BenchLeader

Claude Haiku 5.5 vs Muse Wonder Full

詳しいプロフィール:Claude Haiku 5.5(Anthropic)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 · 11件の情報源のデータ

2026年11月16日時点で、品質ではMuse Wonder FullがClaude Haiku 5.5を上回ります(BenchLeader Indexで61.7 対 56.7)。両方を測定できるすべてのカテゴリでMuse Wonder Fullがリードしています。

要点(2026年11月16日時点)

  • BenchLeader IndexはClaude Haiku 5.5が56.7、Muse Wonder Fullが61.7です(BenchLeader、2026年11月16日)。
  • Claude Haiku 5.5の100万トークンあたりのブレンド価格は$0.200です(定価、2026年11月16日)。
  • 両モデルに結果がある21件のベンチマークのうち、Muse Wonder Fullが20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
コーディングMuse Wonder Fullカテゴリスコア70 対 59;FrontierCode 2.0 (AA) 37.8% 対 29.9%高
推論Muse Wonder Fullカテゴリスコア66 対 57;HLE-Diamond (AA) 48.5% 対 28.8%高
知識Muse Wonder Fullカテゴリスコア62 対 49;AA-Omniscience v1.1 30.6 対 7.8高
長い文書Muse Wonder Fullカテゴリスコア67 対 64;AA-LCR v1.1 83.7% 対 78.3%中
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

  • 品質ではMuse Wonder Full (max)がリードしています:61.7 対 56.7。
  • Muse Wonder Full (max)はコーディング、知識、長文コンテキスト、推論で優れています。

概要

仕様Claude Haiku 5.5Muse Wonder Full
プロバイダーAnthropicMeta
リリース日2026年10月7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Claude Haiku 5.5 (xhigh)Muse Wonder Full (max)
オープンウェイトなしなし
100万トークンあたりの価格(入力/出力/キャッシュ入力)$0.100 / $0.500 / $0.010–

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Claude Haiku 5.5 (xhigh)Muse Wonder Full (max)トップ
推論57.365.8Muse Wonder Full
コーディング58.769.9Muse Wonder Full
エージェント・ツール–63.6比較不可
数学66.1–比較不可
知識49.062.3Muse Wonder Full
長文コンテキスト63.866.6Muse Wonder Full

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推論コーディング知識長文コンテキストClaude Haiku 5.5, 推論: 57.3Claude Haiku 5.5, コーディング: 58.7Claude Haiku 5.5, 知識: 49.0Claude Haiku 5.5, 長文コンテキスト: 63.8Muse Wonder Full, 推論: 65.8Muse Wonder Full, コーディング: 69.9Muse Wonder Full, 知識: 62.3Muse Wonder Full, 長文コンテキスト: 66.6

描画していないもの(測定済みのモデルが2つ未満):エージェント・ツール, 数学, 指示追従, マルチモーダル, 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21件のベンチマークのうち、Claude Haiku 5.5のリードが1件、Muse Wonder Fullのリードが20件です。両方を評価しているすべての総合指標で、Muse Wonder Fullが上回っています。

総合IndexClaude Haiku 5.5 (xhigh)Muse Wonder Full (max)トップ
BenchLeader Index56.761.7Muse Wonder Full
AA Intelligence Index v5.0.134.650.1Muse Wonder Full
Vals Index58.7†66.8Muse Wonder Full

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Claude Haiku 5.5 (xhigh)Muse Wonder Full (max)
100万トークンあたりのブレンド価格$0.200–
100万トークンあたりの入力/出力$0.100 / $0.500– / –
100万トークンあたりのキャッシュ入力$0.010–
タスクあたりの価格:チャットの返答$0.0002–
タスクあたりの価格:30ページのレポートを要約$0.0015–
タスクあたりの価格:コード編集$0.0014–
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$0.0080–
タスクあたりの価格:構造化データの抽出$0.0003–
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)$0.0040–
ベンチマークのタスクあたりのコスト(AA Index)$0.248–
タスクあたりの出力トークン(AA Index)136k88k
うち推論97k55k
タスクあたりの時間(AA Index)10 min–
出力速度231 tok/s–
回答開始までの時間50.5秒–
回答が完了するまでの時間(最終測定2026年11月13日)110.1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。Claude Haiku 5.5 (xhigh)のスコアは56.7、最初の回答トークンまで50秒。Claude Haiku 5.5 (high)は55.3(18秒)、Claude Haiku 5.5 (max)は55.3(185秒)。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

139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Claude Haiku 5.5 (xhigh)Muse Wonder Full (max)
BenchLeader IndexBenchLeader56.761.7
コーディングスコアBenchLeader58.769.9
知識スコアBenchLeader49.062.3
長文コンテキストスコアBenchLeader63.866.6
数学スコアBenchLeader66.1–
推論スコアBenchLeader57.365.8
エージェント・ツールスコアBenchLeader–63.6
ブレンド価格($/100万トークン)BenchLeader$0.200–
出力速度BenchLeader231 tok/s–
回答開始までの時間BenchLeader50.5秒–
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 DiamondEpoch AI Benchmarking Hub89.7%†–
Humanity's Last ExamScale AI / CAIS30.1%†–
Arena Hard PromptsArena (LMArena)1449†–
LiveBench 2.0 ReasoningLiveBench82.4%†–
LiveBench 1.0 ReasoningLiveBench81.2%–
Humanity's Last Exam (AA)Artificial Analysis42.7%53.6%
HLE-Diamond (AA)Artificial Analysis28.8%48.5%
ARC-AGI-1ARC Prize87.5%–
ARC-AGI-2ARC Prize61.3%–
ARC-AGI-3ARC Prize2.8%†–
CritPtArtificial Analysis22.6%32.9%
CritPt v2 hard subset (AA)Artificial Analysis47.5%56.5%
MysteryMechanismVals AI35.1%†35.1%
Arena ExpertArena (LMArena)1465†–
Chess PuzzlesEpoch AI Benchmarking Hub55.0%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub30.0%†–
LMCAEpoch AI Benchmarking Hub48.0%–
DTBenchEpoch AI Benchmarking Hub87.2%–
コーディング
SciCodeSciCode51.7%–
FrontierCodeCognition46.4%†–
Arena CodingArena (LMArena)1489†–
Arena WebDevArena (LMArena)1593†1724
LiveBench 2.0 CodingLiveBench77.6%†–
LiveBench 1.0 CodingLiveBench76.4%–
SciCode (AA)Artificial Analysis51.7%62.6%
139件のベンチマークをすべて表示
指標公開元Claude Haiku 5.5 (xhigh)Muse Wonder Full (max)
コーディング
IOIVals AI47.3%†79.8%
Code MigrationVals AI44.6%†61.0%
Code Migration v1.1Vals AI52.4%†62.8%
ProgramBenchVals AI2.5%†0.5%
SWE-bench MultimodalVals AI44.0%†47.3%
Vibe Code Bench 1-100Vals AI20.4%†34.0%
Vibe Code Bench v1.1Vals AI90.4%†86.0%
SWE Atlas v1.1Scale AI SEAL59.4%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL62.1%†–
SWE Atlas v1.1: Test WritingScale AI SEAL63.3%†–
SWE Atlas v1.1: RefactoringScale AI SEAL52.9%†–
SWE-Bench Pro V2Scale AI SEAL87.2%†–
SWE-Bench Pro V2 HARDScale AI SEAL52.9%†–
MirrorCodeEpoch AI Benchmarking Hub78.9%†–
CursorBenchCursor44.3%–
ALE-BenchEpoch AI Benchmarking Hub1587†–
FrontierSWEEpoch AI Benchmarking Hub43.8%†–
WeirdML v3WeirdML11.7%–
Terminal-Bench 4.0 (AA)Artificial Analysis29.3%57.1%
GameBench 2 OverallDuelLab GameBench 256.0†–
GameBench 2 by reasoning settingDuelLab GameBench 275.1–
Design Arena WebsiteDesign Arena1253†–
FrontierCode 1.1 (AA)Artificial Analysis45.5%44.9%
FrontierCode 2.0 (AA)Artificial Analysis29.9%37.8%
エージェント・ツール
Terminal-BenchTerminal-Bench40.0%†–
APEX-AgentsMercor56.1%†–
Arena AgentArena (LMArena)0.5†9
LiveBench Long AgenticLiveBench47.9%†–
LiveBench BrowserLiveBench69.5%†–
LiveBench Agentic CodingLiveBench51.4%–
GDPval-AA v2.1, normalised scoreArtificial Analysis50.7%67.8%
GDPval-AA v2.1Artificial Analysis15231857
Analyst Agent (AA)Artificial Analysis53.8%†–
CyberBenchVals AI75.5%†73.6%
Finance Agent v2Vals AI54.1%†59.1%
Finance Agent v2.1Vals AI65.4%†67.6%
Harvey's Legal Agent Benchmark v1.1Vals AI4.2%†23.3%
Harvey's Legal Agent Benchmark v1Vals AI1.3%†21.7%
Legal Research BenchVals AI43.8%†53.4%
Robo-benchVals AI–10.4%
SREBenchVals AI5.7%†11.8%
Tax Agent BenchVals AI31.9%†43.0%
Terminal-Bench 4.0 (Vals)Vals AI36.4%†58.1%
Terminal-Bench ScienceVals AI10.0%†37.1%
Arena Agent Task CompletionArena (LMArena)1.6†11.1
Vending-Bench 2Andon Labs3602.5†–
AutomationBenchArtificial Analysis36.0%71.3%
GDP.pdf (AA)Artificial Analysis18.2%32.6%
Harvey LAB-AA v1.1Harvey2.8%13.1%
AA-Briefcase v1.1Artificial Analysis15231729
GDPxGDPx by SemiAnalysis4.9%†9.0%
Terminal-Bench-Science 0.1 (AA)Artificial Analysis18.1%37.1%
MKA (AA)Artificial Analysis41.0%†–
FACTS SearchGoogle80.3%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub75.1%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub46.3%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub98.9%–
ProofBenchVals AI89.0%†–
LiveBench MathematicsLiveBench92.8%–
Arena MathsArena (LMArena)1451†–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub23.8%†–
LiveBench 2.0 Data AnalysisLiveBench53.1%†–
LiveBench ResearchLiveBench84.3%†–
LiveBench 1.0 Data AnalysisLiveBench72.8%–
AA-Omniscience v1.1Artificial Analysis7.830.6
LegalBenchVals AI–87.4%
BioMysteryBenchVals AI70.4%†73.3%
ClaimBenchVals AI100.0%†–
Excel Modeling BenchmarkVals AI59.0%†71.9%
Excel Modeling Benchmark v1.1Vals AI65.5%†75.0%
MedCodeVals AI51.5%†49.9%
MedScribeVals AI89.5%†89.3%
Public Benefits Bench v1.1Vals AI63.2%†73.8%
Access to Justice BenchmarkVals AI–74.7%
Financial Coaching BenchVals AI–75.0%
Immigration BenchVals AI61.8%†71.2%
EBR-benchEpoch AI Benchmarking Hub43.8%†–
AA-Omniscience v1.1: accuracyArtificial Analysis33.8%41.0%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis60.9%82.4%
HealthBench Professional (AA)OpenAI58.4%†–
FACTS ParametricGoogle13.1%†–
指示追従
LiveBench LanguageLiveBench63.5%–
LiveBench Instruction FollowingLiveBench66.5%–
MultiChallengeScale AI SEAL67.7%†–
Arena Instruction FollowingArena (LMArena)1426†–
人間の評価
Arena TextArena (LMArena)1421†–
Arena Creative WritingArena (LMArena)1361†–
Arena Multi-turnArena (LMArena)1412†–
Arena Longer QueriesArena (LMArena)1419†–
マルチモーダル
LiveBench DesignLiveBench79.3%†–
SAGEVals AI89.8%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub33.0%†–
Furniture AssemblyEpoch AI Benchmarking Hub47.5%†–
VIALS-AAHandshake AI49.1%†–
Code2Video-AAArtificial Analysis1192†–
AA-3DArtificial Analysis998†–
FACTS MultimodalGoogle38.9%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis78.3%83.7%
MLCRArtificial Analysis15.0%22.2%
FACTS GroundingGoogle57.0%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub160.4†–
LiveBench 2.0LiveBench68.9%†–
LiveBench 1.0LiveBench72.1%–
AA Intelligence Index v5.0.1Artificial Analysis34.650.1
AA Intelligence Index v4.3.2Artificial Analysis41.355.8
AA Progress Index v1Artificial Analysis322.2343.2
Vals IndexVals AI58.7†66.8
Vals Finance IndexVals AI57.5%†64.5%
Vals RSI IndexVals AI–24.4%
Vals Science IndexVals AI38.5%†48.5%
Vals Router IndexVals AI58.7%†66.8%†
Vals Legal IndexVals AI70.3%†77.9%
安全性・誠実さ
FORTRESSScale AI SEAL9.5%†–
DistressBenchScale AI SEAL71.7%†–

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

  • Muse Wonder Full (max):BenchLeader Index 62.6 → 61.7。
  • Claude Haiku 5.5 (xhigh):新しい結果1件(GameBench 2 by reasoning setting)。
  • Claude Haiku 5.5 (xhigh):BenchLeader Index 57.3 → 56.8。
  • Claude Haiku 5.5 (xhigh):BenchLeader Index 56.8 → 57.3。
  • Claude Haiku 5.5 (xhigh):スコアの改訂1件。
  • 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)。
  • Claude Haiku 5.5 (xhigh):新しい結果1件(AA-Briefcase v1.1)。
  • Claude Haiku 5.5 (xhigh):BenchLeader Index 58.4 → 56.8。

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

Claude Haiku 5.5 vs Muse Wonder Full:よくある質問

Muse Wonder FullはClaude Haiku 5.5より優れていますか?
品質ではMuse Wonder Full (max)がリードしています:61.7 対 56.7。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日時点では総合でMuse Wonder Full (max)が上回っていますが、用途に合わせてカテゴリ別のスコアも確認してください。
コーディングにはClaude Haiku 5.5とMuse Wonder Fullのどちらが向いていますか?
コーディングではMuse Wonder Fullの方がスコアが高くなっています(カテゴリ指標で70 対 59。50が平均)。共通するコーディングベンチマークのうち最も重要なFrontierCode 2.0 (AA)では、Claude Haiku 5.5が29.9%、Muse Wonder Fullが37.8%です。
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Muse Wonder Fullの方がスコアが高くなっています(67 対 64)。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。
Claude Haiku 5.5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21件のベンチマークのうち、Claude Haiku 5.5のリードが1件、Muse Wonder Fullのリードが20件です。両方を評価しているすべての総合指標で、Muse Wonder Fullが上回っています。
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。