BenchLeader

DeepSeek V4.1 Flash 1017 vs Muse Wonder

詳しいプロフィール:DeepSeek V4.1 Flash 1017(DeepSeek)とMuse Wonder(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 WonderがDeepSeek V4.1 Flashを上回ります(BenchLeader Indexで64.4 対 57.7)。ただし、価格はDeepSeek V4.1 Flashの方が15倍安く、100万トークンあたりのブレンド価格で$0.525 対 $8.00です。両方を測定できるすべてのカテゴリでMuse Wonderがリードしています。DeepSeek V4.1 Flashの方が出力が約2倍速いです。

要点(2026年11月16日時点)

  • BenchLeader IndexはDeepSeek V4.1 Flashが57.7、Muse Wonderが64.4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 Wonderの100万トークンあたりのブレンド価格は$8.00です(定価、2026年11月16日)。
  • DeepSeek V4.1 FlashはMuse Wonderより出力が約2倍速いです(Artificial Analysis、7日間の中央値、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 Wonderカテゴリスコア76 対 58高
数学Muse Wonderカテゴリスコア70 対 61高
知識Muse Wonderカテゴリスコア77 対 48高
チャットの質(人間の評価)–Arenaの評価があるのはMuse Wonderのみです(カテゴリスコア70)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 $8.00;エージェント型コーディングセッション$0.023 対 $0.320–
回答開始の速さMuse Wonder最初の回答トークンまで3.3秒(Muse Wonder)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

  • 品質ではMuse Wonderがリードしています:64.4 対 57.7。
  • Muse Wonderはエージェント・ツール、知識、数学で優れています。
  • DeepSeek V4.1 Flash 1017 (max)の方が15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 $8.00)。
  • DeepSeek V4.1 Flash 1017 (max)の方が出力が2.5倍速くなっています(174 対 70トークン/秒)。

概要

仕様DeepSeek V4.1 Flash 1017Muse Wonder
プロバイダーDeepSeekMeta
リリース日2026年10月17日2026年10月12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 Wonder
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$4.00 / $20.00 / $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DeepSeek V4.1 Flash 1017 (max)Muse Wonderトップ
推論55.7–比較不可
コーディング63.0–比較不可
エージェント・ツール57.675.6Muse Wonder
数学60.970.1Muse Wonder
知識47.777.1Muse Wonder
人間の評価–69.6比較不可
マルチモーダル63.0–比較不可
長文コンテキスト66.0–比較不可
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エージェント・ツール数学知識DeepSeek 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: 47.7Muse Wonder, エージェント・ツール: 75.6Muse Wonder, 数学: 70.1Muse Wonder, 知識: 77.1

描画していないもの(測定済みのモデルが2つ未満):推論, コーディング, 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0件のベンチマークのうち、DeepSeek V4.1 Flash 1017のリードが0件、Muse Wonder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 Wonderが上回っています。

総合IndexDeepSeek V4.1 Flash 1017 (max)Muse Wonderトップ
BenchLeader Index57.764.4Muse Wonder
AA Intelligence Index v5.0.132.640.5†Muse Wonder
Vals Index61.364.9†Muse Wonder

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 Wonder
100万トークンあたりのブレンド価格$0.525$8.00
100万トークンあたりの入力/出力$0.300 / $1.20$4.00 / $20.00
100万トークンあたりのキャッシュ入力$0.0060$0.200
タスクあたりの価格:チャットの返答$0.0005$0.0076
タスクあたりの価格:30ページのレポートを要約$0.0043$0.060
タスクあたりの価格:コード編集$0.0036$0.054
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$0.320
タスクあたりの価格:構造化データの抽出$0.0008$0.012
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$0.149
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/s70 tok/s
回答開始までの時間39.7秒3.3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 Wonderのスコアは64.4、最初の回答トークンまで3秒。Muse Wonder (max)は60.8(20秒)、Muse Wonder (high)は56.2(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

140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 Wonder
BenchLeader IndexBenchLeader57.764.4
エージェント・ツールスコアBenchLeader57.675.6
コーディングスコアBenchLeader63.0–
総合スコアBenchLeader55.5–
知識スコアBenchLeader47.777.1
長文コンテキストスコアBenchLeader66.0–
数学スコアBenchLeader60.970.1
マルチモーダルスコアBenchLeader63.0–
推論スコアBenchLeader55.7–
人間の評価スコアBenchLeader–69.6
ブレンド価格($/100万トークン)BenchLeader$0.525$8.00
出力速度BenchLeader174 tok/s70 tok/s
回答開始までの時間BenchLeader39.7秒3.3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%–
Arena Hard PromptsArena (LMArena)–1531†
LiveBench 2.0 ReasoningLiveBench89.1%90.6%†
LiveBench 1.0 ReasoningLiveBench–90.6%†
Humanity's Last Exam (AA)Artificial Analysis43.3%50.1%†
HLE-Diamond (AA)Artificial Analysis25.3%39.0%†
ARC-AGI-1ARC Prize93.5%–
ARC-AGI-2ARC Prize78.1%–
ARC-AGI-3ARC Prize5.8%–
CritPtArtificial Analysis24.0%28.3%†
CritPt v2 hard subset (AA)Artificial Analysis25.0%50.5%†
MysteryMechanismVals AI–27.5%†
HLE-Diamond (Scale)Scale AI SEAL20.5%†37.3%
Arena ExpertArena (LMArena)–1525†
Chess PuzzlesEpoch AI Benchmarking Hub46.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub49.0%51.0%†
LMCAEpoch AI Benchmarking Hub–56.8%
DTBenchEpoch AI Benchmarking Hub–95.2%
コーディング
SciCodeSciCode55.9%60.3%†
Arena CodingArena (LMArena)–1542†
Arena WebDevArena (LMArena)16641647†
LiveBench 2.0 CodingLiveBench80.4%74.9%†
LiveBench 1.0 CodingLiveBench–80.7%†
IOIVals AI–66.9%†
Code MigrationVals AI44.2%62.5%†
140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 Wonder
コーディング
Code Migration v1.1Vals AI67.5%72.4%†
SWE-bench MultimodalVals AI–45.6%†
Vibe Code Bench 1-100Vals AI–26.6%†
Vibe Code Bench v1.1Vals AI87.7%83.1%†
Vibe Code Bench 1-100 v1.1Vals AI26.1%–
SWE Atlas v1.1Scale AI SEAL–64.8%
SWE Atlas v1.1: Codebase QnAScale AI SEAL–73.4%
SWE Atlas v1.1: Test WritingScale AI SEAL–61.1%
SWE Atlas v1.1: RefactoringScale AI SEAL–60.0%
SWE-Bench Pro V2Scale AI SEAL–96.7%†
SWE-Bench Pro V2 HARDScale AI SEAL–90.2%†
MirrorCodeEpoch AI Benchmarking Hub–45.6%†
CursorBenchCursor47.7%50.4%†
ALE-BenchEpoch AI Benchmarking Hub1622–
WeirdML v3WeirdML9.2%†15.2%†
Terminal-Bench 4.0 (AA)Artificial Analysis33.8%52.0%†
GameBench 2 OverallDuelLab GameBench 261.4†64.8
GameBench 2 by reasoning settingDuelLab GameBench 269.954.9†
Design Arena WebsiteDesign Arena1295†1378†
FrontierCode 1.1 (AA)Artificial Analysis43.7%46.5%†
FrontierCode 2.0 (AA)Artificial Analysis28.5%27.9%†
エージェント・ツール
Terminal-BenchTerminal-Bench38.5%47.0%†
APEX-AgentsMercor69.8%66.1%†
Arena AgentArena (LMArena)21.8†
LiveBench Long AgenticLiveBench38.8%46.2%†
LiveBench BrowserLiveBench67.2%60.0%†
LiveBench Agentic CodingLiveBench–62.7%†
HiL-BenchScale AI SEAL–79.7%
GDPval-AA v2.1, normalised scoreArtificial Analysis62.3%63.5%†
GDPval-AA v2.1Artificial Analysis17461770†
CUA-benchVals AI–7.2%†
CyberBenchVals AI–80.4%†
Finance Agent v2Vals AI57.0%56.6%†
Finance Agent v2.1Vals AI62.9%65.5%†
Harvey's Legal Agent Benchmark v1.1Vals AI14.2%23.8%†
Harvey's Legal Agent Benchmark v1Vals AI9.2%17.1%†
Legal Research BenchVals AI45.2%50.5%†
Tax Agent BenchVals AI44.4%36.3%†
Terminal-Bench 4.0 (Vals)Vals AI31.8%49.5%†
Terminal-Bench ScienceVals AI–22.9%†
Arena Agent Task CompletionArena (LMArena)2.35.4†
PostTrainBenchEpoch AI Benchmarking Hub–24.2%†
Vending-Bench 2Andon Labs–9432.2
AutomationBenchArtificial Analysis66.6%68.1%†
GDP.pdf (AA)Artificial Analysis17.2%30.6%†
Harvey LAB-AA v1.1Harvey–10.0%†
AA-Briefcase v1.1Artificial Analysis15701659†
GDPxGDPx by SemiAnalysis5.4%6.8%†
Design Arena AgenticDesign Arena1282†1177†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis12.9%25.7%†
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%47.5%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub71.2%82.1%†
FrontierMath Tier 4Epoch AI Benchmarking Hub46.3%70.7%†
OTIS Mock AIMEEpoch AI Benchmarking Hub99.4%99.4%†
ProofBenchVals AI–84.0%
LiveBench MathematicsLiveBench–96.5%†
ArXivMathMathArena42.5%–
BrokenArXivMathArena48.7%–
Arena MathsArena (LMArena)–1490†
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub42.5%–
LiveBench 2.0 Data AnalysisLiveBench79.5%81.6%†
LiveBench ResearchLiveBench78.6%93.0%†
LiveBench 1.0 Data AnalysisLiveBench–81.6%†
AA-Omniscience v1.1Artificial Analysis0.925.1†
PRBench FinanceScale AI SEAL47.1%†58.7%
PRBench LegalScale AI SEAL47.3%†58.4%
BioMysteryBenchVals AI–67.0%†
Excel Modeling BenchmarkVals AI61.8%67.1%†
Excel Modeling Benchmark v1.1Vals AI69.2%72.5%†
Public Benefits Bench v1.1Vals AI–70.2%†
Access to Justice BenchmarkVals AI73.1%73.0%†
Financial Coaching BenchVals AI–73.8%†
Immigration BenchVals AI–69.6%†
DrugDiscoveryBenchScale AI SEAL60.6%†–
EBR-benchEpoch AI Benchmarking Hub–31.4%†
GDP.pdfEpoch AI Benchmarking Hub–30.8%†
AA-Omniscience v1.1: accuracyArtificial Analysis39.6%38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis35.9%79.1%†
指示追従
LiveBench LanguageLiveBench–82.9%†
LiveBench Instruction FollowingLiveBench–73.0%†
MultiChallengeScale AI SEAL74.9%†–
Arena Instruction FollowingArena (LMArena)–1498†
人間の評価
Arena TextArena (LMArena)–1511†
EQ-Bench 4EQ-Bench–1325
EQ-Bench Creative Writing v3EQ-Bench–2007
Arena Creative WritingArena (LMArena)–1491†
Arena Multi-turnArena (LMArena)–1525†
Arena Longer QueriesArena (LMArena)–1507†
マルチモーダル
LiveBench DesignLiveBench79.8%70.9%†
MMMU-ProArtificial Analysis80.6%83.8%†
Humanity's Sixth SenseScale AI SEAL30.1%43.7%†
Blueprint-Bench 2Epoch AI Benchmarking Hub–31.7%
Furniture AssemblyEpoch AI Benchmarking Hub–54.2%†
VIALS-AAHandshake AI40.4%55.3%†
Code2Video-AAArtificial Analysis–997†
長文コンテキスト
AA-LCR v1.1Artificial Analysis82.7%80.7%†
MLCRArtificial Analysis26.7%22.2%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub159.4†161.7
LiveBench 2.0LiveBench70.3%70.7%†
LiveBench 1.0LiveBench–81.2%†
AA Intelligence Index v5.0.1Artificial Analysis32.643.6†
AA Intelligence Index v4.3.2Artificial Analysis45.152.4†
AA Progress Index v1Artificial Analysis323.7335.8†
Vals IndexVals AI61.364.9†
Vals Finance IndexVals AI60.9%61.2%†
Vals Science IndexVals AI–39.1%†
Vals Router IndexVals AI61.3%†64.9%
Vals Legal IndexVals AI71.9%75.3%†
AA Cyber IndexArtificial Analysis56.8–
安全性・誠実さ
FORTRESSScale AI SEAL27.2%†–
DistressBenchScale AI SEAL–85.9%
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

  • Muse Wonder:BenchLeader Index 63.0 → 64.4。
  • 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。
  • 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。
  • Muse Wonder:BenchLeader Index 63.5 → 63.0。
  • DeepSeek V4.1 Flash 1017 (max):スコアの改訂1件。
  • Muse Wonder:新しい結果1件(Blueprint-Bench 2)。
  • Muse Wonder:BenchLeader Index 64.3 → 63.5。
  • Muse Wonder:スコアの改訂5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 Wonder:よくある質問

Muse WonderはDeepSeek V4.1 Flash 1017より優れていますか?
品質ではMuse Wonderがリードしています:64.4 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 Wonder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。
DeepSeek V4.1 Flash 1017とMuse Wonder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 $8.00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。
DeepSeek V4.1 Flash 1017とMuse Wonderはどちらが速いですか?
DeepSeek V4.1 Flash 1017の方が出力が約2倍速くなっています(出力174 対 70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。
エージェントやツール利用にはDeepSeek V4.1 Flash 1017とMuse Wonder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 Wonderの方がスコアが高くなっています(カテゴリ指標で76 対 58。50が平均)。
ほかの質問(3件)
長い文書にはどちらが向いていますか?
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 Wonderです。Artificial Analysisの測定では、最初の回答トークンまで3.3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。