BenchLeader

Claude Sonnet 5.5 vs Muse Spark 1.1

詳しいプロフィール:Claude Sonnet 5.5(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 · 14件の情報源のデータ

2026年11月16日時点で、Claude Sonnet 5.5とMuse Spark 1.1の品質は互角です(BenchLeader Indexで64.2 対 62.2、±6.1の誤差範囲内)。価格はMuse Spark 1.1の方が2.0倍安く、100万トークンあたりのブレンド価格で$2.00 対 $4.00です。エージェント・ツール(71 対 51)、数学(71 対 61)、コーディング(70 対 66)を重視するならClaude Sonnet 5.5、知識(69 対 57)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Muse Spark 1.1の方が短く、1.8秒 対 290.5秒です。

要点(2026年11月16日時点)

  • BenchLeader IndexはClaude Sonnet 5.5が64.2、Muse Spark 1.1が62.2です(BenchLeader、2026年11月16日)。
  • Claude Sonnet 5.5の100万トークンあたりのブレンド価格は$4.00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)。
  • 両モデルに結果がある7件のベンチマークのうち、Claude Sonnet 5.5が6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Claude Sonnet 5.5カテゴリスコア70 対 66;SciCode 61.0% 対 58.8%中
エージェント・ツール利用Claude Sonnet 5.5カテゴリスコア71 対 51;APEX-Agents 75.5% 対 31.8%高
数学Claude Sonnet 5.5カテゴリスコア71 対 61;ProofBench 100.0% 対 39.0%高
推論どちらでもカテゴリスコア68 対 68どちらでも
知識Muse Spark 1.1カテゴリスコア69 対 57;SimpleQA Verified 57.8% 対 46.5%高
チャットの質(人間の評価)–Arenaの評価があるのはMuse Spark 1.1のみです(カテゴリスコア65)比較不可
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 $4.00;エージェント型コーディングセッション$0.092 対 $0.160–
回答開始の速さMuse Spark 1.1最初の回答トークンまで1.8秒(Muse Spark 1.1)対 290.5秒(Claude Sonnet 5.5 (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 Sonnet 5.5 (max)とMuse Spark 1.1の品質は互角です(64.2 対 62.2、±6.1の誤差範囲内)。
  • Claude Sonnet 5.5 (max)はエージェント・ツール、コーディング、数学で優れています。
  • Muse Spark 1.1は知識で優れています。
  • Muse Spark 1.1の方が2.0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 $4.00)。

概要

仕様Claude Sonnet 5.5Muse Spark 1.1
プロバイダーAnthropicMeta
リリース日2026年9月28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 Sonnet 5.5 (max)Muse 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)$2.00 / $10.00 / $0.100$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 5.5 (max)Muse Spark 1.1トップ
推論67.867.8互角
コーディング70.265.8Claude Sonnet 5.5
エージェント・ツール70.550.9Claude Sonnet 5.5
数学71.361.3Claude Sonnet 5.5
知識57.469.2Muse Spark 1.1
指示追従–70.4比較不可
人間の評価–64.5比較不可
マルチモーダル–63.6比較不可
長文コンテキスト66.0–比較不可
総合63.0–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Claude Sonnet 5.5, 推論: 67.8Claude Sonnet 5.5, コーディング: 70.2Claude Sonnet 5.5, エージェント・ツール: 70.5Claude Sonnet 5.5, 数学: 71.3Claude Sonnet 5.5, 知識: 57.4Muse 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, 知識: 69.2

描画していないもの(測定済みのモデルが2つ未満):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7件のベンチマークのうち、Claude Sonnet 5.5のリードが6件、Muse Spark 1.1のリードが1件です。両方を評価しているすべての総合指標で、Muse Spark 1.1が上回っています。

総合IndexClaude Sonnet 5.5 (max)Muse Spark 1.1トップ
BenchLeader Index64.262.2互角
Arena Text1473†1491Muse Spark 1.1

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 5.5 (max)Muse Spark 1.1
100万トークンあたりのブレンド価格$4.00$2.00
100万トークンあたりの入力/出力$2.00 / $10.00$1.25 / $4.25
100万トークンあたりのキャッシュ入力$0.100$0.150
タスクあたりの価格:チャットの返答$0.0038$0.0018
タスクあたりの価格:30ページのレポートを要約$0.030$0.018
タスクあたりの価格:コード編集$0.027$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$0.160$0.092
タスクあたりの価格:構造化データの抽出$0.0060$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)$0.074$0.043
ベンチマークのタスクあたりのコスト(AA Index)$10.02–
タスクあたりの出力トークン(AA Index)285k–
うち推論206k–
タスクあたりの時間(AA Index)31 min–
出力速度152 tok/s193 tok/s
回答開始までの時間290.5秒1.8秒
回答が完了するまでの時間(最終測定2026年11月13日)487.7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 5.5 (max)のスコアは64.2、最初の回答トークンまで291秒。Claude Sonnet 5.5 (xhigh)は62.5(27秒)、Claude Sonnet 5.5 (high)は59.5(9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

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 Sonnet 5.5 (max)Muse Spark 1.1
BenchLeader IndexBenchLeader64.262.2
エージェント・ツールスコアBenchLeader70.550.9
コーディングスコアBenchLeader70.265.8
総合スコアBenchLeader63.0–
知識スコアBenchLeader57.469.2
長文コンテキストスコアBenchLeader66.0–
数学スコアBenchLeader71.361.3
推論スコアBenchLeader67.867.8
人間の評価スコアBenchLeader–64.5
指示追従スコアBenchLeader–70.4
マルチモーダルスコアBenchLeader–63.6
ブレンド価格($/100万トークン)BenchLeader$4.00$2.00
出力速度BenchLeader152 tok/s193 tok/s
回答開始までの時間BenchLeader290.5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 Hub95.6%–
Humanity's Last ExamScale AI / CAIS46.1%†–
SimpleBenchSimpleBench75.9%†–
Arena Hard PromptsArena (LMArena)1499†1511
LiveBench 2.0 ReasoningLiveBench91.6%–
LiveBench 1.0 ReasoningLiveBench91.6%87.7%†
GPQA Diamond (AA)Artificial Analysis–89.8%†
Humanity's Last Exam (AA)Artificial Analysis55.0%46.2%†
HLE-Diamond (AA)Artificial Analysis53.3%–
GPQA Diamond (Vals)Vals AI–91.2%†
ARC-AGI-1ARC Prize96.5%–
ARC-AGI-2ARC Prize83.9%†–
ARC-AGI-3ARC Prize72.4%†–
CritPtArtificial Analysis31.4%15.1%†
CritPt v2 hard subset (AA)Artificial Analysis59.0%–
MysteryMechanismVals AI49.1%–
HLE-Diamond (Scale)Scale AI SEAL37.5%†–
Arena ExpertArena (LMArena)1512†1504
Chess PuzzlesEpoch AI Benchmarking Hub59.0%34.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub65.0%–
LMCAEpoch AI Benchmarking Hub68.3%49.9%†
DTBenchEpoch AI Benchmarking Hub97.3%94.4%†
コーディング
SciCodeSciCode61.0%58.8%
FrontierCodeCognition52.1%†–
Arena CodingArena (LMArena)1517†1533
173件のベンチマークをすべて表示
指標公開元Claude Sonnet 5.5 (max)Muse Spark 1.1
コーディング
Arena WebDevArena (LMArena)1772†1542
LiveBench 2.0 CodingLiveBench77.2%–
LiveBench 1.0 CodingLiveBench91.4%77.2%†
LiveCodeBenchVals AI–85.9%†
IOIVals AI83.1%–
SWE-bench (Vals)Vals AI–82.0%†
SWE-Bench ProScale AI SEAL–61.5%
Code MigrationVals AI69.8%31.1%†
Code Migration v1.1Vals AI86.9%–
ProgramBenchVals AI6.5%0.0%†
SWE-bench MultimodalVals AI58.3%–
Vibe Code Bench v1.1Vals AI92.4%72.2%†
SWE-Bench Pro (private)Scale AI SEAL–51.5%
SWE Atlas v1.0: Codebase QnAScale AI SEAL–42.2%†
SWE Atlas v1.0: Test WritingScale AI SEAL–41.5%†
SWE Atlas v1.1Scale AI SEAL68.3%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL74.2%†–
SWE Atlas v1.1: Test WritingScale AI SEAL67.8%†–
SWE Atlas v1.1: RefactoringScale AI SEAL62.9%†–
SWE-Bench Pro V2Scale AI SEAL95.8%†–
SWE-Bench Pro V2 HARDScale AI SEAL70.6%†–
MirrorCodeEpoch AI Benchmarking Hub97.8%–
Surface Evolver BenchEpoch AI Benchmarking Hub–52.5%†
DeepSWE v1.1Epoch AI Benchmarking Hub–53.3%
CursorBenchCursor55.5%–
ALE-BenchEpoch AI Benchmarking Hub1819.1†–
FrontierSWEEpoch AI Benchmarking Hub61.9%–
WeirdML v3WeirdML19.9%†–
Terminal-Bench 4.0 (AA)Artificial Analysis63.6%6.1%†
Terminal-Bench 2.1 (AA)Artificial Analysis–77.9%†
Startrise FrontendStartrise75.9%†–
GameBench 2 OverallDuelLab GameBench 260.4†–
GameBench 2 by reasoning settingDuelLab GameBench 291.4†–
Design Arena WebsiteDesign Arena1309†1263
FrontierCode 1.1 (AA)Artificial Analysis45.8%–
FrontierCode 2.0 (AA)Artificial Analysis41.7%–
エージェント・ツール
Terminal-BenchTerminal-Bench63.9%–
APEX-AgentsMercor75.5%31.8%
Arena AgentArena (LMArena)16-8
LiveBench Long AgenticLiveBench63.4%–
LiveBench BrowserLiveBench89.3%–
LiveBench Agentic CodingLiveBench56.3%58.5%†
Terminal-Bench 2.1 (Vals)Vals AI83.2%†69.3%†
MCP AtlasScale AI SEAL–88.1%
τ³-bench Bankingτ²-bench–40.5%†
GDPval-AA v2.1, normalised scoreArtificial Analysis66.9%–
GDPval-AA v2.1Artificial Analysis18381216†
τ³-Banking (AA)Artificial Analysis–31.8%†
Analyst Agent (AA)Artificial Analysis57.5%–
CyberBenchVals AI59.6%–
Finance Agent v2Vals AI58.1%57.2%†
Finance Agent v2.1Vals AI67.3%–
Harvey's Legal Agent Benchmark v1.1Vals AI10.4%–
Harvey's Legal Agent Benchmark v1Vals AI2.9%20.0%†
Legal Research BenchVals AI48.1%38.0%†
SkillsBenchVals AI–59.2%†
SREBenchVals AI30.1%–
Tax Agent BenchVals AI42.0%–
Terminal-Bench 4.0 (Vals)Vals AI64.1%–
Terminal-Bench ScienceVals AI47.1%–
Time Horizon Index: KSPVals AI–1.7%†
Arena Agent Task CompletionArena (LMArena)19.5-6.5
GBAEvalEpoch AI Benchmarking Hub–7.9%
Vending-Bench 2Andon Labs11165.3†6520.5
SpireClimbEpoch AI Benchmarking Hub1.3%–
AutomationBenchArtificial Analysis71.8%38.9%†
GDP.pdf (AA)Artificial Analysis25.8%14.4%†
Harvey LAB-AA v1.1Harvey2.8%–
AA-Briefcase v1.1Artificial Analysis1816851†
GDPxGDPx by SemiAnalysis8.2%–
Design Arena AgenticDesign Arena1293†1172
Terminal-Bench-Science 0.1 (AA)Artificial Analysis53.3%–
MKA (AA)Artificial Analysis52.0%–
FACTS SearchGoogle86.8%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub88.8%–
FrontierMath Tier 4Epoch AI Benchmarking Hub80.5%–
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%–
ProofBenchVals AI100.0%39.0%
LiveBench MathematicsLiveBench96.1%87.1%†
Arena MathsArena (LMArena)1486†1493
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub46.5%57.8%
LiveBench 2.0 Data AnalysisLiveBench59.5%–
LiveBench ResearchLiveBench88.0%–
LiveBench 1.0 Data AnalysisLiveBench59.5%72.5%†
AA-Omniscience v1.1Artificial Analysis30.5–
MMLU-ProVals AI–88.7%†
LegalBenchVals AI–85.0%†
CorpFinVals AI–71.3%†
TaxEvalVals AI–79.7%†
PRBench FinanceScale AI SEAL–55.0%
PRBench LegalScale AI SEAL–57.0%
MultiNRCScale AI SEAL–65.6%
BioMysteryBenchVals AI81.1%–
ClaimBenchVals AI100.0%–
Excel Modeling BenchmarkVals AI75.7%56.4%†
Excel Modeling Benchmark v1.1Vals AI75.9%–
MedCodeVals AI52.9%–
MedScribeVals AI91.1%88.9%†
Public Benefits Bench v1.1Vals AI67.2%61.3%†
Access to Justice BenchmarkVals AI74.9%–
Financial Coaching BenchVals AI74.9%–
Immigration BenchVals AI69.0%–
GDP.pdfEpoch AI Benchmarking Hub31.4%15.0%
AA-Omniscience v1.1: accuracyArtificial Analysis51.5%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis56.7%–
HealthBench Professional (AA)OpenAI63.0%–
FACTS ParametricGoogle35.1%†–
指示追従
LiveBench LanguageLiveBench78.0%74.3%†
LiveBench Instruction FollowingLiveBench56.8%69.6%†
MultiChallengeScale AI SEAL–75.3%
Arena Instruction FollowingArena (LMArena)1482†1473
人間の評価
Arena TextArena (LMArena)1473†1491
EQ-Bench 4EQ-Bench–1244
EQ-Bench Creative Writing v3EQ-Bench–1928
Arena Creative WritingArena (LMArena)1464†1443
Arena Multi-turnArena (LMArena)1469†1497
Arena Longer QueriesArena (LMArena)1491†1481
マルチモーダル
Arena VisionArena (LMArena)1284†1292
LiveBench DesignLiveBench81.3%–
MMMU-Pro (Vals)Vals AI–86.6%†
MortgageTaxVals AI–66.1%†
SAGEVals AI88.0%–
VTBScale AI SEAL–44.8%
Blueprint-Bench 2Epoch AI Benchmarking Hub39.3%†–
Furniture AssemblyEpoch AI Benchmarking Hub75.0%–
VIALS-AAHandshake AI59.6%–
Code2Video-AAArtificial Analysis1443–
AA-3DArtificial Analysis1204–
FACTS MultimodalGoogle50.4%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis82.7%77.7%†
Arena DocumentArena (LMArena)–1480
MLCRArtificial Analysis41.7%7.2%†
FACTS GroundingGoogle62.5%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub166.6†154.9
LiveBench 2.0LiveBench77.0%–
LiveBench 1.0LiveBench75.7%75.3%†
AA Intelligence Index v5.0.1Artificial Analysis54.5–
AA Intelligence Index v4.3.2Artificial Analysis5633.7†
AA Progress Index v1Artificial Analysis350.5302.7†
Vals IndexVals AI70.8–
Vals Finance IndexVals AI64.5%–
Vals Science IndexVals AI59.1%–
Vals Multimodal IndexVals AI–66.7%†
Vals Router IndexVals AI69.0%†–
Vals Legal IndexVals AI68.0%–
安全性・誠実さ
FORTRESSScale AI SEAL–12.4%
DistressBenchScale AI SEAL74.6%†–

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。

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 Sonnet 5.5 (max):新しい結果36件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Claude Sonnet 5.5 (max):BenchLeader Index 65.1 → 64.6。
  • Claude Sonnet 5.5 (max):新しい結果1件(MirrorCode)。
  • Claude Sonnet 5.5 (max):スコアの改訂2件。
  • Claude Sonnet 5.5 (max):スコアの改訂1件。
  • Muse Spark 1.1:スコアの改訂1件。
  • Claude Sonnet 5.5 (max):スコアの改訂1件。
  • Claude Sonnet 5.5 (max):スコアの改訂1件。
  • Claude Sonnet 5.5 (max):新しい結果1件(MirrorCode)。
  • Muse Spark 1.1: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 Sonnet 5.5 vs Muse Spark 1.1:よくある質問

Claude Sonnet 5.5はMuse Spark 1.1より優れていますか?
Claude Sonnet 5.5 (max)とMuse Spark 1.1の品質は互角です(64.2 対 62.2、±6.1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 Sonnet 5.5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 $4.00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 5.5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Claude Sonnet 5.5の方がスコアが高くなっています(カテゴリ指標で70 対 66。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SciCodeでは、Claude Sonnet 5.5が61.0%、Muse Spark 1.1が58.8%です。
Claude Sonnet 5.5とMuse Spark 1.1はどちらが速いですか?
Muse Spark 1.1の方が出力が速くなっています(出力193 対 152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 Sonnet 5.5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 Sonnet 5.5の方がスコアが高くなっています(カテゴリ指標で71 対 51。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 Sonnet 5.5が75.5%、Muse Spark 1.1が31.8%です。
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 Sonnet 5.5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Muse Spark 1.1です。Artificial Analysisの測定では、最初の回答トークンまで1.8秒 対 290.5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 Sonnet 5.5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7件のベンチマークのうち、Claude Sonnet 5.5のリードが6件、Muse Spark 1.1のリードが1件です。両方を評価しているすべての総合指標で、Muse Spark 1.1が上回っています。
Claude Sonnet 5.5はいつリリースされましたか?
Claude Sonnet 5.5は2026年9月28日にリリースされました。