BenchLeader

Claude Sonnet 4.6 vs Muse Spark Open 816B A42B

詳しいプロフィール:Claude Sonnet 4.6(Anthropic)とMuse Spark Open 816B A42B(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 Sonnet 4.6とMuse Spark Open 816B A42Bの品質は互角です(BenchLeader Indexで57.6 対 58.1、±7.3の誤差範囲内)。価格はMuse Spark Open 816B A42Bの方が3.0倍安く、100万トークンあたりのブレンド価格で$2.00 対 $6.00です。数学(63 対 59)を重視するならClaude Sonnet 4.6、コーディング(65 対 54)、知識(62 対 58)を重視するならMuse Spark Open 816B A42Bが向いています。

要点(2026年11月16日時点)

  • BenchLeader IndexはClaude Sonnet 4.6が57.6、Muse Spark Open 816B A42Bが58.1です(BenchLeader、2026年11月16日)。
  • Claude Sonnet 4.6の100万トークンあたりのブレンド価格は$6.00です(定価、2026年11月16日)。
  • Muse Spark Open 816B A42B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2件のベンチマークのうち、Muse Spark Open 816B A42Bが2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 Open 816B A42Bカテゴリスコア65 対 54高
数学Claude Sonnet 4.6カテゴリスコア63 対 59;OTIS Mock AIME 85.8% 対 98.1%中
推論どちらでもカテゴリスコア64 対 63;GPQA Diamond 87.4% 対 88.6%どちらでも
知識Muse Spark Open 816B A42Bカテゴリスコア62 対 58中
チャットの質(人間の評価)–Arenaの評価があるのはClaude Sonnet 4.6のみです(カテゴリスコア61)比較不可
最低コストMuse Spark Open 816B A42B100万トークンあたりブレンド価格$2.00 対 $6.00;エージェント型コーディングセッション$0.092 対 $0.240–
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 Sonnet 4.6とMuse Spark Open 816B A42B (xhigh)の品質は互角です(57.6 対 58.1、±7.3の誤差範囲内)。
  • Claude Sonnet 4.6は数学、推論で優れています。
  • Muse Spark Open 816B A42B (xhigh)はコーディング、知識で優れています。
  • Muse Spark Open 816B A42B (xhigh)の方が3.0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 $6.00)。

概要

仕様Claude Sonnet 4.6Muse Spark Open 816B A42B
プロバイダーAnthropicMeta
リリース日2026年2月17日2026年10月15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 Sonnet 4.6Muse Spark Open 816B A42B (xhigh)
オープンウェイトなしあり
100万トークンあたりの価格(入力/出力/キャッシュ入力)$3.00 / $15.00 / $0.300$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 Sonnet 4.6Muse Spark Open 816B A42B (xhigh)トップ
推論63.963.2互角
コーディング53.565.1Muse Spark Open 816B A42B
エージェント・ツール52.6–比較不可
数学63.158.7Claude Sonnet 4.6
知識58.161.5Muse Spark Open 816B A42B
人間の評価60.5–比較不可
マルチモーダル62.4–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推論コーディング数学知識Claude Sonnet 4.6, 推論: 63.9Claude Sonnet 4.6, コーディング: 53.5Claude Sonnet 4.6, 数学: 63.1Claude Sonnet 4.6, 知識: 58.1Muse Spark Open 816B A42B, 推論: 63.2Muse Spark Open 816B A42B, コーディング: 65.1Muse Spark Open 816B A42B, 数学: 58.7Muse Spark Open 816B A42B, 知識: 61.5

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, 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2件のベンチマークのうち、Claude Sonnet 4.6のリードが0件、Muse Spark Open 816B A42Bのリードが2件です。

総合IndexClaude Sonnet 4.6Muse Spark Open 816B A42B (xhigh)トップ
BenchLeader Index57.658.1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 Sonnet 4.6Muse Spark Open 816B A42B (xhigh)
100万トークンあたりのブレンド価格$6.00$2.00
100万トークンあたりの入力/出力$3.00 / $15.00$1.25 / $4.25
100万トークンあたりのキャッシュ入力$0.300$0.150
タスクあたりの価格:チャットの返答$0.0057$0.0018
タスクあたりの価格:30ページのレポートを要約$0.045$0.018
タスクあたりの価格:コード編集$0.041$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$0.240$0.092
タスクあたりの価格:構造化データの抽出$0.0090$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)$0.118$0.043
出力速度43 tok/s–
回答開始までの時間0.6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 Sonnet 4.6のスコアは57.6、最初の回答トークンまで1秒。Claude Sonnet 4.6 (max)は56.1(91秒)、Claude Sonnet 4.6 (high)は50.3(1秒)。Muse Spark Open 816B A42B (xhigh)のスコアは58.1。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

108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 Sonnet 4.6Muse Spark Open 816B A42B (xhigh)
BenchLeader IndexBenchLeader57.658.1
エージェント・ツールスコアBenchLeader52.6–
コーディングスコアBenchLeader53.565.1
人間の評価スコアBenchLeader60.5–
知識スコアBenchLeader58.161.5
数学スコアBenchLeader63.158.7
マルチモーダルスコアBenchLeader62.4–
推論スコアBenchLeader63.963.2
ブレンド価格($/100万トークン)BenchLeader$6.00$2.00
出力速度BenchLeader43 tok/s–
回答開始までの時間BenchLeader0.6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 Hub87.4%88.6%
Arena Hard PromptsArena (LMArena)1503–
LiveBench 1.0 ReasoningLiveBench84.8%†–
GPQA Diamond (AA)Artificial Analysis87.5%†–
Humanity's Last Exam (AA)Artificial Analysis33.6%†–
GPQA Diamond (Vals)Vals AI85.6%†–
ARC-AGI-1ARC Prize86.0%†–
ARC-AGI-2ARC Prize58.3%†–
CritPtArtificial Analysis3.1%†–
Arena ExpertArena (LMArena)1506–
Chess PuzzlesEpoch AI Benchmarking Hub23.0%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub14.0%–
LMCAEpoch AI Benchmarking Hub46.5%†–
DTBenchEpoch AI Benchmarking Hub89.9%†–
ForecastBenchForecastBench64.0%–
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub75.2%–
SciCodeSciCode46.8%†58.5%
WeirdMLWeirdML66.1%†–
FrontierCodeCognition24.3%–
Arena CodingArena (LMArena)1528–
Arena WebDevArena (LMArena)1522–
LiveBench 1.0 CodingLiveBench79.3%†–
SciCode (AA)Artificial Analysis50.1%†–
LiveCodeBenchVals AI82.1%†–
SWE-bench (Vals)Vals AI77.4%†–
108件のベンチマークをすべて表示
指標公開元Claude Sonnet 4.6Muse Spark Open 816B A42B (xhigh)
コーディング
Code MigrationVals AI39.9%†–
ProgramBenchVals AI0.5%†–
Vibe Code Bench v1.1Vals AI55.8%–
SWE Atlas v1.0: Codebase QnAScale AI SEAL31.2%–
SWE Atlas v1.0: RefactoringScale AI SEAL32.2%–
SWE Atlas v1.0: Test WritingScale AI SEAL31.8%–
DeepSWE v1.1Epoch AI Benchmarking Hub29.9%†–
ALE-BenchEpoch AI Benchmarking Hub1327.3†1590.1
Terminal-Bench 4.0 (AA)Artificial Analysis3.0%†–
Terminal-Bench 2.1 (AA)Artificial Analysis71.2%†–
Design Arena WebsiteDesign Arena1277–
エージェント・ツール
Terminal-BenchTerminal-Bench53.4%–
OSWorld-Verified 2.0OSWorld8.3%†–
APEX-AgentsMercor43.0%†33.4%†
LiveBench Agentic CodingLiveBench42.6%†–
Terminal-Bench HardArtificial Analysis53.0%†–
τ²-Bench Telecom (AA)Artificial Analysis75.7%†–
Terminal-Bench 2.1 (Vals)Vals AI57.3%†–
MCP AtlasScale AI SEAL69.5%–
GDPval-AA v2.1Artificial Analysis1240†–
τ³-Banking (AA)Artificial Analysis34.4%†–
ITBench SRE (AA)Artificial Analysis39.8%†–
Analyst Agent (AA)Artificial Analysis20.0%†–
APEX-Agents (AA)Artificial Analysis28.0%†–
Finance Agent v2Vals AI51.0%†–
Harvey's Legal Agent Benchmark v1Vals AI5.0%†–
Legal Research BenchVals AI38.5%†–
SkillsBenchVals AI49.0%†–
Tax Agent BenchVals AI25.8%†–
Terminal-Bench 2.0 (Vals)Vals AI59.5%†–
Arena SearchArena (LMArena)1201–
DeepResearch BenchDeepResearch Bench54.9%†–
ExploitBenchEpoch AI Benchmarking Hub23.6%–
GBAEvalEpoch AI Benchmarking Hub48.8%–
Vending-Bench 2Andon Labs7204.1–
AutomationBenchArtificial Analysis20.1%†–
GDP.pdf (AA)Artificial Analysis15.8%†–
AA-Briefcase v1.1Artificial Analysis1062†–
Design Arena AgenticDesign Arena1187–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub–69.8%
FrontierMath Tier 4Epoch AI Benchmarking Hub–31.7%
OTIS Mock AIMEEpoch AI Benchmarking Hub85.8%98.1%
ProofBenchVals AI45.0%†–
LiveBench MathematicsLiveBench87.0%†–
AIME (Vals)Vals AI92.3%–
Arena MathsArena (LMArena)1461–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub32.8%†56.6%
LiveBench 1.0 Data AnalysisLiveBench78.0%†–
MMLU-ProVals AI87.3%†–
LegalBenchVals AI82.1%†–
CorpFinVals AI65.3%†–
TaxEvalVals AI77.1%†–
MedQAVals AI92.1%–
CaseLaw v2Vals AI64.0%–
Excel Modeling BenchmarkVals AI60.1%†–
Public Benefits Bench v1.1Vals AI62.5%†–
DrugDiscoveryBenchScale AI SEAL31.3%†–
GDP.pdfEpoch AI Benchmarking Hub18.0%†–
Global-MMLU-Lite (AA)Artificial Analysis90.5%†–
指示追従
LiveBench LanguageLiveBench76.1%†–
LiveBench Instruction FollowingLiveBench63.2%†–
IFBenchArtificial Analysis56.6%†–
Arena Instruction FollowingArena (LMArena)1475–
人間の評価
Arena TextArena (LMArena)1472–
EQ-Bench 4EQ-Bench1197–
EQ-Bench Creative Writing v3EQ-Bench1811–
Arena Creative WritingArena (LMArena)1449–
Arena Multi-turnArena (LMArena)1480–
Arena Longer QueriesArena (LMArena)1492–
マルチモーダル
Arena VisionArena (LMArena)1283–
MMMU-ProArtificial Analysis73.3%†–
MMMU-Pro (Vals)Vals AI83.6%†–
MortgageTaxVals AI67.7%†–
GeoBenchGeoBench73.0%–
Blueprint-Bench 2Epoch AI Benchmarking Hub6.7%–
長文コンテキスト
AA-LCR v1.1Artificial Analysis80.0%†–
Arena DocumentArena (LMArena)1478–
MLCRArtificial Analysis7.8%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub152.9–
LiveBench 1.0LiveBench73.0%†–
AA Intelligence Index v4.3.2Artificial Analysis30.1†–
AA Progress Index v1Artificial Analysis293.6†–
Vals Multimodal IndexVals AI60.6%†–

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 Sonnet 4.6:BenchLeader Index 58.3 → 57.6。
  • Claude Sonnet 4.6:スコアの改訂2件。
  • Muse Spark Open 816B A42B (xhigh):BenchLeader Index 58.6 → 58.1。
  • Claude Sonnet 4.6:新しい結果1件(GeoBench)。
  • Claude Sonnet 4.6:新しい結果1件(Arena Search)。
  • Claude Sonnet 4.6:BenchLeader Index 57.1 → 58.3。
  • Claude Sonnet 4.6:スコアの改訂1件。
  • Claude Sonnet 4.6:新しい結果1件(Harvey's Legal Agent Benchmark v1)。
  • Claude Sonnet 4.6:スコアの改訂1件。
  • Claude Sonnet 4.6:BenchLeader Index 58.9 → 57.1。

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 Sonnet 4.6 vs Muse Spark Open 816B A42B:よくある質問

Claude Sonnet 4.6はMuse Spark Open 816B A42Bより優れていますか?
Claude Sonnet 4.6とMuse Spark Open 816B A42B (xhigh)の品質は互角です(57.6 対 58.1、±7.3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 Sonnet 4.6とMuse Spark Open 816B A42B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 Open 816B A42Bの方が安く、100万トークンあたり$2.00 対 $6.00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 Sonnet 4.6とMuse Spark Open 816B A42Bのどちらが向いていますか?
コーディングではMuse Spark Open 816B A42Bの方がスコアが高くなっています(カテゴリ指標で65 対 54。50が平均)。
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 Sonnet 4.6は1,000,000、Muse Spark Open 816B A42Bは1,048,576)。
Claude Sonnet 4.6とMuse Spark Open 816B A42B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2件のベンチマークのうち、Claude Sonnet 4.6のリードが0件、Muse Spark Open 816B A42Bのリードが2件です。
ほかの質問(1件)
Muse Spark Open 816B A42Bはいつリリースされましたか?
Muse Spark Open 816B A42Bは2026年10月15日にリリースされました。