Muse Spark 1.1 против Gemini 3.6 Flash: битва бенчмарков, цен и отсутствующий флагман Google

Meta's Muse Spark 1.1 и Google Gemini 3.6 Flash — две самые пристально отслеживаемые ИИ-модели среднего уровня середины 2026 года. Они обмениваются ударами в бенчмарках и ценах. Вот как они соотносятся в индексе Artificial Analysis Intelligence Index v4.1 — и почему настоящая интрига кроется в отсутствующем флагмане Google, Gemini 3.5 Pro.

Сравнение баллов: эффективная ничья

В индексе Artificial Analysis Intelligence Index v4.1 Meta Muse Spark 1.1 лидирует с результатом ~50.6, в то время как Google Gemini 3.6 Flash (с высоким уровнем рассуждений) набирает ~50.1 — разрыв минимален . Более ранние отчеты оценивали Muse Spark 1.1 в 51 балл, а Gemini 3.6 Flash в 50 . Модели также заканчивают вничью по совокупному баллу BenchAlign .

Обе модели находятся на вершине среднего сегмента, значительно уступая флагманским моделям, таким как Anthropic Claude Fable 5 (59.9) и OpenAI GPT-5.6 Sol (58.9) .

Сравнение цен: Muse Spark значительно дешевле

Параметр	Gemini 3.6 Flash	Muse Spark 1.1
Стоимость ввода на миллион токенов	$1.50	$1.25
Стоимость вывода на миллион токенов	$7.50	$4.25

Muse Spark 1.1 примерно в 1.6 раза дешевле на выходной токен .

Конкурентный контекст: громкий обмен мнениями

Сравнение привлекло внимание общественности, когда самый высокооплачиваемый сотрудник Meta, Александр Ван, опубликовал таблицу лидеров, показывающую, что Muse Spark 1.1 превосходит все модели Google — это спровоцировало громкий обмен мнениями с генеральным директором Google .

Задержанный флагман Google Gemini 3.5 Pro

Gemini 3.5 Pro так и не вышел и пропустил три дедлайна подряд:

• 19 мая 2026 года (I/O): Генеральный директор Сундар Пичаи объявил о модели на сцене и попросил аудиторию «дать нам до следующего месяца», намекая на запуск в июне .
• Июньский дедлайн пропущен: Модель поступила только в ограниченный предварительный доступ для предприятий Vertex AI; публичный запуск перенесли на июль .
• Дедлайн 17 июля пропущен: Перестроенная модель, которая была запущена заново с более длительным циклом предварительного обучения, все еще страдает от галлюцинаций и нестабильных результатов, что не позволяет ей пройти стандарты надежности . Google полностью отказался от исходной базовой модели в пользу более глубокого цикла предварительного обучения .