GPT-5.3-Codex vs Muse Spark 1.2
詳しいプロフィール:GPT-5.3-Codex(OpenAI)とMuse Spark 1.2(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、GPT-5.3-CodexとMuse Spark 1.2の品質は互角です(BenchLeader Indexで62.9 対 61.5、±8.6の誤差範囲内)。価格はMuse Spark 1.2の方が2.4倍安く、100万トークンあたりのブレンド価格で$2.00 対 $4.81です。エージェント・ツール(80 対 55)、コーディング(61 対 55)、長文コンテキスト(66 対 64)を重視するならGPT-5.3-Codex、マルチモーダル(65 対 61)を重視するならMuse Spark 1.2が向いています。回答開始までの時間はMuse Spark 1.2の方が短く、11.4秒 対 38.2秒です。Muse Spark 1.2は出力が約2倍速い点も強みです。
要点(2026年11月16日時点)
- BenchLeader IndexはGPT-5.3-Codexが62.9、Muse Spark 1.2が61.5です(BenchLeader、2026年11月16日)。
- GPT-5.3-Codexの100万トークンあたりのブレンド価格は$4.81です(定価、2026年11月16日)。
- Muse Spark 1.2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 1.2はGPT-5.3-Codexより出力が約2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10件のベンチマークのうち、Muse Spark 1.2が6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 | GPT-5.3-Codex | カテゴリスコア61 対 55;WeirdML 77.9% 対 60.3% | 中 |
| エージェント・ツール利用 | GPT-5.3-Codex | カテゴリスコア80 対 55;AA-Briefcase v1.1 868 対 1323 | 高 |
| 長い文書 | GPT-5.3-Codex | カテゴリスコア66 対 64;AA-LCR v1.1 83.3% 対 79.0% | 中 |
| 画像などのメディア | Muse Spark 1.2 | カテゴリスコア65 対 61 | 中 |
| チャットの質(人間の評価) | – | Arenaの評価があるのはMuse Spark 1.2のみです(カテゴリスコア69) | 比較不可 |
| 最低コスト | Muse Spark 1.2 | 100万トークンあたりブレンド価格$2.00 対 $4.81;エージェント型コーディングセッション$0.092 対 $0.161 | – |
| 回答開始の速さ | Muse Spark 1.2 | 最初の回答トークンまで11.4秒(Muse Spark 1.2 (xhigh))対 38.2秒(GPT-5.3-Codex (xhigh)) | – |
| 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
- GPT-5.3-Codex (xhigh)とMuse Spark 1.2 (xhigh)の品質は互角です(62.9 対 61.5、±8.6の誤差範囲内)。
- GPT-5.3-Codex (xhigh)はエージェント・ツール、コーディング、長文コンテキストで優れています。
- Muse Spark 1.2 (xhigh)はマルチモーダルで優れています。
- Muse Spark 1.2 (xhigh)の方が2.4倍安くなっています(100万トークンあたりブレンド価格$2.00 対 $4.81)。
- Muse Spark 1.2 (xhigh)の方が出力が2.2倍速くなっています(208 対 94トークン/秒)。
概要
| 仕様 | GPT-5.3-Codex | Muse Spark 1.2 |
|---|---|---|
| プロバイダー | OpenAI | Meta |
| リリース日 | 2026年2月5日 | 2026年8月5日 |
| コンテキストウィンドウ(トークン) | 400,000 | 1,048,576 |
| 比較した構成 | GPT-5.3-Codex (xhigh) | Muse Spark 1.2 (xhigh) |
| オープンウェイト | なし | 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) | $1.75 / $14.00 / $0.175 | $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 | GPT-5.3-Codex (xhigh) | Muse Spark 1.2 (xhigh) | トップ |
|---|---|---|---|
| 推論 | – | 68.1 | 比較不可 |
| コーディング | 61.0 | 54.7 | GPT-5.3-Codex |
| エージェント・ツール | 80.1 | 55.4 | GPT-5.3-Codex |
| 数学 | – | 66.8 | 比較不可 |
| 知識 | – | 64.5 | 比較不可 |
| 指示追従 | 73.6 | – | 比較不可 |
| 人間の評価 | – | 68.6 | 比較不可 |
| マルチモーダル | 60.8 | 65.3 | Muse Spark 1.2 |
| 長文コンテキスト | 66.4 | 64.1 | GPT-5.3-Codex |
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):推論, 数学, 知識, 指示追従, 人間の評価。
情報源で評価が分かれる点
両方に結果がある10件のベンチマークのうち、GPT-5.3-Codexのリードが4件、Muse Spark 1.2のリードが6件です。
| 総合Index | GPT-5.3-Codex (xhigh) | Muse Spark 1.2 (xhigh) | トップ |
|---|---|---|---|
| BenchLeader Index | 62.9 | 61.5 | 互角 |
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 | GPT-5.3-Codex (xhigh) | Muse Spark 1.2 (xhigh) |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $4.81 | $2.00 |
| 100万トークンあたりの入力/出力 | $1.75 / $14.00 | $1.25 / $4.25 |
| 100万トークンあたりのキャッシュ入力 | $0.175 | $0.150 |
| タスクあたりの価格:チャットの返答 | $0.0049 | $0.0018 |
| タスクあたりの価格:30ページのレポートを要約 | $0.029 | $0.018 |
| タスクあたりの価格:コード編集 | $0.032 | $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 | $0.161 | $0.092 |
| タスクあたりの価格:構造化データの抽出 | $0.0063 | $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) | $0.090 | $0.043 |
| 出力速度 | 94 tok/s | 208 tok/s |
| 回答開始までの時間 | 38.2秒 | 11.4秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 97.1秒 | 23.9秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。GPT-5.3-Codex (xhigh)のスコアは62.9、最初の回答トークンまで38秒。Muse Spark 1.2 (xhigh)のスコアは61.5、最初の回答トークンまで11秒。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
97件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | GPT-5.3-Codex (xhigh) | Muse Spark 1.2 (xhigh) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 62.9 | 61.5 |
| エージェント・ツールスコア | BenchLeader | 80.1 | 55.4 |
| コーディングスコア | BenchLeader | 61.0 | 54.7 |
| 指示追従スコア | BenchLeader | 73.6 | – |
| 長文コンテキストスコア | BenchLeader | 66.4 | 64.1 |
| マルチモーダルスコア | BenchLeader | 60.8 | 65.3 |
| 人間の評価スコア | BenchLeader | – | 68.6 |
| 知識スコア | BenchLeader | – | 64.5 |
| 数学スコア | BenchLeader | – | 66.8 |
| 推論スコア | BenchLeader | – | 68.1 |
| ブレンド価格($/100万トークン) | BenchLeader | $4.81 | $2.00 |
| 出力速度 | BenchLeader | 94 tok/s | 208 tok/s |
| 回答開始までの時間 | BenchLeader | 38.2秒 | 11.4秒 |
| コンテキストウィンドウ | BenchLeader | 400,000トークン | 1,048,576トークン |
| 推論 | |||
| SimpleBench | SimpleBench | – | 74.5%† |
| Arena Hard Prompts | Arena (LMArena) | – | 1514 |
| LiveBench 1.0 Reasoning | LiveBench | – | 90.0% |
| GPQA Diamond (AA) | Artificial Analysis | 91.5% | 90.4% |
| Humanity's Last Exam (AA) | Artificial Analysis | 42.5% | 45.5% |
| CritPt | Artificial Analysis | 16.9% | 17.7% |
| Arena Expert | Arena (LMArena) | – | 1503 |
| Chess Puzzles | Epoch AI Benchmarking Hub | – | 27.0% |
| LMCA | Epoch AI Benchmarking Hub | – | 48.4% |
| DTBench | Epoch AI Benchmarking Hub | – | 94.7% |
| コーディング | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | 74.8%† | – |
| SciCode | SciCode | – | 57.4% |
| WeirdML | WeirdML | 77.9% | 60.3% |
| Arena Coding | Arena (LMArena) | – | 1542 |
| Arena WebDev | Arena (LMArena) | 1406† | 1534 |
| LiveBench 1.0 Coding | LiveBench | – | 77.5% |
| LiveCodeBench | Vals AI | 87.3% | – |
| IOI | Vals AI | 53.8% | 21.8% |
| SWE-bench (Vals) | Vals AI | 78.0% | 86.6% |
| Code Migration | Vals AI | – | 29.9% |
| ProgramBench | Vals AI | – | 0.5% |
| Vibe Code Bench v1.1 | Vals AI | 61.8% | 79.1% |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | – | 54.9% |
| ALE-Bench | Epoch AI Benchmarking Hub | 1655.2 | – |
| FrontierSWE | Epoch AI Benchmarking Hub | – | 12.0% |
97件のベンチマークをすべて表示
| 指標 | 公開元 | GPT-5.3-Codex (xhigh) | Muse Spark 1.2 (xhigh) |
|---|---|---|---|
| コーディング | |||
| Terminal-Bench 4.0 (AA) | Artificial Analysis | – | 7.1% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | – | 80.2% |
| Startrise Frontend | Startrise | – | 70.3%† |
| GameBench 2 Overall | DuelLab GameBench 2 | – | 51.5† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | – | 56.9 |
| Design Arena Website | Design Arena | 1155† | 1309† |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 78.4%† | – |
| APEX-Agents | Mercor | – | 45.4%† |
| Arena Agent | Arena (LMArena) | – | -8.2 |
| LiveBench Agentic Coding | LiveBench | – | 57.6% |
| Terminal-Bench Hard | Artificial Analysis | 53.0% | – |
| τ²-Bench Telecom (AA) | Artificial Analysis | 86.0% | – |
| Terminal-Bench 2.1 (Vals) | Vals AI | – | 69.7% |
| HiL-Bench | Scale AI SEAL | 4.3%† | – |
| GDPval-AA v2.1 | Artificial Analysis | – | 1478 |
| τ³-Banking (AA) | Artificial Analysis | – | 34.9% |
| CyberBench | Vals AI | – | 69.5% |
| Finance Agent v2 | Vals AI | – | 60.6% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | – | 25.4% |
| Legal Research Bench | Vals AI | – | 43.8% |
| SkillsBench | Vals AI | – | 53.0% |
| SREBench | Vals AI | – | 0.0% |
| Tax Agent Bench | Vals AI | – | 32.8% |
| Terminal-Bench 2.0 (Vals) | Vals AI | 64.0%† | – |
| Terminal-Bench 4.0 (Vals) | Vals AI | – | 6.1% |
| Arena Agent Task Completion | Arena (LMArena) | – | -9.8 |
| METR Time Horizons | METR | 74.5%† | – |
| Vending-Bench 2 | Andon Labs | 5940.1† | – |
| AutomationBench | Artificial Analysis | – | 40.6% |
| GDP.pdf (AA) | Artificial Analysis | – | 17.4% |
| EnterpriseOps-Gym | Artificial Analysis | – | 47.3% |
| AA-Briefcase v1.1 | Artificial Analysis | 868 | 1323 |
| Design Arena Agentic | Design Arena | 1018† | 1185† |
| 数学 | |||
| ProofBench | Vals AI | – | 43.0%† |
| LiveBench Mathematics | LiveBench | – | 91.2% |
| Arena Maths | Arena (LMArena) | – | 1486 |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | – | 60.3% |
| LiveBench 1.0 Data Analysis | LiveBench | – | 76.5% |
| MMLU-Pro | Vals AI | – | 88.3% |
| LegalBench | Vals AI | – | 85.3% |
| CorpFin | Vals AI | – | 70.9% |
| TaxEval | Vals AI | – | 80.4% |
| BioMysteryBench | Vals AI | – | 64.8% |
| Excel Modeling Benchmark | Vals AI | – | 57.0% |
| MedCode | Vals AI | – | 49.4% |
| MedScribe | Vals AI | – | 90.1% |
| Public Benefits Bench v1.1 | Vals AI | – | 68.5% |
| Financial Coaching Bench | Vals AI | – | 75.7% |
| Immigration Bench | Vals AI | – | 66.5% |
| GDP.pdf | Epoch AI Benchmarking Hub | – | 16.0% |
| 指示追従 | |||
| LiveBench Language | LiveBench | – | 78.6% |
| LiveBench Instruction Following | LiveBench | – | 74.3% |
| IFBench | Artificial Analysis | 75.4% | – |
| Arena Instruction Following | Arena (LMArena) | – | 1479 |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | – | 1493 |
| EQ-Bench Creative Writing v3 | EQ-Bench | – | 1842† |
| Arena Creative Writing | Arena (LMArena) | – | 1443 |
| Arena Multi-turn | Arena (LMArena) | – | 1510 |
| Arena Longer Queries | Arena (LMArena) | – | 1491 |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | – | 1305 |
| MMMU-Pro | Artificial Analysis | 78.5% | – |
| MMMU-Pro (Vals) | Vals AI | – | 86.1% |
| MortgageTax | Vals AI | – | 65.4% |
| Humanity's Sixth Sense | Scale AI SEAL | – | 24.5% |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 83.3% | 79.0% |
| MLCR | Artificial Analysis | – | 7.2% |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | – | 155.0† |
| LiveBench 1.0 | LiveBench | – | 78.0% |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 32.5 | 39.6 |
| AA Progress Index v1 | Artificial Analysis | 301.3 | 309.1 |
| Vals Multimodal Index | Vals AI | – | 69.8%† |
| 安全性・誠実さ | |||
| DistressBench | Scale AI SEAL | – | 88.4%† |
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 1.2 (xhigh):新しい結果1件(GDPval-AA v2.1)。
- Muse Spark 1.2 (xhigh):スコアの改訂1件。
- GPT-5.3-Codex (xhigh):新しい結果1件(AA-Briefcase v1.1)。
- Muse Spark 1.2 (xhigh):スコアの改訂1件。
- Muse Spark 1.2 (xhigh):BenchLeader Index 62.2 → 61.6。
- GPT-5.3-Codex (xhigh):新しい結果1件(AA Progress Index v1)。
- Muse Spark 1.2 (xhigh):新しい結果1件(AA Progress Index v1)。
- Muse Spark 1.2 (xhigh):価格 $1.29/M → $0.81/M。
- Muse Spark 1.2 (xhigh):価格 $0.97/M → $1.29/M。
- Muse Spark 1.2 (xhigh):新しい結果1件(AA-Briefcase v1.1)。
関連する比較
- GPT-5.3-Codex vs Claude Fable 5.2
- GPT-5.3-Codex vs Gemini 4 Carbon
- GPT-5.3-Codex vs Claude Opus 5.5
- Muse Spark 1.2 vs Claude Fable 5.2
- Muse Spark 1.2 vs Gemini 4 Carbon
- Muse Spark 1.2 vs Claude Opus 5.5
- Muse Spark 1.2 vs GPT-6 Astra
- GPT-5.3-Codex vs Muse Spark 1.1
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
GPT-5.3-Codex vs Muse Spark 1.2:よくある質問
- GPT-5.3-CodexはMuse Spark 1.2より優れていますか?
- GPT-5.3-Codex (xhigh)とMuse Spark 1.2 (xhigh)の品質は互角です(62.9 対 61.5、±8.6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。
- GPT-5.3-CodexとMuse Spark 1.2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 1.2の方が安く、100万トークンあたり$2.00 対 $4.81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。
- コーディングにはGPT-5.3-CodexとMuse Spark 1.2のどちらが向いていますか?
- コーディングではGPT-5.3-Codexの方がスコアが高くなっています(カテゴリ指標で61 対 55。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WeirdMLでは、GPT-5.3-Codexが77.9%、Muse Spark 1.2が60.3%です。
- GPT-5.3-CodexとMuse Spark 1.2はどちらが速いですか?
- Muse Spark 1.2の方が出力が約2倍速くなっています(出力208 対 94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GPT-5.3-CodexとMuse Spark 1.2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GPT-5.3-Codexの方がスコアが高くなっています(カテゴリ指標で80 対 55。50が平均)。
ほかの質問(4件)
- 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GPT-5.3-Codexの方がスコアが高くなっています(66 対 64)。コンテキストはMuse Spark 1.2の方が長く、1,048,576トークンです(GPT-5.3-Codexは400,000トークン)。
- 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 1.2です。Artificial Analysisの測定では、最初の回答トークンまで11.4秒 対 38.2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。
- GPT-5.3-CodexとMuse Spark 1.2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10件のベンチマークのうち、GPT-5.3-Codexのリードが4件、Muse Spark 1.2のリードが6件です。
- Muse Spark 1.2はいつリリースされましたか?
- Muse Spark 1.2は2026年8月5日にリリースされました。