Muse Wonder 対 Gemini 3.1 Pro：22インデックスポイント、2つのリリーストレイン、そしてそのうちの1つの下で動いたスコアボード

Gemini 3.1 Proは、2026年2月の登場時に、Artificial Analysis の Intelligence Index で57を記録し、首位に立った。今日、同じインデックスの現行改訂版で見ると、スコアは29.7である。モデル自体は何も変わっていない。2026年10月12日にリリースされた Muse Wonder は、同じボードで52を示す——そして多くの人が行うであろう比較、52対29.7は、本物の差でありながら、誤解を招く差でもある。なぜなら、その差の大部分は、6か月にわたるモデルの進歩によってではなく、再採点によって作り出されたものだからだ。この対決の誠実な形は、2つの出荷済みモデル、Gemini 3.1 Pro と Muse Wonder を、二度入れ替えられた物差しの上で比較し、それぞれが実際には何のためのものなのかを問いかけることにある。

数字の前に、ひとつ見方を示しておく。これらは、典型的な対決ページが想定する意味での競合ではない。Gemini 3.1 Pro はその系統で最後に稼働中の Pro ティアのエンドポイントであり、発表から 7 か月たった今もプレビュー識別子の下で提供されている。Muse Wonder は Meta Superintelligence Labs による最新のフロンティアリリースで、サブスクリプション限定の、より高スコアの兄弟モデルを伴う。一方は長コンテキストのマルチモーダルな主力モデルで、価格こそがその主張である。もう一方は出力の多いエージェント型モデルで、価格こそ最も真剣に考えるべき点である。

支配者は変わったが、モデルは変わらなかった

これは、スペック表が決して教えてくれない比較の部分であり、だからこそ見出しの差はどちらの方向にも誤解を招くのです。

Artificial Analysisは2026年9月初旬にIntelligence Index v4.3をリリースし、その後さらに改訂した。その更新ではTerminal-Bench v2.1を、はるかに難易度の高いTerminal-Bench v4.0に置き換え、τ³-BankingをAutomationBench-AAに差し替えた。AutomationBench-AAは、非公開のホールドアウトタスクセットに基づいて構築されたエージェント型ワークフローのベンチマークである。非公開のホールドアウトの重み付けは45%に上昇した。その結果、スコアはフロンティア全体で下落した — 旧尺度で60台だったモデルは50台前半になった。Gemini 3.1 Proはそこまで下がらなかった。30未満まで下がった。

つまり、同じ変更されていないチェックポイントに対して、公開されている測定値が4つ出回っている——57、46、30、29.7——どのページをいつ開くかによって異なる。それはスキャンダルではない。土台にあるテストが難しくなったときに、優れた指標が示す姿だ。ただし、別々の改訂版から出た2つの数値を決して比較すべきでない理由ではある。そして52対29.7という表示は、まさにそれをしてしまう誘惑になる。

各モデルの正体

• Gemini 3.1 Pro — 2026年2月19日に発表された、クローズドウェイトのネイティブ・マルチモーダル推論モデルで、今なお「Preview」として登録されているエンドポイント: gemini-3.1-pro-preview。ラインには 3.5、3.6、3.7、3.8 Pro は存在しない。Flash ラダーは5回動いた一方、Pro ラダーはまったく動いていない。

• Muse Wonder — 2026年10月12日にリリースされたクローズドウェイトのフロンティアモデルで、Meta自身のAPI上およびMuse Code内でmuse-wonder-1.0として提供されています。2つ目のチェックポイントであるMuse Wonder Fullは、Meta自身の表でより高いスコアを記録し、Muse Codeのサブスクリプション限定です。

• コンテキスト — Gemini 3.1 Pro 1,048,576 入力トークン、Muse Wonder 1,048,576。水準、そして現在のフロンティアの大半と同水準。

• 出力上限 — Gemini 3.1 Pro は単一の応答で 65,536 トークン、Muse Wonder は 943,718 トークン。これは両モデル間で最大の単一の差であり、14 倍を超える。

• 価格 — Gemini 3.1 Pro は、200,000トークン未満のプロンプトでは入力100万トークンあたり $2.00、出力100万トークンあたり $12.00 で、それを超えると $4.00 と $18.00 に上がり、キャッシュ入力は $0.20 と $0.40。Muse Wonder は $4.00 と $20.00 の定額で、キャッシュ入力は $0.20。短いプロンプトでは、入力で半額、出力で40%安い。200,000トークンを超えると、両者はほぼ完全に一致する。

• 入力モダリティ — Gemini 3.1 Proはテキスト、画像、動画、オーディオ、ファイルを受け取る。Muse Wonderはテキスト、画像、音声、動画を受け取る。どちらも出力するのはテキストのみ。建前上は同じ一文であり、実際にはツーリングエコシステムがそれを中心に7か月分のツールを積み上げてきた。

• 推論 — Gemini 3.1 Pro は思考レベルの制御に対応しており、思考トークンは出力レートで課金されます。Muse Wonder の推論は必須で、最小から最大までのエフォート段階があり、デフォルトは中、非思考の経路は一切ありません。

• 独立系インデックス — Gemini 3.1 Pro は現在のリビジョンで29.7、以前の測定値は46、発売当初の測定値は57。Muse Wonder は現在のリビジョンで52。

多くのチームが意図せず越えてしまう再価格設定の境界

Gemini 3.1 Proの料金表には段階があり、それは超過料金ではありません。入力トークンが200,000未満の場合、モデルは$2.00と$12.00です。そのしきい値を超えると、リクエストは$4.00と$18.00で再価格設定されます。210,000トークンのリクエストは、最初の200,000トークンが安い料金で請求されるのではなく、リクエスト全体が上位の料金層に移行します。

それは、100万トークンのコンテキストウィンドウを売り文句のすべてとするモデルにとって、真の奇妙な点である。ウィンドウは実在するが、その最初の5分の1だけが宣伝価格で提供される。しきい値を超えると$4.00と$18.00で、Gemini 3.1 ProはMuse Wonderの$4.00と$20.00とほぼ誤差の範囲内の価格となり、キャッシュ読み取りは100万あたり$0.20で同一である。したがって、「入力が安い」という文言は、モデルを購入した目的の能力を使う時点までしか正確には当てはまらない。

対抗軸は入力側にあり、そこでは入力側の経済性が真に強く、独立した計測がそれを裏づけている。Artificial Analysis の記録では、Gemini 3.1 Pro はインデックスタスクあたり約 $0.67、インデックス実行全体で生成された出力トークンはおよそ 6,700 万トークンで、同価格帯のモデルの中央値である約 9,000 万トークンと対比される。より少ないトークンで、より低い料金で回答するモデルは、どの料金表にも直接は表れない形で安価である — そしてそれが、Muse Wonder のインデックスタスクあたり約 $4.52 と比較すべき数値であり、この金額はより高い料金と、中央値 8,500 万トークンに対しておよそ 1 億 3,000 万トークンという出力トークン量の両方の結果である。

あなたが実際に選んでいるもの

今日の基準で見た能力差は現実のものだ — 52 対 29.7 は22ポイントであり、ノイズではない — ただしそれは、5週間前に出た最先端リリースと、ベンダーがプレビューの地位を超えて宣伝しなかった7か月前のプレビューとの比較だ。両者のどちらを選ぶかは、どちらのスコアが高いかよりも、どちらの失敗モードなら許容できるかで決まる。

Gemini 3.1 Pro の制約は構造的なものであり、既知です。出力上限が65,536トークンであるため、単一ターンでの長文生成には使えず、まさにそこが Muse Wonder の943,718トークンの予算が最も明らかに優位となる点です。最初のトークンまでの時間は公表された測定値で約35.7秒であり、インタラクティブな用途には遅すぎます。そして本当のリスクは preview 識別子です。preview エンドポイントは、バージョンの更新なしに予告なく改訂されたり廃止されたりする可能性があり、そのためそのモデルではエイリアスではなく正確なモデル ID を固定するのが標準的な運用です。

Muse Wonder の制約は同じく構造的なもので、しかもずっと新しい。推論が必須なので、呼び出しのたびに思考トークンへ100万トークンあたり20ドルを支払うことになり、安価な抜け道はない——Gemini 3.1 Pro の thinking level なら、少なくともゼロ方向に下げられる。独立した測定といっても、2日前のモデルに関する1人の評価者による1行にすぎない。そして、あなたが比較しているものの最高スコア版である Muse Wonder Full は、同じページにあるトークン単位の価格で利用できるのではなく、月額50〜200ドルのサブスクリプションの背後にある。

ベンチマークの完全性という、名付けておく価値のある側面もある。この特定の組み合わせは、その格好の例だからだ。Metaのローンチ時の表では、Muse Wonder FullがArtificial Analysis Indexで59.0と報告されている一方、Artificial Analysis自身は56を公表しており、呼び出し可能なMuse Wonderは56と報告されているが、評価側の読みは52だ。Gemini 3.1 Pro自身の履歴は、ちょうど裏返しになっている。ある改訂ではベンダーと報道の見出しになった57が、別の改訂では29.7だった。教訓はどちらの方向でも同じだ。スコアは、その物差しが添えられて初めて意味を持つ。そして、他社のインデックスをベンダーが解釈した版は、やはりベンダーの数字にすぎない。

1つのキーから両方を実行

Gemini 3.1 Pro は OrcaRouter で google/gemini-3.1-pro-previewとして利用できます。ベンダー自身の定価のままで、200,000トークンの再価格設定境界も変更なく引き継がれています — それ以下では入力 $2.00、出力 $12.00、それ以上では $4.00 と $18.00、キャッシュ入力は $0.20 と $0.40 です。当社側での上乗せは一切なく、1,048,576トークンのコンテキストウィンドウと 65,536トークンの出力上限も公開どおりのまま適用されます。

Muse Wonder は OrcaRouter 上にはありません。当社のカタログに meta/muse-wonder の項目はなく、存在するかのように説明することもありません。現在、このモデルは Meta 独自の API と Muse Code 内で動作しています。同じラボから当社が実際に提供しているのは Muse Spark 1.2 と Muse Spark 1.1です。そのため、Wonder チェックポイントが実績を築いている間も、Muse ファミリーには同じキーからアクセスできます。

ここで重要な実用的な理由は、ティアの境界線です。1回のリクエスト全体を20万トークンで再価格設定するモデルは、想定ではなく測定すべき類のものです。なぜなら、プロンプトの長さによって、同じ呼び出しに2ドル払うか4ドル払うかが決まるからです。OrcaRouterは200以上のモデルを、プロバイダーの定価をそのまま通す単一のOpenAI互換エンドポイントの背後に置いています。つまり、そのしきい値の両側でGemini 3.1 Proに対して、そしてカタログにあるその他の何に対しても、実際のトラフィックを流して試すのに必要なのは、1つのキーと午後1つ分だけで、調達サイクルは不要です。私たちがルーティングするプロバイダーがMuse Wonderを提供し始めたら、そのテストのもう半分はモデル名の変更だけになります。

評決

• 長文ドキュメントやマルチメディアの分析で、入力が支配的で回答が短い作業なら、Gemini 3.1 Proを選ぼう——200K未満での$2.00というレートと、インデックスタスクあたり$0.67というコストは破りがたく、その背後にある7か月のエコシステムには、発売週のモデルには到底かなわない価値がある。

• 1ターンで長い出力を生成する場合や、音声や動画をそのままモデルに投入する場合は、Muse Wonderを選びましょう。943,718トークンの出力バジェットは、代替手段が生成結果を継ぎ合わせることであるなら、単なる仕様の細部ではありません。

• Gemini 3.1 Pro の価格を見積もる前に、20万トークンのラインに注目してください。それを超えると、2つのモデルのコストはほぼ同じになり、まさに大きなコンテキストウィンドウを使うワークロードにおいて、この比較の直感的な答えを覆します。

• 22ポイントの差は測定値ではなく方向性として扱うこと。これは2つのインデックス改訂版を比較して生じたもので、以前の改訂版ではGemini 3.1 Proは46を示し、同じ未変更のチェックポイントは異なる時点で57、46、30、29.7として公表されている。

2つのモデル。一方は2月1日からプレビュー識別子で提供されており、まだ2日しか経っていない。価格は200Kの境界を超えるとほぼ同一で、現在のボードでは22ポイント差がついている。これらの事実のうち、物差しが変わっても生き残るのは1つだけだ——そしてそれは22ポイントではない。