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 Flash | 100万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 Flash | Muse Spark 1.2 |
|---|---|---|
| プロバイダー | Meta | |
| 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) | 1,048,576 | 1,048,576 |
| 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 | 67.8 | 68.1 | 互角 |
| コーディング | 62.3 | 54.7 | Gemini 3.7 Flash |
| エージェント・ツール | 48.9 | 55.4 | Muse Spark 1.2 |
| 数学 | 62.6 | 66.8 | Muse Spark 1.2 |
| 知識 | 65.9 | 64.5 | Gemini 3.7 Flash |
| 人間の評価 | 68.1 | 68.6 | 互角 |
| マルチモーダル | 67.2 | 65.3 | Gemini 3.7 Flash |
| 長文コンテキスト | 65.5 | 64.1 | Gemini 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。
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。
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Index | Gemini 3.7 Flash (high) | Muse Spark 1.2 (xhigh) | トップ |
|---|---|---|---|
| BenchLeader Index | 62.1 | 61.5 | 互角 |
| Arena Text | 1489 | 1493 | Muse 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 | $0.043 |
| 出力速度 | 95 tok/s | 208 tok/s |
| 回答開始までの時間 | 2.2秒 | 11.4秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | – | 23.9秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Gemini 3.7 Flash (high)のスコアは62.1、最初の回答トークンまで2秒。Gemini 3.7 Flash (medium)は60.1(2秒)、Gemini 3.7 Flash (low)は57.3(2秒)。Muse Spark 1.2 (xhigh)のスコアは61.5、最初の回答トークンまで11秒。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
106件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Gemini 3.7 Flash (high) | Muse Spark 1.2 (xhigh) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 62.1 | 61.5 |
| エージェント・ツールスコア | BenchLeader | 48.9 | 55.4 |
| コーディングスコア | BenchLeader | 62.3 | 54.7 |
| 人間の評価スコア | BenchLeader | 68.1 | 68.6 |
| 知識スコア | BenchLeader | 65.9 | 64.5 |
| 長文コンテキストスコア | BenchLeader | 65.5 | 64.1 |
| 数学スコア | BenchLeader | 62.6 | 66.8 |
| マルチモーダルスコア | BenchLeader | 67.2 | 65.3 |
| 推論スコア | BenchLeader | 67.8 | 68.1 |
| ブレンド価格($/100万トークン) | BenchLeader | $1.50 | $2.00 |
| 出力速度 | BenchLeader | 95 tok/s | 208 tok/s |
| 回答開始までの時間 | BenchLeader | 2.2秒 | 11.4秒 |
| コンテキストウィンドウ | BenchLeader | 1,048,576トークン | 1,048,576トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 94.8% | – |
| SimpleBench | SimpleBench | – | 74.5%† |
| Arena Hard Prompts | Arena (LMArena) | 1510 | 1514 |
| LiveBench 1.0 Reasoning | LiveBench | 87.8% | 90.0% |
| GPQA Diamond (AA) | Artificial Analysis | 94.5% | 90.4% |
| Humanity's Last Exam (AA) | Artificial Analysis | 47.9% | 45.5% |
| GPQA Diamond (Vals) | Vals AI | 93.9% | – |
| ARC-AGI-1 | ARC Prize | 95.5% | – |
| ARC-AGI-2 | ARC Prize | 84.6% | – |
| CritPt | Artificial Analysis | 14.3% | 17.7% |
| Arena Expert | Arena (LMArena) | 1519 | 1503 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 66.0% | 27.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 37.0% | – |
| LMCA | Epoch AI Benchmarking Hub | 50.4% | 48.4% |
| DTBench | Epoch AI Benchmarking Hub | 96.8% | 94.7% |
| ForecastBench | ForecastBench | 66.2% | – |
| コーディング | |||
| SciCode | SciCode | 57.2% | 57.4% |
| WeirdML | WeirdML | – | 60.3% |
| FrontierCode | Cognition | 43.6%† | – |
| Arena Coding | Arena (LMArena) | 1520 | 1542 |
| Arena WebDev | Arena (LMArena) | 1588 | 1534 |
| LiveBench 1.0 Coding | LiveBench | 78.9% | 77.5% |
| LiveCodeBench | Vals AI | 88.7% | – |
| IOI | Vals AI | 67.8% | 21.8% |
| SWE-bench (Vals) | Vals AI | 80.8% | 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 Migration | Vals AI | 34.8% | 29.9% |
| ProgramBench | Vals AI | 0.0% | 0.5% |
| Vibe Code Bench v1.1 | Vals AI | 70.4% | 79.1% |
| MirrorCode | Epoch AI Benchmarking Hub | 41.1% | – |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | 65.3% | 54.9% |
| ALE-Bench | Epoch AI Benchmarking Hub | 904.3 | – |
| FrontierSWE | Epoch AI Benchmarking Hub | 20.3% | 12.0% |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 13.6% | 7.1% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 85.8% | 80.2% |
| Startrise Frontend | Startrise | – | 70.3%† |
| GameBench 2 Overall | DuelLab GameBench 2 | – | 51.5† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | – | 56.9 |
| Design Arena Website | Design Arena | 1295† | 1309† |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 12.4% | – |
| Remote Labor Index | Scale AI / CAIS | 5.0%† | – |
| APEX-Agents | Mercor | 67.8%† | 45.4%† |
| Arena Agent | Arena (LMArena) | -2.2 | -8.2 |
| LiveBench Agentic Coding | LiveBench | 58.3% | 57.6% |
| Terminal-Bench 2.1 (Vals) | Vals AI | 77.5% | 69.7% |
| GDPval-AA v2.1 | Artificial Analysis | 1404 | 1478 |
| τ³-Banking (AA) | Artificial Analysis | 32.8% | 34.9% |
| Analyst Agent (AA) | Artificial Analysis | 60.0% | – |
| CyberBench | Vals AI | 43.8% | 69.5% |
| Finance Agent v2 | Vals AI | 59.0% | 60.6% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 8.8% | 25.4% |
| Legal Research Bench | Vals AI | 34.6% | 43.8% |
| SkillsBench | Vals AI | 65.9% | 53.0% |
| SREBench | Vals AI | 4.6% | 0.0% |
| Tax Agent Bench | Vals AI | 22.8% | 32.8% |
| Terminal-Bench 4.0 (Vals) | Vals AI | 12.1% | 6.1% |
| Terminal-Bench Science | Vals AI | 7.1% | – |
| Arena Agent Task Completion | Arena (LMArena) | -3.5 | -9.8 |
| AutomationBench | Artificial Analysis | 62.0% | 40.6% |
| GDP.pdf (AA) | Artificial Analysis | 23.6% | 17.4% |
| EnterpriseOps-Gym | Artificial Analysis | 50.4%† | 47.3% |
| AA-Briefcase v1.1 | Artificial Analysis | 1115 | 1323 |
| Design Arena Agentic | Design Arena | 1222† | 1185† |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 71.6% | – |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 36.6% | – |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 97.2% | – |
| ProofBench | Vals AI | 58.0%† | 43.0%† |
| LiveBench Mathematics | LiveBench | 93.5% | 91.2% |
| Arena Maths | Arena (LMArena) | 1502 | 1486 |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 69.2% | 60.3% |
| LiveBench 1.0 Data Analysis | LiveBench | 68.0% | 76.5% |
| MMLU-Pro | Vals AI | 90.1% | 88.3% |
| LegalBench | Vals AI | 87.3% | 85.3% |
| CorpFin | Vals AI | – | 70.9% |
| TaxEval | Vals AI | 74.7% | 80.4% |
| BioMysteryBench | Vals AI | – | 64.8% |
| Excel Modeling Benchmark | Vals AI | 71.3% | 57.0% |
| MedCode | Vals AI | 53.4% | 49.4% |
| MedScribe | Vals AI | 83.9% | 90.1% |
| Public Benefits Bench v1.1 | Vals AI | – | 68.5% |
| Financial Coaching Bench | Vals AI | – | 75.7% |
| Immigration Bench | Vals AI | – | 66.5% |
| GDP.pdf | Epoch AI Benchmarking Hub | 23.8% | 16.0% |
| 指示追従 | |||
| LiveBench Language | LiveBench | 85.5% | 78.6% |
| LiveBench Instruction Following | LiveBench | 79.9% | 74.3% |
| Arena Instruction Following | Arena (LMArena) | 1486 | 1479 |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1489 | 1493 |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1720† | 1842† |
| Arena Creative Writing | Arena (LMArena) | 1487 | 1443 |
| Arena Multi-turn | Arena (LMArena) | 1490 | 1510 |
| Arena Longer Queries | Arena (LMArena) | 1501 | 1491 |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1313 | 1305 |
| MMMU-Pro | Artificial Analysis | 85.5% | – |
| MMMU-Pro (Vals) | Vals AI | 89.0% | 86.1% |
| MortgageTax | Vals AI | 66.7% | 65.4% |
| Humanity's Sixth Sense | Scale AI SEAL | 39.8% | 24.5% |
| Furniture Assembly | Epoch AI Benchmarking Hub | 26.7% | – |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 81.7% | 79.0% |
| Arena Document | Arena (LMArena) | 1468 | – |
| MLCR | Artificial Analysis | 12.2% | 7.2% |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 158.4† | 155.0† |
| LiveBench 1.0 | LiveBench | 78.8% | 78.0% |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 39.1 | 39.6 |
| AA Progress Index v1 | Artificial Analysis | 317.4 | 309.1 |
| Vals RSI Index | Vals AI | 18.3% | – |
| Vals Multimodal Index | Vals AI | – | 69.8%† |
| 安全性・誠実さ | |||
| DistressBench | Scale AI SEAL | 69.0%† | 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)。
関連する比較
- Gemini 3.7 Flash vs Claude Fable 5.2
- Gemini 3.7 Flash vs Gemini 4 Carbon
- Gemini 3.7 Flash vs Claude Opus 5.5
- Muse Spark 1.2 vs Claude Fable 5.2
- Muse Spark 1.2 vs Gemini 4 Carbon
- Muse Spark 1.2 vs Claude Opus 5.5
- Muse Spark 1.2 vs GPT-6 Astra
- Gemini 3.7 Flash vs Muse Spark 1.1
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。