BenchLeader

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。

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64 対 64;GDPval-AA v2.1, normalised score 41.5% 対 67.8%どちらでも
長い文書どちらでもカテゴリスコア66 対 67;AA-LCR v1.1 83.0% 対 83.7%どちらでも
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

  • 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 BetaMuse Wonder Full
プロバイダーSapiens AIMeta
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)1,000,0001,000,000
比較した構成Agnes 2.5 Pro BetaMuse 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 BetaMuse 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64.463.6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66.266.6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。

2550 avg75推論コーディングエージェント・ツール知識長文コンテキストマルチモーダルAgnes 2.5 Pro Beta, エージェント・ツール: 64.4Agnes 2.5 Pro Beta, 長文コンテキスト: 66.2Agnes 2.5 Pro Beta, マルチモーダル: 57.7Muse Wonder Full, 推論: 65.8Muse Wonder Full, コーディング: 69.9Muse Wonder Full, エージェント・ツール: 63.6Muse Wonder Full, 知識: 62.3Muse Wonder Full, 長文コンテキスト: 66.6

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):数学, 指示追従, 人間の評価。

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 BetaMuse 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 BetaMuse Wonder Full (max)
BenchLeader IndexBenchLeader–61.7
エージェント・ツールスコアBenchLeader64.463.6
長文コンテキストスコアBenchLeader66.266.6
マルチモーダルスコアBenchLeader57.7–
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BenchLeader1,000,000トークン1,000,000トークン
推論
GPQA Diamond (AA)Artificial Analysis90.5%–
Humanity's Last Exam (AA)Artificial Analysis37.5%53.6%
HLE-Diamond (AA)Artificial Analysis–48.5%
CritPtArtificial Analysis15.7%32.9%
CritPt v2 hard subset (AA)Artificial Analysis–56.5%
MysteryMechanismVals AI–35.1%
コーディング
Arena WebDevArena (LMArena)–1724
SciCode (AA)Artificial Analysis48.8%62.6%
IOIVals AI–79.8%
Code MigrationVals AI–61.0%
Code Migration v1.1Vals AI–62.8%
ProgramBenchVals AI–0.5%
SWE-bench MultimodalVals AI–47.3%
Vibe Code Bench 1-100Vals AI–34.0%
Vibe Code Bench v1.1Vals AI–86.0%
Terminal-Bench 4.0 (AA)Artificial Analysis–57.1%
Terminal-Bench 2.1 (AA)Artificial Analysis69.7%–
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 AgentArena (LMArena)–9
GDPval-AA v2.1, normalised scoreArtificial Analysis41.5%67.8%
GDPval-AA v2.1Artificial Analysis13351857
τ³-Banking (AA)Artificial Analysis35.7%–
CyberBenchVals AI–73.6%
Finance Agent v2Vals 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 BetaMuse Wonder Full (max)
エージェント・ツール
Finance Agent v2.1Vals AI–67.6%
Harvey's Legal Agent Benchmark v1.1Vals AI–23.3%
Harvey's Legal Agent Benchmark v1Vals AI–21.7%
Legal Research BenchVals AI–53.4%
Robo-benchVals AI–10.4%
SREBenchVals AI–11.8%
Tax Agent BenchVals AI–43.0%
Terminal-Bench 4.0 (Vals)Vals AI–58.1%
Terminal-Bench ScienceVals AI–37.1%
Arena Agent Task CompletionArena (LMArena)–11.1
AutomationBenchArtificial Analysis–71.3%
GDP.pdf (AA)Artificial Analysis–32.6%
Harvey LAB-AA v1.1Harvey–13.1%
AA-Briefcase v1.1Artificial Analysis–1729
GDPxGDPx by SemiAnalysis–9.0%
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–37.1%
知識
AA-Omniscience v1.1Artificial Analysis–30.6
LegalBenchVals AI–87.4%
BioMysteryBenchVals AI–73.3%
Excel Modeling BenchmarkVals AI–71.9%
Excel Modeling Benchmark v1.1Vals AI–75.0%
MedCodeVals AI–49.9%
MedScribeVals AI–89.3%
Public Benefits Bench v1.1Vals AI–73.8%
Access to Justice BenchmarkVals AI–74.7%
Financial Coaching BenchVals AI–75.0%
Immigration BenchVals AI–71.2%
AA-Omniscience v1.1: accuracyArtificial Analysis–41.0%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–82.4%
マルチモーダル
MMMU-ProArtificial Analysis75.4%–
長文コンテキスト
AA-LCR v1.1Artificial Analysis83.0%83.7%
MLCRArtificial Analysis–22.2%
総合
AA Intelligence Index v5.0.1Artificial Analysis–50.1
AA Intelligence Index v4.3.2Artificial Analysis35.255.8
AA Progress Index v1Artificial Analysis299.1343.2
Vals IndexVals AI–66.8
Vals Finance IndexVals AI–64.5%
Vals RSI IndexVals AI–24.4%
Vals Science IndexVals AI–48.5%
Vals Router IndexVals AI–66.8%†
Vals Legal IndexVals 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。

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。