BenchLeader

Claude Opus 4.7 vs Muse Spark

詳しいプロフィール:Claude Opus 4.7(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 · 10件の情報源のデータ

2026年11月16日時点で、Claude Opus 4.7とMuse Sparkの品質は互角です(BenchLeader Indexで63.1 対 64.2、±5.1の誤差範囲内)。数学(67 対 59)、エージェント・ツール(68 対 65)、マルチモーダル(67 対 64)を重視するならClaude Opus 4.7、コーディング(65 対 61)、推論(67 対 64)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 4.7が63.1、Muse Sparkが64.2です(BenchLeader、2026年11月16日)。
  • Claude Opus 4.7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16件のベンチマークのうち、Claude Opus 4.7が14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 61;Arena Coding 1529 対 1547中
エージェント・ツール利用Claude Opus 4.7カテゴリスコア68 対 65中
数学Claude Opus 4.7カテゴリスコア67 対 59;Arena Maths 1490 対 1469高
推論Muse Sparkカテゴリスコア67 対 64;Humanity's Last Exam 40.6% 対 36.2%中
画像などのメディアClaude Opus 4.7カテゴリスコア67 対 64;Arena Vision 1319 対 1306中
チャットの質(人間の評価)どちらでもArenaの投票で67 対 68どちらでも
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 4.7とMuse Sparkの品質は互角です(63.1 対 64.2、±5.1の誤差範囲内)。
  • Claude Opus 4.7はエージェント・ツール、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、人間の評価、推論で優れています。

概要

仕様Claude Opus 4.7Muse Spark
プロバイダーAnthropicMeta
リリース日2026年4月16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 4.7Muse 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 4.7Muse Sparkトップ
推論63.667.4Muse Spark
コーディング60.965.1Muse Spark
エージェント・ツール67.965.0Claude Opus 4.7
数学66.759.1Claude Opus 4.7
知識–63.1比較不可
指示追従–76.9比較不可
人間の評価67.368.1互角
マルチモーダル67.164.2Claude Opus 4.7
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推論コーディングエージェント・ツール数学マルチモーダル人間の評価Claude Opus 4.7, 推論: 63.6Claude Opus 4.7, コーディング: 60.9Claude Opus 4.7, エージェント・ツール: 67.9Claude Opus 4.7, 数学: 66.7Claude Opus 4.7, マルチモーダル: 67.1Claude Opus 4.7, 人間の評価: 67.3Muse Spark, 推論: 67.4Muse Spark, コーディング: 65.1Muse Spark, エージェント・ツール: 65.0Muse 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):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16件のベンチマークのうち、Claude Opus 4.7のリードが14件、Muse Sparkのリードが2件です。両方を評価しているすべての総合指標で、Claude Opus 4.7が上回っています。

総合IndexClaude Opus 4.7Muse Sparkトップ
BenchLeader Index63.164.2互角
Arena Text14941489Claude Opus 4.7

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 4.7Muse 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48 tok/s–
回答開始までの時間1.0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 4.7のスコアは63.1、最初の回答トークンまで1秒。Claude Opus 4.7 (high)は60.0(1秒)、Claude Opus 4.7 (max)は59.7(15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

116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 4.7Muse Spark
BenchLeader IndexBenchLeader63.164.2
エージェント・ツールスコアBenchLeader67.965.0
コーディングスコアBenchLeader60.965.1
人間の評価スコアBenchLeader67.368.1
数学スコアBenchLeader66.759.1
マルチモーダルスコアBenchLeader67.164.2
推論スコアBenchLeader63.667.4
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BenchLeader48 tok/s–
回答開始までの時間BenchLeader1.0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 Hub86.4%†89.8%
Humanity's Last ExamScale AI / CAIS36.2%40.6%
SimpleBenchSimpleBench61.7%–
Arena Hard PromptsArena (LMArena)15191506
LiveBench 1.0 ReasoningLiveBench87.2%†–
GPQA Diamond (AA)Artificial Analysis91.4%†88.4%
Humanity's Last Exam (AA)Artificial Analysis42.3%†40.7%
GPQA Diamond (Vals)Vals AI90.2%†89.7%
Kagi LLM BenchmarkKagi LLM Benchmark73.3%–
ARC-AGI-3ARC Prize0.2%†–
CritPtArtificial Analysis12.0%†11.3%
Arena ExpertArena (LMArena)15341491
Chess PuzzlesEpoch AI Benchmarking Hub41.0%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub13.0%–
LMCAEpoch AI Benchmarking Hub52.2%†–
DTBenchEpoch AI Benchmarking Hub94.7%†–
ForecastBenchForecastBench62.8%–
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub83.5%†–
SciCodeSciCode54.5%†51.5%
WeirdMLWeirdML76.4%–
FrontierCodeCognition38.5%–
GSO-BenchGSO-Bench44.1%–
Arena CodingArena (LMArena)15471529
Arena WebDevArena (LMArena)1555–
LiveBench 1.0 CodingLiveBench82.1%†–
116件のベンチマークをすべて表示
指標公開元Claude Opus 4.7Muse Spark
コーディング
LiveCodeBenchVals AI85.1%†–
SWE-bench (Vals)Vals AI82.0%†74.4%
SWE-Bench ProScale AI SEAL–55.0%
Code MigrationVals AI43.9%†–
ProgramBenchVals AI0.0%†–
Vibe Code Bench v1.1Vals AI71.0%†19.7%
SWE-Bench Pro (private)Scale AI SEAL–44.7%
SWE Atlas v1.0: Codebase QnAScale AI SEAL40.3%24.2%
SWE Atlas v1.0: RefactoringScale AI SEAL48.6%–
SWE Atlas v1.0: Test WritingScale AI SEAL38.5%31.1%
MirrorCodeEpoch AI Benchmarking Hub31.1%†–
ALE-BenchEpoch AI Benchmarking Hub1323.0–
Terminal-Bench 2.1 (AA)Artificial Analysis83.2%†62.2%
Design Arena WebsiteDesign Arena–1253
エージェント・ツール
Terminal-BenchTerminal-Bench80.2%–
OSWorld-Verified 2.0OSWorld18.2%†–
APEX-AgentsMercor49.2%†–
LiveBench Agentic CodingLiveBench50.7%†–
Terminal-Bench HardArtificial Analysis51.5%†45.5%
τ²-Bench Telecom (AA)Artificial Analysis88.6%†91.5%
Terminal-Bench 2.1 (Vals)Vals AI68.5%†–
MCP AtlasScale AI SEAL79.1%†82.2%
HiL-BenchScale AI SEAL41.7%–
τ³-bench Bankingτ²-bench40.2%†–
GDPval-AA v2.1Artificial Analysis1361†1006
τ³-Banking (AA)Artificial Analysis34.6%†–
ITBench SRE (AA)Artificial Analysis46.7%†–
Analyst Agent (AA)Artificial Analysis43.8%†–
Finance Agent v2Vals AI51.5%†–
Harvey's Legal Agent Benchmark v1Vals AI6.7%†–
Legal Research BenchVals AI38.5%†–
Tax Agent BenchVals AI23.7%†–
Terminal-Bench 2.0 (Vals)Vals AI68.5%†59.5%
Arena SearchArena (LMArena)1210–
PostTrainBenchEpoch AI Benchmarking Hub24.3%†–
ExploitBenchEpoch AI Benchmarking Hub26.5%–
GBAEvalEpoch AI Benchmarking Hub43.8%–
Vending-Bench 2Andon Labs10936.8–
AA-Briefcase v1.1Artificial Analysis1252†646
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub70.2%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub31.7%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub86.7%†88.9%
ProofBenchVals AI54.0%†17.0%
LiveBench MathematicsLiveBench92.8%†–
AIME (Vals)Vals AI96.3%96.9%
AIME 2026MathArena95.8%†–
HMMT February 2026MathArena93.9%†–
MathArena ApexMathArena40.6%†–
Arena MathsArena (LMArena)14901469
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub51.7%†–
LiveBench 1.0 Data AnalysisLiveBench78.3%†–
MMLU-ProVals AI89.9%†87.3%
LegalBenchVals AI85.3%†84.2%
CorpFinVals AI66.1%†65.1%
TaxEvalVals AI75.3%†77.7%
PRBench FinanceScale AI SEAL–52.4%
PRBench LegalScale AI SEAL–52.3%
MultiNRCScale AI SEAL–59.0%
CaseLaw v2Vals AI68.4%63.1%
Excel Modeling BenchmarkVals AI63.7%†–
MedCodeVals AI54.9%†51.3%
MedScribeVals AI83.0%†85.9%
EBR-benchEpoch AI Benchmarking Hub19.1%†–
GDP.pdfEpoch AI Benchmarking Hub21.0%†–
指示追従
LiveBench LanguageLiveBench77.9%†–
LiveBench Instruction FollowingLiveBench66.7%†–
IFBenchArtificial Analysis58.6%†75.9%
MultiChallengeScale AI SEAL–75.5%
TutorBenchScale AI SEAL–68.5%
Arena Instruction FollowingArena (LMArena)14931465
人間の評価
Arena TextArena (LMArena)14941489
EQ-Bench 4EQ-Bench1293–
EQ-Bench Creative Writing v3EQ-Bench1915–
Arena Creative WritingArena (LMArena)14821464
Arena Multi-turnArena (LMArena)15141493
Arena Longer QueriesArena (LMArena)15081476
マルチモーダル
Arena VisionArena (LMArena)13191306
MMMU-ProArtificial Analysis78.8%†80.5%
MMMU-Pro (Vals)Vals AI85.5%†87.4%
MortgageTaxVals AI70.3%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub24.5%–
Furniture AssemblyEpoch AI Benchmarking Hub33.3%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis78.7%†78.0%
Arena DocumentArena (LMArena)14941467
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub157.4153.1
LiveBench 1.0LiveBench76.5%†–
AA Intelligence Index v4.3.2Artificial Analysis40.7†31.3
AA Progress Index v1Artificial Analysis312.5†289.1
Vals RSI IndexVals AI19.1%†–
Vals Multimodal IndexVals AI67.4%†–
安全性・誠実さ
FORTRESSScale AI SEAL–20.2%

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)。
  • Muse Spark:BenchLeader Index 64.6 → 64.1。
  • Claude Opus 4.7:スコアの改訂1件。
  • 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 4.7:スコアの改訂1件。
  • Claude Opus 4.7:新しい結果1件(Harvey's Legal Agent Benchmark v1)。
  • Claude Opus 4.7:スコアの改訂1件。
  • Claude Opus 4.7: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 4.7 vs Muse Spark:よくある質問

Claude Opus 4.7はMuse Sparkより優れていますか?
Claude Opus 4.7とMuse Sparkの品質は互角です(63.1 対 64.2、±5.1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。
コーディングにはClaude Opus 4.7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 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 Codingでは、Claude Opus 4.7が1547、Muse Sparkが1529です。
エージェントやツール利用にはClaude Opus 4.7とMuse Spark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 4.7の方がスコアが高くなっています(カテゴリ指標で68 対 65。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Claude Opus 4.7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 4.7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16件のベンチマークのうち、Claude Opus 4.7のリードが14件、Muse Sparkのリードが2件です。両方を評価しているすべての総合指標で、Claude Opus 4.7が上回っています。
ほかの質問(1件)
Claude Opus 4.7はいつリリースされましたか?
Claude Opus 4.7は2026年4月16日にリリースされました。