BenchLeader

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。

用途おすすめ理由信頼度
コーディングMuse Wonder Fullカテゴリスコア70 対 61;IOI 79.8% 対 53.8%高
エージェント・ツール利用GPT-5.3-Codexカテゴリスコア80 対 64;AA-Briefcase v1.1 868 対 1729高
長い文書どちらでもカテゴリスコア66 対 67;AA-LCR v1.1 83.3% 対 83.7%どちらでも
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 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-CodexMuse Wonder Full
プロバイダーOpenAIMeta
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)400,0001,000,000
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61.069.9Muse Wonder Full
エージェント・ツール80.163.6GPT-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66.466.6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。

2550 avg75コーディングエージェント・ツール長文コンテキストGPT-5.3-Codex, コーディング: 61.0GPT-5.3-Codex, エージェント・ツール: 80.1GPT-5.3-Codex, 長文コンテキスト: 66.4Muse Wonder Full, コーディング: 69.9Muse Wonder Full, エージェント・ツール: 63.6Muse Wonder Full, 長文コンテキスト: 66.6

描画していないもの(測定済みのモデルが2つ未満):推論, 数学, 知識, 指示追従, 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IndexGPT-5.3-Codex (xhigh)Muse Wonder Full (max)トップ
BenchLeader Index62.961.7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 IndexBenchLeader62.961.7
エージェント・ツールスコアBenchLeader80.163.6
コーディングスコアBenchLeader61.069.9
指示追従スコアBenchLeader73.6–
長文コンテキストスコアBenchLeader66.466.6
マルチモーダルスコアBenchLeader60.8–
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BenchLeader94 tok/s–
回答開始までの時間BenchLeader38.2秒–
コンテキストウィンドウBenchLeader400,000トークン1,000,000トークン
推論
GPQA Diamond (AA)Artificial Analysis91.5%–
Humanity's Last Exam (AA)Artificial Analysis42.5%53.6%
HLE-Diamond (AA)Artificial Analysis–48.5%
CritPtArtificial Analysis16.9%32.9%
CritPt v2 hard subset (AA)Artificial Analysis–56.5%
MysteryMechanismVals AI–35.1%
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub74.8%†–
WeirdMLWeirdML77.9%–
Arena WebDevArena (LMArena)1406†1724
SciCode (AA)Artificial Analysis–62.6%
LiveCodeBenchVals AI87.3%–
IOIVals AI53.8%79.8%
SWE-bench (Vals)Vals AI78.0%–
Code MigrationVals AI–61.0%
Code Migration v1.1Vals AI–62.8%
ProgramBenchVals AI–0.5%
SWE-bench MultimodalVals AI–47.3%
Vibe Code Bench 1-100Vals AI–34.0%
Vibe Code Bench v1.1Vals AI61.8%86.0%
ALE-BenchEpoch AI Benchmarking Hub1655.2–
Terminal-Bench 4.0 (AA)Artificial Analysis–57.1%
Design Arena WebsiteDesign Arena1155†–
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-BenchTerminal-Bench78.4%†–
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 AgentArena (LMArena)–9
Terminal-Bench HardArtificial Analysis53.0%–
τ²-Bench Telecom (AA)Artificial Analysis86.0%–
HiL-BenchScale AI SEAL4.3%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis–67.8%
GDPval-AA v2.1Artificial Analysis–1857
CyberBenchVals AI–73.6%
Finance Agent v2Vals AI–59.1%
Finance Agent v2.1Vals AI–67.6%
Harvey's Legal Agent Benchmark v1.1Vals AI–23.3%
Harvey's Legal Agent Benchmark v1Vals AI–21.7%
Legal Research BenchVals AI–53.4%
Robo-benchVals AI–10.4%
SREBenchVals AI–11.8%
Tax Agent BenchVals AI–43.0%
Terminal-Bench 2.0 (Vals)Vals AI64.0%†–
Terminal-Bench 4.0 (Vals)Vals AI–58.1%
Terminal-Bench ScienceVals AI–37.1%
Arena Agent Task CompletionArena (LMArena)–11.1
METR Time HorizonsMETR74.5%†–
Vending-Bench 2Andon Labs5940.1†–
AutomationBenchArtificial Analysis–71.3%
GDP.pdf (AA)Artificial Analysis–32.6%
Harvey LAB-AA v1.1Harvey–13.1%
AA-Briefcase v1.1Artificial Analysis8681729
GDPxGDPx by SemiAnalysis–9.0%
Design Arena AgenticDesign Arena1018†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–37.1%
知識
AA-Omniscience v1.1Artificial Analysis–30.6
LegalBenchVals AI–87.4%
BioMysteryBenchVals AI–73.3%
Excel Modeling BenchmarkVals AI–71.9%
Excel Modeling Benchmark v1.1Vals AI–75.0%
MedCodeVals AI–49.9%
MedScribeVals AI–89.3%
Public Benefits Bench v1.1Vals AI–73.8%
Access to Justice BenchmarkVals AI–74.7%
Financial Coaching BenchVals AI–75.0%
Immigration BenchVals AI–71.2%
AA-Omniscience v1.1: accuracyArtificial Analysis–41.0%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–82.4%
指示追従
IFBenchArtificial Analysis75.4%–
マルチモーダル
MMMU-ProArtificial Analysis78.5%–
長文コンテキスト
AA-LCR v1.1Artificial Analysis83.3%83.7%
MLCRArtificial Analysis–22.2%
総合
AA Intelligence Index v5.0.1Artificial Analysis–50.1
AA Intelligence Index v4.3.2Artificial Analysis32.555.8
AA Progress Index v1Artificial Analysis301.3343.2
Vals IndexVals AI–66.8
Vals Finance IndexVals AI–64.5%
Vals RSI IndexVals AI–24.4%
Vals Science IndexVals AI–48.5%
Vals Router IndexVals AI–66.8%†
Vals Legal IndexVals 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))。

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。