GPT-5.3-Codex vs Muse Wonder Full
詳しいプロフィール:GPT-5.3-Codex(OpenAI)とMuse Wonder Full(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 · 7件の情報源のデータ
2026年11月16日時点で、GPT-5.3-CodexとMuse Wonder Fullの品質は互角です(BenchLeader Indexで62.9 対 61.7、±7.4の誤差範囲内)。エージェント・ツール(80 対 64)を重視するならGPT-5.3-Codex、コーディング(70 対 61)を重視するならMuse Wonder Fullが向いています。
要点(2026年11月16日時点)
- BenchLeader IndexはGPT-5.3-Codexが62.9、Muse Wonder Fullが61.7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)。
- 両モデルに結果がある7件のベンチマークのうち、Muse Wonder Fullが7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。
主な違い
- GPT-5.3-Codex (xhigh)とMuse Wonder Full (max)の品質は互角です(62.9 対 61.7、±7.4の誤差範囲内)。
- GPT-5.3-Codex (xhigh)はエージェント・ツールで優れています。
- Muse Wonder Full (max)はコーディング、長文コンテキストで優れています。
概要
| 仕様 | GPT-5.3-Codex | Muse Wonder Full |
|---|---|---|
| プロバイダー | OpenAI | Meta |
| リリース日 | 2026年2月5日 | 2026年10月12日 |
| コンテキストウィンドウ(トークン) | 400,000 | 1,000,000 |
| 比較した構成 | GPT-5.3-Codex (xhigh) | Muse Wonder Full (max) |
| 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 | – |
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 Wonder Full (max) | トップ |
|---|---|---|---|
| 推論 | – | 65.8 | 比較不可 |
| コーディング | 61.0 | 69.9 | Muse Wonder Full |
| エージェント・ツール | 80.1 | 63.6 | GPT-5.3-Codex |
| 知識 | – | 62.3 | 比較不可 |
| 指示追従 | 73.6 | – | 比較不可 |
| マルチモーダル | 60.8 | – | 比較不可 |
| 長文コンテキスト | 66.4 | 66.6 | 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。
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, マルチモーダル, 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7件のベンチマークのうち、GPT-5.3-Codexのリードが0件、Muse Wonder Fullのリードが7件です。
| 総合Index | GPT-5.3-Codex (xhigh) | Muse Wonder Full (max) | トップ |
|---|---|---|---|
| BenchLeader Index | 62.9 | 61.7 | 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 Wonder Full (max) |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $4.81 | – |
| 100万トークンあたりの入力/出力 | $1.75 / $14.00 | – / – |
| 100万トークンあたりのキャッシュ入力 | $0.175 | – |
| タスクあたりの価格:チャットの返答 | $0.0049 | – |
| タスクあたりの価格:30ページのレポートを要約 | $0.029 | – |
| タスクあたりの価格:コード編集 | $0.032 | – |
| 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 | – |
| タスクあたりの価格:構造化データの抽出 | $0.0063 | – |
| 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) | $0.090 | – |
| タスクあたりの出力トークン(AA Index) | – | 88k |
| うち推論 | – | 55k |
| 出力速度 | 94 tok/s | – |
| 回答開始までの時間 | 38.2秒 | – |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 97.1秒 | – |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。GPT-5.3-Codex (xhigh)のスコアは62.9、最初の回答トークンまで38秒。Muse Wonder Full (max)のスコアは61.7。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
79件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | GPT-5.3-Codex (xhigh) | Muse Wonder Full (max) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 62.9 | 61.7 |
| エージェント・ツールスコア | BenchLeader | 80.1 | 63.6 |
| コーディングスコア | BenchLeader | 61.0 | 69.9 |
| 指示追従スコア | BenchLeader | 73.6 | – |
| 長文コンテキストスコア | BenchLeader | 66.4 | 66.6 |
| マルチモーダルスコア | BenchLeader | 60.8 | – |
| 知識スコア | BenchLeader | – | 62.3 |
| 推論スコア | BenchLeader | – | 65.8 |
| ブレンド価格($/100万トークン) | BenchLeader | $4.81 | – |
| 出力速度 | BenchLeader | 94 tok/s | – |
| 回答開始までの時間 | BenchLeader | 38.2秒 | – |
| コンテキストウィンドウ | BenchLeader | 400,000トークン | 1,000,000トークン |
| 推論 | |||
| GPQA Diamond (AA) | Artificial Analysis | 91.5% | – |
| Humanity's Last Exam (AA) | Artificial Analysis | 42.5% | 53.6% |
| HLE-Diamond (AA) | Artificial Analysis | – | 48.5% |
| CritPt | Artificial Analysis | 16.9% | 32.9% |
| CritPt v2 hard subset (AA) | Artificial Analysis | – | 56.5% |
| MysteryMechanism | Vals AI | – | 35.1% |
| コーディング | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | 74.8%† | – |
| WeirdML | WeirdML | 77.9% | – |
| Arena WebDev | Arena (LMArena) | 1406† | 1724 |
| SciCode (AA) | Artificial Analysis | – | 62.6% |
| LiveCodeBench | Vals AI | 87.3% | – |
| IOI | Vals AI | 53.8% | 79.8% |
| SWE-bench (Vals) | Vals AI | 78.0% | – |
| Code Migration | Vals AI | – | 61.0% |
| Code Migration v1.1 | Vals AI | – | 62.8% |
| ProgramBench | Vals AI | – | 0.5% |
| SWE-bench Multimodal | Vals AI | – | 47.3% |
| Vibe Code Bench 1-100 | Vals AI | – | 34.0% |
| Vibe Code Bench v1.1 | Vals AI | 61.8% | 86.0% |
| ALE-Bench | Epoch AI Benchmarking Hub | 1655.2 | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | – | 57.1% |
| Design Arena Website | Design Arena | 1155† | – |
| FrontierCode 1.1 (AA) | Artificial Analysis | – | 44.9% |
| FrontierCode 2.0 (AA) | Artificial Analysis | – | 37.8% |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 78.4%† | – |
79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 Wonder Full (max) |
|---|---|---|---|
| エージェント・ツール | |||
| Arena Agent | Arena (LMArena) | – | 9 |
| Terminal-Bench Hard | Artificial Analysis | 53.0% | – |
| τ²-Bench Telecom (AA) | Artificial Analysis | 86.0% | – |
| HiL-Bench | Scale AI SEAL | 4.3%† | – |
| GDPval-AA v2.1, normalised score | Artificial Analysis | – | 67.8% |
| GDPval-AA v2.1 | Artificial Analysis | – | 1857 |
| CyberBench | Vals AI | – | 73.6% |
| Finance Agent v2 | Vals AI | – | 59.1% |
| Finance Agent v2.1 | Vals AI | – | 67.6% |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | – | 23.3% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | – | 21.7% |
| Legal Research Bench | Vals AI | – | 53.4% |
| Robo-bench | Vals AI | – | 10.4% |
| SREBench | Vals AI | – | 11.8% |
| Tax Agent Bench | Vals AI | – | 43.0% |
| Terminal-Bench 2.0 (Vals) | Vals AI | 64.0%† | – |
| Terminal-Bench 4.0 (Vals) | Vals AI | – | 58.1% |
| Terminal-Bench Science | Vals AI | – | 37.1% |
| Arena Agent Task Completion | Arena (LMArena) | – | 11.1 |
| METR Time Horizons | METR | 74.5%† | – |
| Vending-Bench 2 | Andon Labs | 5940.1† | – |
| AutomationBench | Artificial Analysis | – | 71.3% |
| GDP.pdf (AA) | Artificial Analysis | – | 32.6% |
| Harvey LAB-AA v1.1 | Harvey | – | 13.1% |
| AA-Briefcase v1.1 | Artificial Analysis | 868 | 1729 |
| GDPx | GDPx by SemiAnalysis | – | 9.0% |
| Design Arena Agentic | Design Arena | 1018† | – |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | – | 37.1% |
| 知識 | |||
| AA-Omniscience v1.1 | Artificial Analysis | – | 30.6 |
| LegalBench | Vals AI | – | 87.4% |
| BioMysteryBench | Vals AI | – | 73.3% |
| Excel Modeling Benchmark | Vals AI | – | 71.9% |
| Excel Modeling Benchmark v1.1 | Vals AI | – | 75.0% |
| MedCode | Vals AI | – | 49.9% |
| MedScribe | Vals AI | – | 89.3% |
| Public Benefits Bench v1.1 | Vals AI | – | 73.8% |
| Access to Justice Benchmark | Vals AI | – | 74.7% |
| Financial Coaching Bench | Vals AI | – | 75.0% |
| Immigration Bench | Vals AI | – | 71.2% |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | – | 41.0% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | – | 82.4% |
| 指示追従 | |||
| IFBench | Artificial Analysis | 75.4% | – |
| マルチモーダル | |||
| MMMU-Pro | Artificial Analysis | 78.5% | – |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 83.3% | 83.7% |
| MLCR | Artificial Analysis | – | 22.2% |
| 総合 | |||
| AA Intelligence Index v5.0.1 | Artificial Analysis | – | 50.1 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 32.5 | 55.8 |
| AA Progress Index v1 | Artificial Analysis | 301.3 | 343.2 |
| Vals Index | Vals AI | – | 66.8 |
| Vals Finance Index | Vals AI | – | 64.5% |
| Vals RSI Index | Vals AI | – | 24.4% |
| Vals Science Index | Vals AI | – | 48.5% |
| Vals Router Index | Vals AI | – | 66.8%† |
| Vals Legal Index | Vals AI | – | 77.9% |
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。
最近の変化
- Muse Wonder Full (max):BenchLeader Index 62.6 → 61.7。
- Muse Wonder Full (max):スコアの改訂1件。
- Muse Wonder Full (max):スコアの改訂1件。
- Muse Wonder Full (max):新しい結果1件(Arena Agent)。
- GPT-5.3-Codex (xhigh):新しい結果1件(AA-Briefcase v1.1)。
- GPT-5.3-Codex (xhigh):新しい結果1件(AA Progress Index v1)。
- Muse Wonder Full (max):新しい結果6件(AA Intelligence Index v5.0.1, AA Progress Index v1, HLE-Diamond (AA)…)、スコアの改訂2件。
- Muse Wonder Full (max):新しい結果1件(Terminal-Bench-Science 0.1 (AA))。
- Muse Wonder Full (max):新しい結果9件(Code Migration v1.1, Excel Modeling Benchmark v1.1, Finance Agent v2.1…)。
- Muse Wonder Full (max):新しい結果1件(FrontierCode 1.1 (AA))。
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 Wonder Full vs Claude Fable 5.2
- Muse Wonder Full vs Gemini 4 Carbon
- Muse Wonder Full vs Claude Opus 5.5
- Muse Wonder Full vs GPT-6 Astra
- GPT-5.3-Codex vs Muse Spark 1.3
ランキング: 総合ベストLLM · コーディングに最適な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 Wonder Full:よくある質問
- GPT-5.3-CodexはMuse Wonder Fullより優れていますか?
- GPT-5.3-Codex (xhigh)とMuse Wonder Full (max)の品質は互角です(62.9 対 61.7、±7.4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GPT-5.3-CodexとMuse Wonder Fullのどちらが向いていますか?
- コーディングではMuse Wonder Fullの方がスコアが高くなっています(カテゴリ指標で70 対 61。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IOIでは、GPT-5.3-Codexが53.8%、Muse Wonder Fullが79.8%です。
- エージェントやツール利用にはGPT-5.3-CodexとMuse Wonder Full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 64。50が平均)。
- 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(66 対 67)。コンテキストはMuse Wonder Fullの方が長く、1,000,000トークンです(GPT-5.3-Codexは400,000トークン)。
- GPT-5.3-CodexとMuse Wonder Full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7件のベンチマークのうち、GPT-5.3-Codexのリードが0件、Muse Wonder Fullのリードが7件です。
ほかの質問(1件)
- Muse Wonder Fullはいつリリースされましたか?
- Muse Wonder Fullは2026年10月12日にリリースされました。