BenchLeader

Claude Sonnet 5 vs Muse Spark

詳しいプロフィール:Claude Sonnet 5(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 · 9件の情報源のデータ

2026年11月16日時点で、品質ではMuse SparkがClaude Sonnet 5を上回ります(BenchLeader Indexで64.2 対 59.0)。数学(65 対 59)を重視するならClaude Sonnet 5、エージェント・ツール(65 対 53)、コーディング(65 対 60)、人間の評価(68 対 65)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 Sonnet 5が59.0、Muse Sparkが64.2です(BenchLeader、2026年11月16日)。
  • Claude Sonnet 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)。
  • 両モデルに結果がある17件のベンチマークのうち、Claude Sonnet 5が10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 60;Arena Coding 1529 対 1520中
エージェント・ツール利用Muse Sparkカテゴリスコア65 対 53;GDPval-AA v2.1 1006 対 1262高
数学Claude Sonnet 5カテゴリスコア65 対 59;Arena Maths 1472 対 1469中
推論Muse Sparkカテゴリスコア67 対 65;Arena Hard Prompts 1506 対 1490中
長い文書どちらでもカテゴリスコア63 対 64;AA-LCR v1.1 76.7% 対 78.0%どちらでも
画像などのメディアMuse Sparkカテゴリスコア64 対 61;Arena Vision 1306 対 1272中
チャットの質(人間の評価)Muse SparkArenaの投票で68 対 65中
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

  • 品質ではMuse Sparkがリードしています:64.2 対 59.0。
  • Claude Sonnet 5 (high)は数学で優れています。
  • Muse Sparkはエージェント・ツール、コーディング、人間の評価、長文コンテキスト、マルチモーダル、推論で優れています。

概要

仕様Claude Sonnet 5Muse Spark
プロバイダーAnthropicMeta
リリース日2026年6月30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 Sonnet 5 (high)Muse 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)$2.00 / $10.00 / $0.200–

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 (high)Muse Sparkトップ
推論65.467.4Muse Spark
コーディング59.965.1Muse Spark
エージェント・ツール52.965.0Muse Spark
数学65.359.1Claude Sonnet 5
知識–63.1比較不可
指示追従–76.9比較不可
人間の評価64.668.1Muse Spark
マルチモーダル60.964.2Muse Spark
長文コンテキスト62.963.6互角

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・ツール数学長文コンテキストマルチモーダル人間の評価Claude Sonnet 5, 推論: 65.4Claude Sonnet 5, コーディング: 59.9Claude Sonnet 5, エージェント・ツール: 52.9Claude Sonnet 5, 数学: 65.3Claude Sonnet 5, 長文コンテキスト: 62.9Claude Sonnet 5, マルチモーダル: 60.9Claude Sonnet 5, 人間の評価: 64.6Muse 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, 長文コンテキスト: 63.6Muse 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。

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17件のベンチマークのうち、Claude Sonnet 5のリードが10件、Muse Sparkのリードが7件です。両方を評価しているすべての総合指標で、Muse Sparkが上回っています。

総合IndexClaude Sonnet 5 (high)Muse Sparkトップ
BenchLeader Index59.064.2Muse Spark
Arena Text14611489Muse Spark

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 (high)Muse Spark
100万トークンあたりのブレンド価格$4.00–
100万トークンあたりの入力/出力$2.00 / $10.00– / –
100万トークンあたりのキャッシュ入力$0.200–
タスクあたりの価格:チャットの返答$0.0038–
タスクあたりの価格:30ページのレポートを要約$0.030–
タスクあたりの価格:コード編集$0.027–
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–
タスクあたりの価格:構造化データの抽出$0.0060–
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)$0.079–
出力速度99 tok/s–
回答開始までの時間15.8秒–
回答が完了するまでの時間(最終測定2026年11月13日)40.7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 (high)のスコアは59.0、最初の回答トークンまで16秒。Claude Sonnet 5 (max)は56.1(158秒)、Claude Sonnet 5 (xhigh)は55.4(32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

131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 (high)Muse Spark
BenchLeader IndexBenchLeader59.064.2
エージェント・ツールスコアBenchLeader52.965.0
コーディングスコアBenchLeader59.965.1
人間の評価スコアBenchLeader64.668.1
長文コンテキストスコアBenchLeader62.963.6
数学スコアBenchLeader65.359.1
マルチモーダルスコアBenchLeader60.964.2
推論スコアBenchLeader65.467.4
指示追従スコアBenchLeader–76.9
知識スコアBenchLeader–63.1
ブレンド価格($/100万トークン)BenchLeader$4.00–
出力速度BenchLeader99 tok/s–
回答開始までの時間BenchLeader15.8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 Hub80.3%†89.8%
Humanity's Last ExamScale AI / CAIS–40.6%
SimpleBenchSimpleBench60.6%†–
Arena Hard PromptsArena (LMArena)14901506
LiveBench 1.0 ReasoningLiveBench88.7%†–
GPQA Diamond (AA)Artificial Analysis91.1%†88.4%
Humanity's Last Exam (AA)Artificial Analysis35.7%40.7%
GPQA Diamond (Vals)Vals AI88.9%†89.7%
CritPtArtificial Analysis15.1%11.3%
Arena ExpertArena (LMArena)15091491
Chess PuzzlesEpoch AI Benchmarking Hub45.0%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub16.0%†–
LMCAEpoch AI Benchmarking Hub50.0%–
DTBenchEpoch AI Benchmarking Hub84.5%–
ForecastBenchForecastBench63.1%†–
BTF-3Epoch AI Benchmarking Hub14.2%†–
コーディング
SciCodeSciCode54.3%51.5%
WeirdMLWeirdML68.8%–
FrontierCodeCognition42.7%†–
GSO-BenchGSO-Bench37.3%†–
Arena CodingArena (LMArena)15201529
Arena WebDevArena (LMArena)1539–
LiveBench 1.0 CodingLiveBench80.7%†–
SciCode (AA)Artificial Analysis54.3%–
LiveCodeBenchVals AI82.4%†–
131件のベンチマークをすべて表示
指標公開元Claude Sonnet 5 (high)Muse Spark
コーディング
IOIVals AI45.0%†–
SWE-bench (Vals)Vals AI79.6%†74.4%
SWE-Bench ProScale AI SEAL–55.0%
Code MigrationVals AI44.4%†–
ProgramBenchVals AI0.0%†–
Vibe Code Bench 1-100Vals AI13.8%†–
Vibe Code Bench v1.1Vals AI81.3%†19.7%
SWE-Bench Pro (private)Scale AI SEAL–44.7%
SWE Atlas v1.0: Codebase QnAScale AI SEAL–24.2%
SWE Atlas v1.0: Test WritingScale AI SEAL–31.1%
SWE-Bench Pro V2Scale AI SEAL93.2%†–
SWE-Bench Pro V2 HARDScale AI SEAL88.2%†–
MirrorCodeEpoch AI Benchmarking Hub63.3%†–
Surface Evolver BenchEpoch AI Benchmarking Hub60.0%†–
DeepSWE v1.1Epoch AI Benchmarking Hub48.2%–
CursorBenchCursor30.8%–
ALE-BenchEpoch AI Benchmarking Hub1463.1–
Terminal-Bench 4.0 (AA)Artificial Analysis5.0%–
Terminal-Bench 2.1 (AA)Artificial Analysis80.5%†62.2%
Startrise FrontendStartrise66.6%†–
GameBench 2 OverallDuelLab GameBench 246.6†–
GameBench 2 by reasoning settingDuelLab GameBench 254.4†–
Design Arena WebsiteDesign Arena1268†1253
FrontierCode 2.0 (AA)Artificial Analysis17.8%†–
エージェント・ツール
Terminal-BenchTerminal-Bench12.1%†–
APEX-AgentsMercor54.5%†–
Arena AgentArena (LMArena)2–
LiveBench Agentic CodingLiveBench59.4%†–
Terminal-Bench HardArtificial Analysis–45.5%
τ²-Bench Telecom (AA)Artificial Analysis–91.5%
Terminal-Bench 2.1 (Vals)Vals AI74.5%†–
MCP AtlasScale AI SEAL–82.2%
GDPval-AA v2.1Artificial Analysis12621006
τ³-Banking (AA)Artificial Analysis37.3%†–
Analyst Agent (AA)Artificial Analysis46.3%†–
CyberBenchVals AI61.9%†–
Finance Agent v2Vals AI53.9%†–
Harvey's Legal Agent Benchmark v1Vals AI5.0%†–
Legal Research BenchVals AI41.8%†–
SkillsBenchVals AI46.5%†–
SREBenchVals AI0.4%†–
Tax Agent BenchVals AI29.4%†–
Terminal-Bench 2.0 (Vals)Vals AI–59.5%
Terminal-Bench 4.0 (Vals)Vals AI10.6%†–
Terminal-Bench ScienceVals AI5.7%†–
Arena SearchArena (LMArena)1191†–
Arena Agent Task CompletionArena (LMArena)-0.6–
GBAEvalEpoch AI Benchmarking Hub65.3%†–
Vending-Bench 2Andon Labs6377.7†–
AutomationBenchArtificial Analysis32.1%–
GDP.pdf (AA)Artificial Analysis9.4%–
EnterpriseOps-GymArtificial Analysis44.7%†–
AA-Briefcase v1.1Artificial Analysis1177646
Design Arena AgenticDesign Arena1222†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub65.6%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub29.3%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub80.0%†88.9%
ProofBenchVals AI77.0%†17.0%
LiveBench MathematicsLiveBench92.9%†–
AIME (Vals)Vals AI–96.9%
Arena MathsArena (LMArena)14721469
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub33.7%†–
LiveBench 1.0 Data AnalysisLiveBench71.7%†–
MMLU-ProVals AI87.5%†87.3%
LegalBenchVals AI83.9%†84.2%
CorpFinVals AI67.0%†65.1%
TaxEvalVals AI75.6%†77.7%
PRBench FinanceScale AI SEAL–52.4%
PRBench LegalScale AI SEAL–52.3%
MultiNRCScale AI SEAL–59.0%
CaseLaw v2Vals AI–63.1%
Excel Modeling BenchmarkVals AI66.3%†–
MedCodeVals AI47.5%†51.3%
MedScribeVals AI76.0%†85.9%
Public Benefits Bench v1.1Vals AI66.0%†–
DrugDiscoveryBenchScale AI SEAL50.0%†–
FACTS ParametricGoogle20.5%†–
指示追従
LiveBench LanguageLiveBench75.0%†–
LiveBench Instruction FollowingLiveBench63.9%†–
IFBenchArtificial Analysis–75.9%
MultiChallengeScale AI SEAL–75.5%
TutorBenchScale AI SEAL–68.5%
Arena Instruction FollowingArena (LMArena)14671465
人間の評価
Arena TextArena (LMArena)14611489
EQ-Bench 4EQ-Bench1221†–
EQ-Bench Creative Writing v3EQ-Bench1798†–
Arena Creative WritingArena (LMArena)14341464
Arena Multi-turnArena (LMArena)14731493
Arena Longer QueriesArena (LMArena)14811476
マルチモーダル
Arena VisionArena (LMArena)12721306
MMMU-ProArtificial Analysis77.3%†80.5%
MMMU-Pro (Vals)Vals AI83.0%†87.4%
MortgageTaxVals AI70.0%†–
Humanity's Sixth SenseScale AI SEAL24.8%†–
GeoBenchGeoBench74.0%–
Blueprint-Bench 2Epoch AI Benchmarking Hub24.9%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis76.7%78.0%
Arena DocumentArena (LMArena)14691467
MLCRArtificial Analysis4.4%–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.9†153.1
LiveBench 1.0LiveBench76.0%†–
AA Intelligence Index v4.3.2Artificial Analysis31.731.3
AA Progress Index v1Artificial Analysis296.8289.1
Vals Multimodal IndexVals AI68.8%†–
安全性・誠実さ
FORTRESSScale AI SEAL–20.2%
DistressBenchScale AI SEAL68.0%†–

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 (high):新しい結果2件(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Muse Spark:新しい結果2件(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Claude Sonnet 5 (high):BenchLeader Index 59.5 → 59.0。
  • Claude Sonnet 5 (high):新しい結果1件(GeoBench)。
  • Claude Sonnet 5 (high):スコアの改訂1件。
  • Muse Spark:BenchLeader Index 64.6 → 64.1。
  • Muse Spark:スコアの改訂1件。
  • Claude Sonnet 5 (high):スコアの改訂1件。
  • Claude Sonnet 5 (high):新しい結果1件(AA Progress Index v1)。
  • Muse Spark:新しい結果1件(AA Progress Index v1)。

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 5 vs Muse Spark:よくある質問

Muse SparkはClaude Sonnet 5より優れていますか?
品質ではMuse Sparkがリードしています:64.2 対 59.0。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日時点では総合でMuse Sparkが上回っていますが、用途に合わせてカテゴリ別のスコアも確認してください。
コーディングにはClaude Sonnet 5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 60。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が54.3%、Muse Sparkが51.5%です。
エージェントやツール利用にはClaude Sonnet 5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 53。50が平均)。
長い文書にはどちらが向いていますか?
長文コンテキストのベンチマークでは互角です(63 対 64)。コンテキストはClaude Sonnet 5の方が長く、1,000,000トークンです(Muse Sparkは262,144トークン)。
Claude Sonnet 5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17件のベンチマークのうち、Claude Sonnet 5のリードが10件、Muse Sparkのリードが7件です。両方を評価しているすべての総合指標で、Muse Sparkが上回っています。
ほかの質問(1件)
Claude Sonnet 5はいつリリースされましたか?
Claude Sonnet 5は2026年6月30日にリリースされました。