BenchLeader

DeepSeek V4.1 Flash 1017 vs Muse Spark 1.2

詳しいプロフィール:DeepSeek V4.1 Flash 1017(DeepSeek)とMuse Spark 1.2(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 · 13件の情報源のデータ

2026年11月16日時点で、DeepSeek V4.1 FlashとMuse Spark 1.2の品質は互角です(BenchLeader Indexで57.7 対 61.5、±6.1の誤差範囲内)。価格はDeepSeek V4.1 Flashの方が3.8倍安く、100万トークンあたりのブレンド価格で$0.525 対 $2.00です。コーディング(63 対 55)、エージェント・ツール(58 対 55)、長文コンテキスト(66 対 64)を重視するならDeepSeek V4.1 Flash、知識(65 対 48)、推論(68 対 56)、数学(67 対 61)を重視するならMuse Spark 1.2が向いています。回答開始までの時間はMuse Spark 1.2の方が短く、11.4秒 対 39.7秒です。Muse Spark 1.2は出力が速い点も強みです。

要点(2026年11月16日時点)

  • BenchLeader IndexはDeepSeek V4.1 Flashが57.7、Muse Spark 1.2が61.5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)。
  • Muse Spark 1.2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)。
  • Muse Spark 1.2はDeepSeek V4.1 Flashより出力が速いです(Artificial Analysis、7日間の中央値、2026年11月16日)。
  • 両モデルに結果がある26件のベンチマークのうち、DeepSeek V4.1 Flashが20件でリードしています(BenchLeader、2026年11月16日)。
  • Arena WebDevでの評価はDeepSeek V4.1 Flash 1017が1664、Muse Spark 1.2が1534です(LMArena、2026年11月16日までの公開値)。

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DeepSeek V4.1 Flash 1017カテゴリスコア63 対 55;Arena WebDev 1664 対 1534高
エージェント・ツール利用DeepSeek V4.1 Flash 1017カテゴリスコア58 対 55;Arena Agent 2 対 -8.2中
数学Muse Spark 1.2カテゴリスコア67 対 61中
推論Muse Spark 1.2カテゴリスコア68 対 56;Humanity's Last Exam (AA) 45.5% 対 43.3%高
知識Muse Spark 1.2カテゴリスコア65 対 48;SimpleQA Verified 60.3% 対 42.5%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 79.0%中
画像などのメディアMuse Spark 1.2カテゴリスコア65 対 63;Humanity's Sixth Sense 24.5% 対 30.1%中
チャットの質(人間の評価)–Arenaの評価があるのはMuse Spark 1.2のみです(カテゴリスコア69)比較不可
最低コストDeepSeek V4.1 Flash 1017100万トークンあたりブレンド価格$0.525 対 $2.00;エージェント型コーディングセッション$0.023 対 $0.092–
回答開始の速さMuse Spark 1.2最初の回答トークンまで11.4秒(Muse Spark 1.2 (xhigh))対 39.7秒(DeepSeek V4.1 Flash 1017 (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

  • DeepSeek V4.1 Flash 1017 (max)とMuse Spark 1.2 (xhigh)の品質は互角です(57.7 対 61.5、±6.1の誤差範囲内)。
  • DeepSeek V4.1 Flash 1017 (max)はエージェント・ツール、コーディング、長文コンテキストで優れています。
  • Muse Spark 1.2 (xhigh)は知識、数学、マルチモーダル、推論で優れています。
  • DeepSeek V4.1 Flash 1017 (max)の方が3.8倍安くなっています(100万トークンあたりブレンド価格$0.525 対 $2.00)。

概要

仕様DeepSeek V4.1 Flash 1017Muse Spark 1.2
プロバイダーDeepSeekMeta
リリース日2026年10月17日2026年8月5日
コンテキストウィンドウ(トークン)1,048,5761,048,576
比較した構成DeepSeek V4.1 Flash 1017 (max)Muse Spark 1.2 (xhigh)
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$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DeepSeek V4.1 Flash 1017 (max)Muse Spark 1.2 (xhigh)トップ
推論55.768.1Muse Spark 1.2
コーディング63.054.7DeepSeek V4.1 Flash 1017
エージェント・ツール57.655.4DeepSeek V4.1 Flash 1017
数学60.966.8Muse Spark 1.2
知識47.764.5Muse Spark 1.2
人間の評価–68.6比較不可
マルチモーダル63.065.3Muse Spark 1.2
長文コンテキスト66.064.1DeepSeek 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 1.2, 推論: 68.1Muse Spark 1.2, コーディング: 54.7Muse Spark 1.2, エージェント・ツール: 55.4Muse Spark 1.2, 数学: 66.8Muse Spark 1.2, 知識: 64.5Muse Spark 1.2, 長文コンテキスト: 64.1Muse Spark 1.2, マルチモーダル: 65.3

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26件のベンチマークのうち、DeepSeek V4.1 Flash 1017のリードが20件、Muse Spark 1.2のリードが6件です。

総合IndexDeepSeek V4.1 Flash 1017 (max)Muse Spark 1.2 (xhigh)トップ
BenchLeader Index57.761.5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DeepSeek V4.1 Flash 1017 (max)Muse Spark 1.2 (xhigh)
100万トークンあたりのブレンド価格$0.525$2.00
100万トークンあたりの入力/出力$0.300 / $1.20$1.25 / $4.25
100万トークンあたりのキャッシュ入力$0.0060$0.150
タスクあたりの価格:チャットの返答$0.0005$0.0018
タスクあたりの価格:30ページのレポートを要約$0.0043$0.018
タスクあたりの価格:コード編集$0.0036$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$0.023$0.092
タスクあたりの価格:構造化データの抽出$0.0008$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)$0.0096$0.043
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/s208 tok/s
回答開始までの時間39.7秒11.4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23.9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 1.2 (xhigh)のスコアは61.5、最初の回答トークンまで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

142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 1.2 (xhigh)
BenchLeader IndexBenchLeader57.761.5
エージェント・ツールスコアBenchLeader57.655.4
コーディングスコアBenchLeader63.054.7
総合スコアBenchLeader55.5–
知識スコアBenchLeader47.764.5
長文コンテキストスコアBenchLeader66.064.1
数学スコアBenchLeader60.966.8
マルチモーダルスコアBenchLeader63.065.3
推論スコアBenchLeader55.768.1
人間の評価スコアBenchLeader–68.6
ブレンド価格($/100万トークン)BenchLeader$0.525$2.00
出力速度BenchLeader174 tok/s208 tok/s
回答開始までの時間BenchLeader39.7秒11.4秒
コンテキストウィンドウBenchLeader1,048,576トークン1,048,576トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub93.2%–
SimpleBenchSimpleBench–74.5%†
Arena Hard PromptsArena (LMArena)–1514
LiveBench 2.0 ReasoningLiveBench89.1%–
LiveBench 1.0 ReasoningLiveBench–90.0%
GPQA Diamond (AA)Artificial Analysis–90.4%
Humanity's Last Exam (AA)Artificial Analysis43.3%45.5%
HLE-Diamond (AA)Artificial Analysis25.3%–
ARC-AGI-1ARC Prize93.5%–
ARC-AGI-2ARC Prize78.1%–
ARC-AGI-3ARC Prize5.8%–
CritPtArtificial Analysis24.0%17.7%
CritPt v2 hard subset (AA)Artificial Analysis25.0%–
HLE-Diamond (Scale)Scale AI SEAL20.5%†–
Arena ExpertArena (LMArena)–1503
Chess PuzzlesEpoch AI Benchmarking Hub46.0%27.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub49.0%–
LMCAEpoch AI Benchmarking Hub–48.4%
DTBenchEpoch AI Benchmarking Hub–94.7%
コーディング
SciCodeSciCode55.9%57.4%
WeirdMLWeirdML–60.3%
Arena CodingArena (LMArena)–1542
Arena WebDevArena (LMArena)16641534
LiveBench 2.0 CodingLiveBench80.4%–
LiveBench 1.0 CodingLiveBench–77.5%
142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 1.2 (xhigh)
コーディング
IOIVals AI–21.8%
SWE-bench (Vals)Vals AI–86.6%
Code MigrationVals AI44.2%29.9%
Code Migration v1.1Vals AI67.5%–
ProgramBenchVals AI–0.5%
Vibe Code Bench v1.1Vals AI87.7%79.1%
Vibe Code Bench 1-100 v1.1Vals AI26.1%–
DeepSWE v1.1Epoch AI Benchmarking Hub–54.9%
CursorBenchCursor47.7%–
ALE-BenchEpoch AI Benchmarking Hub1622–
FrontierSWEEpoch AI Benchmarking Hub–12.0%
WeirdML v3WeirdML9.2%†–
Terminal-Bench 4.0 (AA)Artificial Analysis33.8%7.1%
Terminal-Bench 2.1 (AA)Artificial Analysis–80.2%
Startrise FrontendStartrise–70.3%†
GameBench 2 OverallDuelLab GameBench 261.4†51.5†
GameBench 2 by reasoning settingDuelLab GameBench 269.956.9
Design Arena WebsiteDesign Arena1295†1309†
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%45.4%†
Arena AgentArena (LMArena)2-8.2
LiveBench Long AgenticLiveBench38.8%–
LiveBench BrowserLiveBench67.2%–
LiveBench Agentic CodingLiveBench–57.6%
Terminal-Bench 2.1 (Vals)Vals AI–69.7%
GDPval-AA v2.1, normalised scoreArtificial Analysis62.3%–
GDPval-AA v2.1Artificial Analysis17461478
τ³-Banking (AA)Artificial Analysis–34.9%
CyberBenchVals AI–69.5%
Finance Agent v2Vals AI57.0%60.6%
Finance Agent v2.1Vals AI62.9%–
Harvey's Legal Agent Benchmark v1.1Vals AI14.2%–
Harvey's Legal Agent Benchmark v1Vals AI9.2%25.4%
Legal Research BenchVals AI45.2%43.8%
SkillsBenchVals AI–53.0%
SREBenchVals AI–0.0%
Tax Agent BenchVals AI44.4%32.8%
Terminal-Bench 4.0 (Vals)Vals AI31.8%6.1%
Arena Agent Task CompletionArena (LMArena)2.3-9.8
AutomationBenchArtificial Analysis66.6%40.6%
GDP.pdf (AA)Artificial Analysis17.2%17.4%
EnterpriseOps-GymArtificial Analysis–47.3%
AA-Briefcase v1.1Artificial Analysis15701323
GDPxGDPx by SemiAnalysis5.4%–
Design Arena AgenticDesign Arena1282†1185†
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%–
ProofBenchVals AI–43.0%†
LiveBench MathematicsLiveBench–91.2%
ArXivMathMathArena42.5%–
BrokenArXivMathArena48.7%–
Arena MathsArena (LMArena)–1486
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub42.5%60.3%
LiveBench 2.0 Data AnalysisLiveBench79.5%–
LiveBench ResearchLiveBench78.6%–
LiveBench 1.0 Data AnalysisLiveBench–76.5%
AA-Omniscience v1.1Artificial Analysis0.9–
MMLU-ProVals AI–88.3%
LegalBenchVals AI–85.3%
CorpFinVals AI–70.9%
TaxEvalVals AI–80.4%
PRBench FinanceScale AI SEAL47.1%†–
PRBench LegalScale AI SEAL47.3%†–
BioMysteryBenchVals AI–64.8%
Excel Modeling BenchmarkVals AI61.8%57.0%
Excel Modeling Benchmark v1.1Vals AI69.2%–
MedCodeVals AI–49.4%
MedScribeVals AI–90.1%
Public Benefits Bench v1.1Vals AI–68.5%
Access to Justice BenchmarkVals AI73.1%–
Financial Coaching BenchVals AI–75.7%
Immigration BenchVals AI–66.5%
DrugDiscoveryBenchScale AI SEAL60.6%†–
GDP.pdfEpoch AI Benchmarking Hub–16.0%
AA-Omniscience v1.1: accuracyArtificial Analysis39.6%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis35.9%–
指示追従
LiveBench LanguageLiveBench–78.6%
LiveBench Instruction FollowingLiveBench–74.3%
MultiChallengeScale AI SEAL74.9%†–
Arena Instruction FollowingArena (LMArena)–1479
人間の評価
Arena TextArena (LMArena)–1493
EQ-Bench Creative Writing v3EQ-Bench–1842†
Arena Creative WritingArena (LMArena)–1443
Arena Multi-turnArena (LMArena)–1510
Arena Longer QueriesArena (LMArena)–1491
マルチモーダル
Arena VisionArena (LMArena)–1305
LiveBench DesignLiveBench79.8%–
MMMU-ProArtificial Analysis80.6%–
MMMU-Pro (Vals)Vals AI–86.1%
MortgageTaxVals AI–65.4%
Humanity's Sixth SenseScale AI SEAL30.1%24.5%
VIALS-AAHandshake AI40.4%–
長文コンテキスト
AA-LCR v1.1Artificial Analysis82.7%79.0%
MLCRArtificial Analysis26.7%7.2%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub159.4†155.0†
LiveBench 2.0LiveBench70.3%–
LiveBench 1.0LiveBench–78.0%
AA Intelligence Index v5.0.1Artificial Analysis32.6–
AA Intelligence Index v4.3.2Artificial Analysis45.139.6
AA Progress Index v1Artificial Analysis323.7309.1
Vals IndexVals AI61.3–
Vals Finance IndexVals AI60.9%–
Vals Multimodal IndexVals AI–69.8%†
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%†–
DistressBenchScale AI SEAL–88.4%†
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 1.2 (xhigh):新しい結果1件(GDPval-AA v2.1)。
  • 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。
  • DeepSeek V4.1 Flash 1017 (max):スコアの改訂1件。
  • DeepSeek V4.1 Flash 1017 (max):スコアの改訂3件。
  • Muse Spark 1.2 (xhigh):スコアの改訂1件。
  • DeepSeek V4.1 Flash 1017 (max):新しい結果1件(ARC-AGI-3)、スコアの改訂2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 1.2:よくある質問

DeepSeek V4.1 Flash 1017はMuse Spark 1.2より優れていますか?
DeepSeek V4.1 Flash 1017 (max)とMuse Spark 1.2 (xhigh)の品質は互角です(57.7 対 61.5、±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。
DeepSeek V4.1 Flash 1017とMuse Spark 1.2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DeepSeek V4.1 Flash 1017の方が安く、100万トークンあたり$0.525 対 $2.00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DeepSeek V4.1 Flash 1017とMuse Spark 1.2のどちらが向いていますか?
コーディングではDeepSeek V4.1 Flash 1017の方がスコアが高くなっています(カテゴリ指標で63 対 55。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Arena WebDevでは、DeepSeek V4.1 Flash 1017が1664、Muse Spark 1.2が1534です。
DeepSeek V4.1 Flash 1017とMuse Spark 1.2はどちらが速いですか?
Muse Spark 1.2の方が出力が速くなっています(出力208 対 174トークン/秒、Artificial Analysisの7日間の中央値)。
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。
ほかの質問(5件)
エージェントやツール利用にはDeepSeek V4.1 Flash 1017とMuse Spark 1.2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DeepSeek V4.1 Flash 1017の方がスコアが高くなっています(カテゴリ指標で58 対 55。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Arena Agentでは、DeepSeek V4.1 Flash 1017が2、Muse Spark 1.2が-8.2です。
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)。どちらも1,048,576トークンのコンテキストに対応しています。
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 1.2です。Artificial Analysisの測定では、最初の回答トークンまで11.4秒 対 39.7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。
DeepSeek V4.1 Flash 1017とMuse Spark 1.2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26件のベンチマークのうち、DeepSeek V4.1 Flash 1017のリードが20件、Muse Spark 1.2のリードが6件です。
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。