BenchLeader

DeepSeek V4.1 Flash 1017 vs Muse Spark

詳しいプロフィール:DeepSeek V4.1 Flash 1017(DeepSeek)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 · 14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DeepSeek V4.1 Flashを上回ります(BenchLeader Indexで64.2 対 57.7)。長文コンテキスト(66 対 64)、数学(61 対 59)を重視するならDeepSeek V4.1 Flash、知識(63 対 48)、推論(67 対 56)、エージェント・ツール(65 対 58)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DeepSeek V4.1 Flashが57.7、Muse Sparkが64.2です(BenchLeader、2026年11月16日)。
  • DeepSeek V4.1 Flashの100万トークンあたりのブレンド価格は$0.525です(定価、2026年11月16日)。
  • 両モデルに結果がある11件のベンチマークのうち、DeepSeek V4.1 Flashが11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 63;SciCode 51.5% 対 55.9%中
エージェント・ツール利用Muse Sparkカテゴリスコア65 対 58;GDPval-AA v2.1 1006 対 1746中
数学DeepSeek V4.1 Flash 1017カテゴリスコア61 対 59;OTIS Mock AIME 99.4% 対 88.9%中
推論Muse Sparkカテゴリスコア67 対 56;GPQA Diamond 89.8% 対 93.2%高
知識Muse Sparkカテゴリスコア63 対 48高
長い文書DeepSeek V4.1 Flash 1017カテゴリスコア66 対 64;AA-LCR v1.1 82.7% 対 78.0%中
画像などのメディアMuse Sparkカテゴリスコア64 対 63;MMMU-Pro 80.5% 対 80.6%中
チャットの質(人間の評価)–Arenaの評価があるのはMuse Sparkのみです(カテゴリスコア68)比較不可
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 57.7。
  • DeepSeek V4.1 Flash 1017 (max)は長文コンテキスト、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、知識、マルチモーダル、推論で優れています。

概要

仕様DeepSeek V4.1 Flash 1017Muse Spark
プロバイダーDeepSeekMeta
リリース日2026年10月17日2026年4月8日
コンテキストウィンドウ(トークン)1,048,576262,144
比較した構成DeepSeek V4.1 Flash 1017 (max)Muse Spark
オープンウェイトありなし
100万トークンあたりの価格(入力/出力/キャッシュ入力)$0.300 / $1.20 / $0.0060–

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DeepSeek V4.1 Flash 1017 (max)Muse Sparkトップ
推論55.767.4Muse Spark
コーディング63.065.1Muse Spark
エージェント・ツール57.665.0Muse Spark
数学60.959.1DeepSeek V4.1 Flash 1017
知識47.763.1Muse Spark
指示追従–76.9比較不可
人間の評価–68.1比較不可
マルチモーダル63.064.2Muse Spark
長文コンテキスト66.063.6DeepSeek V4.1 Flash 1017
総合55.5–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・ツール数学知識長文コンテキストマルチモーダルDeepSeek V4.1 Flash 1017, 推論: 55.7DeepSeek V4.1 Flash 1017, コーディング: 63.0DeepSeek V4.1 Flash 1017, エージェント・ツール: 57.6DeepSeek V4.1 Flash 1017, 数学: 60.9DeepSeek V4.1 Flash 1017, 知識: 47.7DeepSeek V4.1 Flash 1017, 長文コンテキスト: 66.0DeepSeek V4.1 Flash 1017, マルチモーダル: 63.0Muse 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, 知識: 63.1Muse Spark, 長文コンテキスト: 63.6Muse Spark, マルチモーダル: 64.2

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, 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11件のベンチマークのうち、DeepSeek V4.1 Flash 1017のリードが11件、Muse Sparkのリードが0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IndexDeepSeek V4.1 Flash 1017 (max)Muse Sparkトップ
BenchLeader Index57.764.2Muse 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DeepSeek V4.1 Flash 1017 (max)Muse Spark
100万トークンあたりのブレンド価格$0.525–
100万トークンあたりの入力/出力$0.300 / $1.20– / –
100万トークンあたりのキャッシュ入力$0.0060–
タスクあたりの価格:チャットの返答$0.0005–
タスクあたりの価格:30ページのレポートを要約$0.0043–
タスクあたりの価格:コード編集$0.0036–
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$0.023–
タスクあたりの価格:構造化データの抽出$0.0008–
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)$0.0096–
ベンチマークのタスクあたりのコスト(AA Index)$0.602–
タスクあたりの出力トークン(AA Index)139k–
うち推論91k–
タスクあたりの時間(AA Index)13 min–
出力速度174 tok/s–
回答開始までの時間39.7秒–
回答が完了するまでの時間(最終測定2026年11月13日)91.2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。DeepSeek V4.1 Flash 1017 (max)のスコアは57.7、最初の回答トークンまで40秒。DeepSeek V4.1 Flash 1017 (high)は51.2(20秒)、DeepSeek V4.1 Flash 1017 (推論なし)は44.9(1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

127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DeepSeek V4.1 Flash 1017 (max)Muse Spark
BenchLeader IndexBenchLeader57.764.2
エージェント・ツールスコアBenchLeader57.665.0
コーディングスコアBenchLeader63.065.1
総合スコアBenchLeader55.5–
知識スコアBenchLeader47.763.1
長文コンテキストスコアBenchLeader66.063.6
数学スコアBenchLeader60.959.1
マルチモーダルスコアBenchLeader63.064.2
推論スコアBenchLeader55.767.4
人間の評価スコアBenchLeader–68.1
指示追従スコアBenchLeader–76.9
ブレンド価格($/100万トークン)BenchLeader$0.525–
出力速度BenchLeader174 tok/s–
回答開始までの時間BenchLeader39.7秒–
コンテキストウィンドウBenchLeader1,048,576トークン262,144トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub93.2%89.8%
Humanity's Last ExamScale AI / CAIS–40.6%
Arena Hard PromptsArena (LMArena)–1506
LiveBench 2.0 ReasoningLiveBench89.1%–
GPQA Diamond (AA)Artificial Analysis–88.4%
Humanity's Last Exam (AA)Artificial Analysis43.3%40.7%
HLE-Diamond (AA)Artificial Analysis25.3%–
GPQA Diamond (Vals)Vals AI–89.7%
ARC-AGI-1ARC Prize93.5%–
ARC-AGI-2ARC Prize78.1%–
ARC-AGI-3ARC Prize5.8%–
CritPtArtificial Analysis24.0%11.3%
CritPt v2 hard subset (AA)Artificial Analysis25.0%–
HLE-Diamond (Scale)Scale AI SEAL20.5%†–
Arena ExpertArena (LMArena)–1491
Chess PuzzlesEpoch AI Benchmarking Hub46.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub49.0%–
コーディング
SciCodeSciCode55.9%51.5%
Arena CodingArena (LMArena)–1529
Arena WebDevArena (LMArena)1664–
LiveBench 2.0 CodingLiveBench80.4%–
SciCode (AA)Artificial Analysis55.9%–
SWE-bench (Vals)Vals AI–74.4%
SWE-Bench ProScale AI SEAL–55.0%
Code MigrationVals AI44.2%–
127件のベンチマークをすべて表示
指標公開元DeepSeek V4.1 Flash 1017 (max)Muse Spark
コーディング
Code Migration v1.1Vals AI67.5%–
Vibe Code Bench v1.1Vals AI87.7%19.7%
Vibe Code Bench 1-100 v1.1Vals AI26.1%–
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%
CursorBenchCursor47.7%–
ALE-BenchEpoch AI Benchmarking Hub1622–
WeirdML v3WeirdML9.2%†–
Terminal-Bench 4.0 (AA)Artificial Analysis33.8%–
Terminal-Bench 2.1 (AA)Artificial Analysis–62.2%
GameBench 2 OverallDuelLab GameBench 261.4†–
GameBench 2 by reasoning settingDuelLab GameBench 269.9–
Design Arena WebsiteDesign Arena1295†1253
FrontierCode 1.1 (AA)Artificial Analysis43.7%–
FrontierCode 2.0 (AA)Artificial Analysis28.5%–
エージェント・ツール
Terminal-BenchTerminal-Bench38.5%–
APEX-AgentsMercor69.8%–
Arena AgentArena (LMArena)2–
LiveBench Long AgenticLiveBench38.8%–
LiveBench BrowserLiveBench67.2%–
Terminal-Bench HardArtificial Analysis–45.5%
τ²-Bench Telecom (AA)Artificial Analysis–91.5%
MCP AtlasScale AI SEAL–82.2%
GDPval-AA v2.1, normalised scoreArtificial Analysis62.3%–
GDPval-AA v2.1Artificial Analysis17461006
Finance Agent v2Vals AI57.0%–
Finance Agent v2.1Vals AI62.9%–
Harvey's Legal Agent Benchmark v1.1Vals AI14.2%–
Harvey's Legal Agent Benchmark v1Vals AI9.2%–
Legal Research BenchVals AI45.2%–
Tax Agent BenchVals AI44.4%–
Terminal-Bench 2.0 (Vals)Vals AI–59.5%
Terminal-Bench 4.0 (Vals)Vals AI31.8%–
Arena Agent Task CompletionArena (LMArena)2.3–
AutomationBenchArtificial Analysis66.6%–
GDP.pdf (AA)Artificial Analysis17.2%–
AA-Briefcase v1.1Artificial Analysis1570646
GDPxGDPx by SemiAnalysis5.4%–
Design Arena AgenticDesign Arena1282†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis12.9%–
CWE-Bench (AA)Artificial Analysis69.2%–
DeepSec-Bench (AA)Artificial Analysis24.9%–
CyberGym end-to-end (AA)Artificial Analysis76.3%–
MKA (AA)Artificial Analysis38.5%–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub71.2%–
FrontierMath Tier 4Epoch AI Benchmarking Hub46.3%–
OTIS Mock AIMEEpoch AI Benchmarking Hub99.4%88.9%
ProofBenchVals AI–17.0%
AIME (Vals)Vals AI–96.9%
ArXivMathMathArena42.5%–
BrokenArXivMathArena48.7%–
Arena MathsArena (LMArena)–1469
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub42.5%–
LiveBench 2.0 Data AnalysisLiveBench79.5%–
LiveBench ResearchLiveBench78.6%–
AA-Omniscience v1.1Artificial Analysis0.9–
MMLU-ProVals AI–87.3%
LegalBenchVals AI–84.2%
CorpFinVals AI–65.1%
TaxEvalVals AI–77.7%
PRBench FinanceScale AI SEAL47.1%†52.4%
PRBench LegalScale AI SEAL47.3%†52.3%
MultiNRCScale AI SEAL–59.0%
CaseLaw v2Vals AI–63.1%
Excel Modeling BenchmarkVals AI61.8%–
Excel Modeling Benchmark v1.1Vals AI69.2%–
MedCodeVals AI–51.3%
MedScribeVals AI–85.9%
Access to Justice BenchmarkVals AI73.1%–
DrugDiscoveryBenchScale AI SEAL60.6%†–
AA-Omniscience v1.1: accuracyArtificial Analysis39.6%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis35.9%–
指示追従
IFBenchArtificial Analysis–75.9%
MultiChallengeScale AI SEAL74.9%†75.5%
TutorBenchScale AI SEAL–68.5%
Arena Instruction FollowingArena (LMArena)–1465
人間の評価
Arena TextArena (LMArena)–1489
Arena Creative WritingArena (LMArena)–1464
Arena Multi-turnArena (LMArena)–1493
Arena Longer QueriesArena (LMArena)–1476
マルチモーダル
Arena VisionArena (LMArena)–1306
LiveBench DesignLiveBench79.8%–
MMMU-ProArtificial Analysis80.6%80.5%
MMMU-Pro (Vals)Vals AI–87.4%
Humanity's Sixth SenseScale AI SEAL30.1%–
VIALS-AAHandshake AI40.4%–
長文コンテキスト
AA-LCR v1.1Artificial Analysis82.7%78.0%
Arena DocumentArena (LMArena)–1467
MLCRArtificial Analysis26.7%–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub159.4†153.1
LiveBench 2.0LiveBench70.3%–
AA Intelligence Index v5.0.1Artificial Analysis32.6–
AA Intelligence Index v4.3.2Artificial Analysis45.131.3
AA Progress Index v1Artificial Analysis323.7289.1
Vals IndexVals AI61.3–
Vals Finance IndexVals AI60.9%–
Vals Router IndexVals AI61.3%†–
Vals Legal IndexVals AI71.9%–
AA Cyber IndexArtificial Analysis56.8–
安全性・誠実さ
FORTRESSScale AI SEAL27.2%†20.2%
メタデータ
AA Openness IndexArtificial Analysis44.4–

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

  • DeepSeek V4.1 Flash 1017 (max):新しい結果8件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • DeepSeek V4.1 Flash 1017 (max):BenchLeader Index 58.5 → 58.0。
  • Muse Spark:新しい結果2件(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • DeepSeek V4.1 Flash 1017 (max):新しい結果1件(Terminal-Bench)、スコアの改訂1件。
  • DeepSeek V4.1 Flash 1017 (max):BenchLeader Index 59.0 → 58.5。
  • DeepSeek V4.1 Flash 1017 (max):スコアの改訂1件。
  • Muse Spark:BenchLeader Index 64.6 → 64.1。
  • DeepSeek V4.1 Flash 1017 (max):スコアの改訂1件。
  • Muse Spark:スコアの改訂1件。
  • DeepSeek V4.1 Flash 1017 (max):スコアの改訂3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

DeepSeek V4.1 Flash 1017 vs Muse Spark:よくある質問

Muse SparkはDeepSeek V4.1 Flash 1017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 57.7。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DeepSeek V4.1 Flash 1017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 63。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、DeepSeek V4.1 Flash 1017が55.9%、Muse Sparkが51.5%です。
DeepSeek V4.1 FlashとDeepSeek V4.1 Flash 1017は同じものですか?
ここで比較しているチェックポイントはDeepSeek V4.1 Flash 1017です(BenchLeader Index 57.7)。以前のビルドを置き換えたため、DeepSeek V4.1 Flashで検索した方もこのページに案内しています。
エージェントやツール利用にはDeepSeek V4.1 Flash 1017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 58。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DeepSeek V4.1 Flash 1017の方がスコアが高くなっています(66 対 64)。コンテキストはDeepSeek V4.1 Flash 1017の方が長く、1,048,576トークンです(Muse Sparkは262,144トークン)。
ほかの質問(2件)
DeepSeek V4.1 Flash 1017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11件のベンチマークのうち、DeepSeek V4.1 Flash 1017のリードが11件、Muse Sparkのリードが0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。
DeepSeek V4.1 Flash 1017はいつリリースされましたか?
DeepSeek V4.1 Flash 1017は2026年10月17日にリリースされました。