BenchLeader

Gemini 3.7 Flash vs Muse Spark 1.3

詳しいプロフィール:Gemini 3.7 Flash(Google)とMuse Spark 1.3(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 · 13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 1.3の品質は互角です(BenchLeader Indexで62.1 対 61.6、±8.9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。数学(63 対 56)を重視するならGemini 3.7 Flash、知識(81 対 66)、エージェント・ツール(61 対 49)、推論(71 対 68)を重視するならMuse Spark 1.3が向いています。

要点(2026年11月16日時点)

  • BenchLeader IndexはGemini 3.7 Flashが62.1、Muse Spark 1.3が61.6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 1.3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3件のベンチマークのうち、Muse Spark 1.3が2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 Spark 1.3カテゴリスコア61 対 49高
数学Gemini 3.7 Flashカテゴリスコア63 対 56中
推論Muse Spark 1.3カテゴリスコア71 対 68;LMCA 53.9% 対 50.4%中
知識Muse Spark 1.3カテゴリスコア81 対 66;GDP.pdf 27.6% 対 23.8%高
チャットの質(人間の評価)–Arenaの評価があるのはGemini 3.7 Flashのみです(カテゴリスコア68)比較不可
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 2.6秒(Muse Spark 1.3)–
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 1.3の品質は互角です(62.1 対 61.6、±8.9の誤差範囲内)。
  • Gemini 3.7 Flash (high)は数学で優れています。
  • Muse Spark 1.3はエージェント・ツール、知識、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 1.3の方が出力が1.7倍速くなっています(163 対 95トークン/秒)。

概要

仕様Gemini 3.7 FlashMuse Spark 1.3
プロバイダーGoogleMeta
リリース日2026年8月13日2026年9月2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 1.3
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 1.3トップ
推論67.871.0Muse Spark 1.3
コーディング62.3–比較不可
エージェント・ツール48.961.3Muse Spark 1.3
数学62.656.3Gemini 3.7 Flash
知識65.981.2Muse Spark 1.3
人間の評価68.1–比較不可
マルチモーダル67.2–比較不可
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推論エージェント・ツール数学知識Gemini 3.7 Flash, 推論: 67.8Gemini 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: 65.9Muse Spark 1.3, 推論: 71.0Muse Spark 1.3, エージェント・ツール: 61.3Muse Spark 1.3, 数学: 56.3Muse Spark 1.3, 知識: 81.2

描画していないもの(測定済みのモデルが2つ未満):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, 人間の評価。

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 3.7 Flashのリードが1件、Muse Spark 1.3のリードが2件です。両方を評価しているすべての総合指標で、Muse Spark 1.3が上回っています。

総合IndexGemini 3.7 Flash (high)Muse Spark 1.3トップ
BenchLeader Index62.161.6互角
Arena Text14891497†Muse Spark 1.3

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 1.3
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/s163 tok/s
回答開始までの時間2.2秒2.6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 3.7 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 1.3のスコアは61.6、最初の回答トークンまで3秒。Muse Spark 1.3 (max)は60.6(31秒)、Muse Spark 1.3 (xhigh)は58.1(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

140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 1.3
BenchLeader IndexBenchLeader62.161.6
エージェント・ツールスコアBenchLeader48.961.3
コーディングスコアBenchLeader62.3–
人間の評価スコアBenchLeader68.1–
知識スコアBenchLeader65.981.2
長文コンテキストスコアBenchLeader65.5–
数学スコアBenchLeader62.656.3
マルチモーダルスコアBenchLeader67.2–
推論スコアBenchLeader67.871.0
ブレンド価格($/100万トークン)BenchLeader$1.50$2.00
出力速度BenchLeader95 tok/s163 tok/s
回答開始までの時間BenchLeader2.2秒2.6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–81.8%
Arena Hard PromptsArena (LMArena)15101517†
LiveBench 2.0 ReasoningLiveBench–89.7%†
LiveBench 1.0 ReasoningLiveBench87.8%89.7%†
GPQA Diamond (AA)Artificial Analysis94.5%93.5%†
Humanity's Last Exam (AA)Artificial Analysis47.9%48.7%†
HLE-Diamond (AA)Artificial Analysis–33.7%†
GPQA Diamond (Vals)Vals AI93.9%–
ARC-AGI-1ARC Prize95.5%–
ARC-AGI-2ARC Prize84.6%–
CritPtArtificial Analysis14.3%24.9%†
CritPt v2 hard subset (AA)Artificial Analysis–48.0%†
MysteryMechanismVals AI–36.0%†
HLE-Diamond (Scale)Scale AI SEAL–25.4%
Arena ExpertArena (LMArena)15191521†
Chess PuzzlesEpoch AI Benchmarking Hub66.0%37.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub37.0%25.0%†
LMCAEpoch AI Benchmarking Hub50.4%53.9%
DTBenchEpoch AI Benchmarking Hub96.8%96.5%
ForecastBenchForecastBench66.2%65.5%†
BTF-3Epoch AI Benchmarking Hub–14.1%†
コーディング
SciCodeSciCode57.2%58.8%†
FrontierCodeCognition43.6%†–
Arena CodingArena (LMArena)15201534†
140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 1.3
コーディング
Arena WebDevArena (LMArena)15881655†
LiveBench 2.0 CodingLiveBench–84.4%†
LiveBench 1.0 CodingLiveBench78.9%81.1%†
LiveCodeBenchVals AI88.7%–
IOIVals AI67.8%56.6%†
SWE-bench (Vals)Vals AI80.8%–
Code MigrationVals AI34.8%47.4%†
ProgramBenchVals AI0.0%2.5%†
SWE-bench MultimodalVals AI–43.1%†
Vibe Code Bench 1-100Vals AI–20.5%†
Vibe Code Bench v1.1Vals AI70.4%85.9%†
MirrorCodeEpoch AI Benchmarking Hub41.1%54.4%†
DeepSWE v1.1Epoch AI Benchmarking Hub65.3%–
CursorBenchCursor–41.6%†
ALE-BenchEpoch AI Benchmarking Hub904.31688.3†
FrontierSWEEpoch AI Benchmarking Hub20.3%25.8%†
WeirdML v3WeirdML–6.7%†
Terminal-Bench 4.0 (AA)Artificial Analysis13.6%33.3%†
Terminal-Bench 2.1 (AA)Artificial Analysis85.8%84.3%†
Startrise FrontendStartrise–74.7%
GameBench 2 OverallDuelLab GameBench 2–57.7
GameBench 2 by reasoning settingDuelLab GameBench 2–68.5†
Design Arena WebsiteDesign Arena1295†1353†
FrontierCode 1.1 (AA)Artificial Analysis–40.6%†
FrontierCode 2.0 (AA)Artificial Analysis–23.1%†
エージェント・ツール
Terminal-BenchTerminal-Bench12.4%14.8%†
Remote Labor IndexScale AI / CAIS5.0%†–
APEX-AgentsMercor67.8%†58.6%
Arena AgentArena (LMArena)-2.22.2†
LiveBench Long AgenticLiveBench–47.9%†
LiveBench BrowserLiveBench–30.9%†
LiveBench Agentic CodingLiveBench58.3%64.1%†
Terminal-Bench 2.1 (Vals)Vals AI77.5%79.0%†
HiL-BenchScale AI SEAL–66.9%
GDPval-AA v2.1Artificial Analysis14041681†
τ³-Banking (AA)Artificial Analysis32.8%50.5%†
ITBench SRE (AA)Artificial Analysis–33.2%†
Analyst Agent (AA)Artificial Analysis60.0%37.5%†
CUA-benchVals AI–5.8%†
CyberBenchVals AI43.8%72.7%†
Finance Agent v2Vals AI59.0%60.0%†
Harvey's Legal Agent Benchmark v1Vals AI8.8%23.8%†
Legal Research BenchVals AI34.6%55.3%†
SkillsBenchVals AI65.9%–
SREBenchVals AI4.6%3.8%†
Tax Agent BenchVals AI22.8%42.4%†
Terminal-Bench 4.0 (Vals)Vals AI12.1%24.8%†
Terminal-Bench ScienceVals AI7.1%10.0%†
Arena Agent Task CompletionArena (LMArena)-3.53.7†
AutomationBenchArtificial Analysis62.0%57.9%†
GDP.pdf (AA)Artificial Analysis23.6%26.6%†
Harvey LAB-AA v1.1Harvey–8.9%†
EnterpriseOps-GymArtificial Analysis50.4%†–
AA-Briefcase v1.1Artificial Analysis11151581†
Design Arena AgenticDesign Arena1222†1283†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–10.9%†
CWE-Bench (AA)Artificial Analysis–60.8%†
DeepSec-Bench (AA)Artificial Analysis–12.5%†
CyberGym end-to-end (AA)Artificial Analysis–59.5%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub71.6%74.0%†
FrontierMath Tier 4Epoch AI Benchmarking Hub36.6%46.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub97.2%99.2%†
ProofBenchVals AI58.0%†55.0%
LiveBench MathematicsLiveBench93.5%96.0%†
Arena MathsArena (LMArena)15021506†
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub69.2%–
LiveBench 2.0 Data AnalysisLiveBench–79.6%†
LiveBench ResearchLiveBench–82.5%†
LiveBench 1.0 Data AnalysisLiveBench68.0%79.6%†
AA-Omniscience v1.1Artificial Analysis–22.4†
MMLU-ProVals AI90.1%–
LegalBenchVals AI87.3%–
TaxEvalVals AI74.7%–
PRBench FinanceScale AI SEAL–59.5%
PRBench LegalScale AI SEAL–61.6%
Excel Modeling BenchmarkVals AI71.3%67.4%†
MedCodeVals AI53.4%–
MedScribeVals AI83.9%–
Access to Justice BenchmarkVals AI–72.2%†
Financial Coaching BenchVals AI–70.3%†
Immigration BenchVals AI–64.9%†
DrugDiscoveryBenchScale AI SEAL–62.2%†
GDP.pdfEpoch AI Benchmarking Hub23.8%27.6%
AA-Omniscience v1.1: accuracyArtificial Analysis–38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–74.8%†
指示追従
LiveBench LanguageLiveBench85.5%82.8%†
LiveBench Instruction FollowingLiveBench79.9%78.0%†
Arena Instruction FollowingArena (LMArena)14861485†
人間の評価
Arena TextArena (LMArena)14891497†
EQ-Bench Creative Writing v3EQ-Bench1720†1907
Arena Creative WritingArena (LMArena)14871468†
Arena Multi-turnArena (LMArena)14901493†
Arena Longer QueriesArena (LMArena)15011498†
マルチモーダル
Arena VisionArena (LMArena)13131310†
LiveBench DesignLiveBench–74.8%†
MMMU-ProArtificial Analysis85.5%82.0%†
MMMU-Pro (Vals)Vals AI89.0%–
MortgageTaxVals AI66.7%–
Humanity's Sixth SenseScale AI SEAL39.8%37.4%†
GeoBenchGeoBench–86.0%
Furniture AssemblyEpoch AI Benchmarking Hub26.7%–
Code2Video-AAArtificial Analysis–1019†
AA-3DArtificial Analysis–1032†
長文コンテキスト
AA-LCR v1.1Artificial Analysis81.7%83.0%†
Arena DocumentArena (LMArena)14681474†
MLCRArtificial Analysis12.2%13.9%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub158.4†158.2
LiveBench 2.0LiveBench–68.6%†
LiveBench 1.0LiveBench78.8%81.6%†
AA Intelligence Index v5.0.1Artificial Analysis–36.6†
AA Intelligence Index v4.3.2Artificial Analysis39.148.1†
AA Progress Index v1Artificial Analysis317.4324.5†
Vals RSI IndexVals AI18.3%19.6%†
AA Cyber IndexArtificial Analysis–44.3†
安全性・誠実さ
DistressBenchScale AI SEAL69.0%†84.9%

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 Spark 1.3:BenchLeader Index 60.2 → 61.6。
  • Gemini 3.7 Flash (high):新しい結果2件(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Muse Spark 1.3:スコアの改訂1件。
  • Muse Spark 1.3:BenchLeader Index 59.2 → 60.2。
  • Muse Spark 1.3:新しい結果2件(SimpleBench, GeoBench)。
  • Gemini 3.7 Flash (high):BenchLeader Index 62.6 → 62.1。
  • Muse Spark 1.3:BenchLeader Index 57.7 → 59.2。
  • Gemini 3.7 Flash (high):スコアの改訂1件。
  • Muse Spark 1.3:スコアの改訂4件。
  • Gemini 3.7 Flash (high):新しい結果1件(Arena Document)。

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 1.3:よくある質問

Gemini 3.7 FlashはMuse Spark 1.3より優れていますか?
Gemini 3.7 Flash (high)とMuse Spark 1.3の品質は互角です(62.1 対 61.6、±8.9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 1.3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。
Gemini 3.7 FlashとMuse Spark 1.3はどちらが速いですか?
Muse Spark 1.3の方が出力が速くなっています(出力163 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 1.3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 1.3の方がスコアが高くなっています(カテゴリ指標で61 対 49。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 2.6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 1.3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 3.7 Flashのリードが1件、Muse Spark 1.3のリードが2件です。両方を評価しているすべての総合指標で、Muse Spark 1.3が上回っています。
Muse Spark 1.3はいつリリースされましたか?
Muse Spark 1.3は2026年9月2日にリリースされました。