BenchLeader

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 Nano100万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 NanoMuse Spark Open
プロバイダーOpenAIMeta
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)400,0001,048,576
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37.951.3Muse Spark Open
コーディング49.436.0GPT-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47.463.3Muse Spark Open
長文コンテキスト62.963.8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。

2550 avg75推論コーディング長文コンテキストマルチモーダルGPT-5.4 Nano, 推論: 37.9GPT-5.4 Nano, コーディング: 49.4GPT-5.4 Nano, 長文コンテキスト: 62.9GPT-5.4 Nano, マルチモーダル: 47.4Muse Spark Open, 推論: 51.3Muse Spark Open, コーディング: 36.0Muse Spark Open, 長文コンテキスト: 63.8Muse Spark Open, マルチモーダル: 63.3

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。

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IndexGPT-5.4 Nano (xhigh)Muse Spark Open (xhigh)トップ
BenchLeader Index53.953.5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/s180 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 IndexBenchLeader53.953.5
エージェント・ツールスコアBenchLeader60.8–
コーディングスコアBenchLeader49.436.0
指示追従スコアBenchLeader74.1–
長文コンテキストスコアBenchLeader62.963.8
マルチモーダルスコアBenchLeader47.463.3
推論スコアBenchLeader37.951.3
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BenchLeader145 tok/s180 tok/s
回答開始までの時間BenchLeader61.3秒9.9秒
コンテキストウィンドウBenchLeader400,000トークン1,048,576トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub78.5%†–
Arena Hard PromptsArena (LMArena)1421†–
LiveBench 2.0 ReasoningLiveBench–73.7%†
LiveBench 1.0 ReasoningLiveBench81.1%–
GPQA Diamond (AA)Artificial Analysis81.7%89.0%
Humanity's Last Exam (AA)Artificial Analysis28.3%43.9%
HLE-Diamond (AA)Artificial Analysis–26.3%
GPQA Diamond (Vals)Vals AI77.5%†–
Kagi LLM BenchmarkKagi LLM Benchmark39.7%†–
ARC-AGI-1ARC Prize51.5%89.0%
ARC-AGI-2ARC Prize5.7%57.5%
ARC-AGI-3ARC Prize–0.4%
CritPtArtificial Analysis9.3%14.9%
CritPt v2 hard subset (AA)Artificial Analysis–29.5%
HLE-Diamond (Scale)Scale AI SEAL–28.0%†
Arena ExpertArena (LMArena)1436†–
Chess PuzzlesEpoch AI Benchmarking Hub45.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub6.0%†–
LMCAEpoch AI Benchmarking Hub36.9%–
DTBenchEpoch AI Benchmarking Hub80.3%–
ForecastBenchForecastBench58.6%†–
コーディング
SciCodeSciCode47.2%–
WeirdMLWeirdML49.2%†–
Arena CodingArena (LMArena)1460†–
Arena WebDevArena (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 CodingLiveBench–55.1%†
LiveBench 1.0 CodingLiveBench70.8%–
SciCode (AA)Artificial Analysis47.2%58.5%
LiveCodeBenchVals AI84.0%†–
SWE-bench (Vals)Vals AI69.8%†–
Code MigrationVals AI14.5%†21.2%
Code Migration v1.1Vals AI–26.9%
Vibe Code Bench v1.1Vals AI26.1%†76.2%
SWE Atlas v1.1Scale AI SEAL–42.3%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–50.0%†
SWE Atlas v1.1: Test WritingScale AI SEAL–41.1%†
SWE Atlas v1.1: RefactoringScale AI SEAL–35.7%†
SWE-Bench Pro V2Scale AI SEAL–95.0%
SWE-Bench Pro V2 HARDScale AI SEAL–82.3%
ALE-BenchEpoch AI Benchmarking Hub1004.5†–
Terminal-Bench 4.0 (AA)Artificial Analysis0.5%8.1%
Terminal-Bench 2.1 (AA)Artificial Analysis60.7%76.4%
GameBench 2 OverallDuelLab GameBench 2–55.3†
GameBench 2 by reasoning settingDuelLab GameBench 231.1†59.3
Design Arena WebsiteDesign 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 AgenticLiveBench–12.1%†
LiveBench BrowserLiveBench–26.2%†
LiveBench Agentic CodingLiveBench46.8%–
Terminal-Bench HardArtificial Analysis42.4%–
τ²-Bench Telecom (AA)Artificial Analysis76.0%–
Terminal-Bench 2.1 (Vals)Vals AI41.6%†–
HiL-BenchScale AI SEAL–59.7%†
GDPval-AA v2.1, normalised scoreArtificial Analysis–45.1%
GDPval-AA v2.1Artificial Analysis9541401
τ³-Banking (AA)Artificial Analysis27.4%–
ITBench SRE (AA)Artificial Analysis24.4%–
APEX-Agents (AA)Artificial Analysis24.9%–
Finance Agent v2Vals AI38.2%†61.3%
Finance Agent v2.1Vals AI–60.7%
Harvey's Legal Agent Benchmark v1.1Vals AI–25.0%
Harvey's Legal Agent Benchmark v1Vals AI0.0%†16.7%
Legal Research BenchVals AI6.3%†38.5%
Tax Agent BenchVals AI5.0%†26.3%
Terminal-Bench 2.0 (Vals)Vals AI39.9%†–
Terminal-Bench 4.0 (Vals)Vals AI–6.6%
AutomationBenchArtificial Analysis6.0%49.7%
GDP.pdf (AA)Artificial Analysis7.8%18.6%
EnterpriseOps-GymArtificial Analysis31.5%–
AA-Briefcase v1.1Artificial Analysis6741280
GDPxGDPx by SemiAnalysis–1.7%†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–1.9%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub44.9%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub12.2%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub87.8%†–
ProofBenchVals AI5.0%†–
LiveBench MathematicsLiveBench91.0%–
AIME (Vals)Vals AI88.8%†–
ArXivMathMathArena–27.0%
BrokenArXivMathArena–30.1%
Arena MathsArena (LMArena)1424†–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub11.7%†–
LiveBench 2.0 Data AnalysisLiveBench–60.2%†
LiveBench ResearchLiveBench–82.7%†
LiveBench 1.0 Data AnalysisLiveBench67.6%–
AA-Omniscience v1.1Artificial Analysis–25.8
MMLU-ProVals AI77.2%†–
LegalBenchVals AI77.9%†–
CorpFinVals AI61.2%†–
TaxEvalVals AI67.4%†–
PRBench LegalScale AI SEAL–59.8%†
CaseLaw v2Vals AI51.9%†–
Excel Modeling BenchmarkVals AI44.8%†53.7%
Excel Modeling Benchmark v1.1Vals AI–62.0%
MedCodeVals AI41.0%†–
MedScribeVals AI77.1%†–
AA-Omniscience v1.1: accuracyArtificial Analysis–42.0%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–72.0%
指示追従
LiveBench LanguageLiveBench62.5%–
LiveBench Instruction FollowingLiveBench67.2%–
IFBenchArtificial Analysis75.9%–
MultiChallengeScale AI SEAL–74.2%†
Arena Instruction FollowingArena (LMArena)1386†–
人間の評価
Arena TextArena (LMArena)1401†–
Arena Creative WritingArena (LMArena)1337†–
Arena Multi-turnArena (LMArena)1414†–
Arena Longer QueriesArena (LMArena)1403†–
マルチモーダル
Arena VisionArena (LMArena)1196†–
LiveBench DesignLiveBench–58.1%†
MMMU-ProArtificial Analysis65.4%80.9%
MMMU-Pro (Vals)Vals AI73.6%†–
MortgageTaxVals AI59.1%†–
SAGEVals AI–85.8%
Humanity's Sixth SenseScale AI SEAL–29.6%†
長文コンテキスト
AA-LCR v1.1Artificial Analysis76.7%78.3%
MLCRArtificial Analysis16.1%7.8%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub146.4†155.4†
LiveBench 2.0LiveBench–48.5%†
LiveBench 1.0LiveBench69.6%–
AA Intelligence Index v5.0.1Artificial Analysis–24.9
AA Intelligence Index v4.3.2Artificial Analysis20.738.9
AA Progress Index v1Artificial Analysis270.1306.7
Vals IndexVals AI–48.6
Vals Finance IndexVals AI–53.0%
Vals Multimodal IndexVals AI47.6%†–
Vals Legal IndexVals AI–68.5%
安全性・誠実さ
FORTRESSScale AI SEAL–7.6%†
DistressBenchScale AI SEAL–87.7%†
メタデータ
AA Openness IndexArtificial 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。

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。