.1。
  • Gemini 3.7 Flash (high):スコアの改訂1件。
  • Gemini 3.7 Flash (high):新しい結果1件(Arena Document)。
  • Muse Spark 1.1:スコアの改訂1件。
  • Gemini 3.7 Flash (high):新しい結果1件(MirrorCode)。
  • Muse Spark 1.1:スコアの改訂2件。
  • Gemini 3.7 Flash (high):新しい結果1件(AA Progress Index v1)。
  • Muse Spark 1.1:スコアの改訂1件。
  • Gemini 3.7 Flash (high):新しい結果2件(Harvey's Legal Agent Benchmark v1, Vals RSI Index)。

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 3.7 Flash vs Muse Spark 1.1:よくある質問

Gemini 3.7 FlashはMuse Spark 1.1より優れていますか?
Gemini 3.7 Flash (high)とMuse Spark 1.1の品質は互角です(62.1 対 62.2、±6.6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 3.7 FlashとMuse Spark 1.1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 3.7 Flashの方が安く、100万トークンあたり$1.50 対 $2.00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。
コーディングにはGemini 3.7 FlashとMuse Spark 1.1のどちらが向いていますか?
コーディングではMuse Spark 1.1の方がスコアが高くなっています(カテゴリ指標で66 対 62。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 3.7 Flashが1588、Muse Spark 1.1が1542です。
Gemini 3.7 FlashとMuse Spark 1.1はどちらが速いですか?
Muse Spark 1.1の方が出力が約2倍速くなっています(出力193 対 95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 3.7 FlashとMuse Spark 1.1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 1.1の方がスコアが高くなっています(カテゴリ指標で51 対 49。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Arena Agentでは、Gemini 3.7 Flashが-2.2、Muse Spark 1.1が-8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?
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Muse Spark 1.1です。Artificial Analysisの測定では、最初の回答トークンまで1.8秒 対 2.2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 3.7 FlashとMuse Spark 1.1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17件のベンチマークのうち、Gemini 3.7 Flashのリードが12件、Muse Spark 1.1のリードが5件です。両方を評価しているすべての総合指標で、Muse Spark 1.1が上回っています。
Gemini 3.7 Flashはいつリリースされましたか?
Gemini 3.7 Flashは2026年8月13日にリリースされました。