BenchLeader

GLM 5.3 vs Muse Spark 1.3

詳しいプロフィール:GLM 5.3(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 · 12件の情報源のデータ

2026年11月16日時点で、GLM 5.3とMuse Spark 1.3の品質は互角です(BenchLeader Indexで58.8 対 61.6、±8.7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)。数学(60 対 56)を重視するならGLM 5.3、知識(81 対 54)、推論(71 対 55)、エージェント・ツール(61 対 58)を重視するならMuse Spark 1.3が向いています。回答開始までの時間はMuse Spark 1.3の方が短く、2.6秒 対 57.6秒です。Muse Spark 1.3は出力が約1.5倍速い点も強みです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGLM 5.3が58.8、Muse Spark 1.3が61.6です(BenchLeader、2026年11月16日)。
  • GLM 5.3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 5.3より出力が約1.5倍速いです(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1件のベンチマークのうち、Muse Spark 1.3が1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Muse Spark 1.3カテゴリスコア61 対 58中
数学GLM 5.3カテゴリスコア60 対 56;ProofBench 49.0% 対 55.0%中
推論Muse Spark 1.3カテゴリスコア71 対 55高
知識Muse Spark 1.3カテゴリスコア81 対 54高
チャットの質(人間の評価)–Arenaの評価があるのはGLM 5.3のみです(カテゴリスコア67)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 57.6秒(GLM 5.3 (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 5.3 (max)とMuse Spark 1.3の品質は互角です(58.8 対 61.6、±8.7の誤差範囲内)。
  • GLM 5.3 (max)は数学で優れています。
  • Muse Spark 1.3はエージェント・ツール、知識、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1.9倍速くなっています(163 対 88トークン/秒)。

概要

仕様GLM 5.3Muse Spark 1.3
プロバイダーZhipu AIMeta
リリース日2026年8月18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 5.3 (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 5.3 (max)Muse Spark 1.3トップ
推論54.771.0Muse Spark 1.3
コーディング59.7–比較不可
エージェント・ツール57.661.3Muse Spark 1.3
数学60.056.3GLM 5.3
知識53.581.2Muse Spark 1.3
人間の評価67.2–比較不可
長文コンテキスト64.5–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推論エージェント・ツール数学知識GLM 5.3, 推論: 54.7GLM 5.3, エージェント・ツール: 57.6GLM 5.3, 数学: 60.0GLM 5.3, 知識: 53.5Muse 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1件のベンチマークのうち、GLM 5.3のリードが0件、Muse Spark 1.3のリードが1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 5.3 (max)Muse Spark 1.3トップ
BenchLeader Index58.861.6互角
AA Intelligence Index v5.0.131.636.6†Muse Spark 1.3
Arena Text14821497†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 5.3 (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
ベンチマークのタスクあたりのコスト(AA Index)$5.01–
タスクあたりの出力トークン(AA Index)119k–
うち推論85k–
タスクあたりの時間(AA Index)23 min–
出力速度88 tok/s163 tok/s
回答開始までの時間57.6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)144.1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 5.3 (max)のスコアは58.8、最初の回答トークンまで58秒。GLM 5.3 (low)は47.3(7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

162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 5.3 (max)Muse Spark 1.3
BenchLeader IndexBenchLeader58.861.6
エージェント・ツールスコアBenchLeader57.661.3
コーディングスコアBenchLeader59.7–
人間の評価スコアBenchLeader67.2–
知識スコアBenchLeader53.581.2
長文コンテキストスコアBenchLeader64.5–
数学スコアBenchLeader60.056.3
推論スコアBenchLeader54.771.0
ブレンド価格($/100万トークン)BenchLeader$2.15$2.00
出力速度BenchLeader88 tok/s163 tok/s
回答開始までの時間BenchLeader57.6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 Hub90.9%–
SimpleBenchSimpleBench66.2%†81.8%
Arena Hard PromptsArena (LMArena)15071517†
LiveBench 2.0 ReasoningLiveBench–89.7%†
LiveBench 1.0 ReasoningLiveBench85.8%†89.7%†
GPQA Diamond (AA)Artificial Analysis91.7%93.5%†
Humanity's Last Exam (AA)Artificial Analysis42.3%48.7%†
HLE-Diamond (AA)Artificial Analysis17.9%33.7%†
GPQA Diamond (Vals)Vals AI88.1%–
CritPtArtificial Analysis19.1%24.9%†
CritPt v2 hard subset (AA)Artificial Analysis33.5%48.0%†
MysteryMechanismVals AI23.0%36.0%†
HLE-Diamond (Scale)Scale AI SEAL16.4%†25.4%
Arena ExpertArena (LMArena)15221521†
Chess PuzzlesEpoch AI Benchmarking Hub37.0%37.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub33.0%25.0%†
LMCAEpoch AI Benchmarking Hub55.5%†53.9%
DTBenchEpoch AI Benchmarking Hub87.7%†96.5%
ForecastBenchForecastBench–65.5%†
BTF-3Epoch AI Benchmarking Hub14.9%†14.1%†
コーディング
SciCodeSciCode59.0%58.8%†
WeirdMLWeirdML75.4%–
FrontierCodeCognition40.1%–
Arena CodingArena (LMArena)15221534†
Arena WebDevArena (LMArena)16231655†
162件のベンチマークをすべて表示
指標公開元GLM 5.3 (max)Muse Spark 1.3
コーディング
LiveBench 2.0 CodingLiveBench–84.4%†
LiveBench 1.0 CodingLiveBench79.0%†81.1%†
LiveCodeBenchVals AI80.5%–
IOIVals AI68.4%56.6%†
SWE-bench (Vals)Vals AI95.4%–
Code MigrationVals AI44.2%47.4%†
Code Migration v1.1Vals AI55.1%–
ProgramBenchVals AI1.5%2.5%†
SWE-bench MultimodalVals AI–43.1%†
Vibe Code Bench 1-100Vals AI20.0%20.5%†
Vibe Code Bench v1.1Vals AI78.1%85.9%†
Vibe Code Bench 1-100 v1.1Vals AI29.8%–
SWE Atlas v1.1Scale AI SEAL58.1%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL70.2%†–
SWE Atlas v1.1: Test WritingScale AI SEAL55.6%†–
SWE Atlas v1.1: RefactoringScale AI SEAL48.6%†–
SWE-Bench Pro V2Scale AI SEAL95.6%–
SWE-Bench Pro V2 HARDScale AI SEAL84.3%–
MirrorCodeEpoch AI Benchmarking Hub–54.4%†
DeepSWE v1.1Epoch AI Benchmarking Hub69.0%–
CursorBenchCursor42.6%41.6%†
ALE-BenchEpoch AI Benchmarking Hub1317.4†1688.3†
FrontierSWEEpoch AI Benchmarking Hub30.2%25.8%†
WeirdML v3WeirdML–6.7%†
Terminal-Bench 4.0 (AA)Artificial Analysis41.9%33.3%†
Terminal-Bench 2.1 (AA)Artificial Analysis83.9%84.3%†
Startrise FrontendStartrise73.2%†74.7%
GameBench 2 OverallDuelLab GameBench 264.6†57.7
GameBench 2 by reasoning settingDuelLab GameBench 272.368.5†
Design Arena WebsiteDesign Arena1279†1353†
FrontierCode 1.1 (AA)Artificial Analysis40.1%40.6%†
FrontierCode 2.0 (AA)Artificial Analysis21.6%23.1%†
エージェント・ツール
Terminal-BenchTerminal-Bench41.2%14.8%†
APEX-AgentsMercor56.6%†58.6%
Arena AgentArena (LMArena)12.2†
LiveBench Long AgenticLiveBench–47.9%†
LiveBench BrowserLiveBench–30.9%†
LiveBench Agentic CodingLiveBench60.9%†64.1%†
Terminal-Bench 2.1 (Vals)Vals AI71.5%79.0%†
MCP AtlasScale AI SEAL84.2%†–
HiL-BenchScale AI SEAL58.3%†66.9%
GDPval-AA v2.1, normalised scoreArtificial Analysis57.5%–
GDPval-AA v2.1Artificial Analysis16551681†
τ³-Banking (AA)Artificial Analysis50.3%50.5%†
ITBench SRE (AA)Artificial Analysis46.1%33.2%†
Analyst Agent (AA)Artificial Analysis38.8%37.5%†
CUA-benchVals AI–5.8%†
CyberBenchVals AI72.1%72.7%†
Finance Agent v2Vals AI55.8%60.0%†
Finance Agent v2.1Vals AI65.0%–
Harvey's Legal Agent Benchmark v1.1Vals AI14.6%–
Harvey's Legal Agent Benchmark v1Vals AI8.3%23.8%†
Legal Research BenchVals AI49.0%55.3%†
SkillsBenchVals AI47.5%–
SREBenchVals AI9.2%3.8%†
Tax Agent BenchVals AI43.3%42.4%†
Terminal-Bench 4.0 (Vals)Vals AI38.9%24.8%†
Terminal-Bench ScienceVals AI5.7%10.0%†
Arena Agent Task CompletionArena (LMArena)3.13.7†
PostTrainBenchEpoch AI Benchmarking Hub34.5%–
Vending-Bench 2Andon Labs8163.6†–
AutomationBenchArtificial Analysis62.2%57.9%†
GDP.pdf (AA)Artificial Analysis11.2%26.6%†
Harvey LAB-AA v1.1Harvey0.3%8.9%†
EnterpriseOps-GymArtificial Analysis36.4%–
AA-Briefcase v1.1Artificial Analysis15011581†
GDPxGDPx by SemiAnalysis2.7%–
Design Arena AgenticDesign Arena1239†1283†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis9.5%10.9%†
CWE-Bench (AA)Artificial Analysis55.8%60.8%†
DeepSec-Bench (AA)Artificial Analysis24.3%12.5%†
CyberGym end-to-end (AA)Artificial Analysis29.0%59.5%†
FACTS SearchGoogle87.7%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub68.8%74.0%†
FrontierMath Tier 4Epoch AI Benchmarking Hub29.3%46.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub91.1%99.2%†
ProofBenchVals AI49.0%55.0%
LiveBench MathematicsLiveBench87.9%†96.0%†
Arena MathsArena (LMArena)15011506†
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub41.0%–
LiveBench 2.0 Data AnalysisLiveBench–79.6%†
LiveBench ResearchLiveBench–82.5%†
LiveBench 1.0 Data AnalysisLiveBench70.2%†79.6%†
AA-Omniscience v1.1Artificial Analysis6.022.4†
MMLU-ProVals AI86.8%–
LegalBenchVals AI84.8%–
TaxEvalVals AI72.4%–
PRBench FinanceScale AI SEAL–59.5%
PRBench LegalScale AI SEAL–61.6%
Excel Modeling BenchmarkVals AI56.3%67.4%†
Excel Modeling Benchmark v1.1Vals AI69.1%–
MedCodeVals AI42.9%–
MedScribeVals AI88.8%–
Public Benefits Bench v1.1Vals AI68.5%–
Access to Justice BenchmarkVals AI73.7%72.2%†
Financial Coaching BenchVals AI74.1%70.3%†
Immigration BenchVals AI66.7%64.9%†
DrugDiscoveryBenchScale AI SEAL–62.2%†
GDP.pdfEpoch AI Benchmarking Hub–27.6%
AA-Omniscience v1.1: accuracyArtificial Analysis32.3%38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis61.1%74.8%†
HealthBench Professional (AA)OpenAI52.8%–
FACTS ParametricGoogle40.3%†–
指示追従
LiveBench LanguageLiveBench79.9%†82.8%†
LiveBench Instruction FollowingLiveBench69.3%†78.0%†
Arena Instruction FollowingArena (LMArena)14811485†
人間の評価
Arena TextArena (LMArena)14821497†
EQ-Bench Creative Writing v3EQ-Bench2076†1907
Arena Creative WritingArena (LMArena)14561468†
Arena Multi-turnArena (LMArena)14821493†
Arena Longer QueriesArena (LMArena)14881498†
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 Analysis10341019†
AA-3DArtificial Analysis7941032†
長文コンテキスト
AA-LCR v1.1Artificial Analysis79.7%83.0%†
Arena DocumentArena (LMArena)–1474†
MLCRArtificial Analysis17.2%13.9%†
FACTS GroundingGoogle55.2%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub157.1†158.2
LiveBench 2.0LiveBench–68.6%†
LiveBench 1.0LiveBench76.1%†81.6%†
AA Intelligence Index v5.0.1Artificial Analysis31.636.6†
AA Intelligence Index v4.3.2Artificial Analysis44.848.1†
AA Progress Index v1Artificial Analysis322.7324.5†
Vals IndexVals AI59.9–
Vals Finance IndexVals AI61.4%–
Vals RSI IndexVals AI22.9%19.6%†
Vals Router IndexVals AI59.7%†–
Vals Legal IndexVals AI74.6%–
AA Cyber IndexArtificial Analysis36.444.3†
安全性・誠実さ
FORTRESSScale AI SEAL28.2%–
DistressBenchScale AI SEAL72.5%†84.9%
メタデータ
AA Openness IndexArtificial Analysis33.3–

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 5.3 (max):新しい結果1件(PostTrainBench)。
  • Muse Spark 1.3:スコアの改訂1件。
  • Muse Spark 1.3:BenchLeader Index 59.2 → 60.2。
  • Muse Spark 1.3:新しい結果2件(SimpleBench, GeoBench)。
  • Muse Spark 1.3:BenchLeader Index 57.7 → 59.2。
  • GLM 5.3 (max):スコアの改訂4件。
  • Muse Spark 1.3:スコアの改訂4件。
  • Muse Spark 1.3:BenchLeader Index 58.2 → 57.7。
  • Muse Spark 1.3:スコアの改訂1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 5.3 vs Muse Spark 1.3:よくある質問

GLM 5.3はMuse Spark 1.3より優れていますか?
GLM 5.3 (max)とMuse Spark 1.3の品質は互角です(58.8 対 61.6、±8.7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 5.3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 5.3とMuse Spark 1.3はどちらが速いですか?
Muse Spark 1.3の方が出力が約1.5倍速くなっています(出力163 対 88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 5.3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Muse Spark 1.3の方がスコアが高くなっています(カテゴリ指標で61 対 58。50が平均)。
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 5.3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 57.6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 5.3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1件のベンチマークのうち、GLM 5.3のリードが0件、Muse Spark 1.3のリードが1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。