GoogleとMeta、同じ週にコーディング重視の新モデルを投入

Googleは9月2日にGemini 3.8 Flashを投入し、Metaは1日と経たずMuse Spark 1.3で追随した。両モデルは同じニッチを狙っている。ベンチマークの頂点を競うのではなく、大量のコーディングとエージェント作業向けに価格設定された中価格帯モデルだ。

Gemini 3.8 Flash: 安価で、長時間のコーディング作業向け

Googleの発表によれば、Gemini 3.8 Flashの価格は2026年末まで入力100万トークンあたり0.75ドル、出力100万トークンあたり3.75ドルだ。Googleは、長く複雑なソフトウェア工学の課題を最初から最後まで自律的に解く能力を測るベンチマーク「DeepSWE v1.1」で、多くの大型フロンティアモデルを上回ると述べている。

実際のコマンドライン作業の完遂度を測る「Terminal-Bench 2.1」では、DataCampによればGemini 3.8 Flashは90.8%を記録し、3.7 Flashの81.6%から上昇した。一方、一般的な推論力を測る「Humanity's Last Exam」ではほぼ横ばいで、旧版の45.7%に対し45.4%だった。Googleは改善の資源を、純粋な知識量ではなくコーディングとエージェント能力に振り向けている。

Googleはまた、Fairwindプログラムを通じて、信頼できる防御担当者に限定した制限付きの「Cyber」版も投入した。Googleによれば、社内の脆弱性発見ベンチマークで成功率70%超を達成し、既知のセキュリティ欠陥を自動修正する公開ベンチマーク「CWE-Bench」では47.2%のスコアを記録したという。

Muse Spark 1.3: 大きな進歩だが、オープンウェイトではない

Trending Topicsによれば、Muse Spark 1.3はArtificial Analysis Intelligence Indexで61点を記録し、Claude Opus 5やGPT-5.6 Solにわずかに及ばない一方、同メディアがGemini 3.8 Flashに与えた59点を上回っている。Meta自身が報告する伸び幅も大きく、銀行業務タスクの精度は35%から47%に、ターミナル操作の精度は80%から85%に上昇した。

一部の報道の扱いにもかかわらず、Muse Spark 1.3はオープンウェイトのモデルではない。LLM Statsはこれを「独自仕様のマルチモーダル推論モデル」と説明しており、Meta自身のAPI経由でのみ利用できる。Trending Topicsによれば、Metaは前身のMuse Spark 1.2の重みを公開すると約束していたが、1.3の重みを公開するかどうかはまだ決めていないという。価格は入力100万トークンあたり1.25ドル、出力100万トークンあたり4.25ドルだ。

開発者への影響

コードを書いて実行するエージェント向けにモデルを選ぶなら、この2つを自分たちの実際のワークロードで比較検討しよう。誰もが話題にするフラッグシップモデルとだけ比べるのではなく、どちらもまさにこの用途向けに作られ、価格設定されている。

Muse Spark 1.3を自前でホストできると思い込まないでほしい。MetaのこれまでのMuseシリーズとは異なり、このモデルは当面API経由でしか利用できない。これに依存するということは、自社のインフラや価格ではなく、Metaのインフラと価格設定に依存することを意味する。

個々のスコアだけでなく、その背後にあるパターンにも注目したい。2大ラボが1日違いで、似たような価格帯のコーディング特化型中価格帯モデルを投入したという事実は、本当の競争がどこに移ったかを物語っている。ベンチマークの頂点ではなく、開発者が日常的に大量に使う価格帯こそが主戦場になっているということだ。