BenchLeader

Claude Opus 4.7 vs Muse Spark 1.1

詳しいプロフィール:Claude Opus 4.7(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 · 9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 1.1の品質は互角です(BenchLeader Indexで63.1 対 62.2、±6.7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。エージェント・ツール(68 対 51)、数学(67 対 61)、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(66 対 61)、推論(68 対 64)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 4.7の方が短く、1.0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 4.7が63.1、Muse Spark 1.1が62.2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)。
  • 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 4.7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)。
  • Arena WebDevでの評価はClaude Opus 4.7が1555、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 61;Arena WebDev 1542 対 1555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 51;GBAEval 43.8% 対 7.9%高
数学Claude Opus 4.7カテゴリスコア67 対 61;Arena Maths 1490 対 1493中
推論Muse Spark 1.1カテゴリスコア68 対 64;Arena Hard Prompts 1511 対 1519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 1292中
チャットの質(人間の評価)Claude Opus 4.7Arenaの投票で67 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 4.7最初の回答トークンまで1.0秒(Claude Opus 4.7)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 4.7とMuse Spark 1.1の品質は互角です(63.1 対 62.2、±6.7の誤差範囲内)。
  • Claude Opus 4.7はエージェント・ツール、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4.0倍速くなっています(193 対 48トークン/秒)。

概要

仕様Claude Opus 4.7Muse Spark 1.1
プロバイダーAnthropicMeta
リリース日2026年4月16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 4.7Muse 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 4.7Muse Spark 1.1トップ
推論63.667.8Muse Spark 1.1
コーディング60.965.8Muse Spark 1.1
エージェント・ツール67.950.9Claude Opus 4.7
数学66.761.3Claude Opus 4.7
知識–69.2比較不可
指示追従–70.4比較不可
人間の評価67.364.5Claude Opus 4.7
マルチモーダル67.163.6Claude Opus 4.7

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 1.1, 推論: 67.8Muse Spark 1.1, コーディング: 65.8Muse Spark 1.1, エージェント・ツール: 50.9Muse 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):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 1.1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 1.1トップ
BenchLeader Index63.162.2互角
Arena Text14941491Claude 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 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48 tok/s193 tok/s
回答開始までの時間1.0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 4.7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 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

129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 1.1
BenchLeader IndexBenchLeader63.162.2
エージェント・ツールスコアBenchLeader67.950.9
コーディングスコアBenchLeader60.965.8
人間の評価スコアBenchLeader67.364.5
数学スコアBenchLeader66.761.3
マルチモーダルスコアBenchLeader67.163.6
推論スコアBenchLeader63.667.8
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BenchLeader48 tok/s193 tok/s
回答開始までの時間BenchLeader1.0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 Hub86.4%†–
Humanity's Last ExamScale AI / CAIS36.2%–
SimpleBenchSimpleBench61.7%–
Arena Hard PromptsArena (LMArena)15191511
LiveBench 1.0 ReasoningLiveBench87.2%†87.7%†
GPQA Diamond (AA)Artificial Analysis91.4%†89.8%†
Humanity's Last Exam (AA)Artificial Analysis42.3%†46.2%†
GPQA Diamond (Vals)Vals AI90.2%†91.2%†
Kagi LLM BenchmarkKagi LLM Benchmark73.3%–
ARC-AGI-3ARC Prize0.2%†–
CritPtArtificial Analysis12.0%†15.1%†
Arena ExpertArena (LMArena)15341504
Chess PuzzlesEpoch AI Benchmarking Hub41.0%†34.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub13.0%–
LMCAEpoch AI Benchmarking Hub52.2%†49.9%†
DTBenchEpoch AI Benchmarking Hub94.7%†94.4%†
ForecastBenchForecastBench62.8%–
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub83.5%†–
SciCodeSciCode54.5%†58.8%
WeirdMLWeirdML76.4%–
FrontierCodeCognition38.5%–
GSO-BenchGSO-Bench44.1%–
Arena CodingArena (LMArena)15471533
Arena WebDevArena (LMArena)15551542
LiveBench 1.0 CodingLiveBench82.1%†77.2%†
129件のベンチマークをすべて表示
指標公開元Claude Opus 4.7Muse Spark 1.1
コーディング
SciCode (AA)Artificial Analysis–58.8%†
LiveCodeBenchVals AI85.1%†85.9%†
SWE-bench (Vals)Vals AI82.0%†82.0%†
SWE-Bench ProScale AI SEAL–61.5%
Code MigrationVals AI43.9%†31.1%†
ProgramBenchVals AI0.0%†0.0%†
Vibe Code Bench v1.1Vals AI71.0%†72.2%†
SWE-Bench Pro (private)Scale AI SEAL–51.5%
SWE Atlas v1.0: Codebase QnAScale AI SEAL40.3%42.2%†
SWE Atlas v1.0: RefactoringScale AI SEAL48.6%–
SWE Atlas v1.0: Test WritingScale AI SEAL38.5%41.5%†
MirrorCodeEpoch AI Benchmarking Hub31.1%†–
Surface Evolver BenchEpoch AI Benchmarking Hub–52.5%†
DeepSWE v1.1Epoch AI Benchmarking Hub–53.3%
ALE-BenchEpoch AI Benchmarking Hub1323.0–
Terminal-Bench 4.0 (AA)Artificial Analysis–6.1%†
Terminal-Bench 2.1 (AA)Artificial Analysis83.2%†77.9%†
Design Arena WebsiteDesign Arena–1263
エージェント・ツール
Terminal-BenchTerminal-Bench80.2%–
OSWorld-Verified 2.0OSWorld18.2%†–
APEX-AgentsMercor49.2%†31.8%
Arena AgentArena (LMArena)–-8
LiveBench Agentic CodingLiveBench50.7%†58.5%†
Terminal-Bench HardArtificial Analysis51.5%†–
τ²-Bench Telecom (AA)Artificial Analysis88.6%†–
Terminal-Bench 2.1 (Vals)Vals AI68.5%†69.3%†
MCP AtlasScale AI SEAL79.1%†88.1%
HiL-BenchScale AI SEAL41.7%–
τ³-bench Bankingτ²-bench40.2%†40.5%†
GDPval-AA v2.1Artificial Analysis1361†1216†
τ³-Banking (AA)Artificial Analysis34.6%†31.8%†
ITBench SRE (AA)Artificial Analysis46.7%†–
Analyst Agent (AA)Artificial Analysis43.8%†–
Finance Agent v2Vals AI51.5%†57.2%†
Harvey's Legal Agent Benchmark v1Vals AI6.7%†20.0%†
Legal Research BenchVals AI38.5%†38.0%†
SkillsBenchVals AI–59.2%†
Tax Agent BenchVals AI23.7%†–
Terminal-Bench 2.0 (Vals)Vals AI68.5%†–
Time Horizon Index: KSPVals AI–1.7%†
Arena SearchArena (LMArena)1210–
Arena Agent Task CompletionArena (LMArena)–-6.5
PostTrainBenchEpoch AI Benchmarking Hub24.3%†–
ExploitBenchEpoch AI Benchmarking Hub26.5%–
GBAEvalEpoch AI Benchmarking Hub43.8%7.9%
Vending-Bench 2Andon Labs10936.86520.5
AutomationBenchArtificial Analysis–38.9%†
GDP.pdf (AA)Artificial Analysis–14.4%†
AA-Briefcase v1.1Artificial Analysis1252†851†
Design Arena AgenticDesign Arena–1172
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub70.2%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub31.7%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub86.7%†–
ProofBenchVals AI54.0%†39.0%
LiveBench MathematicsLiveBench92.8%†87.1%†
AIME (Vals)Vals AI96.3%–
AIME 2026MathArena95.8%†–
HMMT February 2026MathArena93.9%†–
MathArena ApexMathArena40.6%†–
Arena MathsArena (LMArena)14901493
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub51.7%†57.8%
LiveBench 1.0 Data AnalysisLiveBench78.3%†72.5%†
MMLU-ProVals AI89.9%†88.7%†
LegalBenchVals AI85.3%†85.0%†
CorpFinVals AI66.1%†71.3%†
TaxEvalVals AI75.3%†79.7%†
PRBench FinanceScale AI SEAL–55.0%
PRBench LegalScale AI SEAL–57.0%
MultiNRCScale AI SEAL–65.6%
CaseLaw v2Vals AI68.4%–
Excel Modeling BenchmarkVals AI63.7%†56.4%†
MedCodeVals AI54.9%†–
MedScribeVals AI83.0%†88.9%†
Public Benefits Bench v1.1Vals AI–61.3%†
EBR-benchEpoch AI Benchmarking Hub19.1%†–
GDP.pdfEpoch AI Benchmarking Hub21.0%†15.0%
指示追従
LiveBench LanguageLiveBench77.9%†74.3%†
LiveBench Instruction FollowingLiveBench66.7%†69.6%†
IFBenchArtificial Analysis58.6%†–
MultiChallengeScale AI SEAL–75.3%
Arena Instruction FollowingArena (LMArena)14931473
人間の評価
Arena TextArena (LMArena)14941491
EQ-Bench 4EQ-Bench12931244
EQ-Bench Creative Writing v3EQ-Bench19151928
Arena Creative WritingArena (LMArena)14821443
Arena Multi-turnArena (LMArena)15141497
Arena Longer QueriesArena (LMArena)15081481
マルチモーダル
Arena VisionArena (LMArena)13191292
MMMU-ProArtificial Analysis78.8%†–
MMMU-Pro (Vals)Vals AI85.5%†86.6%†
MortgageTaxVals AI70.3%†66.1%†
VTBScale AI SEAL–44.8%
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%†77.7%†
Arena DocumentArena (LMArena)14941480
MLCRArtificial Analysis–7.2%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub157.4154.9
LiveBench 1.0LiveBench76.5%†75.3%†
AA Intelligence Index v4.3.2Artificial Analysis40.7†33.7†
AA Progress Index v1Artificial Analysis312.5†302.7†
Vals RSI IndexVals AI19.1%†–
Vals Multimodal IndexVals AI67.4%†66.7%†
安全性・誠実さ
FORTRESSScale AI SEAL–12.4%

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 4.7:スコアの改訂1件。
  • Muse Spark 1.1:スコアの改訂1件。
  • Muse Spark 1.1:スコアの改訂2件。
  • Claude Opus 4.7:スコアの改訂1件。
  • Muse Spark 1.1: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)。
  • Muse Spark 1.1:BenchLeader Index 63.1 → 62.5。
  • 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 1.1:よくある質問

Claude Opus 4.7はMuse Spark 1.1より優れていますか?
Claude Opus 4.7とMuse Spark 1.1の品質は互角です(63.1 対 62.2、±6.7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 4.7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 4.7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 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 4.7が1555、Muse Spark 1.1が1542です。
Claude Opus 4.7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 48トークン/秒、Artificial Analysisの7日間の中央値)。
エージェントやツール利用にはClaude Opus 4.7とMuse Spark 1.1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 51。50が平均)。
ほかの質問(4件)
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 4.7は1,000,000、Muse Spark 1.1は1,048,576)。
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 4.7です。Artificial Analysisの測定では、最初の回答トークンまで1.0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 4.7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 1.1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。
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。