BenchLeader

Gemini 3.7 Flash vs Muse Spark 1.2

詳しいプロフィール:Gemini 3.7 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 3.7 FlashとMuse Spark 1.2の品質は互角です(BenchLeader Indexで62.1 対 61.5、±6.1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。コーディング(62 対 55)、マルチモーダル(67 対 65)、知識(66 対 65)を重視するならGemini 3.7 Flash、エージェント・ツール(55 対 49)、数学(67 対 63)を重視するならMuse Spark 1.2が向いています。回答開始までの時間はGemini 3.7 Flashの方が短く、2.2秒 対 11.4秒です。Muse Spark 1.2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 1.2が61.5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 1.2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)。
  • Muse Spark 1.2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64件のベンチマークのうち、Gemini 3.7 Flashが44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 1.2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 3.7 Flashカテゴリスコア62 対 55;Arena WebDev 1588 対 1534高
エージェント・ツール利用Muse Spark 1.2カテゴリスコア55 対 49;τ³-Banking (AA) 34.9% 対 32.8%中
数学Muse Spark 1.2カテゴリスコア67 対 63;Arena Maths 1486 対 1502中
推論どちらでもカテゴリスコア68 対 68;Arena Hard Prompts 1510 対 1514どちらでも
知識Gemini 3.7 Flashカテゴリスコア66 対 65;SimpleQA Verified 69.2% 対 60.3%中
長い文書Gemini 3.7 Flashカテゴリスコア66 対 64;AA-LCR v1.1 81.7% 対 79.0%中
画像などのメディアGemini 3.7 Flashカテゴリスコア67 対 65;Arena Vision 1313 対 1305中
チャットの質(人間の評価)どちらでもArenaの投票で68 対 69どちらでも
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Gemini 3.7 Flash最初の回答トークンまで2.2秒(Gemini 3.7 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 3.7 Flash (high)とMuse Spark 1.2 (xhigh)の品質は互角です(62.1 対 61.5、±6.1の誤差範囲内)。
  • Gemini 3.7 Flash (high)はコーディング、知識、長文コンテキスト、マルチモーダルで優れています。
  • Muse Spark 1.2 (xhigh)はエージェント・ツール、人間の評価、数学、推論で優れています。
  • 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 1.2 (xhigh)の方が出力が2.2倍速くなっています(208 対 95トークン/秒)。

概要

仕様Gemini 3.7 FlashMuse Spark 1.2
プロバイダーGoogleMeta
リリース日2026年8月13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 3.7 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)$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 1.2 (xhigh)トップ
推論67.868.1互角
コーディング62.354.7Gemini 3.7 Flash
エージェント・ツール48.955.4Muse Spark 1.2
数学62.666.8Muse Spark 1.2
知識65.964.5Gemini 3.7 Flash
人間の評価68.168.6互角
マルチモーダル67.265.3Gemini 3.7 Flash
長文コンテキスト65.564.1Gemini 3.7 Flash

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 3.7 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, 長文コンテキスト: 65.5Gemini 3.7 Flash, マルチモーダル: 67.2Gemini 3.7 Flash, 人間の評価: 68.1Muse 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64件のベンチマークのうち、Gemini 3.7 Flashのリードが44件、Muse Spark 1.2のリードが20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 3.7 Flash (high)Muse Spark 1.2 (xhigh)トップ
BenchLeader Index62.161.5互角
Arena Text14891493Muse 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 3.7 Flash (high)Muse Spark 1.2 (xhigh)
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/s208 tok/s
回答開始までの時間2.2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)–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 3.7 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 1.2 (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

106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 1.2 (xhigh)
BenchLeader IndexBenchLeader62.161.5
エージェント・ツールスコアBenchLeader48.955.4
コーディングスコアBenchLeader62.354.7
人間の評価スコアBenchLeader68.168.6
知識スコアBenchLeader65.964.5
長文コンテキストスコアBenchLeader65.564.1
数学スコアBenchLeader62.666.8
マルチモーダルスコアBenchLeader67.265.3
推論スコアBenchLeader67.868.1
ブレンド価格($/100万トークン)BenchLeader$1.50$2.00
出力速度BenchLeader95 tok/s208 tok/s
回答開始までの時間BenchLeader2.2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 Hub94.8%–
SimpleBenchSimpleBench–74.5%†
Arena Hard PromptsArena (LMArena)15101514
LiveBench 1.0 ReasoningLiveBench87.8%90.0%
GPQA Diamond (AA)Artificial Analysis94.5%90.4%
Humanity's Last Exam (AA)Artificial Analysis47.9%45.5%
GPQA Diamond (Vals)Vals AI93.9%–
ARC-AGI-1ARC Prize95.5%–
ARC-AGI-2ARC Prize84.6%–
CritPtArtificial Analysis14.3%17.7%
Arena ExpertArena (LMArena)15191503
Chess PuzzlesEpoch AI Benchmarking Hub66.0%27.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub37.0%–
LMCAEpoch AI Benchmarking Hub50.4%48.4%
DTBenchEpoch AI Benchmarking Hub96.8%94.7%
ForecastBenchForecastBench66.2%–
コーディング
SciCodeSciCode57.2%57.4%
WeirdMLWeirdML–60.3%
FrontierCodeCognition43.6%†–
Arena CodingArena (LMArena)15201542
Arena WebDevArena (LMArena)15881534
LiveBench 1.0 CodingLiveBench78.9%77.5%
LiveCodeBenchVals AI88.7%–
IOIVals AI67.8%21.8%
SWE-bench (Vals)Vals AI80.8%86.6%
106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 1.2 (xhigh)
コーディング
Code MigrationVals AI34.8%29.9%
ProgramBenchVals AI0.0%0.5%
Vibe Code Bench v1.1Vals AI70.4%79.1%
MirrorCodeEpoch AI Benchmarking Hub41.1%–
DeepSWE v1.1Epoch AI Benchmarking Hub65.3%54.9%
ALE-BenchEpoch AI Benchmarking Hub904.3–
FrontierSWEEpoch AI Benchmarking Hub20.3%12.0%
Terminal-Bench 4.0 (AA)Artificial Analysis13.6%7.1%
Terminal-Bench 2.1 (AA)Artificial Analysis85.8%80.2%
Startrise FrontendStartrise–70.3%†
GameBench 2 OverallDuelLab GameBench 2–51.5†
GameBench 2 by reasoning settingDuelLab GameBench 2–56.9
Design Arena WebsiteDesign Arena1295†1309†
エージェント・ツール
Terminal-BenchTerminal-Bench12.4%–
Remote Labor IndexScale AI / CAIS5.0%†–
APEX-AgentsMercor67.8%†45.4%†
Arena AgentArena (LMArena)-2.2-8.2
LiveBench Agentic CodingLiveBench58.3%57.6%
Terminal-Bench 2.1 (Vals)Vals AI77.5%69.7%
GDPval-AA v2.1Artificial Analysis14041478
τ³-Banking (AA)Artificial Analysis32.8%34.9%
Analyst Agent (AA)Artificial Analysis60.0%–
CyberBenchVals AI43.8%69.5%
Finance Agent v2Vals AI59.0%60.6%
Harvey's Legal Agent Benchmark v1Vals AI8.8%25.4%
Legal Research BenchVals AI34.6%43.8%
SkillsBenchVals AI65.9%53.0%
SREBenchVals AI4.6%0.0%
Tax Agent BenchVals AI22.8%32.8%
Terminal-Bench 4.0 (Vals)Vals AI12.1%6.1%
Terminal-Bench ScienceVals AI7.1%–
Arena Agent Task CompletionArena (LMArena)-3.5-9.8
AutomationBenchArtificial Analysis62.0%40.6%
GDP.pdf (AA)Artificial Analysis23.6%17.4%
EnterpriseOps-GymArtificial Analysis50.4%†47.3%
AA-Briefcase v1.1Artificial Analysis11151323
Design Arena AgenticDesign Arena1222†1185†
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%†43.0%†
LiveBench MathematicsLiveBench93.5%91.2%
Arena MathsArena (LMArena)15021486
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub69.2%60.3%
LiveBench 1.0 Data AnalysisLiveBench68.0%76.5%
MMLU-ProVals AI90.1%88.3%
LegalBenchVals AI87.3%85.3%
CorpFinVals AI–70.9%
TaxEvalVals AI74.7%80.4%
BioMysteryBenchVals AI–64.8%
Excel Modeling BenchmarkVals AI71.3%57.0%
MedCodeVals AI53.4%49.4%
MedScribeVals AI83.9%90.1%
Public Benefits Bench v1.1Vals AI–68.5%
Financial Coaching BenchVals AI–75.7%
Immigration BenchVals AI–66.5%
GDP.pdfEpoch AI Benchmarking Hub23.8%16.0%
指示追従
LiveBench LanguageLiveBench85.5%78.6%
LiveBench Instruction FollowingLiveBench79.9%74.3%
Arena Instruction FollowingArena (LMArena)14861479
人間の評価
Arena TextArena (LMArena)14891493
EQ-Bench Creative Writing v3EQ-Bench1720†1842†
Arena Creative WritingArena (LMArena)14871443
Arena Multi-turnArena (LMArena)14901510
Arena Longer QueriesArena (LMArena)15011491
マルチモーダル
Arena VisionArena (LMArena)13131305
MMMU-ProArtificial Analysis85.5%–
MMMU-Pro (Vals)Vals AI89.0%86.1%
MortgageTaxVals AI66.7%65.4%
Humanity's Sixth SenseScale AI SEAL39.8%24.5%
Furniture AssemblyEpoch AI Benchmarking Hub26.7%–
長文コンテキスト
AA-LCR v1.1Artificial Analysis81.7%79.0%
Arena DocumentArena (LMArena)1468–
MLCRArtificial Analysis12.2%7.2%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub158.4†155.0†
LiveBench 1.0LiveBench78.8%78.0%
AA Intelligence Index v4.3.2Artificial Analysis39.139.6
AA Progress Index v1Artificial Analysis317.4309.1
Vals RSI IndexVals AI18.3%–
Vals Multimodal IndexVals AI–69.8%†
安全性・誠実さ
DistressBenchScale AI SEAL69.0%†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 3.7 Flash (high):新しい結果2件(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Muse Spark 1.2 (xhigh):新しい結果1件(GDPval-AA v2.1)。
  • 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 1.2 (xhigh):スコアの改訂1件。
  • Gemini 3.7 Flash (high):新しい結果1件(MirrorCode)。
  • Muse Spark 1.2 (xhigh):スコアの改訂1件。
  • Muse Spark 1.2 (xhigh):BenchLeader Index 62.2 → 61.6。
  • Gemini 3.7 Flash (high):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 3.7 Flash vs Muse Spark 1.2:よくある質問

Gemini 3.7 FlashはMuse Spark 1.2より優れていますか?
Gemini 3.7 Flash (high)とMuse Spark 1.2 (xhigh)の品質は互角です(62.1 対 61.5、±6.1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 1.2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 1.2のどちらが向いていますか?
コーディングではGemini 3.7 Flashの方がスコアが高くなっています(カテゴリ指標で62 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 3.7 Flashが1588、Muse Spark 1.2が1534です。
Gemini 3.7 FlashとMuse Spark 1.2はどちらが速いですか?
Muse Spark 1.2の方が出力が約2倍速くなっています(出力208 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 1.2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Muse Spark 1.2の方がスコアが高くなっています(カテゴリ指標で55 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τ³-Banking (AA)では、Gemini 3.7 Flashが32.8%、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Gemini 3.7 Flashの方がスコアが高くなっています(66 対 64)。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 3.7 Flashです。Artificial Analysisの測定では、最初の回答トークンまで2.2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 3.7 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64件のベンチマークのうち、Gemini 3.7 Flashのリードが44件、Muse Spark 1.2のリードが20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。
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。