BenchLeader

GLM 5.2 vs Muse Spark 1.3

詳しいプロフィール:GLM 5.2(Zhipu AI)とMuse Spark 1.3(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 · 11件の情報源のデータ

2026年11月16日時点で、GLM 5.2とMuse Spark 1.3の品質は互角です(BenchLeader Indexで58.9 対 61.6、±9.1の誤差範囲内)。価格はほぼ同じです(100万トークンあたりのブレンド価格で$2.15 対 $2.00)。両方を測定できるすべてのカテゴリでMuse Spark 1.3がリードしています。Muse Spark 1.3の方が出力が速いです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGLM 5.2が58.9、Muse Spark 1.3が61.6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)。
  • Muse Spark 1.3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 1.3はGLM 5.2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3件のベンチマークのうち、Muse Spark 1.3が3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
エージェント・ツール利用どちらでもカテゴリスコア62 対 61どちらでも
数学Muse Spark 1.3カテゴリスコア56 対 53;ProofBench 55.0% 対 35.0%中
推論Muse Spark 1.3カテゴリスコア71 対 57;LMCA 53.9% 対 45.8%高
知識Muse Spark 1.3カテゴリスコア81 対 44高
チャットの質(人間の評価)–Arenaの評価があるのはGLM 5.2のみです(カテゴリスコア66)比較不可
最低コストどちらでも100万トークンあたりブレンド価格$2.15 対 $2.00;エージェント型コーディングセッション$0.102 対 $0.092–
回答開始の速さMuse Spark 1.3最初の回答トークンまで2.6秒(Muse Spark 1.3)対 26.8秒(GLM 5.2 (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

  • GLM 5.2 (max)とMuse Spark 1.3の品質は互角です(58.9 対 61.6、±9.1の誤差範囲内)。
  • GLM 5.2 (max)はエージェント・ツールで優れています。
  • Muse Spark 1.3は知識、数学、推論で優れています。
  • 価格はほぼ同じです(100万トークンあたりブレンド価格$2.00)。
  • Muse Spark 1.3の方が出力が2.4倍速くなっています(163 対 69トークン/秒)。

概要

仕様GLM 5.2Muse Spark 1.3
プロバイダーZhipu AIMeta
リリース日2026年6月16日2026年9月2日
コンテキストウィンドウ(トークン)1,000,0001,048,576
比較した構成GLM 5.2 (max)Muse Spark 1.3
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$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GLM 5.2 (max)Muse Spark 1.3トップ
推論57.271.0Muse Spark 1.3
コーディング61.8–比較不可
エージェント・ツール62.161.3互角
数学52.656.3Muse Spark 1.3
知識44.381.2Muse Spark 1.3
指示追従71.8–比較不可
人間の評価66.4–比較不可
長文コンテキスト63.8–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推論エージェント・ツール数学知識GLM 5.2, 推論: 57.2GLM 5.2, エージェント・ツール: 62.1GLM 5.2, 数学: 52.6GLM 5.2, 知識: 44.3Muse Spark 1.3, 推論: 71.0Muse Spark 1.3, エージェント・ツール: 61.3Muse Spark 1.3, 数学: 56.3Muse Spark 1.3, 知識: 81.2

描画していないもの(測定済みのモデルが2つ未満):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3件のベンチマークのうち、GLM 5.2のリードが0件、Muse Spark 1.3のリードが3件です。両方を評価しているすべての総合指標で、Muse Spark 1.3が上回っています。

総合IndexGLM 5.2 (max)Muse Spark 1.3トップ
BenchLeader Index58.961.6互角
Arena Text14751497†Muse Spark 1.3

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 1.3
100万トークンあたりのブレンド価格$2.15$2.00
100万トークンあたりの入力/出力$1.40 / $4.40$1.25 / $4.25
100万トークンあたりのキャッシュ入力$0.260$0.150
タスクあたりの価格:チャットの返答$0.0019$0.0018
タスクあたりの価格:30ページのレポートを要約$0.019$0.018
タスクあたりの価格:コード編集$0.015$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$0.102$0.092
タスクあたりの価格:構造化データの抽出$0.0037$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)$0.050$0.043
出力速度69 tok/s163 tok/s
回答開始までの時間26.8秒2.6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 1.3のスコアは61.6、最初の回答トークンまで3秒。Muse Spark 1.3 (max)は60.6(31秒)、Muse Spark 1.3 (xhigh)は58.1(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

160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 1.3
BenchLeader IndexBenchLeader58.961.6
エージェント・ツールスコアBenchLeader62.161.3
コーディングスコアBenchLeader61.8–
人間の評価スコアBenchLeader66.4–
指示追従スコアBenchLeader71.8–
知識スコアBenchLeader44.381.2
長文コンテキストスコアBenchLeader63.8–
数学スコアBenchLeader52.656.3
推論スコアBenchLeader57.271.0
ブレンド価格($/100万トークン)BenchLeader$2.15$2.00
出力速度BenchLeader69 tok/s163 tok/s
回答開始までの時間BenchLeader26.8秒2.6秒
コンテキストウィンドウBenchLeader1,000,000トークン1,048,576トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub91.9%–
SimpleBenchSimpleBench58.8%†81.8%
Arena Hard PromptsArena (LMArena)14961517†
LiveBench 2.0 ReasoningLiveBench–89.7%†
LiveBench 1.0 ReasoningLiveBench78.6%†89.7%†
GPQA Diamond (AA)Artificial Analysis89.5%93.5%†
Humanity's Last Exam (AA)Artificial Analysis41.1%48.7%†
HLE-Diamond (AA)Artificial Analysis17.7%33.7%†
GPQA Diamond (Vals)Vals AI85.6%†–
Kagi LLM BenchmarkKagi LLM Benchmark62.6%†–
ARC-AGI-1ARC Prize77.0%†–
ARC-AGI-2ARC Prize22.8%†–
CritPtArtificial Analysis20.9%24.9%†
CritPt v2 hard subset (AA)Artificial Analysis–48.0%†
MysteryMechanismVals AI–36.0%†
HLE-Diamond (Scale)Scale AI SEAL–25.4%
Arena ExpertArena (LMArena)15021521†
Chess PuzzlesEpoch AI Benchmarking Hub22.0%37.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub18.0%†25.0%†
LMCAEpoch AI Benchmarking Hub45.8%53.9%
DTBenchEpoch AI Benchmarking Hub93.6%96.5%
ForecastBenchForecastBench–65.5%†
BTF-3Epoch AI Benchmarking Hub–14.1%†
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub78.7%–
SciCodeSciCode51.2%58.8%†
160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 1.3
コーディング
WeirdMLWeirdML70.1%–
FrontierCodeCognition24.5%†–
Arena CodingArena (LMArena)15151534†
Arena WebDevArena (LMArena)16081655†
LiveBench 2.0 CodingLiveBench–84.4%†
LiveBench 1.0 CodingLiveBench79.7%†81.1%†
LiveCodeBenchVals AI69.5%†–
IOIVals AI–56.6%†
SWE-bench (Vals)Vals AI82.8%–
Code MigrationVals AI37.9%47.4%†
ProgramBenchVals AI0.5%2.5%†
SWE-bench MultimodalVals AI–43.1%†
Vibe Code Bench 1-100Vals AI–20.5%†
Vibe Code Bench v1.1Vals AI64.0%85.9%†
SWE Atlas v1.0: Codebase QnAScale AI SEAL48.1%†–
SWE Atlas v1.0: RefactoringScale AI SEAL42.4%†–
SWE Atlas v1.0: Test WritingScale AI SEAL41.5%†–
MirrorCodeEpoch AI Benchmarking Hub36.7%54.4%†
Surface Evolver BenchEpoch AI Benchmarking Hub55.6%†–
DeepSWE v1.1Epoch AI Benchmarking Hub43.8%–
CursorBenchCursor–41.6%†
ALE-BenchEpoch AI Benchmarking Hub1010.21688.3†
FrontierSWEEpoch AI Benchmarking Hub–25.8%†
WeirdML v3WeirdML–6.7%†
Terminal-Bench 4.0 (AA)Artificial Analysis1.0%33.3%†
Terminal-Bench 2.1 (AA)Artificial Analysis77.9%84.3%†
Startrise FrontendStartrise72.1%†74.7%
GameBench 2 OverallDuelLab GameBench 243.1†57.7
GameBench 2 by reasoning settingDuelLab GameBench 232.4†68.5†
Design Arena WebsiteDesign Arena1277†1353†
FrontierCode 1.1 (AA)Artificial Analysis–40.6%†
FrontierCode 2.0 (AA)Artificial Analysis–23.1%†
エージェント・ツール
Terminal-BenchTerminal-Bench–14.8%†
APEX-AgentsMercor45.2%†58.6%
Arena AgentArena (LMArena)0.22.2†
LiveBench Long AgenticLiveBench–47.9%†
LiveBench BrowserLiveBench–30.9%†
LiveBench Agentic CodingLiveBench51.8%†64.1%†
Terminal-Bench HardArtificial Analysis50.8%–
τ²-Bench Telecom (AA)Artificial Analysis99.1%–
Terminal-Bench 2.1 (Vals)Vals AI67.8%79.0%†
MCP AtlasScale AI SEAL77.8%†–
HiL-BenchScale AI SEAL43.7%†66.9%
τ³-bench Bankingτ²-bench37.1%†–
GDPval-AA v2.1Artificial Analysis13801681†
τ³-Banking (AA)Artificial Analysis34.6%50.5%†
ITBench SRE (AA)Artificial Analysis42.7%33.2%†
Analyst Agent (AA)Artificial Analysis–37.5%†
APEX-Agents (AA)Artificial Analysis33.7%–
CUA-benchVals AI–5.8%†
CyberBenchVals AI–72.7%†
Finance Agent v2Vals AI49.7%†60.0%†
Harvey's Legal Agent Benchmark v1Vals AI7.1%23.8%†
Legal Research BenchVals AI31.3%55.3%†
SkillsBenchVals AI45.1%–
SREBenchVals AI0.0%3.8%†
Tax Agent BenchVals AI–42.4%†
Terminal-Bench 4.0 (Vals)Vals AI–24.8%†
Terminal-Bench ScienceVals AI–10.0%†
Arena Agent Task CompletionArena (LMArena)1.73.7†
PostTrainBenchEpoch AI Benchmarking Hub30.4%–
GBAEvalEpoch AI Benchmarking Hub0.0%†–
Vending-Bench 2Andon Labs8313.8†–
AutomationBenchArtificial Analysis28.4%57.9%†
GDP.pdf (AA)Artificial Analysis10.4%26.6%†
Harvey LAB-AA v1.1Harvey–8.9%†
EnterpriseOps-GymArtificial Analysis42.7%–
AA-Briefcase v1.1Artificial Analysis12261581†
Design Arena AgenticDesign Arena1194†1283†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–10.9%†
CWE-Bench (AA)Artificial Analysis–60.8%†
DeepSec-Bench (AA)Artificial Analysis–12.5%†
CyberGym end-to-end (AA)Artificial Analysis–59.5%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub59.2%74.0%†
FrontierMath Tier 4Epoch AI Benchmarking Hub29.3%46.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub86.4%99.2%†
ProofBenchVals AI35.0%55.0%
LiveBench MathematicsLiveBench89.8%†96.0%†
AIME 2026MathArena90.0%–
HMMT February 2026MathArena92.4%–
MathArena ApexMathArena19.8%–
Arena MathsArena (LMArena)14871506†
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub34.2%–
LiveBench 2.0 Data AnalysisLiveBench–79.6%†
LiveBench ResearchLiveBench–82.5%†
LiveBench 1.0 Data AnalysisLiveBench73.7%†79.6%†
AA-Omniscience v1.1Artificial Analysis0.622.4†
MMLU-ProVals AI86.7%†–
LegalBenchVals AI84.1%†–
CorpFinVals AI66.1%†–
TaxEvalVals AI73.3%†–
PRBench FinanceScale AI SEAL–59.5%
PRBench LegalScale AI SEAL–61.6%
Excel Modeling BenchmarkVals AI61.5%†67.4%†
MedCodeVals AI40.8%†–
MedScribeVals AI83.5%†–
Access to Justice BenchmarkVals AI–72.2%†
Financial Coaching BenchVals AI–70.3%†
Immigration BenchVals AI–64.9%†
DrugDiscoveryBenchScale AI SEAL36.2%†62.2%†
EBR-benchEpoch AI Benchmarking Hub9.5%–
GDP.pdfEpoch AI Benchmarking Hub–27.6%
AA-Omniscience v1.1: accuracyArtificial Analysis21.1%38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis74.1%74.8%†
指示追従
LiveBench LanguageLiveBench76.2%†82.8%†
LiveBench Instruction FollowingLiveBench62.3%†78.0%†
IFBenchArtificial Analysis73.3%–
Arena Instruction FollowingArena (LMArena)14701485†
人間の評価
Arena TextArena (LMArena)14751497†
EQ-Bench 4EQ-Bench1208†–
EQ-Bench Creative Writing v3EQ-Bench1759†1907
Arena Creative WritingArena (LMArena)14511468†
Arena Multi-turnArena (LMArena)14771493†
Arena Longer QueriesArena (LMArena)14861498†
マルチモーダル
Arena VisionArena (LMArena)–1310†
LiveBench DesignLiveBench–74.8%†
MMMU-ProArtificial Analysis–82.0%†
Humanity's Sixth SenseScale AI SEAL–37.4%†
GeoBenchGeoBench–86.0%
Code2Video-AAArtificial Analysis–1019†
AA-3DArtificial Analysis–1032†
長文コンテキスト
AA-LCR v1.1Artificial Analysis78.3%83.0%†
Arena DocumentArena (LMArena)–1474†
MLCRArtificial Analysis12.8%13.9%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub153.0†158.2
LiveBench 2.0LiveBench–68.6%†
LiveBench 1.0LiveBench73.2%†81.6%†
AA Intelligence Index v5.0.1Artificial Analysis–36.6†
AA Intelligence Index v4.3.2Artificial Analysis33.748.1†
AA Progress Index v1Artificial Analysis302.5324.5†
Vals RSI IndexVals AI–19.6%†
AA Cyber IndexArtificial Analysis–44.3†
安全性・誠実さ
FORTRESSScale AI SEAL48.7%†–
DistressBenchScale AI SEAL–84.9%
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 Spark 1.3:BenchLeader Index 60.2 → 61.6。
  • GLM 5.2 (max):新しい結果1件(GDPval-AA v2.1)。
  • 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。
  • Muse Spark 1.3:スコアの改訂1件。
  • Muse Spark 1.3:BenchLeader Index 59.2 → 60.2。
  • GLM 5.2 (max):新しい結果1件(MirrorCode)。
  • Muse Spark 1.3:新しい結果2件(SimpleBench, GeoBench)。
  • Muse Spark 1.3:BenchLeader Index 57.7 → 59.2。
  • Muse Spark 1.3:スコアの改訂4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

GLM 5.2 vs Muse Spark 1.3:よくある質問

GLM 5.2はMuse Spark 1.3より優れていますか?
GLM 5.2 (max)とMuse Spark 1.3の品質は互角です(58.9 対 61.6、±9.1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。
GLM 5.2とMuse Spark 1.3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Muse Spark 1.3の方が安く、100万トークンあたり$2.00 対 $2.15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。
GLM 5.2とMuse Spark 1.3はどちらが速いですか?
Muse Spark 1.3の方が出力が速くなっています(出力163 対 69トークン/秒、Artificial Analysisの7日間の中央値)。
エージェントやツール利用にはGLM 5.2とMuse Spark 1.3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互角です(カテゴリ指標で62 対 61)。
長い文書にはどちらが向いていますか?
どちらも約1Mトークンです(GLM 5.2は1,000,000、Muse Spark 1.3は1,048,576)。
ほかの質問(3件)
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 1.3です。Artificial Analysisの測定では、最初の回答トークンまで2.6秒 対 26.8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。
GLM 5.2とMuse Spark 1.3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3件のベンチマークのうち、GLM 5.2のリードが0件、Muse Spark 1.3のリードが3件です。両方を評価しているすべての総合指標で、Muse Spark 1.3が上回っています。
Muse Spark 1.3はいつリリースされましたか?
Muse Spark 1.3は2026年9月2日にリリースされました。