BenchLeader

GPT-5.4 vs Muse Spark 1.1

詳しいプロフィール:GPT-5.4(OpenAI)とMuse Spark 1.1(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 · 14件の情報源のデータ

2026年11月16日時点で、GPT-5.4とMuse Spark 1.1の品質は互角です(BenchLeader Indexで63.1 対 62.2、±6.2の誤差範囲内)。価格はMuse Spark 1.1の方が2.8倍安く、100万トークンあたりのブレンド価格で$2.00 対 $5.63です。エージェント・ツール(63 対 51)、数学(65 対 61)、指示追従(72 対 70)を重視するならGPT-5.4、知識(69 対 59)、マルチモーダル(64 対 61)、推論(68 対 66)を重視するならMuse Spark 1.1が向いています。回答開始までの時間はMuse Spark 1.1の方が短く、1.8秒 対 144.9秒です。Muse Spark 1.1は出力が約2倍速い点も強みです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGPT-5.4が63.1、Muse Spark 1.1が62.2です(BenchLeader、2026年11月16日)。
  • GPT-5.4の100万トークンあたりのブレンド価格は$5.63です(定価、2026年11月16日)。
  • Muse Spark 1.1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)。
  • Muse Spark 1.1はGPT-5.4より出力が約2倍速いです(Artificial Analysis、7日間の中央値、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 Spark 1.1が6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 Spark 1.1カテゴリスコア66 対 65;SWE-Bench Pro 61.5% 対 59.1%中
エージェント・ツール利用GPT-5.4カテゴリスコア63 対 51;MCP Atlas 70.6% 対 88.1%高
数学GPT-5.4カテゴリスコア65 対 61;ProofBench 56.0% 対 39.0%中
推論Muse Spark 1.1カテゴリスコア68 対 66中
知識Muse Spark 1.1カテゴリスコア69 対 59;SimpleQA Verified 57.8% 対 45.1%高
画像などのメディアMuse Spark 1.1カテゴリスコア64 対 61中
指示への追従GPT-5.4カテゴリスコア72 対 70中
チャットの質(人間の評価)–Arenaの評価があるのはMuse Spark 1.1のみです(カテゴリスコア65)比較不可
最低コストMuse Spark 1.1100万トークンあたりブレンド価格$2.00 対 $5.63;エージェント型コーディングセッション$0.092 対 $0.210–
回答開始の速さMuse Spark 1.1最初の回答トークンまで1.8秒(Muse Spark 1.1)対 144.9秒(GPT-5.4 (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 (xhigh)とMuse Spark 1.1の品質は互角です(63.1 対 62.2、±6.2の誤差範囲内)。
  • GPT-5.4 (xhigh)はエージェント・ツール、指示追従、数学で優れています。
  • Muse Spark 1.1はコーディング、知識、マルチモーダル、推論で優れています。
  • Muse Spark 1.1の方が2.8倍安くなっています(100万トークンあたりブレンド価格$2.00 対 $5.63)。
  • Muse Spark 1.1の方が出力が2.7倍速くなっています(193 対 73トークン/秒)。

概要

仕様GPT-5.4Muse Spark 1.1
プロバイダーOpenAIMeta
リリース日2026年3月5日2026年7月9日
コンテキストウィンドウ(トークン)1,050,0001,048,576
比較した構成GPT-5.4 (xhigh)Muse Spark 1.1
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)$2.50 / $15.00 / $0.250$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 (xhigh)Muse Spark 1.1トップ
推論65.767.8Muse Spark 1.1
コーディング64.765.8Muse Spark 1.1
エージェント・ツール63.050.9GPT-5.4
数学64.861.3GPT-5.4
知識58.669.2Muse Spark 1.1
指示追従72.470.4GPT-5.4
人間の評価–64.5比較不可
マルチモーダル60.863.6Muse Spark 1.1
長文コンテキスト65.7–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推論コーディングエージェント・ツール数学知識指示追従マルチモーダルGPT-5.4, 推論: 65.7GPT-5.4, コーディング: 64.7GPT-5.4, エージェント・ツール: 63.0GPT-5.4, 数学: 64.8GPT-5.4, 知識: 58.6GPT-5.4, 指示追従: 72.4GPT-5.4, マルチモーダル: 60.8Muse Spark 1.1, 推論: 67.8Muse Spark 1.1, コーディング: 65.8Muse Spark 1.1, エージェント・ツール: 50.9Muse Spark 1.1, 数学: 61.3Muse Spark 1.1, 知識: 69.2Muse Spark 1.1, 指示追従: 70.4Muse Spark 1.1, マルチモーダル: 63.6

描画していないもの(測定済みのモデルが2つ未満):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7件のベンチマークのうち、GPT-5.4のリードが1件、Muse Spark 1.1のリードが6件です。両方を評価しているすべての総合指標で、Muse Spark 1.1が上回っています。

総合IndexGPT-5.4 (xhigh)Muse Spark 1.1トップ
BenchLeader Index63.162.2互角
Arena Text1475†1491Muse Spark 1.1

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 (xhigh)Muse Spark 1.1
100万トークンあたりのブレンド価格$5.63$2.00
100万トークンあたりの入力/出力$2.50 / $15.00$1.25 / $4.25
100万トークンあたりのキャッシュ入力$0.250$0.150
タスクあたりの価格:チャットの返答$0.0055$0.0018
タスクあたりの価格:30ページのレポートを要約$0.039$0.018
タスクあたりの価格:コード編集$0.037$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$0.210$0.092
タスクあたりの価格:構造化データの抽出$0.0080$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)$0.109$0.043
出力速度73 tok/s193 tok/s
回答開始までの時間144.9秒1.8秒
回答が完了するまでの時間(最終測定2026年11月13日)193.1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-5.4 (xhigh)のスコアは63.1、最初の回答トークンまで145秒。GPT-5.4 (low)は58.8(3秒)、GPT-5.4 (high)は58.6(2秒)。Muse Spark 1.1のスコアは62.2、最初の回答トークンまで2秒。Muse Spark 1.1 (xhigh)は59.5(13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

137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 (xhigh)Muse Spark 1.1
BenchLeader IndexBenchLeader63.162.2
エージェント・ツールスコアBenchLeader63.050.9
コーディングスコアBenchLeader64.765.8
指示追従スコアBenchLeader72.470.4
知識スコアBenchLeader58.669.2
長文コンテキストスコアBenchLeader65.7–
数学スコアBenchLeader64.861.3
マルチモーダルスコアBenchLeader60.863.6
推論スコアBenchLeader65.767.8
人間の評価スコアBenchLeader–64.5
ブレンド価格($/100万トークン)BenchLeader$5.63$2.00
出力速度BenchLeader73 tok/s193 tok/s
回答開始までの時間BenchLeader144.9秒1.8秒
コンテキストウィンドウBenchLeader1,050,000トークン1,048,576トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub93.3%–
Humanity's Last ExamScale AI / CAIS36.2%–
Arena Hard PromptsArena (LMArena)1487†1511
LiveBench 1.0 ReasoningLiveBench88.1%87.7%†
GPQA Diamond (AA)Artificial Analysis92.0%89.8%†
Humanity's Last Exam (AA)Artificial Analysis43.7%46.2%†
GPQA Diamond (Vals)Vals AI91.7%91.2%†
Kagi LLM BenchmarkKagi LLM Benchmark63.8%†–
ARC-AGI-1ARC Prize93.7%–
ARC-AGI-2ARC Prize74.0%–
ARC-AGI-3ARC Prize0.2%†–
CritPtArtificial Analysis23.4%15.1%†
Arena ExpertArena (LMArena)1491†1504
Chess PuzzlesEpoch AI Benchmarking Hub48.0%34.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub37.0%–
CL-benchEpoch AI Benchmarking Hub27.9%–
CL-bench LifeEpoch AI Benchmarking Hub21.7%–
LMCAEpoch AI Benchmarking Hub52.0%49.9%†
DTBenchEpoch AI Benchmarking Hub94.4%94.4%†
ForecastBenchForecastBench63.0%†–
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub76.9%†–
SciCodeSciCode56.6%58.8%
WeirdMLWeirdML77.7%–
GSO-BenchGSO-Bench31.4%–
Arena CodingArena (LMArena)1511†1533
137件のベンチマークをすべて表示
指標公開元GPT-5.4 (xhigh)Muse Spark 1.1
コーディング
Arena WebDevArena (LMArena)1400†1542
LiveBench 1.0 CodingLiveBench77.5%77.2%†
SciCode (AA)Artificial Analysis–58.8%†
LiveCodeBenchVals AI84.1%85.9%†
SWE-bench (Vals)Vals AI78.2%82.0%†
SWE-Bench ProScale AI SEAL59.1%61.5%
Code MigrationVals AI35.0%31.1%†
ProgramBenchVals AI0.0%0.0%†
Vibe Code Bench v1.1Vals AI67.4%72.2%†
SWE-Bench Pro (private)Scale AI SEAL43.4%51.5%
SWE Atlas v1.0: Codebase QnAScale AI SEAL40.8%42.2%†
SWE Atlas v1.0: RefactoringScale AI SEAL44.3%–
SWE Atlas v1.0: Test WritingScale AI SEAL44.4%41.5%†
MirrorCodeEpoch AI Benchmarking Hub23.3%–
Surface Evolver BenchEpoch AI Benchmarking Hub–52.5%†
DeepSWE v1.1Epoch AI Benchmarking Hub51.8%53.3%
ALE-BenchEpoch AI Benchmarking Hub1607†–
AlgoTuneAlgoTune1.9†–
Terminal-Bench 4.0 (AA)Artificial Analysis–6.1%†
Terminal-Bench 2.1 (AA)Artificial Analysis78.3%77.9%†
GameBench 2 OverallDuelLab GameBench 253.4†–
GameBench 2 by reasoning settingDuelLab GameBench 262.1–
Design Arena WebsiteDesign Arena1190†1263
エージェント・ツール
Terminal-BenchTerminal-Bench81.8%†–
APEX-AgentsMercor52.4%†31.8%
Arena AgentArena (LMArena)–-8
LiveBench Agentic CodingLiveBench53.8%58.5%†
Terminal-Bench HardArtificial Analysis57.6%–
τ²-Bench Telecom (AA)Artificial Analysis87.1%–
Terminal-Bench 2.1 (Vals)Vals AI–69.3%†
MCP AtlasScale AI SEAL70.6%88.1%
HiL-BenchScale AI SEAL9.7%†–
τ³-bench Bankingτ²-bench39.4%40.5%†
GDPval-AA v2.1Artificial Analysis12561216†
τ³-Banking (AA)Artificial Analysis39.6%31.8%†
APEX-Agents (AA)Artificial Analysis33.3%–
Finance Agent v2Vals AI–57.2%†
Harvey's Legal Agent Benchmark v1Vals AI0.0%20.0%†
Legal Research BenchVals AI–38.0%†
SkillsBenchVals AI51.7%59.2%†
Terminal-Bench 2.0 (Vals)Vals AI58.4%†–
Time Horizon Index: KSPVals AI–1.7%†
Arena SearchArena (LMArena)1196†–
Arena Agent Task CompletionArena (LMArena)–-6.5
DeepResearch BenchDeepResearch Bench35.1%†–
PostTrainBenchEpoch AI Benchmarking Hub17.8%†–
METR Time HorizonsMETR74.3%–
GBAEvalEpoch AI Benchmarking Hub45.1%†7.9%
Vending-Bench 2Andon Labs6144.2†6520.5
AutomationBenchArtificial Analysis–38.9%†
GDP.pdf (AA)Artificial Analysis–14.4%†
AA-Briefcase v1.1Artificial Analysis–851†
Design Arena AgenticDesign Arena1042†1172
DeepSearchQAGoogle63.7%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub78.6%–
FrontierMath Tier 4Epoch AI Benchmarking Hub49.0%–
OTIS Mock AIMEEpoch AI Benchmarking Hub95.3%–
ProofBenchVals AI56.0%39.0%
LiveBench MathematicsLiveBench94.2%87.1%†
AIME (Vals)Vals AI96.7%–
AIME 2026MathArena99.2%–
HMMT February 2026MathArena97.7%–
USAMO 2026MathArena95.2%–
MathArena ApexMathArena54.2%–
Arena MathsArena (LMArena)1459†1493
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub45.1%57.8%
LiveBench 1.0 Data AnalysisLiveBench79.3%72.5%†
MMLU-ProVals AI87.5%88.7%†
LegalBenchVals AI86.0%85.0%†
CorpFinVals AI65.3%71.3%†
TaxEvalVals AI74.0%79.7%†
MedQAVals AI96.1%–
PRBench FinanceScale AI SEAL45.6%†55.0%
PRBench LegalScale AI SEAL44.4%†57.0%
MultiNRCScale AI SEAL58.3%†65.6%
CaseLaw v2Vals AI63.8%–
Excel Modeling BenchmarkVals AI–56.4%†
MedCodeVals AI41.3%–
MedScribeVals AI77.5%88.9%†
Public Benefits Bench v1.1Vals AI–61.3%†
EBR-benchEpoch AI Benchmarking Hub25.4%–
GDP.pdfEpoch AI Benchmarking Hub–15.0%
指示追従
LiveBench LanguageLiveBench82.6%74.3%†
LiveBench Instruction FollowingLiveBench70.2%69.6%†
IFBenchArtificial Analysis74.0%–
MultiChallengeScale AI SEAL–75.3%
Arena Instruction FollowingArena (LMArena)1460†1473
人間の評価
Arena TextArena (LMArena)1465†1491
EQ-Bench 4EQ-Bench1258†1244
EQ-Bench Creative Writing v3EQ-Bench1841†1928
Arena Creative WritingArena (LMArena)1433†1443
Arena Multi-turnArena (LMArena)1480†1497
Arena Longer QueriesArena (LMArena)1477†1481
マルチモーダル
Arena VisionArena (LMArena)1292†1292
MMMU-ProArtificial Analysis78.4%–
VISTAScale AI SEAL50.9%†–
MMMU-Pro (Vals)Vals AI87.5%86.6%†
MortgageTaxVals AI68.3%66.1%†
VTBScale AI SEAL29.2%†44.8%
Blueprint-Bench 2Epoch AI Benchmarking Hub27.1%†–
Furniture AssemblyEpoch AI Benchmarking Hub37.5%–
長文コンテキスト
AA-LCR v1.1Artificial Analysis82.0%77.7%†
Arena DocumentArena (LMArena)1471†1480
MLCRArtificial Analysis–7.2%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub157.8†154.9
LiveBench 1.0LiveBench78.0%75.3%†
AA Intelligence Index v4.3.2Artificial Analysis39.033.7†
AA Progress Index v1Artificial Analysis311.6302.7†
Vals RSI IndexVals AI15.5%–
Vals Multimodal IndexVals AI–66.7%†
安全性・誠実さ
FORTRESSScale AI SEAL–12.4%
MASKScale AI SEAL89.7%†–

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。

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 (xhigh):新しい結果1件(GDPval-AA v2.1)。
  • GPT-5.4 (xhigh):新しい結果1件(MirrorCode)。
  • GPT-5.4 (xhigh):BenchLeader Index 63.7 → 63.2。
  • Muse Spark 1.1:スコアの改訂1件。
  • GPT-5.4 (xhigh):スコアの改訂1件。
  • Muse Spark 1.1:スコアの改訂2件。
  • GPT-5.4 (xhigh):新しい結果1件(AA Progress Index v1)。
  • Muse Spark 1.1:スコアの改訂1件。
  • GPT-5.4 (xhigh):新しい結果2件(Harvey's Legal Agent Benchmark v1, Vals RSI Index)。
  • Muse Spark 1.1:BenchLeader Index 63.1 → 62.5。

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 vs Muse Spark 1.1:よくある質問

GPT-5.4はMuse Spark 1.1より優れていますか?
GPT-5.4 (xhigh)とMuse Spark 1.1の品質は互角です(63.1 対 62.2、±6.2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とMuse Spark 1.1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Muse Spark 1.1の方が安く、100万トークンあたり$2.00 対 $5.63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とMuse Spark 1.1のどちらが向いていますか?
コーディングではMuse Spark 1.1の方がスコアが高くなっています(カテゴリ指標で66 対 65。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SWE-Bench Proでは、GPT-5.4が59.1%、Muse Spark 1.1が61.5%です。
GPT-5.4とMuse Spark 1.1はどちらが速いですか?
Muse Spark 1.1の方が出力が約2倍速くなっています(出力193 対 73トークン/秒、Artificial Analysisの7日間の中央値)。
エージェントやツール利用にはGPT-5.4とMuse Spark 1.1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-5.4の方がスコアが高くなっています(カテゴリ指標で63 対 51。50が平均)。共通するエージェント・ツールベンチマークのうち最も重要なMCP Atlasでは、GPT-5.4が70.6%、Muse Spark 1.1が88.1%です。
ほかの質問(4件)
長い文書にはどちらが向いていますか?
どちらも約1.1Mトークンです(GPT-5.4は1,050,000、Muse Spark 1.1は1,048,576)。
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 1.1です。Artificial Analysisの測定では、最初の回答トークンまで1.8秒 対 144.9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とMuse Spark 1.1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-5.4のリードが1件、Muse Spark 1.1のリードが6件です。両方を評価しているすべての総合指標で、Muse Spark 1.1が上回っています。
Muse Spark 1.1はいつリリースされましたか?
Muse Spark 1.1は2026年7月9日にリリースされました。