BenchLeader

Gemini 3.8 Flash vs Muse Wonder

詳しいプロフィール:Gemini 3.8 Flash(Google)とMuse Wonder(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 · 10件の情報源のデータ

2026年11月16日時点で、Gemini 3.8 FlashとMuse Wonderの品質は互角です(BenchLeader Indexで60.2 対 64.4、±5.7の誤差範囲内)。価格はGemini 3.8 Flashの方が5.3倍安く、100万トークンあたりのブレンド価格で$1.50 対 $8.00です。両方を測定できるすべてのカテゴリでMuse Wonderがリードしています。Gemini 3.8 Flashの現在の価格は2026年12月31日までで、その後は$3.00になります。

要点(2026年11月16日時点)

  • BenchLeader IndexはGemini 3.8 Flashが60.2、Muse Wonderが64.4です(BenchLeader、2026年11月16日)。
  • Gemini 3.8 Flashの100万トークンあたりのブレンド価格は$1.50です(2026年12月31日まで。その後は$3.00)(https://ai.google.dev/gemini-api/docs/pricing、2026年10月20日確認)。
  • Muse Wonderの100万トークンあたりのブレンド価格は$8.00です(定価、2026年11月16日)。
  • Gemini 3.8 FlashはMuse Wonderより出力が約1.5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2件のベンチマークのうち、Muse Wonder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・ツール利用どちらでもカテゴリスコア75 対 76どちらでも
知識Muse Wonderカテゴリスコア77 対 58高
チャットの質(人間の評価)–Arenaの評価があるのはMuse Wonderのみです(カテゴリスコア70)比較不可
最低コストGemini 3.8 Flash100万トークンあたりブレンド価格$1.50 対 $8.00;エージェント型コーディングセッション$0.060 対 $0.320;2027年1月1日以降:$3.00 対 $8.00–
回答開始の速さMuse Wonder最初の回答トークンまで3.3秒(Muse Wonder)対 14.8秒(Gemini 3.8 Flash (medium))–
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 3.8 Flash (medium)とMuse Wonderの品質は互角です(60.2 対 64.4、±5.7の誤差範囲内)。
  • Muse Wonderはエージェント・ツール、知識で優れています。
  • 2026年12月31日まではGemini 3.8 Flash (medium)の方が5.3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 $8.00)。2027年1月1日からは$3.00 対 $8.00になります。
  • Gemini 3.8 Flash (medium)の方が出力が1.7倍速くなっています(116 対 70トークン/秒)。

概要

仕様Gemini 3.8 FlashMuse Wonder
プロバイダーGoogleMeta
リリース日2026年9月2日2026年10月12日
コンテキストウィンドウ(トークン)1,048,5761,048,576
比較した構成Gemini 3.8 Flash (medium)Muse Wonder
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$4.00 / $20.00 / $0.200
発表済みの価格変更2027年1月1日から$1.50 / $7.50発表なし

上限、提供状況、発表済みの価格は各ベンダーの公式ページによるものです: ai.google.dev(料金) (2026年10月20日確認)。それ以外はすべて当日のデータです。

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 3.8 Flash (medium)Muse Wonderトップ
推論58.7–比較不可
コーディング51.6–比較不可
エージェント・ツール75.075.6互角
数学–70.1比較不可
知識57.777.1Muse Wonder
人間の評価–69.6比較不可
マルチモーダル66.7–比較不可
長文コンテキスト66.7–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 3.8 Flash, 推論: 58.7Gemini 3.8 Flash, コーディング: 51.6Gemini 3.8 Flash, エージェント・ツール: 75.0Gemini 3.8 Flash, 知識: 57.7Gemini 3.8 Flash, 長文コンテキスト: 66.7Gemini 3.8 Flash, マルチモーダル: 66.7Muse Wonder, エージェント・ツール: 75.6Muse Wonder, 数学: 70.1Muse Wonder, 知識: 77.1Muse Wonder, 人間の評価: 69.6

破線:そのモデルは横切る軸の結果がなく、線は隣の軸同士をつないでいるだけです。

描画していないもの(これらのモデルの結果なし):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2件のベンチマークのうち、Gemini 3.8 Flashのリードが0件、Muse Wonder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 Wonderが上回っています。

総合IndexGemini 3.8 Flash (medium)Muse Wonderトップ
BenchLeader Index60.264.4互角
AA Intelligence Index v5.0.130.140.5†Muse Wonder
Vals Index56.0†64.9Muse Wonder
Arena Text1497†1511Muse Wonder

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 3.8 Flash (medium)Muse Wonder
100万トークンあたりのブレンド価格(2026年12月31日まで)$1.50$8.00
100万トークンあたりの入力/出力$0.750 / $3.75$4.00 / $20.00
2027年1月1日以降の100万トークンあたりのブレンド価格$3.00$8.00
2027年1月1日以降の100万トークンあたりの入力/出力$1.50 / $7.50$4.00 / $20.00
100万トークンあたりのキャッシュ入力$0.075$0.200
タスクあたりの価格:チャットの返答$0.0014$0.0076
タスクあたりの価格:30ページのレポートを要約$0.011$0.060
タスクあたりの価格:コード編集$0.010$0.054
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$0.320
タスクあたりの価格:構造化データの抽出$0.0023$0.012
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$0.149
ベンチマークのタスクあたりのコスト(AA Index)$6.26–
タスクあたりの出力トークン(AA Index)82k–
うち推論47k–
タスクあたりの時間(AA Index)12 min–
出力速度116 tok/s70 tok/s
回答開始までの時間14.8秒3.3秒
回答が完了するまでの時間(最終測定2026年11月13日)41.8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 3.8 Flash (medium)のスコアは60.2、最初の回答トークンまで15秒。Gemini 3.8 Flash (high)は59.4(20秒)、Gemini 3.8 Flashは56.4(2秒)。Muse Wonderのスコアは64.4、最初の回答トークンまで3秒。Muse Wonder (max)は60.8(20秒)、Muse Wonder (high)は56.2(13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

179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 3.8 Flash (medium)Muse Wonder
BenchLeader IndexBenchLeader60.264.4
エージェント・ツールスコアBenchLeader75.075.6
コーディングスコアBenchLeader51.6–
知識スコアBenchLeader57.777.1
長文コンテキストスコアBenchLeader66.7–
マルチモーダルスコアBenchLeader66.7–
推論スコアBenchLeader58.7–
人間の評価スコアBenchLeader–69.6
数学スコアBenchLeader–70.1
ブレンド価格($/100万トークン)BenchLeader$1.50$8.00
出力速度BenchLeader116 tok/s70 tok/s
回答開始までの時間BenchLeader14.8秒3.3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 Hub95.4%†–
Humanity's Last ExamScale AI / CAIS44.5%†–
SimpleBenchSimpleBench82.4%†–
Arena Hard PromptsArena (LMArena)1518†1531†
LiveBench 2.0 ReasoningLiveBench89.3%†90.6%†
LiveBench 1.0 ReasoningLiveBench89.3%†90.6%†
GPQA Diamond (AA)Artificial Analysis93.5%–
Humanity's Last Exam (AA)Artificial Analysis42.1%50.1%†
HLE-Diamond (AA)Artificial Analysis29.1%39.0%†
GPQA Diamond (Vals)Vals AI94.4%†–
ARC-AGI-1ARC Prize97.5%–
ARC-AGI-2ARC Prize82.9%–
ARC-AGI-3ARC Prize24.2%–
CritPtArtificial Analysis12.3%28.3%†
CritPt v2 hard subset (AA)Artificial Analysis45.0%50.5%†
MysteryMechanismVals AI36.5%†27.5%†
HLE-Diamond (Scale)Scale AI SEAL34.3%†37.3%
Arena ExpertArena (LMArena)1527†1525†
Chess PuzzlesEpoch AI Benchmarking Hub58.0%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub47.0%†51.0%†
LMCAEpoch AI Benchmarking Hub52.9%56.8%
DTBenchEpoch AI Benchmarking Hub94.9%95.2%
コーディング
SciCodeSciCode55.1%60.3%†
WeirdMLWeirdML84.8%†–
FrontierCodeCognition41.2%–
179件のベンチマークをすべて表示
指標公開元Gemini 3.8 Flash (medium)Muse Wonder
コーディング
Arena CodingArena (LMArena)1531†1542†
Arena WebDevArena (LMArena)1584†1647†
LiveBench 2.0 CodingLiveBench73.3%†74.9%†
LiveBench 1.0 CodingLiveBench72.5%†80.7%†
LiveCodeBenchVals AI89.5%†–
IOIVals AI56.9%†66.9%†
SWE-bench (Vals)Vals AI80.0%†–
Code MigrationVals AI36.5%†62.5%†
Code Migration v1.1Vals AI38.6%†72.4%†
ProgramBenchVals AI1.0%†–
SWE-bench MultimodalVals AI40.8%†45.6%†
Vibe Code Bench 1-100Vals AI18.8%†26.6%†
Vibe Code Bench v1.1Vals AI78.7%†83.1%†
SWE Atlas v1.0: Codebase QnAScale AI SEAL47.0%†–
SWE Atlas v1.0: RefactoringScale AI SEAL44.8%†–
SWE Atlas v1.0: Test WritingScale AI SEAL53.7%†–
SWE Atlas v1.1Scale AI SEAL57.3%†64.8%
SWE Atlas v1.1: Codebase QnAScale AI SEAL45.2%†73.4%
SWE Atlas v1.1: Test WritingScale AI SEAL71.1%†61.1%
SWE Atlas v1.1: RefactoringScale AI SEAL55.7%†60.0%
SWE-Bench Pro V2Scale AI SEAL94.9%†96.7%†
SWE-Bench Pro V2 HARDScale AI SEAL58.8%†90.2%†
MirrorCodeEpoch AI Benchmarking Hub38.9%†45.6%†
Surface Evolver BenchEpoch AI Benchmarking Hub76.9%†–
DeepSWE v1.1Epoch AI Benchmarking Hub71.0%–
CursorBenchCursor37.3%50.4%†
ALE-BenchEpoch AI Benchmarking Hub1269.7†–
FrontierSWEEpoch AI Benchmarking Hub19.6%†–
WeirdML v3WeirdML7.4%†15.2%†
Terminal-Bench 4.0 (AA)Artificial Analysis19.7%52.0%†
Terminal-Bench 2.1 (AA)Artificial Analysis83.9%–
Startrise FrontendStartrise64.6%†–
GameBench 2 OverallDuelLab GameBench 259.0†64.8
GameBench 2 by reasoning settingDuelLab GameBench 259.754.9†
Design Arena WebsiteDesign Arena1291†1378†
FrontierCode 1.1 (AA)Artificial Analysis37.1%46.5%†
FrontierCode 2.0 (AA)Artificial Analysis16.5%27.9%†
エージェント・ツール
Terminal-BenchTerminal-Bench18.2%†47.0%†
Remote Labor IndexScale AI / CAIS5.8%†–
APEX-AgentsMercor64.3%†66.1%†
Arena AgentArena (LMArena)2.3†1.8†
LiveBench Long AgenticLiveBench16.5%†46.2%†
LiveBench BrowserLiveBench45.1%†60.0%†
LiveBench Agentic CodingLiveBench54.2%†62.7%†
Terminal-Bench 2.1 (Vals)Vals AI81.3%†–
HiL-BenchScale AI SEAL41.5%†79.7%
GDPval-AA v2.1, normalised scoreArtificial Analysis46.1%63.5%†
GDPval-AA v2.1Artificial Analysis14321770†
τ³-Banking (AA)Artificial Analysis45.8%–
ITBench SRE (AA)Artificial Analysis52.5%†–
Analyst Agent (AA)Artificial Analysis46.3%†–
CUA-benchVals AI4.2%†7.2%†
CyberBenchVals AI43.8%†80.4%†
Finance Agent v2Vals AI61.4%†56.6%†
Finance Agent v2.1Vals AI65.8%†65.5%†
Harvey's Legal Agent Benchmark v1.1Vals AI12.1%†23.8%†
Harvey's Legal Agent Benchmark v1Vals AI10.0%†17.1%†
Legal Research BenchVals AI38.9%†50.5%†
SkillsBenchVals AI58.0%†–
SREBenchVals AI11.1%†–
Tax Agent BenchVals AI32.1%†36.3%†
Terminal-Bench 4.0 (Vals)Vals AI19.7%†49.5%†
Terminal-Bench ScienceVals AI8.6%†22.9%†
Time Horizon Index: KSPVals AI18.8%†–
Arena Agent Task CompletionArena (LMArena)1.3†5.4†
PostTrainBenchEpoch AI Benchmarking Hub–24.2%†
Vending-Bench 2Andon Labs5093.8†9432.2
AutomationBenchArtificial Analysis60.9%68.1%†
GDP.pdf (AA)Artificial Analysis22.8%30.6%†
Harvey LAB-AA v1.1Harvey0.0%†10.0%†
AA-Briefcase v1.1Artificial Analysis11831659†
GDPxGDPx by SemiAnalysis–6.8%†
Design Arena AgenticDesign Arena1225†1177†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis10.5%25.7%†
CWE-Bench (AA)Artificial Analysis52.5%†–
DeepSec-Bench (AA)Artificial Analysis14.5%†–
CyberGym end-to-end (AA)Artificial Analysis8.4%†–
MKA (AA)Artificial Analysis35.3%†47.5%†
FACTS SearchGoogle80.4%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub68.4%†82.1%†
FrontierMath Tier 4Epoch AI Benchmarking Hub21.9%†70.7%†
OTIS Mock AIMEEpoch AI Benchmarking Hub98.9%†99.4%†
ProofBenchVals AI48.0%†84.0%
LiveBench MathematicsLiveBench91.6%†96.5%†
Arena MathsArena (LMArena)1519†1490†
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%†–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub69.7%†–
LiveBench 2.0 Data AnalysisLiveBench54.0%†81.6%†
LiveBench ResearchLiveBench79.4%†93.0%†
LiveBench 1.0 Data AnalysisLiveBench54.0%†81.6%†
AA-Omniscience v1.1Artificial Analysis23.725.1†
MMLU-ProVals AI90.2%†–
LegalBenchVals AI87.0%†–
TaxEvalVals AI74.5%†–
PRBench FinanceScale AI SEAL49.5%†58.7%
PRBench LegalScale AI SEAL48.9%†58.4%
BioMysteryBenchVals AI62.2%†67.0%†
Excel Modeling BenchmarkVals AI72.2%†67.1%†
Excel Modeling Benchmark v1.1Vals AI72.9%†72.5%†
MedCodeVals AI48.1%†–
MedScribeVals AI84.5%†–
Public Benefits Bench v1.1Vals AI65.3%†70.2%†
Access to Justice BenchmarkVals AI67.1%†73.0%†
Financial Coaching BenchVals AI66.3%†73.8%†
Immigration BenchVals AI63.4%†69.6%†
EBR-benchEpoch AI Benchmarking Hub–31.4%†
GDP.pdfEpoch AI Benchmarking Hub23.4%30.8%†
AA-Omniscience v1.1: accuracyArtificial Analysis49.6%38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis48.5%79.1%†
HealthBench Professional (AA)OpenAI51.7%†–
FACTS ParametricGoogle78.7%†–
指示追従
LiveBench LanguageLiveBench87.8%†82.9%†
LiveBench Instruction FollowingLiveBench81.4%†73.0%†
Arena Instruction FollowingArena (LMArena)1492†1498†
人間の評価
Arena TextArena (LMArena)1497†1511†
EQ-Bench 4EQ-Bench–1325
EQ-Bench Creative Writing v3EQ-Bench1744†2007
Arena Creative WritingArena (LMArena)1488†1491†
Arena Multi-turnArena (LMArena)1505†1525†
Arena Longer QueriesArena (LMArena)1511†1507†
マルチモーダル
Arena VisionArena (LMArena)1317†–
LiveBench DesignLiveBench69.7%†70.9%†
MMMU-ProArtificial Analysis84.2%83.8%†
MMMU-Pro (Vals)Vals AI89.1%†–
MortgageTaxVals AI65.3%†–
SAGEVals AI88.2%†–
AudioMCScale AI SEAL60.4%†–
AudioMC (text output)Scale AI SEAL60.4%†–
Humanity's Sixth SenseScale AI SEAL41.6%†43.7%†
GeoBenchGeoBench86.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub38.6%†31.7%
Furniture AssemblyEpoch AI Benchmarking Hub31.7%†54.2%†
VIALS-AAHandshake AI41.0%†55.3%†
Code2Video-AAArtificial Analysis899†997†
AA-3DArtificial Analysis974†–
FACTS MultimodalGoogle57.6%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis84.0%80.7%†
Arena DocumentArena (LMArena)1469†–
MLCRArtificial Analysis12.8%22.2%†
FACTS GroundingGoogle68.2%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub158.8†161.7
LiveBench 2.0LiveBench57.3%†70.7%†
LiveBench 1.0LiveBench75.8%†81.2%†
AA Intelligence Index v5.0.1Artificial Analysis30.143.6†
AA Intelligence Index v4.3.2Artificial Analysis39.852.4†
AA Progress Index v1Artificial Analysis319.1335.8†
Vals IndexVals AI56.0†64.9†
Vals Finance IndexVals AI60.5%†61.2%†
Vals RSI IndexVals AI19.9%†–
Vals Science IndexVals AI35.8%†39.1%†
Vals Router IndexVals AI56.0%†64.9%
Vals Legal IndexVals AI69.8%†75.3%†
AA Cyber IndexArtificial Analysis25.1†–
安全性・誠実さ
DistressBenchScale AI SEAL70.7%†85.9%

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

  • Gemini 3.8 Flash:定価が100万トークンあたり入力$1.50/出力$7.50に変わります(発表済み)。
  • Muse Wonder:BenchLeader Index 63.0 → 64.4。
  • Gemini 3.8 Flash (medium):スコアの改訂1件。
  • Muse Wonder:BenchLeader Index 63.5 → 63.0。
  • Muse Wonder:新しい結果1件(Blueprint-Bench 2)。
  • Muse Wonder:BenchLeader Index 64.3 → 63.5。
  • Muse Wonder:スコアの改訂5件。
  • Gemini 3.8 Flash (medium):スコアの改訂2件。
  • Muse Wonder:スコアの改訂1件。
  • Gemini 3.8 Flash (medium):スコアの改訂1件。

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 3.8 Flash vs Muse Wonder:よくある質問

Gemini 3.8 FlashはMuse Wonderより優れていますか?
Gemini 3.8 Flash (medium)とMuse Wonderの品質は互角です(60.2 対 64.4、±5.7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 3.8 FlashとMuse Wonder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 3.8 Flashの方が安く、100万トークンあたり$1.50 対 $8.00です(出力1トークンにつき入力3トークンでブレンド)。Gemini 3.8 Flashの現在の価格は2026年12月31日までで、その後は$3.00になります。
Gemini 3.8 FlashとMuse Wonderはどちらが速いですか?
Gemini 3.8 Flashの方が出力が約1.5倍速くなっています(出力116 対 70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 3.8 FlashとMuse Wonder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互角です(カテゴリ指標で75 対 76)。
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Muse Wonderです。Artificial Analysisの測定では、最初の回答トークンまで3.3秒 対 14.8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 3.8 FlashとMuse Wonder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2件のベンチマークのうち、Gemini 3.8 Flashのリードが0件、Muse Wonder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 Wonderが上回っています。
Muse Wonderはいつリリースされましたか?
Muse Wonderは2026年10月12日にリリースされました。