BenchLeader

Claude Opus 4.6 vs Muse Spark

詳しいプロフィール:Claude Opus 4.6(Anthropic)とMuse Spark(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 4.6とMuse Sparkの品質は互角です(BenchLeader Indexで62.5 対 64.2、±4.3の誤差範囲内)。数学(63 対 59)、マルチモーダル(67 対 64)、人間の評価(70 対 68)を重視するならClaude Opus 4.6、コーディング(65 対 62)、推論(67 対 65)を重視するならMuse Sparkが向いています。

要点(2026年11月16日時点)

  • BenchLeader IndexはClaude Opus 4.6が62.5、Muse Sparkが64.2です(BenchLeader、2026年11月16日)。
  • Claude Opus 4.6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10件のベンチマークのうち、Claude Opus 4.6が10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 Sparkカテゴリスコア65 対 62;Arena Coding 1529 対 1547中
数学Claude Opus 4.6カテゴリスコア63 対 59;Arena Maths 1516 対 1469中
推論Muse Sparkカテゴリスコア67 対 65;Arena Hard Prompts 1506 対 1530中
画像などのメディアClaude Opus 4.6カテゴリスコア67 対 64;Arena Vision 1316 対 1306中
チャットの質(人間の評価)Claude Opus 4.6Arenaの投票で70 対 68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

  • Claude Opus 4.6 (high)とMuse Sparkの品質は互角です(62.5 対 64.2、±4.3の誤差範囲内)。
  • Claude Opus 4.6 (high)は人間の評価、数学、マルチモーダルで優れています。
  • Muse Sparkはコーディング、推論で優れています。

概要

仕様Claude Opus 4.6Muse Spark
プロバイダーAnthropicMeta
リリース日2026年2月5日2026年4月8日
コンテキストウィンドウ(トークン)1,000,000262,144
比較した構成Claude Opus 4.6 (high)Muse Spark
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 4.6 (high)Muse Sparkトップ
推論65.067.4Muse Spark
コーディング62.265.1Muse Spark
エージェント・ツール–65.0比較不可
数学63.459.1Claude Opus 4.6
知識–63.1比較不可
指示追従–76.9比較不可
人間の評価69.868.1Claude Opus 4.6
マルチモーダル66.764.2Claude Opus 4.6
長文コンテキスト–63.6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推論コーディング数学マルチモーダル人間の評価Claude Opus 4.6, 推論: 65.0Claude Opus 4.6, コーディング: 62.2Claude Opus 4.6, 数学: 63.4Claude Opus 4.6, マルチモーダル: 66.7Claude Opus 4.6, 人間の評価: 69.8Muse Spark, 推論: 67.4Muse Spark, コーディング: 65.1Muse Spark, 数学: 59.1Muse Spark, マルチモーダル: 64.2Muse Spark, 人間の評価: 68.1

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, 知識, 指示追従, 長文コンテキスト。

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10件のベンチマークのうち、Claude Opus 4.6のリードが10件、Muse Spark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、Claude Opus 4.6が上回っています。

総合IndexClaude Opus 4.6 (high)Muse Sparkトップ
BenchLeader Index62.564.2互角
Arena Text15031489Claude Opus 4.6

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 4.6 (high)Muse Spark
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–
出力速度35 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 4.6 (high)のスコアは62.5、最初の回答トークンまで1秒。Claude Opus 4.6は62.1(1秒)、Claude Opus 4.6 (推論なし)は58.4(2秒)。Muse Sparkのスコアは64.2。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

119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 4.6 (high)Muse Spark
BenchLeader IndexBenchLeader62.564.2
コーディングスコアBenchLeader62.265.1
人間の評価スコアBenchLeader69.868.1
数学スコアBenchLeader63.459.1
マルチモーダルスコアBenchLeader66.764.2
推論スコアBenchLeader65.067.4
エージェント・ツールスコアBenchLeader–65.0
指示追従スコアBenchLeader–76.9
知識スコアBenchLeader–63.1
長文コンテキストスコアBenchLeader–63.6
ブレンド価格($/100万トークン)BenchLeader$10.00–
出力速度BenchLeader35 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BenchLeader1,000,000トークン262,144トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub90.5%†89.8%
Humanity's Last ExamScale AI / CAIS19.0%†40.6%
SimpleBenchSimpleBench67.6%†–
Arena Hard PromptsArena (LMArena)15301506
LiveBench 1.0 ReasoningLiveBench88.7%–
GPQA Diamond (AA)Artificial Analysis84.0%†88.4%
Humanity's Last Exam (AA)Artificial Analysis19.1%†40.7%
GPQA Diamond (Vals)Vals AI89.7%†89.7%
Kagi LLM BenchmarkKagi LLM Benchmark72.4%†–
ARC-AGI-1ARC Prize94.0%–
ARC-AGI-2ARC Prize69.2%–
ARC-AGI-3ARC Prize0.5%†–
CritPtArtificial Analysis2.8%†11.3%
Arena ExpertArena (LMArena)15441491
Chess PuzzlesEpoch AI Benchmarking Hub21.0%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub15.0%†–
CL-benchEpoch AI Benchmarking Hub20.7%†–
CL-bench LifeEpoch AI Benchmarking Hub17.0%–
LMCAEpoch AI Benchmarking Hub55.8%†–
DTBenchEpoch AI Benchmarking Hub91.2%†–
ForecastBenchForecastBench63.1%†–
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub78.7%†–
SciCodeSciCode–51.5%
WeirdMLWeirdML78.0%–
FrontierCodeCognition26.6%†–
119件のベンチマークをすべて表示
指標公開元Claude Opus 4.6 (high)Muse Spark
コーディング
GSO-BenchGSO-Bench41.2%–
Arena CodingArena (LMArena)15471529
Arena WebDevArena (LMArena)1547–
LiveBench 1.0 CodingLiveBench78.2%–
LiveCodeBenchVals AI84.7%†–
SWE-bench (Vals)Vals AI78.2%†74.4%
SWE-Bench ProScale AI SEAL51.9%†55.0%
SWE-bench Verified (bash only)SWE-bench75.6%†–
SWE-bench Multilingual (bash only)SWE-bench72.0%†–
SWE-bench Verified (any scaffold)SWE-bench75.6%†–
Vibe Code Bench v1.1Vals AI57.6%†19.7%
SWE-Bench Pro (private)Scale AI SEAL47.1%†44.7%
SWE Atlas v1.0: Codebase QnAScale AI SEAL33.3%†24.2%
SWE Atlas v1.0: RefactoringScale AI SEAL35.6%†–
SWE Atlas v1.0: Test WritingScale AI SEAL36.7%†31.1%
MirrorCodeEpoch AI Benchmarking Hub33.3%†–
ALE-BenchEpoch AI Benchmarking Hub996.5†–
AlgoTuneAlgoTune1.5–
Terminal-Bench 2.1 (AA)Artificial Analysis–62.2%
Design Arena WebsiteDesign Arena1283†1253
エージェント・ツール
Terminal-BenchTerminal-Bench79.8%†–
CybenchCybench93.0%†–
Remote Labor IndexScale AI / CAIS4.2%†–
APEX-AgentsMercor46.3%†–
LiveBench Agentic CodingLiveBench49.0%–
Terminal-Bench HardArtificial Analysis48.5%†45.5%
τ²-Bench Telecom (AA)Artificial Analysis84.8%†91.5%
MCP AtlasScale AI SEAL76.8%†82.2%
HiL-BenchScale AI SEAL38.3%†–
τ³-bench Bankingτ²-bench27.3%†–
GDPval-AA v2.1Artificial Analysis–1006
APEX-Agents (AA)Artificial Analysis33.0%†–
Terminal-Bench 2.0 (Vals)Vals AI58.4%†59.5%
Arena SearchArena (LMArena)1222†–
DeepResearch BenchDeepResearch Bench55.3%–
METR Time HorizonsMETR78.9%†–
GBAEvalEpoch AI Benchmarking Hub44.1%†–
Vending-Bench 2Andon Labs8017.6†–
AA-Briefcase v1.1Artificial Analysis–646
Design Arena AgenticDesign Arena1196†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub66.0%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub26.8%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub94.4%†88.9%
ProofBenchVals AI50.0%†17.0%
LiveBench MathematicsLiveBench89.3%–
AIME (Vals)Vals AI95.6%†96.9%
AIME 2026MathArena96.7%–
HMMT February 2026MathArena96.2%–
USAMO 2026MathArena47.0%–
MathArena ApexMathArena34.5%–
Arena MathsArena (LMArena)15161469
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub47.0%†–
LiveBench 1.0 Data AnalysisLiveBench69.9%–
MMLU-ProVals AI89.1%†87.3%
LegalBenchVals AI85.3%†84.2%
CorpFinVals AI67.0%†65.1%
TaxEvalVals AI76.0%†77.7%
MedQAVals AI95.4%†–
PRBench FinanceScale AI SEAL53.3%†52.4%
PRBench LegalScale AI SEAL52.3%†52.3%
MultiNRCScale AI SEAL48.3%†59.0%
CaseLaw v2Vals AI62.1%†63.1%
MedCodeVals AI49.1%†51.3%
MedScribeVals AI86.7%†85.9%
DrugDiscoveryBenchScale AI SEAL27.7%†–
EBR-benchEpoch AI Benchmarking Hub12.7%†–
Global-MMLU-Lite (AA)Artificial Analysis90.6%†–
指示追従
LiveBench LanguageLiveBench83.3%–
LiveBench Instruction FollowingLiveBench63.3%–
IFBenchArtificial Analysis44.6%†75.9%
MultiChallengeScale AI SEAL56.0%†75.5%
TutorBenchScale AI SEAL53.5%†68.5%
Arena Instruction FollowingArena (LMArena)15111465
人間の評価
Arena TextArena (LMArena)15031489
EQ-Bench 4EQ-Bench1210†–
EQ-Bench Creative Writing v3EQ-Bench1810†–
Arena Creative WritingArena (LMArena)14991464
Arena Multi-turnArena (LMArena)15171493
Arena Longer QueriesArena (LMArena)15221476
マルチモーダル
Arena VisionArena (LMArena)13161306
MMMU-ProArtificial Analysis72.5%†80.5%
VISTAScale AI SEAL45.5%†–
MMMU-Pro (Vals)Vals AI83.9%†87.4%
MortgageTaxVals AI68.5%†–
VTBScale AI SEAL27.5%†–
Furniture AssemblyEpoch AI Benchmarking Hub28.3%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis67.0%†78.0%
Arena DocumentArena (LMArena)14971467
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.3†153.1
LiveBench 1.0LiveBench74.5%–
AA Intelligence Index v4.3.2Artificial Analysis26.4†31.3
AA Progress Index v1Artificial Analysis274.5†289.1
安全性・誠実さ
FORTRESSScale AI SEAL20.5%†20.2%
MASKScale AI SEAL96.3%†–

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 Spark:新しい結果2件(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Claude Opus 4.6 (high):BenchLeader Index 63.0 → 62.5。
  • Muse Spark:BenchLeader Index 64.6 → 64.1。
  • Muse Spark:スコアの改訂1件。
  • Muse Spark:新しい結果1件(AA Progress Index v1)。
  • Claude Opus 4.6 (high):新しい結果1件(USAMO 2026)。

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 4.6 vs Muse Spark:よくある質問

Claude Opus 4.6はMuse Sparkより優れていますか?
Claude Opus 4.6 (high)とMuse Sparkの品質は互角です(62.5 対 64.2、±4.3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 4.6とMuse Sparkのどちらが向いていますか?
コーディングではMuse Sparkの方がスコアが高くなっています(カテゴリ指標で65 対 62。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 Codingでは、Claude Opus 4.6が1547、Muse Sparkが1529です。
長い文書にはどちらが向いていますか?
コンテキストはClaude Opus 4.6の方が長く、1,000,000トークンです(Muse Sparkは262,144トークン)。
Claude Opus 4.6とMuse Spark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10件のベンチマークのうち、Claude Opus 4.6のリードが10件、Muse Spark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、Claude Opus 4.6が上回っています。
Muse Sparkはいつリリースされましたか?
Muse Sparkは2026年4月8日にリリースされました。