Agnes 2.5 Pro Beta vs Muse Wonder Full
詳しいプロフィール:Agnes 2.5 Pro Beta(Sapiens AI)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 · 4件の情報源のデータ
2026年11月16日時点で、共通するベンチマークが少なく、品質の判定はできません。両方を測定できるすべてのカテゴリで互角です。
要点(2026年11月16日時点)
- Agnes 2.5 Pro Betaの100万トークンあたりのブレンド価格は$0.150です(定価、2026年11月16日)。
- 両モデルに結果がある7件のベンチマークのうち、Muse Wonder Fullが7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。
主な違い
- 共通するベンチマークが少なく、判定できません。
- Agnes 2.5 Pro Betaはエージェント・ツールで優れています。
- Muse Wonder Full (max)は長文コンテキストで優れています。
概要
| 仕様 | Agnes 2.5 Pro Beta | Muse Wonder Full |
|---|---|---|
| プロバイダー | Sapiens AI | Meta |
| リリース日 | 2026年8月26日 | 2026年10月12日 |
| コンテキストウィンドウ(トークン) | 1,000,000 | 1,000,000 |
| 比較した構成 | Agnes 2.5 Pro Beta | Muse Wonder Full (max) |
| オープンウェイト | なし | なし |
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 | Agnes 2.5 Pro Beta | Muse Wonder Full (max) | トップ |
|---|---|---|---|
| 推論 | – | 65.8 | 比較不可 |
| コーディング | – | 69.9 | 比較不可 |
| エージェント・ツール | 64.4 | 63.6 | 互角 |
| 知識 | – | 62.3 | 比較不可 |
| マルチモーダル | 57.7 | – | 比較不可 |
| 長文コンテキスト | 66.2 | 66.6 | 互角 |
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。
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):数学, 指示追従, 人間の評価。
情報源で評価が分かれる点
両方に結果がある7件のベンチマークのうち、Agnes 2.5 Pro Betaのリードが0件、Muse Wonder Fullのリードが7件です。
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 | Agnes 2.5 Pro Beta | Muse Wonder Full (max) |
|---|---|---|
| タスクあたりの出力トークン(AA Index) | – | 88k |
| うち推論 | – | 55k |
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。Agnes 2.5 Pro Beta。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
66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 | Agnes 2.5 Pro Beta | Muse Wonder Full (max) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | – | 61.7 |
| エージェント・ツールスコア | BenchLeader | 64.4 | 63.6 |
| 長文コンテキストスコア | BenchLeader | 66.2 | 66.6 |
| マルチモーダルスコア | BenchLeader | 57.7 | – |
| コーディングスコア | BenchLeader | – | 69.9 |
| 知識スコア | BenchLeader | – | 62.3 |
| 推論スコア | BenchLeader | – | 65.8 |
| コンテキストウィンドウ | BenchLeader | 1,000,000トークン | 1,000,000トークン |
| 推論 | |||
| GPQA Diamond (AA) | Artificial Analysis | 90.5% | – |
| Humanity's Last Exam (AA) | Artificial Analysis | 37.5% | 53.6% |
| HLE-Diamond (AA) | Artificial Analysis | – | 48.5% |
| CritPt | Artificial Analysis | 15.7% | 32.9% |
| CritPt v2 hard subset (AA) | Artificial Analysis | – | 56.5% |
| MysteryMechanism | Vals AI | – | 35.1% |
| コーディング | |||
| Arena WebDev | Arena (LMArena) | – | 1724 |
| SciCode (AA) | Artificial Analysis | 48.8% | 62.6% |
| IOI | Vals AI | – | 79.8% |
| Code Migration | Vals AI | – | 61.0% |
| Code Migration v1.1 | Vals AI | – | 62.8% |
| ProgramBench | Vals AI | – | 0.5% |
| SWE-bench Multimodal | Vals AI | – | 47.3% |
| Vibe Code Bench 1-100 | Vals AI | – | 34.0% |
| Vibe Code Bench v1.1 | Vals AI | – | 86.0% |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | – | 57.1% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 69.7% | – |
| 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 | |||
| Arena Agent | Arena (LMArena) | – | 9 |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 41.5% | 67.8% |
| GDPval-AA v2.1 | Artificial Analysis | 1335 | 1857 |
| τ³-Banking (AA) | Artificial Analysis | 35.7% | – |
| CyberBench | Vals AI | – | 73.6% |
| Finance Agent v2 | Vals AI | – | 59.1% |
66件のベンチマークをすべて表示
| 指標 | 公開元 | Agnes 2.5 Pro Beta | Muse Wonder Full (max) |
|---|---|---|---|
| エージェント・ツール | |||
| Finance Agent v2.1 | Vals AI | – | 67.6% |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | – | 23.3% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | – | 21.7% |
| Legal Research Bench | Vals AI | – | 53.4% |
| Robo-bench | Vals AI | – | 10.4% |
| SREBench | Vals AI | – | 11.8% |
| Tax Agent Bench | Vals AI | – | 43.0% |
| Terminal-Bench 4.0 (Vals) | Vals AI | – | 58.1% |
| Terminal-Bench Science | Vals AI | – | 37.1% |
| Arena Agent Task Completion | Arena (LMArena) | – | 11.1 |
| AutomationBench | Artificial Analysis | – | 71.3% |
| GDP.pdf (AA) | Artificial Analysis | – | 32.6% |
| Harvey LAB-AA v1.1 | Harvey | – | 13.1% |
| AA-Briefcase v1.1 | Artificial Analysis | – | 1729 |
| GDPx | GDPx by SemiAnalysis | – | 9.0% |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | – | 37.1% |
| 知識 | |||
| AA-Omniscience v1.1 | Artificial Analysis | – | 30.6 |
| LegalBench | Vals AI | – | 87.4% |
| BioMysteryBench | Vals AI | – | 73.3% |
| Excel Modeling Benchmark | Vals AI | – | 71.9% |
| Excel Modeling Benchmark v1.1 | Vals AI | – | 75.0% |
| MedCode | Vals AI | – | 49.9% |
| MedScribe | Vals AI | – | 89.3% |
| Public Benefits Bench v1.1 | Vals AI | – | 73.8% |
| Access to Justice Benchmark | Vals AI | – | 74.7% |
| Financial Coaching Bench | Vals AI | – | 75.0% |
| Immigration Bench | Vals AI | – | 71.2% |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | – | 41.0% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | – | 82.4% |
| マルチモーダル | |||
| MMMU-Pro | Artificial Analysis | 75.4% | – |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 83.0% | 83.7% |
| MLCR | Artificial Analysis | – | 22.2% |
| 総合 | |||
| AA Intelligence Index v5.0.1 | Artificial Analysis | – | 50.1 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 35.2 | 55.8 |
| AA Progress Index v1 | Artificial Analysis | 299.1 | 343.2 |
| Vals Index | Vals AI | – | 66.8 |
| Vals Finance Index | Vals AI | – | 64.5% |
| Vals RSI Index | Vals AI | – | 24.4% |
| Vals Science Index | Vals AI | – | 48.5% |
| Vals Router Index | Vals AI | – | 66.8%† |
| Vals Legal Index | Vals AI | – | 77.9% |
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。
最近の変化
- Muse Wonder Full (max):BenchLeader Index 62.6 → 61.7。
- 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)。
- Agnes 2.5 Pro Beta:新しい結果1件(AA Progress Index v1)。
- Muse Wonder Full (max):新しい結果6件(AA Intelligence Index v5.0.1, AA Progress Index v1, HLE-Diamond (AA)…)、スコアの改訂2件。
- Muse Wonder Full (max):新しい結果1件(Terminal-Bench-Science 0.1 (AA))。
- Muse Wonder Full (max):新しい結果9件(Code Migration v1.1, Excel Modeling Benchmark v1.1, Finance Agent v2.1…)。
- Muse Wonder Full (max):新しい結果1件(FrontierCode 1.1 (AA))。
- Muse Wonder Full (max):新しい結果1件(Arena WebDev)、スコアの改訂2件。
関連する比較
- Muse Wonder Full vs Claude Fable 5.2
- Muse Wonder Full vs Gemini 4 Carbon
- Muse Wonder Full vs Claude Opus 5.5
- Muse Wonder Full vs GPT-6 Astra
- Agnes 2.5 Pro Beta vs Muse Spark 1.3
- Agnes 2.5 Pro Beta vs Claude Opus 5
- Agnes 2.5 Pro Beta vs GPT-6 Sol
- Agnes 2.5 Pro Beta vs Kimi K3
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
Agnes 2.5 Pro Beta vs Muse Wonder Full:よくある質問
- エージェントやツール利用にはAgnes 2.5 Pro Beta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互角です(カテゴリ指標で64 対 64)。
- 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互角です(66 対 67)。どちらも1,000,000トークンのコンテキストに対応しています。
- Agnes 2.5 Pro Beta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7件のベンチマークのうち、Agnes 2.5 Pro Betaのリードが0件、Muse Wonder Fullのリードが7件です。
- 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。