BenchLeader

Claude Opus 4.5 vs Muse Wonder Full

詳しいプロフィール:Claude Opus 4.5(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、Claude Opus 4.5とMuse Wonder Fullの品質は互角です(BenchLeader Indexで59.7 対 61.7、±4.0の誤差範囲内)。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 Opus 4.5が59.7、Muse Wonder Fullが61.7です(BenchLeader、2026年11月16日)。
  • Claude Opus 4.5の100万トークンあたりのブレンド価格は$10.00です(定価、2026年11月16日)。
  • 両モデルに結果がある6件のベンチマークのうち、Muse Wonder Fullが6件でリードしています(BenchLeader、2026年11月16日)。
  • Arena WebDevでの評価はClaude Opus 4.5が1493、Muse Wonder Fullが1724です(LMArena、2026年11月16日までの公開値)。

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 61;Arena WebDev 1724 対 1493高
エージェント・ツール利用Muse Wonder Fullカテゴリスコア64 対 53高
推論どちらでもカテゴリスコア67 対 66どちらでも
知識Muse Wonder Fullカテゴリスコア62 対 60;LegalBench 87.4% 対 84.6%中
チャットの質(人間の評価)–Arenaの評価があるのはClaude Opus 4.5のみです(カテゴリスコア66)比較不可
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 4.5 (high)とMuse Wonder Full (max)の品質は互角です(59.7 対 61.7、±4.0の誤差範囲内)。
  • Claude Opus 4.5 (high)は推論で優れています。
  • Muse Wonder Full (max)はエージェント・ツール、コーディング、知識で優れています。

概要

仕様Claude Opus 4.5Muse Wonder Full
プロバイダーAnthropicMeta
リリース日2025年11月24日2026年10月12日
コンテキストウィンドウ(トークン)200,0001,000,000
比較した構成Claude Opus 4.5 (high)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)$5.00 / $25.00 / $0.500–

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 4.5 (high)Muse Wonder Full (max)トップ
推論66.665.8互角
コーディング60.669.9Muse Wonder Full
エージェント・ツール52.763.6Muse Wonder Full
数学65.3–比較不可
知識60.062.3Muse Wonder Full
人間の評価66.2–比較不可
長文コンテキスト–66.6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推論コーディングエージェント・ツール知識Claude Opus 4.5, 推論: 66.6Claude Opus 4.5, コーディング: 60.6Claude Opus 4.5, エージェント・ツール: 52.7Claude Opus 4.5, 知識: 60.0Muse 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: 62.3

描画していないもの(測定済みのモデルが2つ未満):数学, 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6件のベンチマークのうち、Claude Opus 4.5のリードが0件、Muse Wonder Fullのリードが6件です。

総合IndexClaude Opus 4.5 (high)Muse Wonder Full (max)トップ
BenchLeader Index59.761.7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Claude Opus 4.5 (high)Muse Wonder Full (max)
100万トークンあたりのブレンド価格$10.00–
100万トークンあたりの入力/出力$5.00 / $25.00– / –
100万トークンあたりのキャッシュ入力$0.500–
タスクあたりの価格:チャットの返答$0.0095–
タスクあたりの価格:30ページのレポートを要約$0.075–
タスクあたりの価格:コード編集$0.068–
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$0.400–
タスクあたりの価格:構造化データの抽出$0.015–
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)$0.198–
タスクあたりの出力トークン(AA Index)–88k
うち推論–55k
出力速度40 tok/s–
回答開始までの時間1.1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 Opus 4.5 (high)のスコアは59.7、最初の回答トークンまで1秒。Claude Opus 4.5 (thinking)は59.3(14秒)、Claude Opus 4.5は57.1(1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

163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 4.5 (high)Muse Wonder Full (max)
BenchLeader IndexBenchLeader59.761.7
エージェント・ツールスコアBenchLeader52.763.6
コーディングスコアBenchLeader60.669.9
人間の評価スコアBenchLeader66.2–
知識スコアBenchLeader60.062.3
数学スコアBenchLeader65.3–
推論スコアBenchLeader66.665.8
長文コンテキストスコアBenchLeader–66.6
ブレンド価格($/100万トークン)BenchLeader$10.00–
出力速度BenchLeader40 tok/s–
回答開始までの時間BenchLeader1.1秒–
コンテキストウィンドウBenchLeader200,000トークン1,000,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub86.0%†–
Humanity's Last ExamScale AI / CAIS25.2%†–
SimpleBenchSimpleBench62.0%†–
Arena Hard PromptsArena (LMArena)1501–
LiveBench 1.0 ReasoningLiveBench80.1%–
GPQA Diamond (AA)Artificial Analysis86.6%†–
Humanity's Last Exam (AA)Artificial Analysis30.1%†53.6%
HLE-Diamond (AA)Artificial Analysis–48.5%
GPQA Diamond (Vals)Vals AI85.9%–
Kagi LLM BenchmarkKagi LLM Benchmark70.7%†–
ARC-AGI-1ARC Prize80.0%†–
ARC-AGI-2ARC Prize37.6%†–
CritPtArtificial Analysis4.6%†32.9%
CritPt v2 hard subset (AA)Artificial Analysis–56.5%
MysteryMechanismVals AI–35.1%
SciPredictScale AI SEAL23.1%†–
Arena ExpertArena (LMArena)1503–
Chess PuzzlesEpoch AI Benchmarking Hub14.0%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub22.0%†–
CL-benchEpoch AI Benchmarking Hub21.1%†–
LMCAEpoch AI Benchmarking Hub44.5%–
DTBenchEpoch AI Benchmarking Hub89.9%–
ForecastBenchForecastBench64.6%†–
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub76.7%†–
WeirdMLWeirdML63.7%†–
163件のベンチマークをすべて表示
指標公開元Claude Opus 4.5 (high)Muse Wonder Full (max)
コーディング
GSO-BenchGSO-Bench26.5%†–
Arena CodingArena (LMArena)1530–
Arena WebDevArena (LMArena)14931724
LiveBench 1.0 CodingLiveBench79.7%–
SciCode (AA)Artificial Analysis–62.6%
LiveCodeBenchVals AI83.7%–
IOIVals AI–79.8%
SWE-bench (Vals)Vals AI76.4%–
SWE-Bench ProScale AI SEAL45.9%†–
SWE-bench Verified (bash only)SWE-bench76.8%–
SWE-bench Multilingual (bash only)SWE-bench70.7%†–
SWE-bench Verified (any scaffold)SWE-bench79.2%†–
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 AI20.6%86.0%
SWE-Bench Pro (private)Scale AI SEAL23.4%†–
ALE-BenchEpoch AI Benchmarking Hub1025.4†–
AlgoTuneAlgoTune1.8†–
WeirdML v3WeirdML6.5%–
Terminal-Bench 4.0 (AA)Artificial Analysis–57.1%
GameBench 2 OverallDuelLab GameBench 247.1†–
Design Arena WebsiteDesign Arena1239†–
FrontierCode 1.1 (AA)Artificial Analysis–44.9%
FrontierCode 2.0 (AA)Artificial Analysis–37.8%
LiveCodeBench (AA)Artificial Analysis87.1%†–
エージェント・ツール
Terminal-BenchTerminal-Bench63.1%†–
GDPvalOpenAI45.5%†–
CybenchCybench82.0%†–
Remote Labor IndexScale AI / CAIS3.8%†–
Arena AgentArena (LMArena)–9
LiveBench Agentic CodingLiveBench39.7%–
Terminal-Bench HardArtificial Analysis47.0%†–
τ²-Bench Telecom (AA)Artificial Analysis89.5%†–
MCP AtlasScale AI SEAL69.8%–
BFCL OverallBerkeley Function Calling Leaderboard77.5%†–
τ²-benchτ²-bench85.3%–
τ³-bench Bankingτ²-bench24.7%–
GDPval-AA v2.1, normalised scoreArtificial Analysis–67.8%
GDPval-AA v2.1Artificial Analysis–1857
CyberBenchVals AI–73.6%
Finance Agent v2Vals AI–59.1%
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%
Poker AgentVals AI1033.4%†–
Robo-benchVals AI–10.4%
SREBenchVals AI–11.8%
Tax Agent BenchVals AI–43.0%
Terminal-Bench 2.0 (Vals)Vals AI58.4%–
Terminal-Bench 4.0 (Vals)Vals AI–58.1%
Terminal-Bench ScienceVals AI–37.1%
Arena SearchArena (LMArena)1186†–
Arena Agent Task CompletionArena (LMArena)–11.1
BALROGBALROG43.0%†–
DeepResearch BenchDeepResearch Bench54.8%–
METR Time HorizonsMETR75.0%†–
Vending-Bench 2Andon Labs4967.1†–
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%
Design Arena AgenticDesign Arena1156†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–37.1%
DeepSearchQAGoogle24.0%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub34.4%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub4.9%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub86.1%†–
ProofBenchVals AI36.0%†–
LiveBench MathematicsLiveBench90.4%–
AIME (Vals)Vals AI76.9%†–
MGSMVals AI94.8%†–
Arena MathsArena (LMArena)1472–
AIME 2025 (AA)Artificial Analysis91.3%†–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub45.7%†–
LiveBench 1.0 Data AnalysisLiveBench74.4%–
AA-Omniscience v1.1Artificial Analysis–30.6
MMLU-ProVals AI87.3%–
LegalBenchVals AI84.6%87.4%
CorpFinVals AI65.1%–
TaxEvalVals AI74.9%–
MedQAVals AI93.2%†–
PRBench FinanceScale AI SEAL46.2%†–
PRBench LegalScale AI SEAL44.2%†–
MultiNRCScale AI SEAL41.2%†–
BioMysteryBenchVals AI–73.3%
CaseLaw v2Vals AI62.6%†–
Excel Modeling BenchmarkVals AI–71.9%
Excel Modeling Benchmark v1.1Vals AI–75.0%
MedCodeVals AI49.2%49.9%
MedScribeVals AI85.3%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%
EBR-benchEpoch AI Benchmarking Hub14.3%†–
AA-Omniscience v1.1: accuracyArtificial Analysis–41.0%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–82.4%
Global-MMLU-Lite (AA)Artificial Analysis91.3%†–
指示追従
LiveBench LanguageLiveBench81.3%–
LiveBench Instruction FollowingLiveBench62.5%–
IFBenchArtificial Analysis58.0%†–
MultiChallengeScale AI SEAL59.0%†–
TutorBenchScale AI SEAL49.8%†–
Arena Instruction FollowingArena (LMArena)1483–
人間の評価
Arena TextArena (LMArena)1474–
EQ-Bench Creative Writing v3EQ-Bench1686†–
Arena Creative WritingArena (LMArena)1469–
Arena Multi-turnArena (LMArena)1485–
Arena Longer QueriesArena (LMArena)1495–
マルチモーダル
MMMU-ProArtificial Analysis74.0%†–
VISTAScale AI SEAL45.3%†–
MMMU-Pro (Vals)Vals AI83.0%–
MortgageTaxVals AI68.7%–
GeoBenchGeoBench75.0%†–
VPCTEpoch AI Benchmarking Hub40.0%†–
Furniture AssemblyEpoch AI Benchmarking Hub28.3%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis77.3%†83.7%
Arena DocumentArena (LMArena)1468†–
MLCRArtificial Analysis–22.2%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub151.9†–
LiveBench 1.0LiveBench72.6%–
AA Intelligence Index v5.0.1Artificial Analysis–50.1
AA Intelligence Index v4.3.2Artificial Analysis29.1†55.8
AA Progress Index v1Artificial Analysis284.4†343.2
Vals IndexVals AI–66.8
Vals Finance IndexVals AI–64.5%
Vals RSI IndexVals AI14.8%24.4%
Vals Science IndexVals AI–48.5%
Vals Router IndexVals AI–66.8%†
Vals Legal IndexVals AI–77.9%
安全性・誠実さ
FORTRESSScale AI SEAL13.6%†–
MASKScale AI SEAL87.1%†–
メタデータ
AA Openness IndexArtificial Analysis11.1†–

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

  • Claude Opus 4.5 (high):新しい結果13件(LiveCodeBench, MMLU-Pro, LegalBench…)。
  • 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)。
  • 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))。
  • Claude Opus 4.5 (high):新しい結果1件(Vals RSI Index)。
  • 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))。

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 Opus 4.5 vs Muse Wonder Full:よくある質問

Claude Opus 4.5はMuse Wonder Fullより優れていますか?
Claude Opus 4.5 (high)とMuse Wonder Full (max)の品質は互角です(59.7 対 61.7、±4.0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。
コーディングにはClaude Opus 4.5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 61。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Arena WebDevでは、Claude Opus 4.5が1493、Muse Wonder Fullが1724です。
エージェントやツール利用にはClaude Opus 4.5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64 対 53。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 Wonder Fullの方が長く、1,000,000トークンです(Claude Opus 4.5は200,000トークン)。
Claude Opus 4.5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6件のベンチマークのうち、Claude Opus 4.5のリードが0件、Muse Wonder Fullのリードが6件です。
ほかの質問(1件)
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。