BenchLeader

Beam 1.0 501B A23B vs Muse Spark Open

詳しいプロフィール:Beam 1.0 501B A23B(Reflection)とMuse Spark Open(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 · 10件の情報源のデータ

2026年11月16日時点で、Beam 1.0 501B A23BとMuse Spark Openの品質は互角です(BenchLeader Indexで54.2 対 53.5、±10.0の誤差範囲内)。価格はBeam 1.0 501B A23Bの方が3.3倍安く、100万トークンあたりのブレンド価格で$0.600 対 $2.00です。両方を測定できるすべてのカテゴリでBeam 1.0 501B A23Bがリードしています。

要点(2026年11月16日時点)

  • BenchLeader IndexはBeam 1.0 501B A23Bが54.2、Muse Spark Openが53.5です(BenchLeader、2026年11月16日)。
  • Beam 1.0 501B A23Bの100万トークンあたりのブレンド価格は$0.600です(定価、2026年11月16日)。
  • Muse Spark Openの100万トークンあたりのブレンド価格は$2.00です(定価、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
コーディングBeam 1.0 501B A23Bカテゴリスコア52 対 36高
推論Beam 1.0 501B A23Bカテゴリスコア62 対 51高
チャットの質(人間の評価)–Arenaの評価があるのはBeam 1.0 501B A23Bのみです(カテゴリスコア61)比較不可
最低コストBeam 1.0 501B A23B100万トークンあたりブレンド価格$0.475 対 $2.00;エージェント型コーディングセッション$0.022 対 $0.092–
回答開始の速さBeam 1.0 501B A23B最初の回答トークンまで0.3秒(Beam 1.0 501B A23B)対 9.9秒(Muse Spark Open (xhigh))–
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

  • Beam 1.0 501B A23BとMuse Spark Open (xhigh)の品質は互角です(54.2 対 53.5、±10.0の誤差範囲内)。
  • Beam 1.0 501B A23Bはコーディング、推論で優れています。
  • Beam 1.0 501B A23Bの方が3.3倍安くなっています(100万トークンあたりブレンド価格$0.600 対 $2.00)。

概要

仕様Beam 1.0 501B A23BMuse Spark Open
プロバイダーReflectionMeta
リリース日2026年10月5日2026年10月15日
コンテキストウィンドウ(トークン)1,048,5761,048,576
比較した構成Beam 1.0 501B A23BMuse Spark Open (xhigh)
オープンウェイトありあり
100万トークンあたりの価格(入力/出力/キャッシュ入力)$0.300 / $1.00 / $0.040$1.25 / $4.25 / $0.150

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Beam 1.0 501B A23BMuse Spark Open (xhigh)トップ
推論62.151.3Beam 1.0 501B A23B
コーディング52.036.0Beam 1.0 501B A23B
エージェント・ツール40.8–比較不可
数学65.2–比較不可
知識–58.8比較不可
人間の評価61.4–比較不可
マルチモーダル–63.3比較不可
長文コンテキスト–63.8比較不可

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・ツール数学知識長文コンテキストマルチモーダル人間の評価Beam 1.0 501B A23B, 推論: 62.1Beam 1.0 501B A23B, コーディング: 52.0Beam 1.0 501B A23B, エージェント・ツール: 40.8Beam 1.0 501B A23B, 数学: 65.2Beam 1.0 501B A23B, 人間の評価: 61.4Muse Spark Open, 推論: 51.3Muse Spark Open, コーディング: 36.0Muse Spark Open, 知識: 58.8Muse Spark Open, 長文コンテキスト: 63.8Muse Spark Open, マルチモーダル: 63.3

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):指示追従。

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0件のベンチマークのうち、Beam 1.0 501B A23Bのリードが0件、Muse Spark Openのリードが0件です。

総合IndexBeam 1.0 501B A23BMuse Spark Open (xhigh)トップ
BenchLeader Index54.253.5互角

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Beam 1.0 501B A23BMuse Spark Open (xhigh)
100万トークンあたりのブレンド価格$0.475$2.00
100万トークンあたりの入力/出力$0.300 / $1.00$1.25 / $4.25
100万トークンあたりのキャッシュ入力$0.040$0.150
タスクあたりの価格:チャットの返答$0.0004$0.0018
タスクあたりの価格:30ページのレポートを要約$0.0042$0.018
タスクあたりの価格:コード編集$0.0033$0.014
タスクあたりの価格:エージェント型コーディングセッション$0.022$0.092
タスクあたりの価格:構造化データの抽出$0.0008$0.0034
エージェント型コーディングセッション(入力の大半がキャッシュ)$0.010$0.043
ベンチマークのタスクあたりのコスト(AA Index)–$2.02
タスクあたりの出力トークン(AA Index)–66k
うち推論–32k
タスクあたりの時間(AA Index)–6 min
出力速度193 tok/s180 tok/s
回答開始までの時間0.3秒9.9秒
回答が完了するまでの時間(最終測定2026年11月13日)–39.9秒

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。Beam 1.0 501B A23Bのスコアは54.2、最初の回答トークンまで0秒。Muse Spark Open (xhigh)のスコアは53.5、最初の回答トークンまで10秒。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

85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Beam 1.0 501B A23BMuse Spark Open (xhigh)
BenchLeader IndexBenchLeader54.253.5
エージェント・ツールスコアBenchLeader40.8–
コーディングスコアBenchLeader52.036.0
人間の評価スコアBenchLeader61.4–
数学スコアBenchLeader65.2–
推論スコアBenchLeader62.151.3
知識スコアBenchLeader–58.8
長文コンテキストスコアBenchLeader–63.8
マルチモーダルスコアBenchLeader–63.3
ブレンド価格($/100万トークン)BenchLeader$0.475$2.00
出力速度BenchLeader193 tok/s180 tok/s
回答開始までの時間BenchLeader0.3秒9.9秒
コンテキストウィンドウBenchLeader1,048,576トークン1,048,576トークン
推論
Arena Hard PromptsArena (LMArena)1461–
LiveBench 2.0 ReasoningLiveBench–73.7%†
GPQA Diamond (AA)Artificial Analysis–89.0%
Humanity's Last Exam (AA)Artificial Analysis–43.9%
HLE-Diamond (AA)Artificial Analysis–26.3%
ARC-AGI-1ARC Prize–89.0%
ARC-AGI-2ARC Prize–57.5%
ARC-AGI-3ARC Prize–0.4%
CritPtArtificial Analysis–14.9%
CritPt v2 hard subset (AA)Artificial Analysis–29.5%
HLE-Diamond (Scale)Scale AI SEAL–28.0%†
Arena ExpertArena (LMArena)1481–
コーディング
Arena CodingArena (LMArena)1505–
Arena WebDevArena (LMArena)14371526†
LiveBench 2.0 CodingLiveBench–55.1%†
SciCode (AA)Artificial Analysis–58.5%
Code MigrationVals AI–21.2%
Code Migration v1.1Vals AI–26.9%
Vibe Code Bench v1.1Vals AI–76.2%
SWE Atlas v1.1Scale AI SEAL–42.3%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–50.0%†
SWE Atlas v1.1: Test WritingScale AI SEAL–41.1%†
SWE Atlas v1.1: RefactoringScale AI SEAL–35.7%†
SWE-Bench Pro V2Scale AI SEAL–95.0%
SWE-Bench Pro V2 HARDScale AI SEAL–82.3%
85件のベンチマークをすべて表示
指標公開元Beam 1.0 501B A23BMuse Spark Open (xhigh)
コーディング
Terminal-Bench 4.0 (AA)Artificial Analysis–8.1%
Terminal-Bench 2.1 (AA)Artificial Analysis–76.4%
GameBench 2 OverallDuelLab GameBench 242.855.3†
GameBench 2 by reasoning settingDuelLab GameBench 239.1†59.3
Design Arena WebsiteDesign Arena–1305
FrontierCode 1.1 (AA)Artificial Analysis–27.6%
FrontierCode 2.0 (AA)Artificial Analysis–7.6%
エージェント・ツール
Arena AgentArena (LMArena)-5.9–
LiveBench Long AgenticLiveBench–12.1%†
LiveBench BrowserLiveBench–26.2%†
HiL-BenchScale AI SEAL–59.7%†
GDPval-AA v2.1, normalised scoreArtificial Analysis–45.1%
GDPval-AA v2.1Artificial Analysis–1401
Finance Agent v2Vals AI–61.3%
Finance Agent v2.1Vals AI–60.7%
Harvey's Legal Agent Benchmark v1.1Vals AI–25.0%
Harvey's Legal Agent Benchmark v1Vals AI–16.7%
Legal Research BenchVals AI–38.5%
Tax Agent BenchVals AI–26.3%
Terminal-Bench 4.0 (Vals)Vals AI–6.6%
Arena Agent Task CompletionArena (LMArena)-9.2–
AutomationBenchArtificial Analysis–49.7%
GDP.pdf (AA)Artificial Analysis–18.6%
AA-Briefcase v1.1Artificial Analysis–1280
GDPxGDPx by SemiAnalysis–1.7%†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–1.9%
数学
ArXivMathMathArena–27.0%
BrokenArXivMathArena–30.1%
Arena MathsArena (LMArena)1471–
知識
LiveBench 2.0 Data AnalysisLiveBench–60.2%†
LiveBench ResearchLiveBench–82.7%†
AA-Omniscience v1.1Artificial Analysis–25.8
PRBench LegalScale AI SEAL–59.8%†
Excel Modeling BenchmarkVals AI–53.7%
Excel Modeling Benchmark v1.1Vals AI–62.0%
AA-Omniscience v1.1: accuracyArtificial Analysis–42.0%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–72.0%
指示追従
MultiChallengeScale AI SEAL–74.2%†
Arena Instruction FollowingArena (LMArena)1433–
人間の評価
Arena TextArena (LMArena)1434–
Arena Creative WritingArena (LMArena)1388–
Arena Multi-turnArena (LMArena)1432–
Arena Longer QueriesArena (LMArena)1438–
マルチモーダル
LiveBench DesignLiveBench–58.1%†
MMMU-ProArtificial Analysis–80.9%
SAGEVals AI–85.8%
Humanity's Sixth SenseScale AI SEAL–29.6%†
長文コンテキスト
AA-LCR v1.1Artificial Analysis–78.3%
MLCRArtificial Analysis–7.8%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–155.4†
LiveBench 2.0LiveBench–48.5%†
AA Intelligence Index v5.0.1Artificial Analysis–24.9
AA Intelligence Index v4.3.2Artificial Analysis–38.9
AA Progress Index v1Artificial Analysis–306.7
Vals IndexVals AI–48.6
Vals Finance IndexVals AI–53.0%
Vals Legal IndexVals AI–68.5%
安全性・誠実さ
FORTRESSScale AI SEAL11.9%7.6%†
DistressBenchScale AI SEAL–87.7%†
メタデータ
AA Openness IndexArtificial Analysis–27.8

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。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

最近の変化

  • Beam 1.0 501B A23B:入力価格 $0.40/M → $0.30/M、出力価格 $1.20/M → $1.00/M。
  • Beam 1.0 501B A23B:スコアの改訂1件。
  • Muse Spark Open (xhigh):スコアの改訂1件。
  • Beam 1.0 501B A23B:BenchLeader Index 54.9 → 54.2。
  • Beam 1.0 501B A23B:スコアの改訂2件。
  • Beam 1.0 501B A23B:新しい結果1件(FORTRESS)、スコアの改訂1件。
  • Beam 1.0 501B A23B:スコアの改訂1件。
  • Muse Spark Open (xhigh):新しい結果1件(GameBench 2 by reasoning setting)、スコアの改訂1件。
  • Muse Spark Open (xhigh):BenchLeader Index 53.3 → 53.8。
  • Beam 1.0 501B A23B:スコアの改訂1件。

ランキング: 総合ベストLLM · エージェントに最適なLLM · 安くて優秀なLLM

Beam 1.0 501B A23B vs Muse Spark Open:よくある質問

Beam 1.0 501B A23BはMuse Spark Openより優れていますか?
Beam 1.0 501B A23BとMuse Spark Open (xhigh)の品質は互角です(54.2 対 53.5、±10.0の誤差範囲内)。BenchLeader Indexは第三者による品質ベンチマークをすべて統合した指標です。2026年11月16日時点では両者の差は誤差範囲内なので、用途に合わせてカテゴリ別のスコアを確認してください。
Beam 1.0 501B A23BとMuse Spark Openはどちらが安いですか?今後変わる予定はありますか?
現在はBeam 1.0 501B A23Bの方が安く、100万トークンあたり$0.600 対 $2.00です(出力1トークンにつき入力3トークンでブレンド)。どちらも価格変更は発表されていません。
コーディングにはBeam 1.0 501B A23BとMuse Spark Openのどちらが向いていますか?
コーディングではBeam 1.0 501B A23Bの方がスコアが高くなっています(カテゴリ指標で52 対 36。50が平均)。
Beam 1.0 501B A23BとMuse Spark Openはどちらが速いですか?
Beam 1.0 501B A23Bの方が出力が速くなっています(出力193 対 180トークン/秒、Artificial Analysisの7日間の中央値)。
長い文書にはどちらが向いていますか?
どちらも1,048,576トークンのコンテキストに対応しています。
ほかの質問(2件)
レイテンシが低いのはどちらですか?
先に回答を始めるのはBeam 1.0 501B A23Bです。Artificial Analysisの測定では、最初の回答トークンまで0.3秒 対 9.9秒です。この差の大部分は推論エフォートによるもので、設定が高いほど回答前に長く考えます。
Muse Spark Openはいつリリースされましたか?
Muse Spark Openは2026年10月15日にリリースされました。