Gemini 3.7 Flash vs Muse Wonder Full
詳しいプロフィール:Gemini 3.7 Flash(Google)とMuse Wonder Full(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 Wonder Fullの品質は互角です(BenchLeader Indexで62.1 対 61.7、±4.2の誤差範囲内)。知識(66 対 62)、推論(68 対 66)を重視するならGemini 3.7 Flash、エージェント・ツール(64 対 49)、コーディング(70 対 62)、長文コンテキスト(67 対 66)を重視するならMuse Wonder Full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 Wonder Fullが61.7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)。
- 両モデルに結果がある31件のベンチマークのうち、Muse Wonder Fullが30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 Wonder Fullが1724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 Wonder Full | カテゴリスコア70 対 62;Arena WebDev 1724 対 1588 | 高 |
| エージェント・ツール利用 | Muse Wonder Full | カテゴリスコア64 対 49;Arena Agent 9 対 -2.2 | 高 |
| 推論 | Gemini 3.7 Flash | カテゴリスコア68 対 66;Humanity's Last Exam (AA) 47.9% 対 53.6% | 中 |
| 知識 | Gemini 3.7 Flash | カテゴリスコア66 対 62;LegalBench 87.3% 対 87.4% | 中 |
| 長い文書 | Muse Wonder Full | カテゴリスコア67 対 66;AA-LCR v1.1 83.7% 対 81.7% | 中 |
| 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 |
| 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 Wonder Full (max)の品質は互角です(62.1 対 61.7、±4.2の誤差範囲内)。
- Gemini 3.7 Flash (high)は知識、推論で優れています。
- Muse Wonder Full (max)はエージェント・ツール、コーディング、長文コンテキストで優れています。
概要
| 仕様 | Gemini 3.7 Flash | Muse Wonder Full |
|---|---|---|
| プロバイダー | Meta | |
| リリース日 | 2026年8月13日 | 2026年10月12日 |
| コンテキストウィンドウ(トークン) | 1,048,576 | 1,000,000 |
| 比較した構成 | Gemini 3.7 Flash (high) | Muse Wonder Full (max) |
| 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 | – |
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 Wonder Full (max) | トップ |
|---|---|---|---|
| 推論 | 67.8 | 65.8 | Gemini 3.7 Flash |
| コーディング | 62.3 | 69.9 | Muse Wonder Full |
| エージェント・ツール | 48.9 | 63.6 | Muse Wonder Full |
| 数学 | 62.6 | – | 比較不可 |
| 知識 | 65.9 | 62.3 | Gemini 3.7 Flash |
| 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 | 66.6 | Muse Wonder Full |
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):数学, 指示追従, マルチモーダル, 人間の評価。
情報源で評価が分かれる点
両方に結果がある31件のベンチマークのうち、Gemini 3.7 Flashのリードが1件、Muse Wonder Fullのリードが30件です。
| 総合Index | Gemini 3.7 Flash (high) | Muse Wonder Full (max) | トップ |
|---|---|---|---|
| BenchLeader Index | 62.1 | 61.7 | 互角 |
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 Wonder Full (max) |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $1.50 | – |
| 100万トークンあたりの入力/出力 | $0.750 / $3.75 | – / – |
| 100万トークンあたりのキャッシュ入力 | $0.075 | – |
| タスクあたりの価格:チャットの返答 | $0.0014 | – |
| タスクあたりの価格:30ページのレポートを要約 | $0.011 | – |
| タスクあたりの価格:コード編集 | $0.010 | – |
| 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 | – |
| タスクあたりの価格:構造化データの抽出 | $0.0023 | – |
| 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) | $0.030 | – |
| タスクあたりの出力トークン(AA Index) | – | 88k |
| うち推論 | – | 55k |
| 出力速度 | 95 tok/s | – |
| 回答開始までの時間 | 2.2秒 | – |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Gemini 3.7 Flash (high)のスコアは62.1、最初の回答トークンまで2秒。Gemini 3.7 Flash (medium)は60.1(2秒)、Gemini 3.7 Flash (low)は57.3(2秒)。Muse Wonder Full (max)のスコアは61.7。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
126件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Gemini 3.7 Flash (high) | Muse Wonder Full (max) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 62.1 | 61.7 |
| エージェント・ツールスコア | BenchLeader | 48.9 | 63.6 |
| コーディングスコア | BenchLeader | 62.3 | 69.9 |
| 人間の評価スコア | BenchLeader | 68.1 | – |
| 知識スコア | BenchLeader | 65.9 | 62.3 |
| 長文コンテキストスコア | BenchLeader | 65.5 | 66.6 |
| 数学スコア | BenchLeader | 62.6 | – |
| マルチモーダルスコア | BenchLeader | 67.2 | – |
| 推論スコア | BenchLeader | 67.8 | 65.8 |
| ブレンド価格($/100万トークン) | BenchLeader | $1.50 | – |
| 出力速度 | BenchLeader | 95 tok/s | – |
| 回答開始までの時間 | BenchLeader | 2.2秒 | – |
| コンテキストウィンドウ | BenchLeader | 1,048,576トークン | 1,000,000トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 94.8% | – |
| Arena Hard Prompts | Arena (LMArena) | 1510 | – |
| LiveBench 1.0 Reasoning | LiveBench | 87.8% | – |
| GPQA Diamond (AA) | Artificial Analysis | 94.5% | – |
| Humanity's Last Exam (AA) | Artificial Analysis | 47.9% | 53.6% |
| HLE-Diamond (AA) | Artificial Analysis | – | 48.5% |
| 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% | 32.9% |
| CritPt v2 hard subset (AA) | Artificial Analysis | – | 56.5% |
| MysteryMechanism | Vals AI | – | 35.1% |
| Arena Expert | Arena (LMArena) | 1519 | – |
| Chess Puzzles | Epoch AI Benchmarking Hub | 66.0% | – |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 37.0% | – |
| LMCA | Epoch AI Benchmarking Hub | 50.4% | – |
| DTBench | Epoch AI Benchmarking Hub | 96.8% | – |
| ForecastBench | ForecastBench | 66.2% | – |
| コーディング | |||
| SciCode | SciCode | 57.2% | – |
| FrontierCode | Cognition | 43.6%† | – |
| Arena Coding | Arena (LMArena) | 1520 | – |
| Arena WebDev | Arena (LMArena) | 1588 | 1724 |
| LiveBench 1.0 Coding | LiveBench | 78.9% | – |
| SciCode (AA) | Artificial Analysis | 57.2% | 62.6% |
| LiveCodeBench | Vals AI | 88.7% | – |
126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 Wonder Full (max) |
|---|---|---|---|
| コーディング | |||
| IOI | Vals AI | 67.8% | 79.8% |
| SWE-bench (Vals) | Vals AI | 80.8% | – |
| Code Migration | Vals AI | 34.8% | 61.0% |
| Code Migration v1.1 | Vals AI | – | 62.8% |
| ProgramBench | Vals AI | 0.0% | 0.5% |
| SWE-bench Multimodal | Vals AI | – | 47.3% |
| Vibe Code Bench 1-100 | Vals AI | – | 34.0% |
| Vibe Code Bench v1.1 | Vals AI | 70.4% | 86.0% |
| MirrorCode | Epoch AI Benchmarking Hub | 41.1% | – |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | 65.3% | – |
| ALE-Bench | Epoch AI Benchmarking Hub | 904.3 | – |
| FrontierSWE | Epoch AI Benchmarking Hub | 20.3% | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 13.6% | 57.1% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 85.8% | – |
| Design Arena Website | Design Arena | 1295† | – |
| FrontierCode 1.1 (AA) | Artificial Analysis | – | 44.9% |
| FrontierCode 2.0 (AA) | Artificial Analysis | – | 37.8% |
| 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%† | – |
| Arena Agent | Arena (LMArena) | -2.2 | 9 |
| LiveBench Agentic Coding | LiveBench | 58.3% | – |
| Terminal-Bench 2.1 (Vals) | Vals AI | 77.5% | – |
| GDPval-AA v2.1, normalised score | Artificial Analysis | – | 67.8% |
| GDPval-AA v2.1 | Artificial Analysis | 1404 | 1857 |
| τ³-Banking (AA) | Artificial Analysis | 32.8% | – |
| Analyst Agent (AA) | Artificial Analysis | 60.0% | – |
| CyberBench | Vals AI | 43.8% | 73.6% |
| Finance Agent v2 | Vals AI | 59.0% | 59.1% |
| Finance Agent v2.1 | Vals AI | – | 67.6% |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | – | 23.3% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 8.8% | 21.7% |
| Legal Research Bench | Vals AI | 34.6% | 53.4% |
| Robo-bench | Vals AI | – | 10.4% |
| SkillsBench | Vals AI | 65.9% | – |
| SREBench | Vals AI | 4.6% | 11.8% |
| Tax Agent Bench | Vals AI | 22.8% | 43.0% |
| Terminal-Bench 4.0 (Vals) | Vals AI | 12.1% | 58.1% |
| Terminal-Bench Science | Vals AI | 7.1% | 37.1% |
| Arena Agent Task Completion | Arena (LMArena) | -3.5 | 11.1 |
| AutomationBench | Artificial Analysis | 62.0% | 71.3% |
| GDP.pdf (AA) | Artificial Analysis | 23.6% | 32.6% |
| Harvey LAB-AA v1.1 | Harvey | – | 13.1% |
| EnterpriseOps-Gym | Artificial Analysis | 50.4%† | – |
| AA-Briefcase v1.1 | Artificial Analysis | 1115 | 1729 |
| GDPx | GDPx by SemiAnalysis | – | 9.0% |
| Design Arena Agentic | Design Arena | 1222† | – |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | – | 37.1% |
| 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%† | – |
| LiveBench Mathematics | LiveBench | 93.5% | – |
| Arena Maths | Arena (LMArena) | 1502 | – |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 69.2% | – |
| LiveBench 1.0 Data Analysis | LiveBench | 68.0% | – |
| AA-Omniscience v1.1 | Artificial Analysis | – | 30.6 |
| MMLU-Pro | Vals AI | 90.1% | – |
| LegalBench | Vals AI | 87.3% | 87.4% |
| TaxEval | Vals AI | 74.7% | – |
| BioMysteryBench | Vals AI | – | 73.3% |
| Excel Modeling Benchmark | Vals AI | 71.3% | 71.9% |
| Excel Modeling Benchmark v1.1 | Vals AI | – | 75.0% |
| MedCode | Vals AI | 53.4% | 49.9% |
| MedScribe | Vals AI | 83.9% | 89.3% |
| Public Benefits Bench v1.1 | Vals AI | – | 73.8% |
| Access to Justice Benchmark | Vals AI | – | 74.7% |
| Financial Coaching Bench | Vals AI | – | 75.0% |
| Immigration Bench | Vals AI | – | 71.2% |
| GDP.pdf | Epoch AI Benchmarking Hub | 23.8% | – |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | – | 41.0% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | – | 82.4% |
| 指示追従 | |||
| LiveBench Language | LiveBench | 85.5% | – |
| LiveBench Instruction Following | LiveBench | 79.9% | – |
| Arena Instruction Following | Arena (LMArena) | 1486 | – |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1489 | – |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1720† | – |
| Arena Creative Writing | Arena (LMArena) | 1487 | – |
| Arena Multi-turn | Arena (LMArena) | 1490 | – |
| Arena Longer Queries | Arena (LMArena) | 1501 | – |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1313 | – |
| MMMU-Pro | Artificial Analysis | 85.5% | – |
| MMMU-Pro (Vals) | Vals AI | 89.0% | – |
| MortgageTax | Vals AI | 66.7% | – |
| Humanity's Sixth Sense | Scale AI SEAL | 39.8% | – |
| Furniture Assembly | Epoch AI Benchmarking Hub | 26.7% | – |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 81.7% | 83.7% |
| Arena Document | Arena (LMArena) | 1468 | – |
| MLCR | Artificial Analysis | 12.2% | 22.2% |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 158.4† | – |
| LiveBench 1.0 | LiveBench | 78.8% | – |
| AA Intelligence Index v5.0.1 | Artificial Analysis | – | 50.1 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 39.1 | 55.8 |
| AA Progress Index v1 | Artificial Analysis | 317.4 | 343.2 |
| Vals Index | Vals AI | – | 66.8 |
| Vals Finance Index | Vals AI | – | 64.5% |
| Vals RSI Index | Vals AI | 18.3% | 24.4% |
| Vals Science Index | Vals AI | – | 48.5% |
| Vals Router Index | Vals AI | – | 66.8%† |
| Vals Legal Index | Vals AI | – | 77.9% |
| 安全性・誠実さ | |||
| DistressBench | Scale AI SEAL | 69.0%† | – |
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)。
- Muse Wonder Full (max):BenchLeader Index 62.6 → 61.7。
- 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 Wonder Full (max):スコアの改訂1件。
- Muse Wonder Full (max):スコアの改訂1件。
- Muse Wonder Full (max):新しい結果1件(Arena Agent)。
- Gemini 3.7 Flash (high):新しい結果1件(MirrorCode)。
- 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 Wonder Full vs Claude Fable 5.2
- Muse Wonder Full vs Gemini 4 Carbon
- Muse Wonder Full vs Claude Opus 5.5
- Muse Wonder Full vs GPT-6 Astra
- Gemini 3.7 Flash vs Muse Spark 1.3
ランキング: 総合ベストLLM · コーディングに最適な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 Wonder Full:よくある質問
- Gemini 3.7 FlashはMuse Wonder Fullより優れていますか?
- Gemini 3.7 Flash (high)とMuse Wonder Full (max)の品質は互角です(62.1 対 61.7、±4.2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。
- コーディングにはGemini 3.7 FlashとMuse Wonder Fullのどちらが向いていますか?
- コーディングではMuse Wonder Fullの方がスコアが高くなっています(カテゴリ指標で70 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 Wonder Fullが1724です。
- エージェントやツール利用にはGemini 3.7 FlashとMuse Wonder Full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 Fullの方がスコアが高くなっています(カテゴリ指標で64 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 Wonder Fullが9です。
- 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Muse Wonder Fullの方がスコアが高くなっています(67 対 66)。どちらも約1Mトークンです(Gemini 3.7 Flashは1,048,576、Muse Wonder Fullは1,000,000)。
- Gemini 3.7 FlashとMuse Wonder Full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31件のベンチマークのうち、Gemini 3.7 Flashのリードが1件、Muse Wonder Fullのリードが30件です。
ほかの質問(1件)
- Muse Wonder Fullはいつリリースされましたか?
- Muse Wonder Fullは2026年10月12日にリリースされました。