GLM 5.2 vs Muse Spark
詳しいプロフィール:GLM 5.2(Zhipu AI)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、GLM 5.2とMuse Sparkの品質は互角です(BenchLeader Indexで58.9 対 64.2、±5.3の誤差範囲内)。両方を測定できるすべてのカテゴリでMuse Sparkがリードしています。
要点(2026年11月16日時点)
- BenchLeader IndexはGLM 5.2が58.9、Muse Sparkが64.2です(BenchLeader、2026年11月16日)。
- GLM 5.2の100万トークンあたりのブレンド価格は$2.15です(定価、2026年11月16日)。
- 両モデルに結果がある25件のベンチマークのうち、GLM 5.2が18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 62;SciCode 51.5% 対 51.2% | 中 |
| エージェント・ツール利用 | Muse Spark | カテゴリスコア65 対 62;Terminal-Bench Hard 45.5% 対 50.8% | 中 |
| 数学 | Muse Spark | カテゴリスコア59 対 53;OTIS Mock AIME 88.9% 対 86.4% | 中 |
| 推論 | Muse Spark | カテゴリスコア67 対 57;Arena Hard Prompts 1506 対 1496 | 高 |
| 知識 | Muse Spark | カテゴリスコア63 対 44 | 高 |
| 長い文書 | どちらでも | カテゴリスコア64 対 64;AA-LCR v1.1 78.3% 対 78.0% | どちらでも |
| 指示への追従 | Muse Spark | カテゴリスコア77 対 72;IFBench 75.9% 対 73.3% | 中 |
| チャットの質(人間の評価) | Muse Spark | Arenaの投票で68 対 66 | 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
- GLM 5.2 (max)とMuse Sparkの品質は互角です(58.9 対 64.2、±5.3の誤差範囲内)。
- GLM 5.2 (max)は長文コンテキストで優れています。
- Muse Sparkはエージェント・ツール、コーディング、人間の評価、指示追従、知識、数学、推論で優れています。
概要
| 仕様 | GLM 5.2 | Muse Spark |
|---|---|---|
| プロバイダー | Zhipu AI | Meta |
| リリース日 | 2026年6月16日 | 2026年4月8日 |
| コンテキストウィンドウ(トークン) | 1,000,000 | 262,144 |
| 比較した構成 | GLM 5.2 (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) | $1.40 / $4.40 / $0.260 | – |
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 | GLM 5.2 (max) | Muse Spark | トップ |
|---|---|---|---|
| 推論 | 57.2 | 67.4 | Muse Spark |
| コーディング | 61.8 | 65.1 | Muse Spark |
| エージェント・ツール | 62.1 | 65.0 | Muse Spark |
| 数学 | 52.6 | 59.1 | Muse Spark |
| 知識 | 44.3 | 63.1 | Muse Spark |
| 指示追従 | 71.8 | 76.9 | Muse Spark |
| 人間の評価 | 66.4 | 68.1 | Muse Spark |
| マルチモーダル | – | 64.2 | 比較不可 |
| 長文コンテキスト | 63.8 | 63.6 | 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。
描画していないもの(測定済みのモデルが2つ未満):マルチモーダル。
情報源で評価が分かれる点
両方に結果がある25件のベンチマークのうち、GLM 5.2のリードが18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Index | GLM 5.2 (max) | Muse Spark | トップ |
|---|---|---|---|
| BenchLeader Index | 58.9 | 64.2 | 互角 |
| Arena Text | 1475 | 1489 | Muse 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 | GLM 5.2 (max) | Muse Spark |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $2.15 | – |
| 100万トークンあたりの入力/出力 | $1.40 / $4.40 | – / – |
| 100万トークンあたりのキャッシュ入力 | $0.260 | – |
| タスクあたりの価格:チャットの返答 | $0.0019 | – |
| タスクあたりの価格:30ページのレポートを要約 | $0.019 | – |
| タスクあたりの価格:コード編集 | $0.015 | – |
| 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 | $0.102 | – |
| タスクあたりの価格:構造化データの抽出 | $0.0037 | – |
| 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) | $0.050 | – |
| 出力速度 | 69 tok/s | – |
| 回答開始までの時間 | 26.8秒 | – |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 56.7秒 | – |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。GLM 5.2 (max)のスコアは58.9、最初の回答トークンまで27秒。GLM 5.2は51.9(1秒)、GLM 5.2 (推論なし)は45.8(2秒)。Muse Sparkのスコアは64.2。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
126件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | GLM 5.2 (max) | Muse Spark |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 58.9 | 64.2 |
| エージェント・ツールスコア | BenchLeader | 62.1 | 65.0 |
| コーディングスコア | BenchLeader | 61.8 | 65.1 |
| 人間の評価スコア | BenchLeader | 66.4 | 68.1 |
| 指示追従スコア | BenchLeader | 71.8 | 76.9 |
| 知識スコア | BenchLeader | 44.3 | 63.1 |
| 長文コンテキストスコア | BenchLeader | 63.8 | 63.6 |
| 数学スコア | BenchLeader | 52.6 | 59.1 |
| 推論スコア | BenchLeader | 57.2 | 67.4 |
| マルチモーダルスコア | BenchLeader | – | 64.2 |
| ブレンド価格($/100万トークン) | BenchLeader | $2.15 | – |
| 出力速度 | BenchLeader | 69 tok/s | – |
| 回答開始までの時間 | BenchLeader | 26.8秒 | – |
| コンテキストウィンドウ | BenchLeader | 1,000,000トークン | 262,144トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 91.9% | 89.8% |
| Humanity's Last Exam | Scale AI / CAIS | – | 40.6% |
| SimpleBench | SimpleBench | 58.8%† | – |
| Arena Hard Prompts | Arena (LMArena) | 1496 | 1506 |
| LiveBench 1.0 Reasoning | LiveBench | 78.6%† | – |
| GPQA Diamond (AA) | Artificial Analysis | 89.5% | 88.4% |
| Humanity's Last Exam (AA) | Artificial Analysis | 41.1% | 40.7% |
| HLE-Diamond (AA) | Artificial Analysis | 17.7% | – |
| GPQA Diamond (Vals) | Vals AI | 85.6%† | 89.7% |
| Kagi LLM Benchmark | Kagi LLM Benchmark | 62.6%† | – |
| ARC-AGI-1 | ARC Prize | 77.0%† | – |
| ARC-AGI-2 | ARC Prize | 22.8%† | – |
| CritPt | Artificial Analysis | 20.9% | 11.3% |
| Arena Expert | Arena (LMArena) | 1502 | 1491 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 22.0% | – |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 18.0%† | – |
| LMCA | Epoch AI Benchmarking Hub | 45.8% | – |
| DTBench | Epoch AI Benchmarking Hub | 93.6% | – |
| コーディング | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | 78.7% | – |
| SciCode | SciCode | 51.2% | 51.5% |
| WeirdML | WeirdML | 70.1% | – |
| FrontierCode | Cognition | 24.5%† | – |
| Arena Coding | Arena (LMArena) | 1515 | 1529 |
| Arena WebDev | Arena (LMArena) | 1608 | – |
| LiveBench 1.0 Coding | LiveBench | 79.7%† | – |
126件のベンチマークをすべて表示
| 指標 | 公開元 | GLM 5.2 (max) | Muse Spark |
|---|---|---|---|
| コーディング | |||
| SciCode (AA) | Artificial Analysis | 51.2% | – |
| LiveCodeBench | Vals AI | 69.5%† | – |
| SWE-bench (Vals) | Vals AI | 82.8% | 74.4% |
| SWE-Bench Pro | Scale AI SEAL | – | 55.0% |
| Code Migration | Vals AI | 37.9% | – |
| ProgramBench | Vals AI | 0.5% | – |
| Vibe Code Bench v1.1 | Vals AI | 64.0% | 19.7% |
| SWE-Bench Pro (private) | Scale AI SEAL | – | 44.7% |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | 48.1%† | 24.2% |
| SWE Atlas v1.0: Refactoring | Scale AI SEAL | 42.4%† | – |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | 41.5%† | 31.1% |
| MirrorCode | Epoch AI Benchmarking Hub | 36.7% | – |
| Surface Evolver Bench | Epoch AI Benchmarking Hub | 55.6%† | – |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | 43.8% | – |
| ALE-Bench | Epoch AI Benchmarking Hub | 1010.2 | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 1.0% | – |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 77.9% | 62.2% |
| Startrise Frontend | Startrise | 72.1%† | – |
| GameBench 2 Overall | DuelLab GameBench 2 | 43.1† | – |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 32.4† | – |
| Design Arena Website | Design Arena | 1277† | 1253 |
| エージェント・ツール | |||
| APEX-Agents | Mercor | 45.2%† | – |
| Arena Agent | Arena (LMArena) | 0.2 | – |
| LiveBench Agentic Coding | LiveBench | 51.8%† | – |
| Terminal-Bench Hard | Artificial Analysis | 50.8% | 45.5% |
| τ²-Bench Telecom (AA) | Artificial Analysis | 99.1% | 91.5% |
| Terminal-Bench 2.1 (Vals) | Vals AI | 67.8% | – |
| MCP Atlas | Scale AI SEAL | 77.8%† | 82.2% |
| HiL-Bench | Scale AI SEAL | 43.7%† | – |
| τ³-bench Banking | τ²-bench | 37.1%† | – |
| GDPval-AA v2.1 | Artificial Analysis | 1380 | 1006 |
| τ³-Banking (AA) | Artificial Analysis | 34.6% | – |
| ITBench SRE (AA) | Artificial Analysis | 42.7% | – |
| APEX-Agents (AA) | Artificial Analysis | 33.7% | – |
| Finance Agent v2 | Vals AI | 49.7%† | – |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 7.1% | – |
| Legal Research Bench | Vals AI | 31.3% | – |
| SkillsBench | Vals AI | 45.1% | – |
| SREBench | Vals AI | 0.0% | – |
| Terminal-Bench 2.0 (Vals) | Vals AI | – | 59.5% |
| Arena Agent Task Completion | Arena (LMArena) | 1.7 | – |
| PostTrainBench | Epoch AI Benchmarking Hub | 30.4% | – |
| GBAEval | Epoch AI Benchmarking Hub | 0.0%† | – |
| Vending-Bench 2 | Andon Labs | 8313.8† | – |
| AutomationBench | Artificial Analysis | 28.4% | – |
| GDP.pdf (AA) | Artificial Analysis | 10.4% | – |
| EnterpriseOps-Gym | Artificial Analysis | 42.7% | – |
| AA-Briefcase v1.1 | Artificial Analysis | 1226 | 646 |
| Design Arena Agentic | Design Arena | 1194† | – |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 59.2% | – |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 29.3% | – |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 86.4% | 88.9% |
| ProofBench | Vals AI | 35.0% | 17.0% |
| LiveBench Mathematics | LiveBench | 89.8%† | – |
| AIME (Vals) | Vals AI | – | 96.9% |
| AIME 2026 | MathArena | 90.0% | – |
| HMMT February 2026 | MathArena | 92.4% | – |
| MathArena Apex | MathArena | 19.8% | – |
| Arena Maths | Arena (LMArena) | 1487 | 1469 |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 34.2% | – |
| LiveBench 1.0 Data Analysis | LiveBench | 73.7%† | – |
| AA-Omniscience v1.1 | Artificial Analysis | 0.6 | – |
| MMLU-Pro | Vals AI | 86.7%† | 87.3% |
| LegalBench | Vals AI | 84.1%† | 84.2% |
| CorpFin | Vals AI | 66.1%† | 65.1% |
| TaxEval | Vals AI | 73.3%† | 77.7% |
| PRBench Finance | Scale AI SEAL | – | 52.4% |
| PRBench Legal | Scale AI SEAL | – | 52.3% |
| MultiNRC | Scale AI SEAL | – | 59.0% |
| CaseLaw v2 | Vals AI | – | 63.1% |
| Excel Modeling Benchmark | Vals AI | 61.5%† | – |
| MedCode | Vals AI | 40.8%† | 51.3% |
| MedScribe | Vals AI | 83.5%† | 85.9% |
| DrugDiscoveryBench | Scale AI SEAL | 36.2%† | – |
| EBR-bench | Epoch AI Benchmarking Hub | 9.5% | – |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 21.1% | – |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 74.1% | – |
| 指示追従 | |||
| LiveBench Language | LiveBench | 76.2%† | – |
| LiveBench Instruction Following | LiveBench | 62.3%† | – |
| IFBench | Artificial Analysis | 73.3% | 75.9% |
| MultiChallenge | Scale AI SEAL | – | 75.5% |
| TutorBench | Scale AI SEAL | – | 68.5% |
| Arena Instruction Following | Arena (LMArena) | 1470 | 1465 |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1475 | 1489 |
| EQ-Bench 4 | EQ-Bench | 1208† | – |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1759† | – |
| Arena Creative Writing | Arena (LMArena) | 1451 | 1464 |
| Arena Multi-turn | Arena (LMArena) | 1477 | 1493 |
| Arena Longer Queries | Arena (LMArena) | 1486 | 1476 |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | – | 1306 |
| MMMU-Pro | Artificial Analysis | – | 80.5% |
| MMMU-Pro (Vals) | Vals AI | – | 87.4% |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 78.3% | 78.0% |
| Arena Document | Arena (LMArena) | – | 1467 |
| MLCR | Artificial Analysis | 12.8% | – |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 153.0† | 153.1 |
| LiveBench 1.0 | LiveBench | 73.2%† | – |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 33.7 | 31.3 |
| AA Progress Index v1 | Artificial Analysis | 302.5 | 289.1 |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | 48.7%† | 20.2% |
| メタデータ | |||
| AA Openness Index | Artificial Analysis | 44.4 | – |
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
- GLM 5.2 (max):新しい結果1件(GDPval-AA v2.1)。
- Muse Spark:新しい結果2件(GDPval-AA v2.1, AA-Briefcase v1.1)。
- GLM 5.2 (max):BenchLeader Index 59.5 → 59.0。
- GLM 5.2 (max):新しい結果3件(AIME 2026, HMMT February 2026, MathArena Apex)、スコアの改訂1件。
- GLM 5.2 (max):新しい結果1件(MirrorCode)。
- GLM 5.2 (max):BenchLeader Index 60.2 → 59.5。
- Muse Spark:BenchLeader Index 64.6 → 64.1。
- GLM 5.2 (max):新しい結果4件(HLE-Diamond (AA), AA-Omniscience v1.1, AA-Omniscience v1.1: accuracy…)。
- Muse Spark:スコアの改訂1件。
- GLM 5.2 (max):価格 $0.30/M → $0.26/M。
関連する比較
- GLM 5.2 vs Claude Opus 5.5
- Muse Spark vs Claude Fable 5.2
- Muse Spark vs Gemini 4 Carbon
- Muse Spark vs Claude Opus 5.5
- Muse Spark vs GPT-6 Astra
- GLM 5 Turbo vs Muse Spark
- GLM 5.2 vs GPT-6.1 Sol
- GLM 5.2 vs GPT-5.6 Sol
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
GLM 5.2 vs Muse Spark:よくある質問
- GLM 5.2はMuse Sparkより優れていますか?
- GLM 5.2 (max)とMuse Sparkの品質は互角です(58.9 対 64.2、±5.3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。
- コーディングにはGLM 5.2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 62。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、GLM 5.2が51.2%、Muse Sparkが51.5%です。
- エージェントやツール利用にはGLM 5.2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 62。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Terminal-Bench Hardでは、GLM 5.2が50.8%、Muse Sparkが45.5%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互角です(64 対 64)。コンテキストはGLM 5.2の方が長く、1,000,000トークンです(Muse Sparkは262,144トークン)。
- GLM 5.2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25件のベンチマークのうち、GLM 5.2のリードが18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)
- GLM 5.2はいつリリースされましたか?
- GLM 5.2は2026年6月16日にリリースされました。