BenchLeader

GPT-5.4 Pro vs Muse Spark

詳しいプロフィール:GPT-5.4 Pro(OpenAI)とMuse Spark(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 · 8件の情報源のデータ

2026年11月16日時点で、GPT-5.4 ProとMuse Sparkの品質は互角です(BenchLeader Indexで63.1 対 64.2、±4.9の誤差範囲内)。知識(74 対 63)、マルチモーダル(70 対 64)、推論(70 対 67)を重視するならGPT-5.4 Pro、指示追従(77 対 64)を重視するならMuse Sparkが向いています。

要点(2026年11月16日時点)

  • BenchLeader IndexはGPT-5.4 Proが63.1、Muse Sparkが64.2です(BenchLeader、2026年11月16日)。
  • GPT-5.4 Proの100万トークンあたりのブレンド価格は$67.50です(定価、2026年11月16日)。
  • 両モデルに結果がある6件のベンチマークのうち、GPT-5.4 Proが4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
推論GPT-5.4 Proカテゴリスコア70 対 67;Humanity's Last Exam 44.3% 対 40.6%中
知識GPT-5.4 Proカテゴリスコア74 対 63;MultiNRC 62.3% 対 59.0%高
画像などのメディアGPT-5.4 Proカテゴリスコア70 対 64中
指示への追従Muse Sparkカテゴリスコア77 対 64;MultiChallenge 75.5% 対 69.2%高
チャットの質(人間の評価)–Arenaの評価があるのはMuse Sparkのみです(カテゴリスコア68)比較不可
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 ProとMuse Sparkの品質は互角です(63.1 対 64.2、±4.9の誤差範囲内)。
  • GPT-5.4 Proは知識、マルチモーダル、推論で優れています。
  • Muse Sparkは指示追従で優れています。

概要

仕様GPT-5.4 ProMuse Spark
プロバイダーOpenAIMeta
リリース日2026年3月4日2026年4月8日
コンテキストウィンドウ(トークン)1,050,000262,144
比較した構成GPT-5.4 ProMuse Spark
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)$30.00 / $180.00 / ––

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 ProMuse Sparkトップ
推論70.167.4GPT-5.4 Pro
コーディング–65.1比較不可
エージェント・ツール–65.0比較不可
数学–59.1比較不可
知識74.063.1GPT-5.4 Pro
指示追従64.476.9Muse Spark
人間の評価–68.1比較不可
マルチモーダル69.864.2GPT-5.4 Pro
長文コンテキスト–63.6比較不可

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推論知識指示追従マルチモーダルGPT-5.4 Pro, 推論: 70.1GPT-5.4 Pro, 知識: 74.0GPT-5.4 Pro, 指示追従: 64.4GPT-5.4 Pro, マルチモーダル: 69.8Muse Spark, 推論: 67.4Muse Spark, 知識: 63.1Muse Spark, 指示追従: 76.9Muse Spark, マルチモーダル: 64.2

描画していないもの(測定済みのモデルが2つ未満):コーディング, エージェント・ツール, 数学, 長文コンテキスト, 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6件のベンチマークのうち、GPT-5.4 Proのリードが4件、Muse Sparkのリードが2件です。

総合IndexGPT-5.4 ProMuse Sparkトップ
BenchLeader Index63.164.2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 ProMuse Spark
100万トークンあたりのブレンド価格$67.50–
100万トークンあたりの入力/出力$30.00 / $180.00– / –
タスクあたりの価格:チャットの返答$0.066–
タスクあたりの価格:30ページのレポートを要約$0.468–
タスクあたりの価格:コード編集$0.450–
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$2.52–
タスクあたりの価格:構造化データの抽出$0.096–
出力速度7 tok/s–
回答開始までの時間7.9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 Proのスコアは63.1、最初の回答トークンまで8秒。GPT-5.4 Pro (xhigh)は59.5(8秒)。Muse Sparkのスコアは64.2。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

66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 ProMuse Spark
BenchLeader IndexBenchLeader63.164.2
指示追従スコアBenchLeader64.476.9
知識スコアBenchLeader74.063.1
マルチモーダルスコアBenchLeader69.864.2
推論スコアBenchLeader70.167.4
エージェント・ツールスコアBenchLeader–65.0
コーディングスコアBenchLeader–65.1
人間の評価スコアBenchLeader–68.1
長文コンテキストスコアBenchLeader–63.6
数学スコアBenchLeader–59.1
ブレンド価格($/100万トークン)BenchLeader$67.50–
出力速度BenchLeader7 tok/s–
回答開始までの時間BenchLeader7.9秒–
コンテキストウィンドウBenchLeader1,050,000トークン262,144トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub94.6%†89.8%
Humanity's Last ExamScale AI / CAIS44.3%40.6%
SimpleBenchSimpleBench74.1%–
Arena Hard PromptsArena (LMArena)–1506
GPQA Diamond (AA)Artificial Analysis–88.4%
Humanity's Last Exam (AA)Artificial Analysis–40.7%
GPQA Diamond (Vals)Vals AI–89.7%
ARC-AGI-1ARC Prize94.5%†–
ARC-AGI-2ARC Prize83.3%†–
CritPtArtificial Analysis30.0%†11.3%
Arena ExpertArena (LMArena)–1491
Chess PuzzlesEpoch AI Benchmarking Hub59.0%†–
コーディング
SciCodeSciCode–51.5%
WeirdMLWeirdML57.4%†–
Arena CodingArena (LMArena)–1529
SWE-bench (Vals)Vals AI–74.4%
SWE-Bench ProScale AI SEAL–55.0%
Vibe Code Bench v1.1Vals AI–19.7%
SWE-Bench Pro (private)Scale AI SEAL–44.7%
SWE Atlas v1.0: Codebase QnAScale AI SEAL–24.2%
SWE Atlas v1.0: Test WritingScale AI SEAL–31.1%
Terminal-Bench 2.1 (AA)Artificial Analysis–62.2%
Design Arena WebsiteDesign Arena–1253
エージェント・ツール
Terminal-Bench HardArtificial Analysis–45.5%
τ²-Bench Telecom (AA)Artificial Analysis–91.5%
66件のベンチマークをすべて表示
指標公開元GPT-5.4 ProMuse Spark
エージェント・ツール
MCP AtlasScale AI SEAL–82.2%
GDPval-AA v2.1Artificial Analysis–1006
Terminal-Bench 2.0 (Vals)Vals AI–59.5%
AA-Briefcase v1.1Artificial Analysis–646
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub82.5%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub58.5%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub–88.9%
ProofBenchVals AI–17.0%
AIME (Vals)Vals AI–96.9%
MathArena ApexMathArena69.8%†–
Arena MathsArena (LMArena)–1469
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub46.3%†–
MMLU-ProVals AI–87.3%
LegalBenchVals AI–84.2%
CorpFinVals AI–65.1%
TaxEvalVals AI–77.7%
PRBench FinanceScale AI SEAL–52.4%
PRBench LegalScale AI SEAL–52.3%
MultiNRCScale AI SEAL62.3%59.0%
CaseLaw v2Vals AI–63.1%
MedCodeVals AI–51.3%
MedScribeVals AI–85.9%
指示追従
IFBenchArtificial Analysis–75.9%
MultiChallengeScale AI SEAL69.2%75.5%
TutorBenchScale AI SEAL56.6%68.5%
Arena Instruction FollowingArena (LMArena)–1465
人間の評価
Arena TextArena (LMArena)–1489
Arena Creative WritingArena (LMArena)–1464
Arena Multi-turnArena (LMArena)–1493
Arena Longer QueriesArena (LMArena)–1476
マルチモーダル
Arena VisionArena (LMArena)–1306
MMMU-ProArtificial Analysis–80.5%
VISTAScale AI SEAL53.9%–
MMMU-Pro (Vals)Vals AI–87.4%
長文コンテキスト
AA-LCR v1.1Artificial Analysis–78.0%
Arena DocumentArena (LMArena)–1467
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub160.2153.1
AA Intelligence Index v4.3.2Artificial Analysis–31.3
AA Progress Index v1Artificial Analysis–289.1
安全性・誠実さ
FORTRESSScale AI SEAL14.8%20.2%
MASKScale AI SEAL91.7%–

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 Spark:新しい結果2件(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Muse Spark:BenchLeader Index 64.6 → 64.1。
  • Muse Spark:スコアの改訂1件。
  • Muse Spark:新しい結果1件(AA Progress Index v1)。
  • GPT-5.4 Pro:BenchLeader Index 63.6 → 63.1。
  • GPT-5.4 Pro:スコアの改訂1件。

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 Pro vs Muse Spark:よくある質問

GPT-5.4 ProはMuse Sparkより優れていますか?
GPT-5.4 ProとMuse Sparkの品質は互角です(63.1 対 64.2、±4.9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。
長い文書にはどちらが向いていますか?
コンテキストはGPT-5.4 Proの方が長く、1,050,000トークンです(Muse Sparkは262,144トークン)。
GPT-5.4 ProとMuse Spark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6件のベンチマークのうち、GPT-5.4 Proのリードが4件、Muse Sparkのリードが2件です。
Muse Sparkはいつリリースされましたか?
Muse Sparkは2026年4月8日にリリースされました。