BenchLeader

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 SparkArena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 5.2Muse Spark
プロバイダーZhipu AIMeta
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)1,000,000262,144
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57.267.4Muse Spark
コーディング61.865.1Muse Spark
エージェント・ツール62.165.0Muse Spark
数学52.659.1Muse Spark
知識44.363.1Muse Spark
指示追従71.876.9Muse Spark
人間の評価66.468.1Muse Spark
マルチモーダル–64.2比較不可
長文コンテキスト63.863.6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。

2550 avg75推論コーディングエージェント・ツール数学知識指示追従長文コンテキスト人間の評価GLM 5.2, 推論: 57.2GLM 5.2, コーディング: 61.8GLM 5.2, エージェント・ツール: 62.1GLM 5.2, 数学: 52.6GLM 5.2, 知識: 44.3GLM 5.2, 指示追従: 71.8GLM 5.2, 長文コンテキスト: 63.8GLM 5.2, 人間の評価: 66.4Muse 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, 指示追従: 76.9Muse Spark, 長文コンテキスト: 63.6Muse Spark, 人間の評価: 68.1

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。

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IndexGLM 5.2 (max)Muse Sparkトップ
BenchLeader Index58.964.2互角
Arena Text14751489Muse 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 IndexBenchLeader58.964.2
エージェント・ツールスコアBenchLeader62.165.0
コーディングスコアBenchLeader61.865.1
人間の評価スコアBenchLeader66.468.1
指示追従スコアBenchLeader71.876.9
知識スコアBenchLeader44.363.1
長文コンテキストスコアBenchLeader63.863.6
数学スコアBenchLeader52.659.1
推論スコアBenchLeader57.267.4
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BenchLeader69 tok/s–
回答開始までの時間BenchLeader26.8秒–
コンテキストウィンドウBenchLeader1,000,000トークン262,144トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub91.9%89.8%
Humanity's Last ExamScale AI / CAIS–40.6%
SimpleBenchSimpleBench58.8%†–
Arena Hard PromptsArena (LMArena)14961506
LiveBench 1.0 ReasoningLiveBench78.6%†–
GPQA Diamond (AA)Artificial Analysis89.5%88.4%
Humanity's Last Exam (AA)Artificial Analysis41.1%40.7%
HLE-Diamond (AA)Artificial Analysis17.7%–
GPQA Diamond (Vals)Vals AI85.6%†89.7%
Kagi LLM BenchmarkKagi LLM Benchmark62.6%†–
ARC-AGI-1ARC Prize77.0%†–
ARC-AGI-2ARC Prize22.8%†–
CritPtArtificial Analysis20.9%11.3%
Arena ExpertArena (LMArena)15021491
Chess PuzzlesEpoch AI Benchmarking Hub22.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub18.0%†–
LMCAEpoch AI Benchmarking Hub45.8%–
DTBenchEpoch AI Benchmarking Hub93.6%–
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub78.7%–
SciCodeSciCode51.2%51.5%
WeirdMLWeirdML70.1%–
FrontierCodeCognition24.5%†–
Arena CodingArena (LMArena)15151529
Arena WebDevArena (LMArena)1608–
LiveBench 1.0 CodingLiveBench79.7%†–
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 Analysis51.2%–
LiveCodeBenchVals AI69.5%†–
SWE-bench (Vals)Vals AI82.8%74.4%
SWE-Bench ProScale AI SEAL–55.0%
Code MigrationVals AI37.9%–
ProgramBenchVals AI0.5%–
Vibe Code Bench v1.1Vals AI64.0%19.7%
SWE-Bench Pro (private)Scale AI SEAL–44.7%
SWE Atlas v1.0: Codebase QnAScale AI SEAL48.1%†24.2%
SWE Atlas v1.0: RefactoringScale AI SEAL42.4%†–
SWE Atlas v1.0: Test WritingScale AI SEAL41.5%†31.1%
MirrorCodeEpoch AI Benchmarking Hub36.7%–
Surface Evolver BenchEpoch AI Benchmarking Hub55.6%†–
DeepSWE v1.1Epoch AI Benchmarking Hub43.8%–
ALE-BenchEpoch AI Benchmarking Hub1010.2–
Terminal-Bench 4.0 (AA)Artificial Analysis1.0%–
Terminal-Bench 2.1 (AA)Artificial Analysis77.9%62.2%
Startrise FrontendStartrise72.1%†–
GameBench 2 OverallDuelLab GameBench 243.1†–
GameBench 2 by reasoning settingDuelLab GameBench 232.4†–
Design Arena WebsiteDesign Arena1277†1253
エージェント・ツール
APEX-AgentsMercor45.2%†–
Arena AgentArena (LMArena)0.2–
LiveBench Agentic CodingLiveBench51.8%†–
Terminal-Bench HardArtificial Analysis50.8%45.5%
τ²-Bench Telecom (AA)Artificial Analysis99.1%91.5%
Terminal-Bench 2.1 (Vals)Vals AI67.8%–
MCP AtlasScale AI SEAL77.8%†82.2%
HiL-BenchScale AI SEAL43.7%†–
τ³-bench Bankingτ²-bench37.1%†–
GDPval-AA v2.1Artificial Analysis13801006
τ³-Banking (AA)Artificial Analysis34.6%–
ITBench SRE (AA)Artificial Analysis42.7%–
APEX-Agents (AA)Artificial Analysis33.7%–
Finance Agent v2Vals AI49.7%†–
Harvey's Legal Agent Benchmark v1Vals AI7.1%–
Legal Research BenchVals AI31.3%–
SkillsBenchVals AI45.1%–
SREBenchVals AI0.0%–
Terminal-Bench 2.0 (Vals)Vals AI–59.5%
Arena Agent Task CompletionArena (LMArena)1.7–
PostTrainBenchEpoch AI Benchmarking Hub30.4%–
GBAEvalEpoch AI Benchmarking Hub0.0%†–
Vending-Bench 2Andon Labs8313.8†–
AutomationBenchArtificial Analysis28.4%–
GDP.pdf (AA)Artificial Analysis10.4%–
EnterpriseOps-GymArtificial Analysis42.7%–
AA-Briefcase v1.1Artificial Analysis1226646
Design Arena AgenticDesign Arena1194†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub59.2%–
FrontierMath Tier 4Epoch AI Benchmarking Hub29.3%–
OTIS Mock AIMEEpoch AI Benchmarking Hub86.4%88.9%
ProofBenchVals AI35.0%17.0%
LiveBench MathematicsLiveBench89.8%†–
AIME (Vals)Vals AI–96.9%
AIME 2026MathArena90.0%–
HMMT February 2026MathArena92.4%–
MathArena ApexMathArena19.8%–
Arena MathsArena (LMArena)14871469
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub34.2%–
LiveBench 1.0 Data AnalysisLiveBench73.7%†–
AA-Omniscience v1.1Artificial Analysis0.6–
MMLU-ProVals AI86.7%†87.3%
LegalBenchVals AI84.1%†84.2%
CorpFinVals AI66.1%†65.1%
TaxEvalVals AI73.3%†77.7%
PRBench FinanceScale AI SEAL–52.4%
PRBench LegalScale AI SEAL–52.3%
MultiNRCScale AI SEAL–59.0%
CaseLaw v2Vals AI–63.1%
Excel Modeling BenchmarkVals AI61.5%†–
MedCodeVals AI40.8%†51.3%
MedScribeVals AI83.5%†85.9%
DrugDiscoveryBenchScale AI SEAL36.2%†–
EBR-benchEpoch AI Benchmarking Hub9.5%–
AA-Omniscience v1.1: accuracyArtificial Analysis21.1%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis74.1%–
指示追従
LiveBench LanguageLiveBench76.2%†–
LiveBench Instruction FollowingLiveBench62.3%†–
IFBenchArtificial Analysis73.3%75.9%
MultiChallengeScale AI SEAL–75.5%
TutorBenchScale AI SEAL–68.5%
Arena Instruction FollowingArena (LMArena)14701465
人間の評価
Arena TextArena (LMArena)14751489
EQ-Bench 4EQ-Bench1208†–
EQ-Bench Creative Writing v3EQ-Bench1759†–
Arena Creative WritingArena (LMArena)14511464
Arena Multi-turnArena (LMArena)14771493
Arena Longer QueriesArena (LMArena)14861476
マルチモーダル
Arena VisionArena (LMArena)–1306
MMMU-ProArtificial Analysis–80.5%
MMMU-Pro (Vals)Vals AI–87.4%
長文コンテキスト
AA-LCR v1.1Artificial Analysis78.3%78.0%
Arena DocumentArena (LMArena)–1467
MLCRArtificial Analysis12.8%–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub153.0†153.1
LiveBench 1.0LiveBench73.2%†–
AA Intelligence Index v4.3.2Artificial Analysis33.731.3
AA Progress Index v1Artificial Analysis302.5289.1
安全性・誠実さ
FORTRESSScale AI SEAL48.7%†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

  • 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。

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。