BenchLeader

Claude Opus 4.1 vs Muse Spark 1.3

詳しいプロフィール:Claude Opus 4.1(Anthropic)とMuse Spark 1.3(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、Claude Opus 4.1とMuse Spark 1.3の品質は互角です(BenchLeader Indexで58.1 対 61.6、±8.6の誤差範囲内)。価格はMuse Spark 1.3の方が15倍安く、100万トークンあたりのブレンド価格で$2.00 対 $30.00です。数学(61 対 56)、エージェント・ツール(64 対 61)を重視するならClaude Opus 4.1、知識(81 対 58)、推論(71 対 64)を重視するならMuse Spark 1.3が向いています。Muse Spark 1.3は出力が3倍以上速い点も強みです。

要点(2026年11月16日時点)

  • BenchLeader IndexはClaude Opus 4.1が58.1、Muse Spark 1.3が61.6です(BenchLeader、2026年11月16日)。
  • Claude Opus 4.1の100万トークンあたりのブレンド価格は$30.00です(定価、2026年11月16日)。
  • Muse Spark 1.3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)。
  • Muse Spark 1.3はClaude Opus 4.1より出力が3倍以上速いです(Artificial Analysis、7日間の中央値、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Claude Opus 4.1カテゴリスコア64 対 61中
数学Claude Opus 4.1カテゴリスコア61 対 56中
推論Muse Spark 1.3カテゴリスコア71 対 64中
知識Muse Spark 1.3カテゴリスコア81 対 58高
チャットの質(人間の評価)–Arenaの評価があるのはClaude Opus 4.1のみです(カテゴリスコア63)比較不可
最低コストMuse Spark 1.3100万トークンあたりブレンド価格$2.00 対 $30.00;エージェント型コーディングセッション$0.092 対 $1.20–
回答開始の速さどちらでも最初の回答トークンまで3.4秒(Claude Opus 4.1 (thinking))対 2.6秒(Muse Spark 1.3)–
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

  • Claude Opus 4.1 (thinking)とMuse Spark 1.3の品質は互角です(58.1 対 61.6、±8.6の誤差範囲内)。
  • Claude Opus 4.1 (thinking)はエージェント・ツール、数学で優れています。
  • Muse Spark 1.3は知識、推論で優れています。
  • Muse Spark 1.3の方が15倍安くなっています(100万トークンあたりブレンド価格$2.00 対 $30.00)。
  • Muse Spark 1.3の方が出力が11.6倍速くなっています(163 対 14トークン/秒)。

概要

仕様Claude Opus 4.1Muse Spark 1.3
プロバイダーAnthropicMeta
リリース日2025年8月5日2026年9月2日
コンテキストウィンドウ(トークン)200,0001,048,576
比較した構成Claude Opus 4.1 (thinking)Muse Spark 1.3
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)$15.00 / $75.00 / $1.50$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Claude Opus 4.1 (thinking)Muse Spark 1.3トップ
推論64.271.0Muse Spark 1.3
コーディング52.8–比較不可
エージェント・ツール63.761.3Claude Opus 4.1
数学60.756.3Claude Opus 4.1
知識58.481.2Muse Spark 1.3
指示追従53.4–比較不可
人間の評価63.3–比較不可
マルチモーダル55.5–比較不可
長文コンテキスト62.6–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推論エージェント・ツール数学知識Claude Opus 4.1, 推論: 64.2Claude Opus 4.1, エージェント・ツール: 63.7Claude Opus 4.1, 数学: 60.7Claude Opus 4.1, 知識: 58.4Muse Spark 1.3, 推論: 71.0Muse Spark 1.3, エージェント・ツール: 61.3Muse Spark 1.3, 数学: 56.3Muse Spark 1.3, 知識: 81.2

描画していないもの(測定済みのモデルが2つ未満):コーディング, 指示追従, 長文コンテキスト, 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0件のベンチマークのうち、Claude Opus 4.1のリードが0件、Muse Spark 1.3のリードが0件です。両方を評価しているすべての総合指標で、Muse Spark 1.3が上回っています。

総合IndexClaude Opus 4.1 (thinking)Muse Spark 1.3トップ
BenchLeader Index58.161.6互角
Arena Text14501497†Muse Spark 1.3

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 Opus 4.1 (thinking)Muse Spark 1.3
100万トークンあたりのブレンド価格$30.00$2.00
100万トークンあたりの入力/出力$15.00 / $75.00$1.25 / $4.25
100万トークンあたりのキャッシュ入力$1.50$0.150
タスクあたりの価格:チャットの返答$0.029$0.0018
タスクあたりの価格:30ページのレポートを要約$0.225$0.018
タスクあたりの価格:コード編集$0.203$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$1.20$0.092
タスクあたりの価格:構造化データの抽出$0.045$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)$0.593$0.043
出力速度14 tok/s163 tok/s
回答開始までの時間3.4秒2.6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 Opus 4.1 (thinking)のスコアは58.1、最初の回答トークンまで3秒。Claude Opus 4.1は51.1(3秒)。Muse Spark 1.3のスコアは61.6、最初の回答トークンまで3秒。Muse Spark 1.3 (max)は60.6(31秒)、Muse Spark 1.3 (xhigh)は58.1(11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

161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 Opus 4.1 (thinking)Muse Spark 1.3
BenchLeader IndexBenchLeader58.161.6
エージェント・ツールスコアBenchLeader63.761.3
コーディングスコアBenchLeader52.8–
人間の評価スコアBenchLeader63.3–
指示追従スコアBenchLeader53.4–
知識スコアBenchLeader58.481.2
長文コンテキストスコアBenchLeader62.6–
数学スコアBenchLeader60.756.3
マルチモーダルスコアBenchLeader55.5–
推論スコアBenchLeader64.271.0
ブレンド価格($/100万トークン)BenchLeader$30.00$2.00
出力速度BenchLeader14 tok/s163 tok/s
回答開始までの時間BenchLeader3.4秒2.6秒
コンテキストウィンドウBenchLeader200,000トークン1,048,576トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub77.3%†–
Humanity's Last ExamScale AI / CAIS11.5%†–
SimpleBenchSimpleBench60.0%†81.8%
Arena Hard PromptsArena (LMArena)14801517†
LiveBench 2.0 ReasoningLiveBench–89.7%†
LiveBench 1.0 ReasoningLiveBench–89.7%†
GPQA Diamond (AA)Artificial Analysis80.9%93.5%†
Humanity's Last Exam (AA)Artificial Analysis12.5%48.7%†
HLE-Diamond (AA)Artificial Analysis–33.7%†
GPQA Diamond (Vals)Vals AI76.3%–
CritPtArtificial Analysis0.0%24.9%†
CritPt v2 hard subset (AA)Artificial Analysis–48.0%†
MysteryMechanismVals AI–36.0%†
SciPredictScale AI SEAL22.2%†–
HLE-Diamond (Scale)Scale AI SEAL–25.4%
Arena ExpertArena (LMArena)14821521†
Chess PuzzlesEpoch AI Benchmarking Hub–37.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub21.0%†25.0%†
LMCAEpoch AI Benchmarking Hub37.1%†53.9%
DTBenchEpoch AI Benchmarking Hub80.0%†96.5%
ForecastBenchForecastBench64.4%†65.5%†
BTF-3Epoch AI Benchmarking Hub–14.1%†
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub73.3%†–
SciCodeSciCode–58.8%†
WeirdMLWeirdML45.9%†–
161件のベンチマークをすべて表示
指標公開元Claude Opus 4.1 (thinking)Muse Spark 1.3
コーディング
Arena CodingArena (LMArena)15111534†
Arena WebDevArena (LMArena)1389†1655†
LiveBench 2.0 CodingLiveBench–84.4%†
LiveBench 1.0 CodingLiveBench–81.1%†
LiveCodeBenchVals AI66.5%–
IOIVals AI–56.6%†
Code MigrationVals AI–47.4%†
ProgramBenchVals AI–2.5%†
SWE-bench MultimodalVals AI–43.1%†
Vibe Code Bench 1-100Vals AI–20.5%†
Vibe Code Bench v1.1Vals AI–85.9%†
SWE-Bench Pro (private)Scale AI SEAL17.8%†–
MirrorCodeEpoch AI Benchmarking Hub–54.4%†
CursorBenchCursor–41.6%†
ALE-BenchEpoch AI Benchmarking Hub674.8†1688.3†
AlgoTuneAlgoTune1.3†–
FrontierSWEEpoch AI Benchmarking Hub–25.8%†
WeirdML v3WeirdML–6.7%†
Terminal-Bench 4.0 (AA)Artificial Analysis–33.3%†
Terminal-Bench 2.1 (AA)Artificial Analysis–84.3%†
Startrise FrontendStartrise–74.7%
GameBench 2 OverallDuelLab GameBench 2–57.7
GameBench 2 by reasoning settingDuelLab GameBench 2–68.5†
Design Arena WebsiteDesign Arena11691353†
FrontierCode 1.1 (AA)Artificial Analysis–40.6%†
FrontierCode 2.0 (AA)Artificial Analysis–23.1%†
LiveCodeBench (AA)Artificial Analysis65.3%–
エージェント・ツール
Terminal-BenchTerminal-Bench38.0%†14.8%†
GDPvalOpenAI43.6%†–
CybenchCybench42.0%†–
APEX-AgentsMercor–58.6%
Arena AgentArena (LMArena)–2.2†
LiveBench Long AgenticLiveBench–47.9%†
LiveBench BrowserLiveBench–30.9%†
LiveBench Agentic CodingLiveBench–64.1%†
Terminal-Bench HardArtificial Analysis34.3%–
τ²-Bench Telecom (AA)Artificial Analysis71.4%–
Terminal-Bench 2.1 (Vals)Vals AI–79.0%†
HiL-BenchScale AI SEAL–66.9%
GDPval-AA v2.1Artificial Analysis–1681†
τ³-Banking (AA)Artificial Analysis–50.5%†
ITBench SRE (AA)Artificial Analysis–33.2%†
Analyst Agent (AA)Artificial Analysis–37.5%†
CUA-benchVals AI–5.8%†
CyberBenchVals AI–72.7%†
Finance Agent v2Vals AI–60.0%†
Harvey's Legal Agent Benchmark v1Vals AI–23.8%†
Legal Research BenchVals AI–55.3%†
SREBenchVals AI–3.8%†
Tax Agent BenchVals AI–42.4%†
Terminal-Bench 4.0 (Vals)Vals AI–24.8%†
Terminal-Bench ScienceVals AI–10.0%†
Arena SearchArena (LMArena)1167†–
Arena Agent Task CompletionArena (LMArena)–3.7†
DeepResearch BenchDeepResearch Bench48.3%†–
METR Time HorizonsMETR66.8%†–
AutomationBenchArtificial Analysis–57.9%†
GDP.pdf (AA)Artificial Analysis–26.6%†
Harvey LAB-AA v1.1Harvey–8.9%†
AA-Briefcase v1.1Artificial Analysis–1581†
Design Arena AgenticDesign Arena–1283†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–10.9%†
CWE-Bench (AA)Artificial Analysis–60.8%†
DeepSec-Bench (AA)Artificial Analysis–12.5%†
CyberGym end-to-end (AA)Artificial Analysis–59.5%†
BrowseCompOpenAI1.0%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub12.6%†74.0%†
FrontierMath Tier 4Epoch AI Benchmarking Hub2.4%†46.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub68.9%†99.2%†
ProofBenchVals AI–55.0%
LiveBench MathematicsLiveBench–96.0%†
AIME (Vals)Vals AI78.2%–
MGSMVals AI94.4%–
MATH 500Vals AI95.4%–
Arena MathsArena (LMArena)14441506†
AIME 2025 (AA)Artificial Analysis80.3%–
知識
LiveBench 2.0 Data AnalysisLiveBench–79.6%†
LiveBench ResearchLiveBench–82.5%†
LiveBench 1.0 Data AnalysisLiveBench–79.6%†
AA-Omniscience v1.1Artificial Analysis–22.4†
MMLU-ProVals AI87.9%–
LegalBenchVals AI83.5%†–
TaxEvalVals AI73.7%–
MedQAVals AI93.6%–
PRBench FinanceScale AI SEAL35.1%†59.5%
PRBench LegalScale AI SEAL34.0%†61.6%
MultiNRCScale AI SEAL38.4%–
Excel Modeling BenchmarkVals AI–67.4%†
MedCodeVals AI47.2%–
MedScribeVals AI73.9%–
Access to Justice BenchmarkVals AI–72.2%†
Financial Coaching BenchVals AI–70.3%†
Immigration BenchVals AI–64.9%†
DrugDiscoveryBenchScale AI SEAL–62.2%†
EBR-benchEpoch AI Benchmarking Hub7.9%†–
GDP.pdfEpoch AI Benchmarking Hub–27.6%
AA-Omniscience v1.1: accuracyArtificial Analysis–38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–74.8%†
指示追従
LiveBench LanguageLiveBench–82.8%†
LiveBench Instruction FollowingLiveBench–78.0%†
IFBenchArtificial Analysis55.4%–
MultiChallengeScale AI SEAL57.2%–
TutorBenchScale AI SEAL50.8%–
Arena Instruction FollowingArena (LMArena)14581485†
人間の評価
Arena TextArena (LMArena)14501497†
EQ-Bench Creative Writing v3EQ-Bench–1907
Arena Creative WritingArena (LMArena)14461468†
Arena Multi-turnArena (LMArena)14711493†
Arena Longer QueriesArena (LMArena)14851498†
Lech Mazur Creative WritingLech Mazur84.7%†–
マルチモーダル
Arena VisionArena (LMArena)–1310†
LiveBench DesignLiveBench–74.8%†
MMMU-ProArtificial Analysis67.9%82.0%†
VISTAScale AI SEAL48.4%–
MMMU-Pro (Vals)Vals AI77.5%–
MortgageTaxVals AI56.1%–
Humanity's Sixth SenseScale AI SEAL–37.4%†
VTBScale AI SEAL5.2%–
GeoBenchGeoBench–86.0%
VPCTEpoch AI Benchmarking Hub35.0%†–
Code2Video-AAArtificial Analysis–1019†
AA-3DArtificial Analysis–1032†
長文コンテキスト
AA-LCR v1.1Artificial Analysis76.0%83.0%†
Arena DocumentArena (LMArena)–1474†
MLCRArtificial Analysis–13.9%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub144.8†158.2
LiveBench 2.0LiveBench–68.6%†
LiveBench 1.0LiveBench–81.6%†
AA Intelligence Index v5.0.1Artificial Analysis–36.6†
AA Intelligence Index v4.3.2Artificial Analysis22.948.1†
AA Progress Index v1Artificial Analysis242.2324.5†
Vals RSI IndexVals AI–19.6%†
AA Cyber IndexArtificial Analysis–44.3†
安全性・誠実さ
FORTRESSScale AI SEAL14.8%–
MASKScale AI SEAL94.2%–
DistressBenchScale AI SEAL–84.9%

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。

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 Spark 1.3:BenchLeader Index 60.2 → 61.6。
  • Claude Opus 4.1 (thinking):新しい結果1件(AIME 2025 (AA))。
  • Muse Spark 1.3:スコアの改訂1件。
  • Muse Spark 1.3:BenchLeader Index 59.2 → 60.2。
  • Muse Spark 1.3:新しい結果2件(SimpleBench, GeoBench)。
  • Muse Spark 1.3:BenchLeader Index 57.7 → 59.2。
  • Muse Spark 1.3:スコアの改訂4件。
  • Muse Spark 1.3:BenchLeader Index 58.2 → 57.7。
  • Muse Spark 1.3:スコアの改訂1件。
  • Muse Spark 1.3: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

Claude Opus 4.1 vs Muse Spark 1.3:よくある質問

Claude Opus 4.1はMuse Spark 1.3より優れていますか?
Claude Opus 4.1 (thinking)とMuse Spark 1.3の品質は互角です(58.1 対 61.6、±8.6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。
Claude Opus 4.1とMuse Spark 1.3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Muse Spark 1.3の方が安く、100万トークンあたり$2.00 対 $30.00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。
Claude Opus 4.1とMuse Spark 1.3はどちらが速いですか?
Muse Spark 1.3の方が出力が3倍以上速くなっています(出力163 対 14トークン/秒、Artificial Analysisの7日間の中央値)。
エージェントやツール利用にはClaude Opus 4.1とMuse Spark 1.3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Claude Opus 4.1の方がスコアが高くなっています(カテゴリ指標で64 対 61。50が平均)。
長い文書にはどちらが向いていますか?
コンテキストはMuse Spark 1.3の方が長く、1,048,576トークンです(Claude Opus 4.1は200,000トークン)。
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Muse Spark 1.3です。Artificial Analysisの測定では、最初の回答トークンまで2.6秒 対 3.4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 1.3はいつリリースされましたか?
Muse Spark 1.3は2026年9月2日にリリースされました。