BenchLeader

Claude Opus 4.8 vs Muse Spark 1.3

詳しいプロフィール:Claude Opus 4.8(Anthropic)とMuse Spark 1.3(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 · 15件の情報源のデータ

2026年11月16日時点で、Claude Opus 4.8とMuse Spark 1.3の品質は互角です(BenchLeader Indexで61.1 対 61.6、±9.1の誤差範囲内)。価格はMuse Spark 1.3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。数学(68 対 56)を重視するならClaude Opus 4.8、知識(81 対 61)、推論(71 対 64)、エージェント・ツール(61 対 57)を重視するならMuse Spark 1.3が向いています。回答開始までの時間はMuse Spark 1.3の方が短く、2.6秒 対 39.1秒です。

要点(2026年11月16日時点)

  • BenchLeader IndexはClaude Opus 4.8が61.1、Muse Spark 1.3が61.6です(BenchLeader、2026年11月16日)。
  • Claude Opus 4.8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 1.3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)。
  • 両モデルに結果がある5件のベンチマークのうち、Muse Spark 1.3が3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
エージェント・ツール利用Muse Spark 1.3カテゴリスコア61 対 57;APEX-Agents 58.6% 対 48.9%中
数学Claude Opus 4.8カテゴリスコア68 対 56;ProofBench 69.0% 対 55.0%高
推論Muse Spark 1.3カテゴリスコア71 対 64;DTBench 96.5% 対 94.9%中
知識Muse Spark 1.3カテゴリスコア81 対 61;GDP.pdf 27.6% 対 24.0%高
最低コストMuse Spark 1.3100万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Muse Spark 1.3最初の回答トークンまで2.6秒(Muse Spark 1.3)対 39.1秒(Claude Opus 4.8 (max))–
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 4.8 (max)とMuse Spark 1.3の品質は互角です(61.1 対 61.6、±9.1の誤差範囲内)。
  • Claude Opus 4.8 (max)は数学で優れています。
  • Muse Spark 1.3はエージェント・ツール、知識、推論で優れています。
  • Muse Spark 1.3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 1.3の方が出力が1.9倍速くなっています(163 対 85トークン/秒)。

概要

仕様Claude Opus 4.8Muse Spark 1.3
プロバイダーAnthropicMeta
リリース日2026年5月28日2026年9月2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 4.8 (max)Muse Spark 1.3
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 4.8 (max)Muse Spark 1.3トップ
推論64.171.0Muse Spark 1.3
コーディング61.9–比較不可
エージェント・ツール56.961.3Muse Spark 1.3
数学67.756.3Claude Opus 4.8
知識61.081.2Muse Spark 1.3
指示追従62.1–比較不可
長文コンテキスト63.4–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推論エージェント・ツール数学知識Claude Opus 4.8, 推論: 64.1Claude Opus 4.8, エージェント・ツール: 56.9Claude Opus 4.8, 数学: 67.7Claude Opus 4.8, 知識: 61.0Muse Spark 1.3, 推論: 71.0Muse Spark 1.3, エージェント・ツール: 61.3Muse Spark 1.3, 数学: 56.3Muse Spark 1.3, 知識: 81.2

描画していないもの(測定済みのモデルが2つ未満):コーディング, 指示追従, 長文コンテキスト, マルチモーダル, 人間の評価。

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5件のベンチマークのうち、Claude Opus 4.8のリードが2件、Muse Spark 1.3のリードが3件です。両方を評価しているすべての総合指標で、Muse Spark 1.3が上回っています。

総合IndexClaude Opus 4.8 (max)Muse Spark 1.3トップ
BenchLeader Index61.161.6互角
Arena Text1482†1497Muse Spark 1.3

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 4.8 (max)Muse Spark 1.3
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85 tok/s163 tok/s
回答開始までの時間39.1秒2.6秒
回答が完了するまでの時間(最終測定2026年11月13日)81.0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 4.8 (max)のスコアは61.1、最初の回答トークンまで39秒。Claude Opus 4.8 (high)は60.4(1秒)、Claude Opus 4.8は58.7(1秒)。Muse Spark 1.3のスコアは61.6、最初の回答トークンまで3秒。Muse Spark 1.3 (max)は60.6(31秒)、Muse Spark 1.3 (xhigh)は58.1(11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

173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 4.8 (max)Muse Spark 1.3
BenchLeader IndexBenchLeader61.161.6
エージェント・ツールスコアBenchLeader56.961.3
コーディングスコアBenchLeader61.9–
指示追従スコアBenchLeader62.1–
知識スコアBenchLeader61.081.2
長文コンテキストスコアBenchLeader63.4–
数学スコアBenchLeader67.756.3
推論スコアBenchLeader64.171.0
ブレンド価格($/100万トークン)BenchLeader$10.00$2.00
出力速度BenchLeader85 tok/s163 tok/s
回答開始までの時間BenchLeader39.1秒2.6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 Hub91.0%–
SimpleBenchSimpleBench64.8%†81.8%
Arena Hard PromptsArena (LMArena)1505†1517†
LiveBench 2.0 ReasoningLiveBench–89.7%†
LiveBench 1.0 ReasoningLiveBench89.2%89.7%†
GPQA Diamond (AA)Artificial Analysis92.0%93.5%†
Humanity's Last Exam (AA)Artificial Analysis48.7%48.7%†
HLE-Diamond (AA)Artificial Analysis–33.7%†
GPQA Diamond (Vals)Vals AI92.4%–
EnigmaEvalScale AI SEAL23.5%†–
Kagi LLM BenchmarkKagi LLM Benchmark88.8%†–
ARC-AGI-1ARC Prize92.5%–
ARC-AGI-2ARC Prize72.1%†–
ARC-AGI-3ARC Prize1.5%†–
CritPtArtificial Analysis20.9%24.9%†
CritPt v2 hard subset (AA)Artificial Analysis–48.0%†
MysteryMechanismVals AI–36.0%†
HLE-Diamond (Scale)Scale AI SEAL–25.4%
Arena ExpertArena (LMArena)1514†1521†
Chess PuzzlesEpoch AI Benchmarking Hub52.0%37.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub36.0%25.0%†
LMCAEpoch AI Benchmarking Hub57.5%53.9%
DTBenchEpoch AI Benchmarking Hub94.9%96.5%
ForecastBenchForecastBench66.1%65.5%†
BTF-3Epoch AI Benchmarking Hub14.0%†14.1%†
173件のベンチマークをすべて表示
指標公開元Claude Opus 4.8 (max)Muse Spark 1.3
コーディング
SciCodeSciCode53.5%58.8%†
WeirdMLWeirdML70.5%†–
FrontierCodeCognition46.5%†–
GSO-BenchGSO-Bench47.1%†–
Arena CodingArena (LMArena)1529†1534†
Arena WebDevArena (LMArena)1536†1655†
LiveBench 2.0 CodingLiveBench–84.4%†
LiveBench 1.0 CodingLiveBench81.8%81.1%†
SciCode (AA)Artificial Analysis54.4%58.8%†
LiveCodeBenchVals AI87.8%–
IOIVals AI–56.6%†
SWE-bench (Vals)Vals AI88.6%–
Code MigrationVals AI47.3%47.4%†
ProgramBenchVals AI1.0%2.5%†
SWE-bench MultimodalVals AI–43.1%†
Vibe Code Bench 1-100Vals AI–20.5%†
Vibe Code Bench v1.1Vals AI82.7%85.9%†
SWE Atlas v1.0: Codebase QnAScale AI SEAL57.3%†–
SWE Atlas v1.0: RefactoringScale AI SEAL46.7%†–
SWE Atlas v1.0: Test WritingScale AI SEAL49.6%†–
MirrorCodeEpoch AI Benchmarking Hub65.6%54.4%†
Surface Evolver BenchEpoch AI Benchmarking Hub87.5%†–
DeepSWE v1.1Epoch AI Benchmarking Hub59.0%–
CursorBenchCursor–41.6%†
ALE-BenchEpoch AI Benchmarking Hub1563.8†1688.3†
FrontierSWEEpoch AI Benchmarking Hub–25.8%†
WeirdML v3WeirdML–6.7%†
Terminal-Bench 4.0 (AA)Artificial Analysis21.7%33.3%†
Terminal-Bench 2.1 (AA)Artificial Analysis84.6%84.3%†
Startrise FrontendStartrise–74.7%
GameBench 2 OverallDuelLab GameBench 249.4†57.7
GameBench 2 by reasoning settingDuelLab GameBench 245.1†68.5†
Design Arena WebsiteDesign Arena1250†1353†
FrontierCode 1.1 (AA)Artificial Analysis–40.6%†
FrontierCode 2.0 (AA)Artificial Analysis–23.1%†
エージェント・ツール
Terminal-BenchTerminal-Bench23.6%14.8%†
OSWorld-Verified 2.0OSWorld20.6%–
Remote Labor IndexScale AI / CAIS8.3%†–
APEX-AgentsMercor48.9%58.6%
Arena AgentArena (LMArena)–2.2†
LiveBench Long AgenticLiveBench–47.9%†
LiveBench BrowserLiveBench–30.9%†
LiveBench Agentic CodingLiveBench50.5%64.1%†
Terminal-Bench HardArtificial Analysis58.3%–
τ²-Bench Telecom (AA)Artificial Analysis94.4%–
Terminal-Bench 2.1 (Vals)Vals AI71.9%79.0%†
MCP AtlasScale AI SEAL82.2%–
HiL-BenchScale AI SEAL35.3%†66.9%
τ³-bench Bankingτ²-bench39.7%–
GDPval-AA v2.1Artificial Analysis14611681†
τ³-Banking (AA)Artificial Analysis34.2%50.5%†
ITBench SRE (AA)Artificial Analysis–33.2%†
Analyst Agent (AA)Artificial Analysis45.0%37.5%†
CUA-benchVals AI–5.8%†
CyberBenchVals AI–72.7%†
Finance Agent v2Vals AI53.9%60.0%†
Harvey's Legal Agent Benchmark v1Vals AI9.6%23.8%†
Legal Research BenchVals AI43.8%55.3%†
SkillsBenchVals AI59.2%–
SREBenchVals AI–3.8%†
Tax Agent BenchVals AI30.0%42.4%†
Terminal-Bench 2.0 (Vals)Vals AI70.0%–
Terminal-Bench 4.0 (Vals)Vals AI23.2%24.8%†
Terminal-Bench ScienceVals AI4.3%10.0%†
Time Horizon Index: KSPVals AI11.8%–
Arena SearchArena (LMArena)1194†–
Arena Agent Task CompletionArena (LMArena)–3.7†
DeepResearch BenchDeepResearch Bench50.2%†–
PostTrainBenchEpoch AI Benchmarking Hub31.0%–
GBAEvalEpoch AI Benchmarking Hub70.9%†–
Vending-Bench 2Andon Labs2992.3–
AutomationBenchArtificial Analysis45.6%57.9%†
GDP.pdf (AA)Artificial Analysis22.8%26.6%†
Harvey LAB-AA v1.1Harvey–8.9%†
EnterpriseOps-GymArtificial Analysis44.0%–
AA-Briefcase v1.1Artificial Analysis13201581†
Design Arena AgenticDesign Arena1226†1283†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–10.9%†
CWE-Bench (AA)Artificial Analysis–60.8%†
DeepSec-Bench (AA)Artificial Analysis–12.5%†
CyberGym end-to-end (AA)Artificial Analysis–59.5%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub80.0%74.0%†
FrontierMath Tier 4Epoch AI Benchmarking Hub56.1%46.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub98.3%99.2%†
ProofBenchVals AI69.0%55.0%
LiveBench MathematicsLiveBench94.3%96.0%†
AIME 2026MathArena100.0%–
HMMT February 2026MathArena95.5%–
MathArena ApexMathArena81.3%–
Arena MathsArena (LMArena)1476†1506†
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub53.0%–
LiveBench 2.0 Data AnalysisLiveBench–79.6%†
LiveBench ResearchLiveBench–82.5%†
LiveBench 1.0 Data AnalysisLiveBench66.0%79.6%†
AA-Omniscience v1.1Artificial Analysis–22.4†
MMLU-ProVals AI89.6%–
LegalBenchVals AI83.6%–
CorpFinVals AI66.7%–
TaxEvalVals AI75.6%–
PRBench FinanceScale AI SEAL–59.5%
PRBench LegalScale AI SEAL–61.6%
Excel Modeling BenchmarkVals AI69.4%67.4%†
MedCodeVals AI53.2%–
MedScribeVals AI85.8%–
Public Benefits Bench v1.1Vals AI68.1%–
Access to Justice BenchmarkVals AI–72.2%†
Financial Coaching BenchVals AI–70.3%†
Immigration BenchVals AI–64.9%†
DrugDiscoveryBenchScale AI SEAL46.8%62.2%†
EBR-benchEpoch AI Benchmarking Hub28.6%–
GDP.pdfEpoch AI Benchmarking Hub24.0%27.6%
AA-Omniscience v1.1: accuracyArtificial Analysis–38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–74.8%†
指示追従
LiveBench LanguageLiveBench79.7%82.8%†
LiveBench Instruction FollowingLiveBench72.0%78.0%†
IFBenchArtificial Analysis62.2%–
Arena Instruction FollowingArena (LMArena)1479†1485†
人間の評価
Arena TextArena (LMArena)1474†1497†
EQ-Bench 4EQ-Bench1268†–
EQ-Bench Creative Writing v3EQ-Bench1840†1907
Arena Creative WritingArena (LMArena)1464†1468†
Arena Multi-turnArena (LMArena)1493†1493†
Arena Longer QueriesArena (LMArena)1499†1498†
マルチモーダル
Arena VisionArena (LMArena)1289†1310†
LiveBench DesignLiveBench–74.8%†
MMMU-ProArtificial Analysis–82.0%†
MMMU-Pro (Vals)Vals AI86.6%–
MortgageTaxVals AI69.9%–
Humanity's Sixth SenseScale AI SEAL23.5%37.4%†
GeoBenchGeoBench81.0%†86.0%
Blueprint-Bench 2Epoch AI Benchmarking Hub14.5%†–
Furniture AssemblyEpoch AI Benchmarking Hub42.5%–
Code2Video-AAArtificial Analysis–1019†
AA-3DArtificial Analysis–1032†
長文コンテキスト
AA-LCR v1.1Artificial Analysis77.7%83.0%†
Arena DocumentArena (LMArena)1476†1474†
MLCRArtificial Analysis19.4%13.9%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub159.9†158.2
LiveBench 2.0LiveBench–68.6%†
LiveBench 1.0LiveBench76.2%81.6%†
AA Intelligence Index v5.0.1Artificial Analysis–36.6†
AA Intelligence Index v4.3.2Artificial Analysis41.848.1†
AA Progress Index v1Artificial Analysis318.4324.5†
Vals RSI IndexVals AI24.0%19.6%†
Vals Multimodal IndexVals AI70.9%–
AA Cyber IndexArtificial Analysis–44.3†
安全性・誠実さ
FORTRESSScale AI SEAL18.2%–
DistressBenchScale AI SEAL71.4%†84.9%

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。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

最近の変化

  • Claude Opus 4.8 (max):BenchLeader Index 60.3 → 61.1。
  • Muse Spark 1.3:BenchLeader Index 60.2 → 61.6。
  • Claude Opus 4.8 (max):新しい結果27件(LiveCodeBench, MMLU-Pro, LegalBench…)。
  • Claude Opus 4.8 (max):新しい結果1件(GDPval-AA v2.1)。
  • Claude Opus 4.8 (max):スコアの改訂1件。
  • Muse Spark 1.3:スコアの改訂1件。
  • Muse Spark 1.3:BenchLeader Index 59.2 → 60.2。
  • Claude Opus 4.8 (max):新しい結果1件(MirrorCode)。
  • Muse Spark 1.3:新しい結果2件(SimpleBench, GeoBench)。
  • Muse Spark 1.3:BenchLeader Index 57.7 → 59.2。

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 4.8 vs Muse Spark 1.3:よくある質問

Claude Opus 4.8はMuse Spark 1.3より優れていますか?
Claude Opus 4.8 (max)とMuse Spark 1.3の品質は互角です(61.1 対 61.6、±9.1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 4.8とMuse Spark 1.3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 1.3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。
Claude Opus 4.8とMuse Spark 1.3はどちらが速いですか?
Muse Spark 1.3の方が出力が速くなっています(出力163 対 85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 4.8とMuse Spark 1.3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Muse Spark 1.3の方がスコアが高くなっています(カテゴリ指標で61 対 57。50が平均)。共通するエージェント・ツールベンチマークのうち最も重要なAPEX-Agentsでは、Claude Opus 4.8が48.9%、Muse Spark 1.3が58.6%です。
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 4.8は1,000,000、Muse Spark 1.3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Muse Spark 1.3です。Artificial Analysisの測定では、最初の回答トークンまで2.6秒 対 39.1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 4.8とMuse Spark 1.3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5件のベンチマークのうち、Claude Opus 4.8のリードが2件、Muse Spark 1.3のリードが3件です。両方を評価しているすべての総合指標で、Muse Spark 1.3が上回っています。
Muse Spark 1.3はいつリリースされましたか?
Muse Spark 1.3は2026年9月2日にリリースされました。