BenchLeader

Claude Opus 4.6 vs Muse Spark 1.1

詳しいプロフィール:Claude Opus 4.6(Anthropic)とMuse Spark 1.1(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、Claude Opus 4.6とMuse Spark 1.1の品質は互角です(BenchLeader Indexで62.5 対 62.2、±6.1の誤差範囲内)。価格はMuse Spark 1.1の方が5.0倍安く、100万トークンあたりのブレンド価格で$2.00 対 $10.00です。人間の評価(70 対 65)、マルチモーダル(67 対 64)、数学(63 対 61)を重視するならClaude Opus 4.6、コーディング(66 対 62)、推論(68 対 65)を重視するならMuse Spark 1.1が向いています。回答開始までの時間はClaude Opus 4.6の方が短く、1.1秒 対 1.8秒です。Muse Spark 1.1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 4.6が62.5、Muse Spark 1.1が62.2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)。
  • Muse Spark 1.1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 1.1はClaude Opus 4.6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)。
  • 両モデルに結果がある11件のベンチマークのうち、Claude Opus 4.6が11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 4.6が1547、Muse Spark 1.1が1542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 Spark 1.1カテゴリスコア66 対 62;Arena WebDev 1542 対 1547中
数学Claude Opus 4.6カテゴリスコア63 対 61;Arena Maths 1516 対 1493中
推論Muse Spark 1.1カテゴリスコア68 対 65;Arena Hard Prompts 1511 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 1292中
チャットの質(人間の評価)Claude Opus 4.6Arenaの投票で70 対 65中
最低コストMuse Spark 1.1100万トークンあたりブレンド価格$2.00 対 $10.00;エージェント型コーディングセッション$0.092 対 $0.400–
回答開始の速さClaude Opus 4.6最初の回答トークンまで1.1秒(Claude Opus 4.6 (high))対 1.8秒(Muse Spark 1.1)–
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 1.1の品質は互角です(62.5 対 62.2、±6.1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 1.1はコーディング、推論で優れています。
  • Muse Spark 1.1の方が5.0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 $10.00)。
  • Muse Spark 1.1の方が出力が5.5倍速くなっています(193 対 35トークン/秒)。

概要

仕様Claude Opus 4.6Muse Spark 1.1
プロバイダーAnthropicMeta
リリース日2026年2月5日2026年7月9日
コンテキストウィンドウ(トークン)1,000,0001,048,576
比較した構成Claude Opus 4.6 (high)Muse Spark 1.1
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$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 4.6 (high)Muse Spark 1.1トップ
推論65.067.8Muse Spark 1.1
コーディング62.265.8Muse Spark 1.1
エージェント・ツール–50.9比較不可
数学63.461.3Claude Opus 4.6
知識–69.2比較不可
指示追従–70.4比較不可
人間の評価69.864.5Claude Opus 4.6
マルチモーダル66.763.6Claude Opus 4.6

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 1.1, 推論: 67.8Muse Spark 1.1, コーディング: 65.8Muse Spark 1.1, 数学: 61.3Muse Spark 1.1, マルチモーダル: 63.6Muse Spark 1.1, 人間の評価: 64.5

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11件のベンチマークのうち、Claude Opus 4.6のリードが11件、Muse Spark 1.1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 1.1トップ
BenchLeader Index62.562.2互角
Arena Text15031491Claude 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 1.1
100万トークンあたりのブレンド価格$10.00$2.00
100万トークンあたりの入力/出力$5.00 / $25.00$1.25 / $4.25
100万トークンあたりのキャッシュ入力$0.500$0.150
タスクあたりの価格:チャットの返答$0.0095$0.0018
タスクあたりの価格:30ページのレポートを要約$0.075$0.018
タスクあたりの価格:コード編集$0.068$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$0.400$0.092
タスクあたりの価格:構造化データの抽出$0.015$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)$0.198$0.043
出力速度35 tok/s193 tok/s
回答開始までの時間1.1秒1.8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 1.1のスコアは62.2、最初の回答トークンまで2秒。Muse Spark 1.1 (xhigh)は59.5(13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

140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 1.1
BenchLeader IndexBenchLeader62.562.2
コーディングスコアBenchLeader62.265.8
人間の評価スコアBenchLeader69.864.5
数学スコアBenchLeader63.461.3
マルチモーダルスコアBenchLeader66.763.6
推論スコアBenchLeader65.067.8
エージェント・ツールスコアBenchLeader–50.9
指示追従スコアBenchLeader–70.4
知識スコアBenchLeader–69.2
ブレンド価格($/100万トークン)BenchLeader$10.00$2.00
出力速度BenchLeader35 tok/s193 tok/s
回答開始までの時間BenchLeader1.1秒1.8秒
コンテキストウィンドウBenchLeader1,000,000トークン1,048,576トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub90.5%†–
Humanity's Last ExamScale AI / CAIS19.0%†–
SimpleBenchSimpleBench67.6%†–
Arena Hard PromptsArena (LMArena)15301511
LiveBench 1.0 ReasoningLiveBench88.7%87.7%†
GPQA Diamond (AA)Artificial Analysis84.0%†89.8%†
Humanity's Last Exam (AA)Artificial Analysis19.1%†46.2%†
GPQA Diamond (Vals)Vals AI89.7%†91.2%†
Kagi LLM BenchmarkKagi LLM Benchmark72.4%†–
ARC-AGI-1ARC Prize94.0%–
ARC-AGI-2ARC Prize69.2%–
ARC-AGI-3ARC Prize0.5%†–
CritPtArtificial Analysis2.8%†15.1%†
Arena ExpertArena (LMArena)15441504
Chess PuzzlesEpoch AI Benchmarking Hub21.0%†34.0%†
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%†49.9%†
DTBenchEpoch AI Benchmarking Hub91.2%†94.4%†
ForecastBenchForecastBench63.1%†–
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub78.7%†–
SciCodeSciCode–58.8%
WeirdMLWeirdML78.0%–
FrontierCodeCognition26.6%†–
140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 1.1
コーディング
GSO-BenchGSO-Bench41.2%–
Arena CodingArena (LMArena)15471533
Arena WebDevArena (LMArena)15471542
LiveBench 1.0 CodingLiveBench78.2%77.2%†
LiveCodeBenchVals AI84.7%†85.9%†
SWE-bench (Vals)Vals AI78.2%†82.0%†
SWE-Bench ProScale AI SEAL51.9%†61.5%
SWE-bench Verified (bash only)SWE-bench75.6%†–
SWE-bench Multilingual (bash only)SWE-bench72.0%†–
SWE-bench Verified (any scaffold)SWE-bench75.6%†–
Code MigrationVals AI–31.1%†
ProgramBenchVals AI–0.0%†
Vibe Code Bench v1.1Vals AI57.6%†72.2%†
SWE-Bench Pro (private)Scale AI SEAL47.1%†51.5%
SWE Atlas v1.0: Codebase QnAScale AI SEAL33.3%†42.2%†
SWE Atlas v1.0: RefactoringScale AI SEAL35.6%†–
SWE Atlas v1.0: Test WritingScale AI SEAL36.7%†41.5%†
MirrorCodeEpoch AI Benchmarking Hub33.3%†–
Surface Evolver BenchEpoch AI Benchmarking Hub–52.5%†
DeepSWE v1.1Epoch AI Benchmarking Hub–53.3%
ALE-BenchEpoch AI Benchmarking Hub996.5†–
AlgoTuneAlgoTune1.5–
Terminal-Bench 4.0 (AA)Artificial Analysis–6.1%†
Terminal-Bench 2.1 (AA)Artificial Analysis–77.9%†
Design Arena WebsiteDesign Arena1283†1263
エージェント・ツール
Terminal-BenchTerminal-Bench79.8%†–
CybenchCybench93.0%†–
Remote Labor IndexScale AI / CAIS4.2%†–
APEX-AgentsMercor46.3%†31.8%
Arena AgentArena (LMArena)–-8
LiveBench Agentic CodingLiveBench49.0%58.5%†
Terminal-Bench HardArtificial Analysis48.5%†–
τ²-Bench Telecom (AA)Artificial Analysis84.8%†–
Terminal-Bench 2.1 (Vals)Vals AI–69.3%†
MCP AtlasScale AI SEAL76.8%†88.1%
HiL-BenchScale AI SEAL38.3%†–
τ³-bench Bankingτ²-bench27.3%†40.5%†
GDPval-AA v2.1Artificial Analysis–1216†
τ³-Banking (AA)Artificial Analysis–31.8%†
APEX-Agents (AA)Artificial Analysis33.0%†–
Finance Agent v2Vals AI–57.2%†
Harvey's Legal Agent Benchmark v1Vals AI–20.0%†
Legal Research BenchVals AI–38.0%†
SkillsBenchVals AI–59.2%†
Terminal-Bench 2.0 (Vals)Vals AI58.4%†–
Time Horizon Index: KSPVals AI–1.7%†
Arena SearchArena (LMArena)1222†–
Arena Agent Task CompletionArena (LMArena)–-6.5
DeepResearch BenchDeepResearch Bench55.3%–
METR Time HorizonsMETR78.9%†–
GBAEvalEpoch AI Benchmarking Hub44.1%†7.9%
Vending-Bench 2Andon Labs8017.6†6520.5
AutomationBenchArtificial Analysis–38.9%†
GDP.pdf (AA)Artificial Analysis–14.4%†
AA-Briefcase v1.1Artificial Analysis–851†
Design Arena AgenticDesign Arena1196†1172
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub66.0%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub26.8%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub94.4%†–
ProofBenchVals AI50.0%†39.0%
LiveBench MathematicsLiveBench89.3%87.1%†
AIME (Vals)Vals AI95.6%†–
AIME 2026MathArena96.7%–
HMMT February 2026MathArena96.2%–
USAMO 2026MathArena47.0%–
MathArena ApexMathArena34.5%–
Arena MathsArena (LMArena)15161493
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub47.0%†57.8%
LiveBench 1.0 Data AnalysisLiveBench69.9%72.5%†
MMLU-ProVals AI89.1%†88.7%†
LegalBenchVals AI85.3%†85.0%†
CorpFinVals AI67.0%†71.3%†
TaxEvalVals AI76.0%†79.7%†
MedQAVals AI95.4%†–
PRBench FinanceScale AI SEAL53.3%†55.0%
PRBench LegalScale AI SEAL52.3%†57.0%
MultiNRCScale AI SEAL48.3%†65.6%
CaseLaw v2Vals AI62.1%†–
Excel Modeling BenchmarkVals AI–56.4%†
MedCodeVals AI49.1%†–
MedScribeVals AI86.7%†88.9%†
Public Benefits Bench v1.1Vals AI–61.3%†
DrugDiscoveryBenchScale AI SEAL27.7%†–
EBR-benchEpoch AI Benchmarking Hub12.7%†–
GDP.pdfEpoch AI Benchmarking Hub–15.0%
Global-MMLU-Lite (AA)Artificial Analysis90.6%†–
指示追従
LiveBench LanguageLiveBench83.3%74.3%†
LiveBench Instruction FollowingLiveBench63.3%69.6%†
IFBenchArtificial Analysis44.6%†–
MultiChallengeScale AI SEAL56.0%†75.3%
TutorBenchScale AI SEAL53.5%†–
Arena Instruction FollowingArena (LMArena)15111473
人間の評価
Arena TextArena (LMArena)15031491
EQ-Bench 4EQ-Bench1210†1244
EQ-Bench Creative Writing v3EQ-Bench1810†1928
Arena Creative WritingArena (LMArena)14991443
Arena Multi-turnArena (LMArena)15171497
Arena Longer QueriesArena (LMArena)15221481
マルチモーダル
Arena VisionArena (LMArena)13161292
MMMU-ProArtificial Analysis72.5%†–
VISTAScale AI SEAL45.5%†–
MMMU-Pro (Vals)Vals AI83.9%†86.6%†
MortgageTaxVals AI68.5%†66.1%†
VTBScale AI SEAL27.5%†44.8%
Furniture AssemblyEpoch AI Benchmarking Hub28.3%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis67.0%†77.7%†
Arena DocumentArena (LMArena)14971480
MLCRArtificial Analysis–7.2%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.3†154.9
LiveBench 1.0LiveBench74.5%75.3%†
AA Intelligence Index v4.3.2Artificial Analysis26.4†33.7†
AA Progress Index v1Artificial Analysis274.5†302.7†
Vals Multimodal IndexVals AI–66.7%†
安全性・誠実さ
FORTRESSScale AI SEAL20.5%†12.4%
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

  • Claude Opus 4.6 (high):BenchLeader Index 63.0 → 62.5。
  • Muse Spark 1.1:スコアの改訂1件。
  • Muse Spark 1.1:スコアの改訂2件。
  • Muse Spark 1.1:スコアの改訂1件。
  • Muse Spark 1.1:BenchLeader Index 63.1 → 62.5。
  • 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 1.1:よくある質問

Claude Opus 4.6はMuse Spark 1.1より優れていますか?
Claude Opus 4.6 (high)とMuse Spark 1.1の品質は互角です(62.5 対 62.2、±6.1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 4.6とMuse Spark 1.1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 1.1の方が安く、100万トークンあたり$2.00 対 $10.00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Claude Opus 4.6とMuse Spark 1.1のどちらが向いていますか?
コーディングではMuse Spark 1.1の方がスコアが高くなっています(カテゴリ指標で66 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 WebDevでは、Claude Opus 4.6が1547、Muse Spark 1.1が1542です。
Claude Opus 4.6とMuse Spark 1.1はどちらが速いですか?
Muse Spark 1.1の方が出力が3倍以上速くなっています(出力193 対 35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?
どちらも約1Mトークンです(Claude Opus 4.6は1,000,000、Muse Spark 1.1は1,048,576)。
ほかの質問(3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Claude Opus 4.6です。Artificial Analysisの測定では、最初の回答トークンまで1.1秒 対 1.8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。
Claude Opus 4.6とMuse Spark 1.1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11件のベンチマークのうち、Claude Opus 4.6のリードが11件、Muse Spark 1.1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 1.1はいつリリースされましたか?
Muse Spark 1.1は2026年7月9日にリリースされました。