BenchLeader

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 FlashMuse Wonder Full
プロバイダーGoogleMeta
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)1,048,5761,000,000
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67.865.8Gemini 3.7 Flash
コーディング62.369.9Muse Wonder Full
エージェント・ツール48.963.6Muse Wonder Full
数学62.6–比較不可
知識65.962.3Gemini 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65.566.6Muse 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。

2550 avg75推論コーディングエージェント・ツール知識長文コンテキスト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, 知識: 65.9Gemini 3.7 Flash, 長文コンテキスト: 65.5Muse Wonder Full, 推論: 65.8Muse Wonder Full, コーディング: 69.9Muse Wonder Full, エージェント・ツール: 63.6Muse Wonder Full, 知識: 62.3Muse Wonder Full, 長文コンテキスト: 66.6

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。

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IndexGemini 3.7 Flash (high)Muse Wonder Full (max)トップ
BenchLeader Index62.161.7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 IndexBenchLeader62.161.7
エージェント・ツールスコアBenchLeader48.963.6
コーディングスコアBenchLeader62.369.9
人間の評価スコアBenchLeader68.1–
知識スコアBenchLeader65.962.3
長文コンテキストスコアBenchLeader65.566.6
数学スコアBenchLeader62.6–
マルチモーダルスコアBenchLeader67.2–
推論スコアBenchLeader67.865.8
ブレンド価格($/100万トークン)BenchLeader$1.50–
出力速度BenchLeader95 tok/s–
回答開始までの時間BenchLeader2.2秒–
コンテキストウィンドウBenchLeader1,048,576トークン1,000,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub94.8%–
Arena Hard PromptsArena (LMArena)1510–
LiveBench 1.0 ReasoningLiveBench87.8%–
GPQA Diamond (AA)Artificial Analysis94.5%–
Humanity's Last Exam (AA)Artificial Analysis47.9%53.6%
HLE-Diamond (AA)Artificial Analysis–48.5%
GPQA Diamond (Vals)Vals AI93.9%–
ARC-AGI-1ARC Prize95.5%–
ARC-AGI-2ARC Prize84.6%–
CritPtArtificial Analysis14.3%32.9%
CritPt v2 hard subset (AA)Artificial Analysis–56.5%
MysteryMechanismVals AI–35.1%
Arena ExpertArena (LMArena)1519–
Chess PuzzlesEpoch AI Benchmarking Hub66.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub37.0%–
LMCAEpoch AI Benchmarking Hub50.4%–
DTBenchEpoch AI Benchmarking Hub96.8%–
ForecastBenchForecastBench66.2%–
コーディング
SciCodeSciCode57.2%–
FrontierCodeCognition43.6%†–
Arena CodingArena (LMArena)1520–
Arena WebDevArena (LMArena)15881724
LiveBench 1.0 CodingLiveBench78.9%–
SciCode (AA)Artificial Analysis57.2%62.6%
LiveCodeBenchVals AI88.7%–
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
IOIVals AI67.8%79.8%
SWE-bench (Vals)Vals AI80.8%–
Code MigrationVals AI34.8%61.0%
Code Migration v1.1Vals AI–62.8%
ProgramBenchVals AI0.0%0.5%
SWE-bench MultimodalVals AI–47.3%
Vibe Code Bench 1-100Vals AI–34.0%
Vibe Code Bench v1.1Vals AI70.4%86.0%
MirrorCodeEpoch AI Benchmarking Hub41.1%–
DeepSWE v1.1Epoch AI Benchmarking Hub65.3%–
ALE-BenchEpoch AI Benchmarking Hub904.3–
FrontierSWEEpoch AI Benchmarking Hub20.3%–
Terminal-Bench 4.0 (AA)Artificial Analysis13.6%57.1%
Terminal-Bench 2.1 (AA)Artificial Analysis85.8%–
Design Arena WebsiteDesign Arena1295†–
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-BenchTerminal-Bench12.4%–
Remote Labor IndexScale AI / CAIS5.0%†–
APEX-AgentsMercor67.8%†–
Arena AgentArena (LMArena)-2.29
LiveBench Agentic CodingLiveBench58.3%–
Terminal-Bench 2.1 (Vals)Vals AI77.5%–
GDPval-AA v2.1, normalised scoreArtificial Analysis–67.8%
GDPval-AA v2.1Artificial Analysis14041857
τ³-Banking (AA)Artificial Analysis32.8%–
Analyst Agent (AA)Artificial Analysis60.0%–
CyberBenchVals AI43.8%73.6%
Finance Agent v2Vals AI59.0%59.1%
Finance Agent v2.1Vals AI–67.6%
Harvey's Legal Agent Benchmark v1.1Vals AI–23.3%
Harvey's Legal Agent Benchmark v1Vals AI8.8%21.7%
Legal Research BenchVals AI34.6%53.4%
Robo-benchVals AI–10.4%
SkillsBenchVals AI65.9%–
SREBenchVals AI4.6%11.8%
Tax Agent BenchVals AI22.8%43.0%
Terminal-Bench 4.0 (Vals)Vals AI12.1%58.1%
Terminal-Bench ScienceVals AI7.1%37.1%
Arena Agent Task CompletionArena (LMArena)-3.511.1
AutomationBenchArtificial Analysis62.0%71.3%
GDP.pdf (AA)Artificial Analysis23.6%32.6%
Harvey LAB-AA v1.1Harvey–13.1%
EnterpriseOps-GymArtificial Analysis50.4%†–
AA-Briefcase v1.1Artificial Analysis11151729
GDPxGDPx by SemiAnalysis–9.0%
Design Arena AgenticDesign Arena1222†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–37.1%
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%†–
LiveBench MathematicsLiveBench93.5%–
Arena MathsArena (LMArena)1502–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub69.2%–
LiveBench 1.0 Data AnalysisLiveBench68.0%–
AA-Omniscience v1.1Artificial Analysis–30.6
MMLU-ProVals AI90.1%–
LegalBenchVals AI87.3%87.4%
TaxEvalVals AI74.7%–
BioMysteryBenchVals AI–73.3%
Excel Modeling BenchmarkVals AI71.3%71.9%
Excel Modeling Benchmark v1.1Vals AI–75.0%
MedCodeVals AI53.4%49.9%
MedScribeVals AI83.9%89.3%
Public Benefits Bench v1.1Vals AI–73.8%
Access to Justice BenchmarkVals AI–74.7%
Financial Coaching BenchVals AI–75.0%
Immigration BenchVals AI–71.2%
GDP.pdfEpoch AI Benchmarking Hub23.8%–
AA-Omniscience v1.1: accuracyArtificial Analysis–41.0%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–82.4%
指示追従
LiveBench LanguageLiveBench85.5%–
LiveBench Instruction FollowingLiveBench79.9%–
Arena Instruction FollowingArena (LMArena)1486–
人間の評価
Arena TextArena (LMArena)1489–
EQ-Bench Creative Writing v3EQ-Bench1720†–
Arena Creative WritingArena (LMArena)1487–
Arena Multi-turnArena (LMArena)1490–
Arena Longer QueriesArena (LMArena)1501–
マルチモーダル
Arena VisionArena (LMArena)1313–
MMMU-ProArtificial Analysis85.5%–
MMMU-Pro (Vals)Vals AI89.0%–
MortgageTaxVals AI66.7%–
Humanity's Sixth SenseScale AI SEAL39.8%–
Furniture AssemblyEpoch AI Benchmarking Hub26.7%–
長文コンテキスト
AA-LCR v1.1Artificial Analysis81.7%83.7%
Arena DocumentArena (LMArena)1468–
MLCRArtificial Analysis12.2%22.2%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub158.4†–
LiveBench 1.0LiveBench78.8%–
AA Intelligence Index v5.0.1Artificial Analysis–50.1
AA Intelligence Index v4.3.2Artificial Analysis39.155.8
AA Progress Index v1Artificial Analysis317.4343.2
Vals IndexVals AI–66.8
Vals Finance IndexVals AI–64.5%
Vals RSI IndexVals AI18.3%24.4%
Vals Science IndexVals AI–48.5%
Vals Router IndexVals AI–66.8%†
Vals Legal IndexVals AI–77.9%
安全性・誠実さ
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)。
  • 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)。

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。