BenchLeader

Claude Opus 4.6 vs Muse Wonder Full

詳しいプロフィール:Claude Opus 4.6(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 · 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 Wonder Fullの品質は互角です(BenchLeader Indexで62.5 対 61.7、±3.5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 4.6が62.5、Muse Wonder Fullが61.7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1件のベンチマークのうち、Muse Wonder Fullが1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 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 62;Arena WebDev 1724 対 1547高
推論どちらでもカテゴリスコア65 対 66どちらでも
チャットの質(人間の評価)–Arenaの評価があるのはClaude Opus 4.6のみです(カテゴリスコア70)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 4.6 (high)とMuse Wonder Full (max)の品質は互角です(62.5 対 61.7、±3.5の誤差範囲内)。
  • Muse Wonder Full (max)はコーディング、推論で優れています。

概要

仕様Claude Opus 4.6Muse Wonder Full
プロバイダーAnthropicMeta
リリース日2026年2月5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 Opus 4.6 (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 4.6 (high)Muse Wonder Full (max)トップ
推論65.065.8互角
コーディング62.269.9Muse Wonder Full
エージェント・ツール–63.6比較不可
数学63.4–比較不可
知識–62.3比較不可
人間の評価69.8–比較不可
マルチモーダル66.7–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・ツール数学知識長文コンテキスト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 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: 62.3Muse Wonder Full, 長文コンテキスト: 66.6

破線:そのモデルは横切る軸の結果がなく、線は隣の軸同士をつないでいるだけです。

描画していないもの(これらのモデルの結果なし):指示追従。

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1件のベンチマークのうち、Claude Opus 4.6のリードが0件、Muse Wonder Fullのリードが1件です。

総合IndexClaude Opus 4.6 (high)Muse Wonder Full (max)トップ
BenchLeader Index62.561.7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 4.6 (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 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

167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 Wonder Full (max)
BenchLeader IndexBenchLeader62.561.7
コーディングスコアBenchLeader62.269.9
人間の評価スコアBenchLeader69.8–
数学スコアBenchLeader63.4–
マルチモーダルスコアBenchLeader66.7–
推論スコアBenchLeader65.065.8
エージェント・ツールスコアBenchLeader–63.6
知識スコアBenchLeader–62.3
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1,000,000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)1530–
LiveBench 1.0 ReasoningLiveBench88.7%–
GPQA Diamond (AA)Artificial Analysis84.0%†–
Humanity's Last Exam (AA)Artificial Analysis19.1%†53.6%
HLE-Diamond (AA)Artificial Analysis–48.5%
GPQA Diamond (Vals)Vals AI89.7%†–
Kagi LLM BenchmarkKagi LLM Benchmark72.4%†–
ARC-AGI-1ARC Prize94.0%–
ARC-AGI-2ARC Prize69.2%–
ARC-AGI-3ARC Prize0.5%†–
CritPtArtificial Analysis2.8%†32.9%
CritPt v2 hard subset (AA)Artificial Analysis–56.5%
MysteryMechanismVals AI–35.1%
Arena ExpertArena (LMArena)1544–
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%†–
167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 Wonder Full (max)
コーディング
WeirdMLWeirdML78.0%–
FrontierCodeCognition26.6%†–
GSO-BenchGSO-Bench41.2%–
Arena CodingArena (LMArena)1547–
Arena WebDevArena (LMArena)15471724
LiveBench 1.0 CodingLiveBench78.2%–
SciCode (AA)Artificial Analysis–62.6%
LiveCodeBenchVals AI84.7%†–
IOIVals AI–79.8%
SWE-bench (Vals)Vals AI78.2%†–
SWE-Bench ProScale AI SEAL51.9%†–
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–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 AI57.6%†86.0%
SWE-Bench Pro (private)Scale AI SEAL47.1%†–
SWE Atlas v1.0: Codebase QnAScale AI SEAL33.3%†–
SWE Atlas v1.0: RefactoringScale AI SEAL35.6%†–
SWE Atlas v1.0: Test WritingScale AI SEAL36.7%†–
MirrorCodeEpoch AI Benchmarking Hub33.3%†–
ALE-BenchEpoch AI Benchmarking Hub996.5†–
AlgoTuneAlgoTune1.5–
Terminal-Bench 4.0 (AA)Artificial Analysis–57.1%
Design Arena WebsiteDesign Arena1283†–
FrontierCode 1.1 (AA)Artificial Analysis–44.9%
FrontierCode 2.0 (AA)Artificial Analysis–37.8%
エージェント・ツール
Terminal-BenchTerminal-Bench79.8%†–
CybenchCybench93.0%†–
Remote Labor IndexScale AI / CAIS4.2%†–
APEX-AgentsMercor46.3%†–
Arena AgentArena (LMArena)–9
LiveBench Agentic CodingLiveBench49.0%–
Terminal-Bench HardArtificial Analysis48.5%†–
τ²-Bench Telecom (AA)Artificial Analysis84.8%†–
MCP AtlasScale AI SEAL76.8%†–
HiL-BenchScale AI SEAL38.3%†–
τ³-bench Bankingτ²-bench27.3%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis–67.8%
GDPval-AA v2.1Artificial Analysis–1857
APEX-Agents (AA)Artificial Analysis33.0%†–
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%
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)1222†–
Arena Agent Task CompletionArena (LMArena)–11.1
DeepResearch BenchDeepResearch Bench55.3%–
METR Time HorizonsMETR78.9%†–
GBAEvalEpoch AI Benchmarking Hub44.1%†–
Vending-Bench 2Andon Labs8017.6†–
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 Arena1196†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–37.1%
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%†–
LiveBench MathematicsLiveBench89.3%–
AIME (Vals)Vals AI95.6%†–
AIME 2026MathArena96.7%–
HMMT February 2026MathArena96.2%–
USAMO 2026MathArena47.0%–
MathArena ApexMathArena34.5%–
Arena MathsArena (LMArena)1516–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub47.0%†–
LiveBench 1.0 Data AnalysisLiveBench69.9%–
AA-Omniscience v1.1Artificial Analysis–30.6
MMLU-ProVals AI89.1%†–
LegalBenchVals AI85.3%†87.4%
CorpFinVals AI67.0%†–
TaxEvalVals AI76.0%†–
MedQAVals AI95.4%†–
PRBench FinanceScale AI SEAL53.3%†–
PRBench LegalScale AI SEAL52.3%†–
MultiNRCScale AI SEAL48.3%†–
BioMysteryBenchVals AI–73.3%
CaseLaw v2Vals AI62.1%†–
Excel Modeling BenchmarkVals AI–71.9%
Excel Modeling Benchmark v1.1Vals AI–75.0%
MedCodeVals AI49.1%†49.9%
MedScribeVals AI86.7%†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%
DrugDiscoveryBenchScale AI SEAL27.7%†–
EBR-benchEpoch AI Benchmarking Hub12.7%†–
AA-Omniscience v1.1: accuracyArtificial Analysis–41.0%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–82.4%
Global-MMLU-Lite (AA)Artificial Analysis90.6%†–
指示追従
LiveBench LanguageLiveBench83.3%–
LiveBench Instruction FollowingLiveBench63.3%–
IFBenchArtificial Analysis44.6%†–
MultiChallengeScale AI SEAL56.0%†–
TutorBenchScale AI SEAL53.5%†–
Arena Instruction FollowingArena (LMArena)1511–
人間の評価
Arena TextArena (LMArena)1503–
EQ-Bench 4EQ-Bench1210†–
EQ-Bench Creative Writing v3EQ-Bench1810†–
Arena Creative WritingArena (LMArena)1499–
Arena Multi-turnArena (LMArena)1517–
Arena Longer QueriesArena (LMArena)1522–
マルチモーダル
Arena VisionArena (LMArena)1316–
MMMU-ProArtificial Analysis72.5%†–
VISTAScale AI SEAL45.5%†–
MMMU-Pro (Vals)Vals AI83.9%†–
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%†83.7%
Arena DocumentArena (LMArena)1497–
MLCRArtificial Analysis–22.2%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.3†–
LiveBench 1.0LiveBench74.5%–
AA Intelligence Index v5.0.1Artificial Analysis–50.1
AA Intelligence Index v4.3.2Artificial Analysis26.4†55.8
AA Progress Index v1Artificial Analysis274.5†343.2
Vals IndexVals AI–66.8
Vals Finance IndexVals AI–64.5%
Vals RSI IndexVals AI–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 SEAL20.5%†–
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 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))。
  • 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))。
  • Muse Wonder Full (max):新しい結果1件(Arena WebDev)、スコアの改訂2件。

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 4.6 vs Muse Wonder Full:よくある質問

Claude Opus 4.6はMuse Wonder Fullより優れていますか?
Claude Opus 4.6 (high)とMuse Wonder Full (max)の品質は互角です(62.5 対 61.7、±3.5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 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 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 Wonder Fullが1724です。
長い文書にはどちらが向いていますか?
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 Opus 4.6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1件のベンチマークのうち、Claude Opus 4.6のリードが0件、Muse Wonder Fullのリードが1件です。
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。