BenchLeader

GLM 5.3 vs Muse Wonder

詳しいプロフィール:GLM 5.3(Zhipu AI)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 · 11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GLM 5.3を上回ります(BenchLeader Indexで64.4 対 58.8)。ただし、価格はGLM 5.3の方が3.7倍安く、100万トークンあたりのブレンド価格で$2.15 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。

要点(2026年11月16日時点)

  • BenchLeader IndexはGLM 5.3が58.8、Muse Wonderが64.4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 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)。
  • 両モデルに結果がある1件のベンチマークのうち、Muse Wonder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 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 60;ProofBench 84.0% 対 49.0%高
知識Muse Wonderカテゴリスコア77 対 54高
チャットの質(人間の評価)Muse WonderArenaの投票で70 対 67中
最低コストGLM 5.3100万トークンあたりブレンド価格$2.15 対 $8.00;エージェント型コーディングセッション$0.102 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 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

  • 品質ではMuse Wonderがリードしています:64.4 対 58.8。
  • Muse Wonderはエージェント・ツール、人間の評価、知識、数学で優れています。
  • GLM 5.3 (max)の方が3.7倍安くなっています(100万トークンあたりブレンド価格$2.15 対 $8.00)。

概要

仕様GLM 5.3Muse Wonder
プロバイダーZhipu AIMeta
リリース日2026年8月18日2026年10月12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 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)$1.40 / $4.40 / $0.260$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GLM 5.3 (max)Muse Wonderトップ
推論54.7–比較不可
コーディング59.7–比較不可
エージェント・ツール57.675.6Muse Wonder
数学60.070.1Muse Wonder
知識53.577.1Muse Wonder
人間の評価67.269.6Muse Wonder
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エージェント・ツール数学知識人間の評価GLM 5.3, エージェント・ツール: 57.6GLM 5.3, 数学: 60.0GLM 5.3, 知識: 53.5GLM 5.3, 人間の評価: 67.2Muse Wonder, エージェント・ツール: 75.6Muse Wonder, 数学: 70.1Muse Wonder, 知識: 77.1Muse Wonder, 人間の評価: 69.6

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。

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 Wonder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 Wonderが上回っています。

総合IndexGLM 5.3 (max)Muse Wonderトップ
BenchLeader Index58.864.4Muse Wonder
AA Intelligence Index v5.0.131.640.5†Muse Wonder
Vals Index59.964.9†Muse Wonder
Arena Text14821511†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GLM 5.3 (max)Muse Wonder
100万トークンあたりのブレンド価格$2.15$8.00
100万トークンあたりの入力/出力$1.40 / $4.40$4.00 / $20.00
100万トークンあたりのキャッシュ入力$0.260$0.200
タスクあたりの価格:チャットの返答$0.0019$0.0076
タスクあたりの価格:30ページのレポートを要約$0.019$0.060
タスクあたりの価格:コード編集$0.015$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$0.102$0.320
タスクあたりの価格:構造化データの抽出$0.0037$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)$0.050$0.149
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/s70 tok/s
回答開始までの時間57.6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)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 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

165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 Wonder
BenchLeader IndexBenchLeader58.864.4
エージェント・ツールスコアBenchLeader57.675.6
コーディングスコアBenchLeader59.7–
人間の評価スコアBenchLeader67.269.6
知識スコアBenchLeader53.577.1
長文コンテキストスコアBenchLeader64.5–
数学スコアBenchLeader60.070.1
推論スコアBenchLeader54.7–
ブレンド価格($/100万トークン)BenchLeader$2.15$8.00
出力速度BenchLeader88 tok/s70 tok/s
回答開始までの時間BenchLeader57.6秒3.3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%†–
Arena Hard PromptsArena (LMArena)15071531†
LiveBench 2.0 ReasoningLiveBench–90.6%†
LiveBench 1.0 ReasoningLiveBench85.8%†90.6%†
GPQA Diamond (AA)Artificial Analysis91.7%–
Humanity's Last Exam (AA)Artificial Analysis42.3%50.1%†
HLE-Diamond (AA)Artificial Analysis17.9%39.0%†
GPQA Diamond (Vals)Vals AI88.1%–
CritPtArtificial Analysis19.1%28.3%†
CritPt v2 hard subset (AA)Artificial Analysis33.5%50.5%†
MysteryMechanismVals AI23.0%27.5%†
HLE-Diamond (Scale)Scale AI SEAL16.4%†37.3%
Arena ExpertArena (LMArena)15221525†
Chess PuzzlesEpoch AI Benchmarking Hub37.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub33.0%51.0%†
LMCAEpoch AI Benchmarking Hub55.5%†56.8%
DTBenchEpoch AI Benchmarking Hub87.7%†95.2%
BTF-3Epoch AI Benchmarking Hub14.9%†–
コーディング
SciCodeSciCode59.0%60.3%†
WeirdMLWeirdML75.4%–
FrontierCodeCognition40.1%–
Arena CodingArena (LMArena)15221542†
Arena WebDevArena (LMArena)16231647†
LiveBench 2.0 CodingLiveBench–74.9%†
165件のベンチマークをすべて表示
指標公開元GLM 5.3 (max)Muse Wonder
コーディング
LiveBench 1.0 CodingLiveBench79.0%†80.7%†
LiveCodeBenchVals AI80.5%–
IOIVals AI68.4%66.9%†
SWE-bench (Vals)Vals AI95.4%–
Code MigrationVals AI44.2%62.5%†
Code Migration v1.1Vals AI55.1%72.4%†
ProgramBenchVals AI1.5%–
SWE-bench MultimodalVals AI–45.6%†
Vibe Code Bench 1-100Vals AI20.0%26.6%†
Vibe Code Bench v1.1Vals AI78.1%83.1%†
Vibe Code Bench 1-100 v1.1Vals AI29.8%–
SWE Atlas v1.1Scale AI SEAL58.1%†64.8%
SWE Atlas v1.1: Codebase QnAScale AI SEAL70.2%†73.4%
SWE Atlas v1.1: Test WritingScale AI SEAL55.6%†61.1%
SWE Atlas v1.1: RefactoringScale AI SEAL48.6%†60.0%
SWE-Bench Pro V2Scale AI SEAL95.6%96.7%†
SWE-Bench Pro V2 HARDScale AI SEAL84.3%90.2%†
MirrorCodeEpoch AI Benchmarking Hub–45.6%†
DeepSWE v1.1Epoch AI Benchmarking Hub69.0%–
CursorBenchCursor42.6%50.4%†
ALE-BenchEpoch AI Benchmarking Hub1317.4†–
FrontierSWEEpoch AI Benchmarking Hub30.2%–
WeirdML v3WeirdML–15.2%†
Terminal-Bench 4.0 (AA)Artificial Analysis41.9%52.0%†
Terminal-Bench 2.1 (AA)Artificial Analysis83.9%–
Startrise FrontendStartrise73.2%†–
GameBench 2 OverallDuelLab GameBench 264.6†64.8
GameBench 2 by reasoning settingDuelLab GameBench 272.354.9†
Design Arena WebsiteDesign Arena1279†1378†
FrontierCode 1.1 (AA)Artificial Analysis40.1%46.5%†
FrontierCode 2.0 (AA)Artificial Analysis21.6%27.9%†
エージェント・ツール
Terminal-BenchTerminal-Bench41.2%47.0%†
APEX-AgentsMercor56.6%†66.1%†
Arena AgentArena (LMArena)11.8†
LiveBench Long AgenticLiveBench–46.2%†
LiveBench BrowserLiveBench–60.0%†
LiveBench Agentic CodingLiveBench60.9%†62.7%†
Terminal-Bench 2.1 (Vals)Vals AI71.5%–
MCP AtlasScale AI SEAL84.2%†–
HiL-BenchScale AI SEAL58.3%†79.7%
GDPval-AA v2.1, normalised scoreArtificial Analysis57.5%63.5%†
GDPval-AA v2.1Artificial Analysis16551770†
τ³-Banking (AA)Artificial Analysis50.3%–
ITBench SRE (AA)Artificial Analysis46.1%–
Analyst Agent (AA)Artificial Analysis38.8%–
CUA-benchVals AI–7.2%†
CyberBenchVals AI72.1%80.4%†
Finance Agent v2Vals AI55.8%56.6%†
Finance Agent v2.1Vals AI65.0%65.5%†
Harvey's Legal Agent Benchmark v1.1Vals AI14.6%23.8%†
Harvey's Legal Agent Benchmark v1Vals AI8.3%17.1%†
Legal Research BenchVals AI49.0%50.5%†
SkillsBenchVals AI47.5%–
SREBenchVals AI9.2%–
Tax Agent BenchVals AI43.3%36.3%†
Terminal-Bench 4.0 (Vals)Vals AI38.9%49.5%†
Terminal-Bench ScienceVals AI5.7%22.9%†
Arena Agent Task CompletionArena (LMArena)3.15.4†
PostTrainBenchEpoch AI Benchmarking Hub34.5%24.2%†
Vending-Bench 2Andon Labs8163.6†9432.2
AutomationBenchArtificial Analysis62.2%68.1%†
GDP.pdf (AA)Artificial Analysis11.2%30.6%†
Harvey LAB-AA v1.1Harvey0.3%10.0%†
EnterpriseOps-GymArtificial Analysis36.4%–
AA-Briefcase v1.1Artificial Analysis15011659†
GDPxGDPx by SemiAnalysis2.7%6.8%†
Design Arena AgenticDesign Arena1239†1177†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis9.5%25.7%†
CWE-Bench (AA)Artificial Analysis55.8%–
DeepSec-Bench (AA)Artificial Analysis24.3%–
CyberGym end-to-end (AA)Artificial Analysis29.0%–
MKA (AA)Artificial Analysis–47.5%†
FACTS SearchGoogle87.7%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub68.8%82.1%†
FrontierMath Tier 4Epoch AI Benchmarking Hub29.3%70.7%†
OTIS Mock AIMEEpoch AI Benchmarking Hub91.1%99.4%†
ProofBenchVals AI49.0%84.0%
LiveBench MathematicsLiveBench87.9%†96.5%†
Arena MathsArena (LMArena)15011490†
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub41.0%–
LiveBench 2.0 Data AnalysisLiveBench–81.6%†
LiveBench ResearchLiveBench–93.0%†
LiveBench 1.0 Data AnalysisLiveBench70.2%†81.6%†
AA-Omniscience v1.1Artificial Analysis6.025.1†
MMLU-ProVals AI86.8%–
LegalBenchVals AI84.8%–
TaxEvalVals AI72.4%–
PRBench FinanceScale AI SEAL–58.7%
PRBench LegalScale AI SEAL–58.4%
BioMysteryBenchVals AI–67.0%†
Excel Modeling BenchmarkVals AI56.3%67.1%†
Excel Modeling Benchmark v1.1Vals AI69.1%72.5%†
MedCodeVals AI42.9%–
MedScribeVals AI88.8%–
Public Benefits Bench v1.1Vals AI68.5%70.2%†
Access to Justice BenchmarkVals AI73.7%73.0%†
Financial Coaching BenchVals AI74.1%73.8%†
Immigration BenchVals AI66.7%69.6%†
EBR-benchEpoch AI Benchmarking Hub–31.4%†
GDP.pdfEpoch AI Benchmarking Hub–30.8%†
AA-Omniscience v1.1: accuracyArtificial Analysis32.3%38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis61.1%79.1%†
HealthBench Professional (AA)OpenAI52.8%–
FACTS ParametricGoogle40.3%†–
指示追従
LiveBench LanguageLiveBench79.9%†82.9%†
LiveBench Instruction FollowingLiveBench69.3%†73.0%†
Arena Instruction FollowingArena (LMArena)14811498†
人間の評価
Arena TextArena (LMArena)14821511†
EQ-Bench 4EQ-Bench–1325
EQ-Bench Creative Writing v3EQ-Bench2076†2007
Arena Creative WritingArena (LMArena)14561491†
Arena Multi-turnArena (LMArena)14821525†
Arena Longer QueriesArena (LMArena)14881507†
マルチモーダル
LiveBench DesignLiveBench–70.9%†
MMMU-ProArtificial Analysis–83.8%†
Humanity's Sixth SenseScale AI SEAL–43.7%†
Blueprint-Bench 2Epoch AI Benchmarking Hub–31.7%
Furniture AssemblyEpoch AI Benchmarking Hub–54.2%†
VIALS-AAHandshake AI–55.3%†
Code2Video-AAArtificial Analysis1034997†
AA-3DArtificial Analysis794–
長文コンテキスト
AA-LCR v1.1Artificial Analysis79.7%80.7%†
MLCRArtificial Analysis17.2%22.2%†
FACTS GroundingGoogle55.2%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub157.1†161.7
LiveBench 2.0LiveBench–70.7%†
LiveBench 1.0LiveBench76.1%†81.2%†
AA Intelligence Index v5.0.1Artificial Analysis31.643.6†
AA Intelligence Index v4.3.2Artificial Analysis44.852.4†
AA Progress Index v1Artificial Analysis322.7335.8†
Vals IndexVals AI59.964.9†
Vals Finance IndexVals AI61.4%61.2%†
Vals RSI IndexVals AI22.9%–
Vals Science IndexVals AI–39.1%†
Vals Router IndexVals AI59.7%†64.9%
Vals Legal IndexVals AI74.6%75.3%†
AA Cyber IndexArtificial Analysis36.4–
安全性・誠実さ
FORTRESSScale AI SEAL28.2%–
DistressBenchScale AI SEAL72.5%†85.9%
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 Wonder:BenchLeader Index 63.0 → 64.4。
  • Muse Wonder:BenchLeader Index 63.5 → 63.0。
  • GLM 5.3 (max):新しい結果1件(PostTrainBench)。
  • Muse Wonder:新しい結果1件(Blueprint-Bench 2)。
  • Muse Wonder:BenchLeader Index 64.3 → 63.5。
  • GLM 5.3 (max):スコアの改訂4件。
  • Muse Wonder:スコアの改訂5件。
  • GLM 5.3 (max):スコアの改訂1件、価格 $0.30/M → $0.26/M。
  • Muse Wonder:スコアの改訂1件。
  • GLM 5.3 (max):価格 $0.26/M → $0.30/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 5.3 vs Muse Wonder:よくある質問

Muse WonderはGLM 5.3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 58.8。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。
GLM 5.3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GLM 5.3の方が安く、100万トークンあたり$2.15 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。
GLM 5.3とMuse Wonderはどちらが速いですか?
GLM 5.3の方が出力が速くなっています(出力88 対 70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 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)。
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 Wonder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 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 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 Wonder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 Wonder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 Wonderが上回っています。
Muse Wonderはいつリリースされましたか?
Muse Wonderは2026年10月12日にリリースされました。