GPT-5.4 Nano vs Muse Spark Open
詳しいプロフィール:GPT-5.4 Nano(OpenAI)とMuse Spark Open(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、GPT-5.4 NanoとMuse Spark Openの品質は互角です(BenchLeader Indexで53.9 対 53.5、±10.9の誤差範囲内)。価格はGPT-5.4 Nanoの方が4.3倍安く、100万トークンあたりのブレンド価格で$0.463 対 $2.00です。コーディング(49 対 36)を重視するならGPT-5.4 Nano、マルチモーダル(63 対 47)、推論(51 対 38)を重視するならMuse Spark Openが向いています。回答開始までの時間はMuse Spark Openの方が短く、9.9秒 対 61.3秒です。
要点(2026年11月16日時点)
- BenchLeader IndexはGPT-5.4 Nanoが53.9、Muse Spark Openが53.5です(BenchLeader、2026年11月16日)。
- GPT-5.4 Nanoの100万トークンあたりのブレンド価格は$0.463です(定価、2026年11月16日)。
- Muse Spark Open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)。
- 両モデルに結果がある16件のベンチマークのうち、Muse Spark Openが15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-5.4 Nano | カテゴリスコア49 対 36;SciCode (AA) 47.2% 対 58.5% | 高 |
| 推論 | Muse Spark Open | カテゴリスコア51 対 38;ARC-AGI-2 57.5% 対 5.7% | 高 |
| 長い文書 | どちらでも | カテゴリスコア63 対 64;AA-LCR v1.1 76.7% 対 78.3% | どちらでも |
| 画像などのメディア | Muse Spark Open | カテゴリスコア63 対 47;MMMU-Pro 80.9% 対 65.4% | 高 |
| 最低コスト | GPT-5.4 Nano | 100万トークンあたりブレンド価格$0.463 対 $2.00;エージェント型コーディングセッション$0.017 対 $0.092 | – |
| 回答開始の速さ | Muse Spark Open | 最初の回答トークンまで9.9秒(Muse Spark Open (xhigh))対 61.3秒(GPT-5.4 Nano (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-5.4 Nano (xhigh)とMuse Spark Open (xhigh)の品質は互角です(53.9 対 53.5、±10.9の誤差範囲内)。
- GPT-5.4 Nano (xhigh)はコーディングで優れています。
- Muse Spark Open (xhigh)は長文コンテキスト、マルチモーダル、推論で優れています。
- GPT-5.4 Nano (xhigh)の方が4.3倍安くなっています(100万トークンあたりブレンド価格$0.463 対 $2.00)。
概要
| 仕様 | GPT-5.4 Nano | Muse Spark Open |
|---|---|---|
| プロバイダー | OpenAI | Meta |
| リリース日 | 2026年3月17日 | 2026年10月15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-5.4 Nano (xhigh) | Muse Spark Open (xhigh) |
| オープンウェイト | なし | あり |
| 100万トークンあたりの価格(入力/出力/キャッシュ入力) | $0.200 / $1.25 / $0.020 | $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-5.4 Nano (xhigh) | Muse Spark Open (xhigh) | トップ |
|---|---|---|---|
| 推論 | 37.9 | 51.3 | Muse Spark Open |
| コーディング | 49.4 | 36.0 | GPT-5.4 Nano |
| エージェント・ツール | 60.8 | – | 比較不可 |
| 知識 | – | 58.8 | 比較不可 |
| 指示追従 | 74.1 | – | 比較不可 |
| マルチモーダル | 47.4 | 63.3 | Muse Spark Open |
| 長文コンテキスト | 62.9 | 63.8 | 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):エージェント・ツール, 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16件のベンチマークのうち、GPT-5.4 Nanoのリードが1件、Muse Spark Openのリードが15件です。
| 総合Index | GPT-5.4 Nano (xhigh) | Muse Spark Open (xhigh) | トップ |
|---|---|---|---|
| BenchLeader Index | 53.9 | 53.5 | 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-5.4 Nano (xhigh) | Muse Spark Open (xhigh) |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $0.463 | $2.00 |
| 100万トークンあたりの入力/出力 | $0.200 / $1.25 | $1.25 / $4.25 |
| 100万トークンあたりのキャッシュ入力 | $0.020 | $0.150 |
| タスクあたりの価格:チャットの返答 | $0.0005 | $0.0018 |
| タスクあたりの価格:30ページのレポートを要約 | $0.0032 | $0.018 |
| タスクあたりの価格:コード編集 | $0.0031 | $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 | $0.017 | $0.092 |
| タスクあたりの価格:構造化データの抽出 | $0.0007 | $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) | $0.0089 | $0.043 |
| ベンチマークのタスクあたりのコスト(AA Index) | – | $2.02 |
| タスクあたりの出力トークン(AA Index) | – | 66k |
| うち推論 | – | 32k |
| タスクあたりの時間(AA Index) | – | 6 min |
| 出力速度 | 145 tok/s | 180 tok/s |
| 回答開始までの時間 | 61.3秒 | 9.9秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 185.1秒 | 39.9秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。GPT-5.4 Nano (xhigh)のスコアは53.9、最初の回答トークンまで61秒。GPT-5.4 Nano (medium)は51.4(6秒)、GPT-5.4 Nano (high)は48.3(1秒)。Muse Spark Open (xhigh)のスコアは53.5、最初の回答トークンまで10秒。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
130件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | GPT-5.4 Nano (xhigh) | Muse Spark Open (xhigh) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 53.9 | 53.5 |
| エージェント・ツールスコア | BenchLeader | 60.8 | – |
| コーディングスコア | BenchLeader | 49.4 | 36.0 |
| 指示追従スコア | BenchLeader | 74.1 | – |
| 長文コンテキストスコア | BenchLeader | 62.9 | 63.8 |
| マルチモーダルスコア | BenchLeader | 47.4 | 63.3 |
| 推論スコア | BenchLeader | 37.9 | 51.3 |
| 知識スコア | BenchLeader | – | 58.8 |
| ブレンド価格($/100万トークン) | BenchLeader | $0.463 | $2.00 |
| 出力速度 | BenchLeader | 145 tok/s | 180 tok/s |
| 回答開始までの時間 | BenchLeader | 61.3秒 | 9.9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 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 78.5%† | – |
| Arena Hard Prompts | Arena (LMArena) | 1421† | – |
| LiveBench 2.0 Reasoning | LiveBench | – | 73.7%† |
| LiveBench 1.0 Reasoning | LiveBench | 81.1% | – |
| GPQA Diamond (AA) | Artificial Analysis | 81.7% | 89.0% |
| Humanity's Last Exam (AA) | Artificial Analysis | 28.3% | 43.9% |
| HLE-Diamond (AA) | Artificial Analysis | – | 26.3% |
| GPQA Diamond (Vals) | Vals AI | 77.5%† | – |
| Kagi LLM Benchmark | Kagi LLM Benchmark | 39.7%† | – |
| ARC-AGI-1 | ARC Prize | 51.5% | 89.0% |
| ARC-AGI-2 | ARC Prize | 5.7% | 57.5% |
| ARC-AGI-3 | ARC Prize | – | 0.4% |
| CritPt | Artificial Analysis | 9.3% | 14.9% |
| CritPt v2 hard subset (AA) | Artificial Analysis | – | 29.5% |
| HLE-Diamond (Scale) | Scale AI SEAL | – | 28.0%† |
| Arena Expert | Arena (LMArena) | 1436† | – |
| Chess Puzzles | Epoch AI Benchmarking Hub | 45.0% | – |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 6.0%† | – |
| LMCA | Epoch AI Benchmarking Hub | 36.9% | – |
| DTBench | Epoch AI Benchmarking Hub | 80.3% | – |
| ForecastBench | ForecastBench | 58.6%† | – |
| コーディング | |||
| SciCode | SciCode | 47.2% | – |
| WeirdML | WeirdML | 49.2%† | – |
| Arena Coding | Arena (LMArena) | 1460† | – |
| Arena WebDev | Arena (LMArena) | – | 1526† |
130件のベンチマークをすべて表示
| 指標 | 公開元 | GPT-5.4 Nano (xhigh) | Muse Spark Open (xhigh) |
|---|---|---|---|
| コーディング | |||
| LiveBench 2.0 Coding | LiveBench | – | 55.1%† |
| LiveBench 1.0 Coding | LiveBench | 70.8% | – |
| SciCode (AA) | Artificial Analysis | 47.2% | 58.5% |
| LiveCodeBench | Vals AI | 84.0%† | – |
| SWE-bench (Vals) | Vals AI | 69.8%† | – |
| Code Migration | Vals AI | 14.5%† | 21.2% |
| Code Migration v1.1 | Vals AI | – | 26.9% |
| Vibe Code Bench v1.1 | Vals AI | 26.1%† | 76.2% |
| SWE Atlas v1.1 | Scale AI SEAL | – | 42.3%† |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | – | 50.0%† |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | – | 41.1%† |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | – | 35.7%† |
| SWE-Bench Pro V2 | Scale AI SEAL | – | 95.0% |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | – | 82.3% |
| ALE-Bench | Epoch AI Benchmarking Hub | 1004.5† | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 0.5% | 8.1% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 60.7% | 76.4% |
| GameBench 2 Overall | DuelLab GameBench 2 | – | 55.3† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 31.1† | 59.3 |
| Design Arena Website | Design Arena | – | 1305 |
| FrontierCode 1.1 (AA) | Artificial Analysis | – | 27.6% |
| FrontierCode 2.0 (AA) | Artificial Analysis | – | 7.6% |
| エージェント・ツール | |||
| LiveBench Long Agentic | LiveBench | – | 12.1%† |
| LiveBench Browser | LiveBench | – | 26.2%† |
| LiveBench Agentic Coding | LiveBench | 46.8% | – |
| Terminal-Bench Hard | Artificial Analysis | 42.4% | – |
| τ²-Bench Telecom (AA) | Artificial Analysis | 76.0% | – |
| Terminal-Bench 2.1 (Vals) | Vals AI | 41.6%† | – |
| HiL-Bench | Scale AI SEAL | – | 59.7%† |
| GDPval-AA v2.1, normalised score | Artificial Analysis | – | 45.1% |
| GDPval-AA v2.1 | Artificial Analysis | 954 | 1401 |
| τ³-Banking (AA) | Artificial Analysis | 27.4% | – |
| ITBench SRE (AA) | Artificial Analysis | 24.4% | – |
| APEX-Agents (AA) | Artificial Analysis | 24.9% | – |
| Finance Agent v2 | Vals AI | 38.2%† | 61.3% |
| Finance Agent v2.1 | Vals AI | – | 60.7% |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | – | 25.0% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 0.0%† | 16.7% |
| Legal Research Bench | Vals AI | 6.3%† | 38.5% |
| Tax Agent Bench | Vals AI | 5.0%† | 26.3% |
| Terminal-Bench 2.0 (Vals) | Vals AI | 39.9%† | – |
| Terminal-Bench 4.0 (Vals) | Vals AI | – | 6.6% |
| AutomationBench | Artificial Analysis | 6.0% | 49.7% |
| GDP.pdf (AA) | Artificial Analysis | 7.8% | 18.6% |
| EnterpriseOps-Gym | Artificial Analysis | 31.5% | – |
| AA-Briefcase v1.1 | Artificial Analysis | 674 | 1280 |
| GDPx | GDPx by SemiAnalysis | – | 1.7%† |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | – | 1.9% |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 44.9%† | – |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 12.2%† | – |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 87.8%† | – |
| ProofBench | Vals AI | 5.0%† | – |
| LiveBench Mathematics | LiveBench | 91.0% | – |
| AIME (Vals) | Vals AI | 88.8%† | – |
| ArXivMath | MathArena | – | 27.0% |
| BrokenArXiv | MathArena | – | 30.1% |
| Arena Maths | Arena (LMArena) | 1424† | – |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 11.7%† | – |
| LiveBench 2.0 Data Analysis | LiveBench | – | 60.2%† |
| LiveBench Research | LiveBench | – | 82.7%† |
| LiveBench 1.0 Data Analysis | LiveBench | 67.6% | – |
| AA-Omniscience v1.1 | Artificial Analysis | – | 25.8 |
| MMLU-Pro | Vals AI | 77.2%† | – |
| LegalBench | Vals AI | 77.9%† | – |
| CorpFin | Vals AI | 61.2%† | – |
| TaxEval | Vals AI | 67.4%† | – |
| PRBench Legal | Scale AI SEAL | – | 59.8%† |
| CaseLaw v2 | Vals AI | 51.9%† | – |
| Excel Modeling Benchmark | Vals AI | 44.8%† | 53.7% |
| Excel Modeling Benchmark v1.1 | Vals AI | – | 62.0% |
| MedCode | Vals AI | 41.0%† | – |
| MedScribe | Vals AI | 77.1%† | – |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | – | 42.0% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | – | 72.0% |
| 指示追従 | |||
| LiveBench Language | LiveBench | 62.5% | – |
| LiveBench Instruction Following | LiveBench | 67.2% | – |
| IFBench | Artificial Analysis | 75.9% | – |
| MultiChallenge | Scale AI SEAL | – | 74.2%† |
| Arena Instruction Following | Arena (LMArena) | 1386† | – |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1401† | – |
| Arena Creative Writing | Arena (LMArena) | 1337† | – |
| Arena Multi-turn | Arena (LMArena) | 1414† | – |
| Arena Longer Queries | Arena (LMArena) | 1403† | – |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1196† | – |
| LiveBench Design | LiveBench | – | 58.1%† |
| MMMU-Pro | Artificial Analysis | 65.4% | 80.9% |
| MMMU-Pro (Vals) | Vals AI | 73.6%† | – |
| MortgageTax | Vals AI | 59.1%† | – |
| SAGE | Vals AI | – | 85.8% |
| Humanity's Sixth Sense | Scale AI SEAL | – | 29.6%† |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 76.7% | 78.3% |
| MLCR | Artificial Analysis | 16.1% | 7.8% |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 146.4† | 155.4† |
| LiveBench 2.0 | LiveBench | – | 48.5%† |
| LiveBench 1.0 | LiveBench | 69.6% | – |
| AA Intelligence Index v5.0.1 | Artificial Analysis | – | 24.9 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 20.7 | 38.9 |
| AA Progress Index v1 | Artificial Analysis | 270.1 | 306.7 |
| Vals Index | Vals AI | – | 48.6 |
| Vals Finance Index | Vals AI | – | 53.0% |
| Vals Multimodal Index | Vals AI | 47.6%† | – |
| Vals Legal Index | Vals AI | – | 68.5% |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | – | 7.6%† |
| DistressBench | Scale AI SEAL | – | 87.7%† |
| メタデータ | |||
| AA Openness Index | Artificial Analysis | – | 27.8 |
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
- GPT-5.4 Nano (xhigh):新しい結果2件(GDPval-AA v2.1, AA-Briefcase v1.1)。
- Muse Spark Open (xhigh):スコアの改訂1件。
- Muse Spark Open (xhigh):新しい結果1件(GameBench 2 by reasoning setting)、スコアの改訂1件。
- Muse Spark Open (xhigh):BenchLeader Index 53.3 → 53.8。
- Muse Spark Open (xhigh):新しい結果1件(ARC-AGI-3)。
- GPT-5.4 Nano (xhigh):BenchLeader Index 53.6 → 54.1。
- Muse Spark Open (xhigh):BenchLeader Index 59.5 → 53.3。
- GPT-5.4 Nano (xhigh):新しい結果1件(AA Progress Index v1)。
- Muse Spark Open (xhigh):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3件、価格 $0.84/M → $2.02/M。
- Muse Spark Open (xhigh):新しい結果6件(MLCR, Code Migration v1.1, Excel Modeling Benchmark v1.1…)、価格 $1.25/M → $0.15/M。
関連する比較
- GPT-5.4 Nano vs MiniMax M3.1 Flash
- Muse Spark Open vs Claude Opus 5.5
- Muse Spark Open vs GPT-6 Astra
- Muse Spark Open vs GPT-6.1 Sol
- Muse Spark Open vs Claude Fable 5
- Muse Spark Open vs Gemini 4 Argon
- Muse Spark Open vs GPT-5.6 Sol
- Muse Spark Open vs Claude Sonnet 5.5
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-5.4 Nano vs Muse Spark Open:よくある質問
- GPT-5.4 NanoはMuse Spark Openより優れていますか?
- GPT-5.4 Nano (xhigh)とMuse Spark Open (xhigh)の品質は互角です(53.9 対 53.5、±10.9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-5.4 NanoとMuse Spark Open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GPT-5.4 Nanoの方が安く、100万トークンあたり$0.463 対 $2.00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。
- コーディングにはGPT-5.4 NanoとMuse Spark Openのどちらが向いていますか?
- コーディングではGPT-5.4 Nanoの方がスコアが高くなっています(カテゴリ指標で49 対 36。50が平均)。
- GPT-5.4 NanoとMuse Spark Openはどちらが速いですか?
- Muse Spark Openの方が出力が速くなっています(出力180 対 145トークン/秒、Artificial Analysisの7日間の中央値)。
- 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(63 対 64)。コンテキストはMuse Spark Openの方が長く、1,048,576トークンです(GPT-5.4 Nanoは400,000トークン)。
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 Openです。Artificial Analysisの測定では、最初の回答トークンまで9.9秒 対 61.3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-5.4 NanoとMuse Spark Open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16件のベンチマークのうち、GPT-5.4 Nanoのリードが1件、Muse Spark Openのリードが15件です。
- Muse Spark Openはいつリリースされましたか?
- Muse Spark Openは2026年10月15日にリリースされました。