BenchLeader

Claude Sonnet 5 vs Muse Spark 1.3

詳しいプロフィール:Claude Sonnet 5(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 · 10件の情報源のデータ

2026年11月16日時点で、Claude Sonnet 5とMuse Spark 1.3の品質は互角です(BenchLeader Indexで59.0 対 61.6、±8.6の誤差範囲内)。価格はMuse Spark 1.3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。数学(65 対 56)を重視するならClaude Sonnet 5、エージェント・ツール(61 対 53)、推論(71 対 65)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 15.8秒です。

要点(2026年11月16日時点)

  • BenchLeader IndexはClaude Sonnet 5が59.0、Muse Spark 1.3が61.6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)。
  • 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3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 53高
数学Claude Sonnet 5カテゴリスコア65 対 56高
推論Muse Spark 1.3カテゴリスコア71 対 65;LMCA 53.9% 対 50.0%中
チャットの質(人間の評価)–Arenaの評価があるのはClaude Sonnet 5のみです(カテゴリスコア65)比較不可
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 $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 1.3最初の回答トークンまで2.6秒(Muse Spark 1.3)対 15.8秒(Claude Sonnet 5 (high))–
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 (high)とMuse Spark 1.3の品質は互角です(59.0 対 61.6、±8.6の誤差範囲内)。
  • Claude Sonnet 5 (high)は数学で優れています。
  • Muse Spark 1.3はエージェント・ツール、推論で優れています。
  • Muse Spark 1.3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)。
  • Muse Spark 1.3の方が出力が1.6倍速くなっています(163 対 99トークン/秒)。

概要

仕様Claude Sonnet 5Muse Spark 1.3
プロバイダーAnthropicMeta
リリース日2026年6月30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 Sonnet 5 (high)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)$2.00 / $10.00 / $0.200$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 (high)Muse Spark 1.3トップ
推論65.471.0Muse Spark 1.3
コーディング59.9–比較不可
エージェント・ツール52.961.3Muse Spark 1.3
数学65.356.3Claude Sonnet 5
知識–81.2比較不可
人間の評価64.6–比較不可
マルチモーダル60.9–比較不可
長文コンテキスト62.9–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Claude Sonnet 5, 推論: 65.4Claude Sonnet 5, エージェント・ツール: 52.9Claude Sonnet 5, 数学: 65.3Muse 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: 56.3

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, 知識, 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3件のベンチマークのうち、Claude Sonnet 5のリードが0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 Sonnet 5 (high)Muse Spark 1.3トップ
BenchLeader Index59.061.6互角
Arena Text14611497†Muse 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 Sonnet 5 (high)Muse Spark 1.3
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$0.200$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)$0.079$0.043
出力速度99 tok/s163 tok/s
回答開始までの時間15.8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)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 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

150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 1.3
BenchLeader IndexBenchLeader59.061.6
エージェント・ツールスコアBenchLeader52.961.3
コーディングスコアBenchLeader59.9–
人間の評価スコアBenchLeader64.6–
長文コンテキストスコアBenchLeader62.9–
数学スコアBenchLeader65.356.3
マルチモーダルスコアBenchLeader60.9–
推論スコアBenchLeader65.471.0
知識スコアBenchLeader–81.2
ブレンド価格($/100万トークン)BenchLeader$4.00$2.00
出力速度BenchLeader99 tok/s163 tok/s
回答開始までの時間BenchLeader15.8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 Hub80.3%†–
SimpleBenchSimpleBench60.6%†81.8%
Arena Hard PromptsArena (LMArena)14901517†
LiveBench 2.0 ReasoningLiveBench–89.7%†
LiveBench 1.0 ReasoningLiveBench88.7%†89.7%†
GPQA Diamond (AA)Artificial Analysis91.1%†93.5%†
Humanity's Last Exam (AA)Artificial Analysis35.7%48.7%†
HLE-Diamond (AA)Artificial Analysis–33.7%†
GPQA Diamond (Vals)Vals AI88.9%†–
CritPtArtificial Analysis15.1%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)15091521†
Chess PuzzlesEpoch AI Benchmarking Hub45.0%†37.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub16.0%†25.0%†
LMCAEpoch AI Benchmarking Hub50.0%53.9%
DTBenchEpoch AI Benchmarking Hub84.5%96.5%
ForecastBenchForecastBench63.1%†65.5%†
BTF-3Epoch AI Benchmarking Hub14.2%†14.1%†
コーディング
SciCodeSciCode54.3%58.8%†
WeirdMLWeirdML68.8%–
FrontierCodeCognition42.7%†–
GSO-BenchGSO-Bench37.3%†–
Arena CodingArena (LMArena)15201534†
150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 1.3
コーディング
Arena WebDevArena (LMArena)15391655†
LiveBench 2.0 CodingLiveBench–84.4%†
LiveBench 1.0 CodingLiveBench80.7%†81.1%†
LiveCodeBenchVals AI82.4%†–
IOIVals AI45.0%†56.6%†
SWE-bench (Vals)Vals AI79.6%†–
Code MigrationVals AI44.4%†47.4%†
ProgramBenchVals AI0.0%†2.5%†
SWE-bench MultimodalVals AI–43.1%†
Vibe Code Bench 1-100Vals AI13.8%†20.5%†
Vibe Code Bench v1.1Vals AI81.3%†85.9%†
SWE-Bench Pro V2Scale AI SEAL93.2%†–
SWE-Bench Pro V2 HARDScale AI SEAL88.2%†–
MirrorCodeEpoch AI Benchmarking Hub63.3%†54.4%†
Surface Evolver BenchEpoch AI Benchmarking Hub60.0%†–
DeepSWE v1.1Epoch AI Benchmarking Hub48.2%–
CursorBenchCursor30.8%41.6%†
ALE-BenchEpoch AI Benchmarking Hub1463.11688.3†
FrontierSWEEpoch AI Benchmarking Hub–25.8%†
WeirdML v3WeirdML–6.7%†
Terminal-Bench 4.0 (AA)Artificial Analysis5.0%33.3%†
Terminal-Bench 2.1 (AA)Artificial Analysis80.5%†84.3%†
Startrise FrontendStartrise66.6%†74.7%
GameBench 2 OverallDuelLab GameBench 246.6†57.7
GameBench 2 by reasoning settingDuelLab GameBench 254.4†68.5†
Design Arena WebsiteDesign Arena1268†1353†
FrontierCode 1.1 (AA)Artificial Analysis–40.6%†
FrontierCode 2.0 (AA)Artificial Analysis17.8%†23.1%†
エージェント・ツール
Terminal-BenchTerminal-Bench12.1%†14.8%†
APEX-AgentsMercor54.5%†58.6%
Arena AgentArena (LMArena)22.2†
LiveBench Long AgenticLiveBench–47.9%†
LiveBench BrowserLiveBench–30.9%†
LiveBench Agentic CodingLiveBench59.4%†64.1%†
Terminal-Bench 2.1 (Vals)Vals AI74.5%†79.0%†
HiL-BenchScale AI SEAL–66.9%
GDPval-AA v2.1Artificial Analysis12621681†
τ³-Banking (AA)Artificial Analysis37.3%†50.5%†
ITBench SRE (AA)Artificial Analysis–33.2%†
Analyst Agent (AA)Artificial Analysis46.3%†37.5%†
CUA-benchVals AI–5.8%†
CyberBenchVals AI61.9%†72.7%†
Finance Agent v2Vals AI53.9%†60.0%†
Harvey's Legal Agent Benchmark v1Vals AI5.0%†23.8%†
Legal Research BenchVals AI41.8%†55.3%†
SkillsBenchVals AI46.5%†–
SREBenchVals AI0.4%†3.8%†
Tax Agent BenchVals AI29.4%†42.4%†
Terminal-Bench 4.0 (Vals)Vals AI10.6%†24.8%†
Terminal-Bench ScienceVals AI5.7%†10.0%†
Arena SearchArena (LMArena)1191†–
Arena Agent Task CompletionArena (LMArena)-0.63.7†
GBAEvalEpoch AI Benchmarking Hub65.3%†–
Vending-Bench 2Andon Labs6377.7†–
AutomationBenchArtificial Analysis32.1%57.9%†
GDP.pdf (AA)Artificial Analysis9.4%26.6%†
Harvey LAB-AA v1.1Harvey–8.9%†
EnterpriseOps-GymArtificial Analysis44.7%†–
AA-Briefcase v1.1Artificial Analysis11771581†
Design Arena AgenticDesign Arena1222†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 Hub65.6%†74.0%†
FrontierMath Tier 4Epoch AI Benchmarking Hub29.3%†46.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub80.0%†99.2%†
ProofBenchVals AI77.0%†55.0%
LiveBench MathematicsLiveBench92.9%†96.0%†
Arena MathsArena (LMArena)14721506†
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub33.7%†–
LiveBench 2.0 Data AnalysisLiveBench–79.6%†
LiveBench ResearchLiveBench–82.5%†
LiveBench 1.0 Data AnalysisLiveBench71.7%†79.6%†
AA-Omniscience v1.1Artificial Analysis–22.4†
MMLU-ProVals AI87.5%†–
LegalBenchVals AI83.9%†–
CorpFinVals AI67.0%†–
TaxEvalVals AI75.6%†–
PRBench FinanceScale AI SEAL–59.5%
PRBench LegalScale AI SEAL–61.6%
Excel Modeling BenchmarkVals AI66.3%†67.4%†
MedCodeVals AI47.5%†–
MedScribeVals AI76.0%†–
Public Benefits Bench v1.1Vals AI66.0%†–
Access to Justice BenchmarkVals AI–72.2%†
Financial Coaching BenchVals AI–70.3%†
Immigration BenchVals AI–64.9%†
DrugDiscoveryBenchScale AI SEAL50.0%†62.2%†
GDP.pdfEpoch AI Benchmarking Hub–27.6%
AA-Omniscience v1.1: accuracyArtificial Analysis–38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–74.8%†
FACTS ParametricGoogle20.5%†–
指示追従
LiveBench LanguageLiveBench75.0%†82.8%†
LiveBench Instruction FollowingLiveBench63.9%†78.0%†
Arena Instruction FollowingArena (LMArena)14671485†
人間の評価
Arena TextArena (LMArena)14611497†
EQ-Bench 4EQ-Bench1221†–
EQ-Bench Creative Writing v3EQ-Bench1798†1907
Arena Creative WritingArena (LMArena)14341468†
Arena Multi-turnArena (LMArena)14731493†
Arena Longer QueriesArena (LMArena)14811498†
マルチモーダル
Arena VisionArena (LMArena)12721310†
LiveBench DesignLiveBench–74.8%†
MMMU-ProArtificial Analysis77.3%†82.0%†
MMMU-Pro (Vals)Vals AI83.0%†–
MortgageTaxVals AI70.0%†–
Humanity's Sixth SenseScale AI SEAL24.8%†37.4%†
GeoBenchGeoBench74.0%86.0%
Blueprint-Bench 2Epoch AI Benchmarking Hub24.9%†–
Code2Video-AAArtificial Analysis–1019†
AA-3DArtificial Analysis–1032†
長文コンテキスト
AA-LCR v1.1Artificial Analysis76.7%83.0%†
Arena DocumentArena (LMArena)14691474†
MLCRArtificial Analysis4.4%13.9%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.9†158.2
LiveBench 2.0LiveBench–68.6%†
LiveBench 1.0LiveBench76.0%†81.6%†
AA Intelligence Index v5.0.1Artificial Analysis–36.6†
AA Intelligence Index v4.3.2Artificial Analysis31.748.1†
AA Progress Index v1Artificial Analysis296.8324.5†
Vals RSI IndexVals AI–19.6%†
Vals Multimodal IndexVals AI68.8%†–
AA Cyber IndexArtificial Analysis–44.3†
安全性・誠実さ
DistressBenchScale AI SEAL68.0%†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

  • Muse Spark 1.3:BenchLeader Index 60.2 → 61.6。
  • Claude Sonnet 5 (high):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。
  • Muse Spark 1.3:スコアの改訂1件。
  • Muse Spark 1.3:BenchLeader Index 59.2 → 60.2。
  • Claude Sonnet 5 (high):新しい結果1件(GeoBench)。
  • Muse Spark 1.3:新しい結果2件(SimpleBench, GeoBench)。
  • Muse Spark 1.3:BenchLeader Index 57.7 → 59.2。
  • Muse Spark 1.3:スコアの改訂4件。
  • Claude Sonnet 5 (high):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 Sonnet 5 vs Muse Spark 1.3:よくある質問

Claude Sonnet 5はMuse Spark 1.3より優れていますか?
Claude Sonnet 5 (high)とMuse Spark 1.3の品質は互角です(59.0 対 61.6、±8.6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 $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。
Claude Sonnet 5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 99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 53。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 5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 15.8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 Sonnet 5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3件のベンチマークのうち、Claude Sonnet 5のリードが0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。