GPT-5.4 vs Muse Spark 1.2
詳しいプロフィール:GPT-5.4(OpenAI)とMuse Spark 1.2(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 · 12件の情報源のデータ
2026年11月16日時点で、GPT-5.4とMuse Spark 1.2の品質は互角です(BenchLeader Indexで63.1 対 61.5、±5.7の誤差範囲内)。価格はMuse Spark 1.2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。コーディング(65 対 55)、エージェント・ツール(63 対 55)、長文コンテキスト(66 対 64)を重視するならGPT-5.4、知識(65 対 59)、マルチモーダル(65 対 61)、推論(68 対 66)を重視するならMuse Spark 1.2が向いています。回答開始までの時間はMuse Spark 1.2の方が短く、11.4秒 対 144.9秒です。Muse Spark 1.2は出力が3倍以上速い点も強みです。
要点(2026年11月16日時点)
- BenchLeader IndexはGPT-5.4が63.1、Muse Spark 1.2が61.5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 1.2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 1.2はGPT-5.4より出力が3倍以上速いです(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38件のベンチマークのうち、Muse Spark 1.2が20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 | カテゴリスコア65 対 55;WeirdML 77.7% 対 60.3% | 高 |
| エージェント・ツール利用 | GPT-5.4 | カテゴリスコア63 対 55;τ³-Banking (AA) 39.6% 対 34.9% | 高 |
| 数学 | Muse Spark 1.2 | カテゴリスコア67 対 65;LiveBench Mathematics 91.2% 対 94.2% | 中 |
| 推論 | Muse Spark 1.2 | カテゴリスコア68 対 66;LiveBench 1.0 Reasoning 90.0% 対 88.1% | 中 |
| 知識 | Muse Spark 1.2 | カテゴリスコア65 対 59;SimpleQA Verified 60.3% 対 45.1% | 中 |
| 長い文書 | GPT-5.4 | カテゴリスコア66 対 64;AA-LCR v1.1 82.0% 対 79.0% | 中 |
| 画像などのメディア | Muse Spark 1.2 | カテゴリスコア65 対 61;MMMU-Pro (Vals) 86.1% 対 87.5% | 中 |
| チャットの質(人間の評価) | – | Arenaの評価があるのはMuse Spark 1.2のみです(カテゴリスコア69) | 比較不可 |
| 最低コスト | Muse Spark 1.2 | 100万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 1.2 | 最初の回答トークンまで11.4秒(Muse Spark 1.2 (xhigh))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 1.2 (xhigh)の品質は互角です(63.1 対 61.5、±5.7の誤差範囲内)。
- GPT-5.4 (xhigh)はエージェント・ツール、コーディング、長文コンテキストで優れています。
- Muse Spark 1.2 (xhigh)は知識、数学、マルチモーダル、推論で優れています。
- Muse Spark 1.2 (xhigh)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 1.2 (xhigh)の方が出力が2.9倍速くなっています(208 対 73トークン/秒)。
概要
| 仕様 | GPT-5.4 | Muse Spark 1.2 |
|---|---|---|
| プロバイダー | OpenAI | Meta |
| リリース日 | 2026年3月5日 | 2026年8月5日 |
| コンテキストウィンドウ(トークン) | 1,050,000 | 1,048,576 |
| 比較した構成 | GPT-5.4 (xhigh) | Muse Spark 1.2 (xhigh) |
| 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 1.2 (xhigh) | トップ |
|---|---|---|---|
| 推論 | 65.7 | 68.1 | Muse Spark 1.2 |
| コーディング | 64.7 | 54.7 | GPT-5.4 |
| エージェント・ツール | 63.0 | 55.4 | GPT-5.4 |
| 数学 | 64.8 | 66.8 | Muse Spark 1.2 |
| 知識 | 58.6 | 64.5 | Muse Spark 1.2 |
| 指示追従 | 72.4 | – | 比較不可 |
| 人間の評価 | – | 68.6 | 比較不可 |
| マルチモーダル | 60.8 | 65.3 | Muse Spark 1.2 |
| 長文コンテキスト | 65.7 | 64.1 | GPT-5.4 |
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):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38件のベンチマークのうち、GPT-5.4のリードが17件、Muse Spark 1.2のリードが20件、同点が1件です。両方を評価しているすべての総合指標で、Muse Spark 1.2が上回っています。
| 総合Index | GPT-5.4 (xhigh) | Muse Spark 1.2 (xhigh) | トップ |
|---|---|---|---|
| BenchLeader Index | 63.1 | 61.5 | 互角 |
| Arena Text | 1475† | 1493 | Muse Spark 1.2 |
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 1.2 (xhigh) |
|---|---|---|
| 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 | $0.043 |
| 出力速度 | 73 tok/s | 208 tok/s |
| 回答開始までの時間 | 144.9秒 | 11.4秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 193.1秒 | 23.9秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。GPT-5.4 (xhigh)のスコアは63.1、最初の回答トークンまで145秒。GPT-5.4 (low)は58.8(3秒)、GPT-5.4 (high)は58.6(2秒)。Muse Spark 1.2 (xhigh)のスコアは61.5、最初の回答トークンまで11秒。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
147件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | GPT-5.4 (xhigh) | Muse Spark 1.2 (xhigh) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 63.1 | 61.5 |
| エージェント・ツールスコア | BenchLeader | 63.0 | 55.4 |
| コーディングスコア | BenchLeader | 64.7 | 54.7 |
| 指示追従スコア | BenchLeader | 72.4 | – |
| 知識スコア | BenchLeader | 58.6 | 64.5 |
| 長文コンテキストスコア | BenchLeader | 65.7 | 64.1 |
| 数学スコア | BenchLeader | 64.8 | 66.8 |
| マルチモーダルスコア | BenchLeader | 60.8 | 65.3 |
| 推論スコア | BenchLeader | 65.7 | 68.1 |
| 人間の評価スコア | BenchLeader | – | 68.6 |
| ブレンド価格($/100万トークン) | BenchLeader | $5.63 | $2.00 |
| 出力速度 | BenchLeader | 73 tok/s | 208 tok/s |
| 回答開始までの時間 | BenchLeader | 144.9秒 | 11.4秒 |
| コンテキストウィンドウ | BenchLeader | 1,050,000トークン | 1,048,576トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 93.3% | – |
| Humanity's Last Exam | Scale AI / CAIS | 36.2% | – |
| SimpleBench | SimpleBench | – | 74.5%† |
| Arena Hard Prompts | Arena (LMArena) | 1487† | 1514 |
| LiveBench 1.0 Reasoning | LiveBench | 88.1% | 90.0% |
| GPQA Diamond (AA) | Artificial Analysis | 92.0% | 90.4% |
| Humanity's Last Exam (AA) | Artificial Analysis | 43.7% | 45.5% |
| GPQA Diamond (Vals) | Vals AI | 91.7% | – |
| Kagi LLM Benchmark | Kagi LLM Benchmark | 63.8%† | – |
| ARC-AGI-1 | ARC Prize | 93.7% | – |
| ARC-AGI-2 | ARC Prize | 74.0% | – |
| ARC-AGI-3 | ARC Prize | 0.2%† | – |
| CritPt | Artificial Analysis | 23.4% | 17.7% |
| Arena Expert | Arena (LMArena) | 1491† | 1503 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 48.0% | 27.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 37.0% | – |
| CL-bench | Epoch AI Benchmarking Hub | 27.9% | – |
| CL-bench Life | Epoch AI Benchmarking Hub | 21.7% | – |
| LMCA | Epoch AI Benchmarking Hub | 52.0% | 48.4% |
| DTBench | Epoch AI Benchmarking Hub | 94.4% | 94.7% |
| ForecastBench | ForecastBench | 63.0%† | – |
| コーディング | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | 76.9%† | – |
| SciCode | SciCode | 56.6% | 57.4% |
| WeirdML | WeirdML | 77.7% | 60.3% |
| GSO-Bench | GSO-Bench | 31.4% | – |
147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 1.2 (xhigh) |
|---|---|---|---|
| コーディング | |||
| Arena Coding | Arena (LMArena) | 1511† | 1542 |
| Arena WebDev | Arena (LMArena) | 1400† | 1534 |
| LiveBench 1.0 Coding | LiveBench | 77.5% | 77.5% |
| SciCode (AA) | Artificial Analysis | – | 57.4% |
| LiveCodeBench | Vals AI | 84.1% | – |
| IOI | Vals AI | – | 21.8% |
| SWE-bench (Vals) | Vals AI | 78.2% | 86.6% |
| SWE-Bench Pro | Scale AI SEAL | 59.1% | – |
| Code Migration | Vals AI | 35.0% | 29.9% |
| ProgramBench | Vals AI | 0.0% | 0.5% |
| Vibe Code Bench v1.1 | Vals AI | 67.4% | 79.1% |
| SWE-Bench Pro (private) | Scale AI SEAL | 43.4% | – |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | 40.8% | – |
| SWE Atlas v1.0: Refactoring | Scale AI SEAL | 44.3% | – |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | 44.4% | – |
| MirrorCode | Epoch AI Benchmarking Hub | 23.3% | – |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | 51.8% | 54.9% |
| ALE-Bench | Epoch AI Benchmarking Hub | 1607† | – |
| AlgoTune | AlgoTune | 1.9† | – |
| FrontierSWE | Epoch AI Benchmarking Hub | – | 12.0% |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | – | 7.1% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 78.3% | 80.2% |
| Startrise Frontend | Startrise | – | 70.3%† |
| GameBench 2 Overall | DuelLab GameBench 2 | 53.4† | 51.5† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 62.1 | 56.9 |
| Design Arena Website | Design Arena | 1190† | 1309† |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 81.8%† | – |
| APEX-Agents | Mercor | 52.4%† | 45.4%† |
| Arena Agent | Arena (LMArena) | – | -8.2 |
| LiveBench Agentic Coding | LiveBench | 53.8% | 57.6% |
| Terminal-Bench Hard | Artificial Analysis | 57.6% | – |
| τ²-Bench Telecom (AA) | Artificial Analysis | 87.1% | – |
| Terminal-Bench 2.1 (Vals) | Vals AI | – | 69.7% |
| MCP Atlas | Scale AI SEAL | 70.6% | – |
| HiL-Bench | Scale AI SEAL | 9.7%† | – |
| τ³-bench Banking | τ²-bench | 39.4% | – |
| GDPval-AA v2.1 | Artificial Analysis | 1256 | 1478 |
| τ³-Banking (AA) | Artificial Analysis | 39.6% | 34.9% |
| APEX-Agents (AA) | Artificial Analysis | 33.3% | – |
| CyberBench | Vals AI | – | 69.5% |
| Finance Agent v2 | Vals AI | – | 60.6% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 0.0% | 25.4% |
| Legal Research Bench | Vals AI | – | 43.8% |
| SkillsBench | Vals AI | 51.7% | 53.0% |
| SREBench | Vals AI | – | 0.0% |
| Tax Agent Bench | Vals AI | – | 32.8% |
| Terminal-Bench 2.0 (Vals) | Vals AI | 58.4%† | – |
| Terminal-Bench 4.0 (Vals) | Vals AI | – | 6.1% |
| Arena Search | Arena (LMArena) | 1196† | – |
| Arena Agent Task Completion | Arena (LMArena) | – | -9.8 |
| DeepResearch Bench | DeepResearch Bench | 35.1%† | – |
| PostTrainBench | Epoch AI Benchmarking Hub | 17.8%† | – |
| METR Time Horizons | METR | 74.3% | – |
| GBAEval | Epoch AI Benchmarking Hub | 45.1%† | – |
| Vending-Bench 2 | Andon Labs | 6144.2† | – |
| AutomationBench | Artificial Analysis | – | 40.6% |
| GDP.pdf (AA) | Artificial Analysis | – | 17.4% |
| EnterpriseOps-Gym | Artificial Analysis | – | 47.3% |
| AA-Briefcase v1.1 | Artificial Analysis | – | 1323 |
| Design Arena Agentic | Design Arena | 1042† | 1185† |
| DeepSearchQA | 63.7%† | – | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 78.6% | – |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 49.0% | – |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 95.3% | – |
| ProofBench | Vals AI | 56.0% | 43.0%† |
| LiveBench Mathematics | LiveBench | 94.2% | 91.2% |
| AIME (Vals) | Vals AI | 96.7% | – |
| AIME 2026 | MathArena | 99.2% | – |
| HMMT February 2026 | MathArena | 97.7% | – |
| USAMO 2026 | MathArena | 95.2% | – |
| MathArena Apex | MathArena | 54.2% | – |
| Arena Maths | Arena (LMArena) | 1459† | 1486 |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 45.1% | 60.3% |
| LiveBench 1.0 Data Analysis | LiveBench | 79.3% | 76.5% |
| MMLU-Pro | Vals AI | 87.5% | 88.3% |
| LegalBench | Vals AI | 86.0% | 85.3% |
| CorpFin | Vals AI | 65.3% | 70.9% |
| TaxEval | Vals AI | 74.0% | 80.4% |
| MedQA | Vals AI | 96.1% | – |
| PRBench Finance | Scale AI SEAL | 45.6%† | – |
| PRBench Legal | Scale AI SEAL | 44.4%† | – |
| MultiNRC | Scale AI SEAL | 58.3%† | – |
| BioMysteryBench | Vals AI | – | 64.8% |
| CaseLaw v2 | Vals AI | 63.8% | – |
| Excel Modeling Benchmark | Vals AI | – | 57.0% |
| MedCode | Vals AI | 41.3% | 49.4% |
| MedScribe | Vals AI | 77.5% | 90.1% |
| Public Benefits Bench v1.1 | Vals AI | – | 68.5% |
| Financial Coaching Bench | Vals AI | – | 75.7% |
| Immigration Bench | Vals AI | – | 66.5% |
| EBR-bench | Epoch AI Benchmarking Hub | 25.4% | – |
| GDP.pdf | Epoch AI Benchmarking Hub | – | 16.0% |
| 指示追従 | |||
| LiveBench Language | LiveBench | 82.6% | 78.6% |
| LiveBench Instruction Following | LiveBench | 70.2% | 74.3% |
| IFBench | Artificial Analysis | 74.0% | – |
| Arena Instruction Following | Arena (LMArena) | 1460† | 1479 |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1465† | 1493 |
| EQ-Bench 4 | EQ-Bench | 1258† | – |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1841† | 1842† |
| Arena Creative Writing | Arena (LMArena) | 1433† | 1443 |
| Arena Multi-turn | Arena (LMArena) | 1480† | 1510 |
| Arena Longer Queries | Arena (LMArena) | 1477† | 1491 |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1292† | 1305 |
| MMMU-Pro | Artificial Analysis | 78.4% | – |
| VISTA | Scale AI SEAL | 50.9%† | – |
| MMMU-Pro (Vals) | Vals AI | 87.5% | 86.1% |
| MortgageTax | Vals AI | 68.3% | 65.4% |
| Humanity's Sixth Sense | Scale AI SEAL | – | 24.5% |
| VTB | Scale AI SEAL | 29.2%† | – |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 27.1%† | – |
| Furniture Assembly | Epoch AI Benchmarking Hub | 37.5% | – |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 82.0% | 79.0% |
| Arena Document | Arena (LMArena) | 1471† | – |
| MLCR | Artificial Analysis | – | 7.2% |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 157.8† | 155.0† |
| LiveBench 1.0 | LiveBench | 78.0% | 78.0% |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 39.0 | 39.6 |
| AA Progress Index v1 | Artificial Analysis | 311.6 | 309.1 |
| Vals RSI Index | Vals AI | 15.5% | – |
| Vals Multimodal Index | Vals AI | – | 69.8%† |
| 安全性・誠実さ | |||
| MASK | Scale AI SEAL | 89.7%† | – |
| DistressBench | Scale AI SEAL | – | 88.4%† |
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)。
- Muse Spark 1.2 (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。
- GPT-5.4 (xhigh):スコアの改訂1件。
- Muse Spark 1.2 (xhigh):スコアの改訂1件。
- Muse Spark 1.2 (xhigh):スコアの改訂1件。
- Muse Spark 1.2 (xhigh):BenchLeader Index 62.2 → 61.6。
- GPT-5.4 (xhigh):新しい結果1件(AA Progress Index v1)。
- Muse Spark 1.2 (xhigh):新しい結果1件(AA Progress Index v1)。
関連する比較
- GPT-5.4 vs Claude Fable 5.2
- GPT-5.4 vs Gemini 4 Carbon
- GPT-5.4 vs Claude Opus 5.5
- Muse Spark 1.2 vs Claude Fable 5.2
- Muse Spark 1.2 vs Gemini 4 Carbon
- Muse Spark 1.2 vs Claude Opus 5.5
- Muse Spark 1.2 vs GPT-6 Astra
- GPT-5.4 Pro vs Muse Spark 1.2
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 1.2:よくある質問
- GPT-5.4はMuse Spark 1.2より優れていますか?
- GPT-5.4 (xhigh)とMuse Spark 1.2 (xhigh)の品質は互角です(63.1 対 61.5、±5.7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 1.2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 1.2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 1.2のどちらが向いていますか?
- コーディングでは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65 対 55。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SciCodeでは、GPT-5.4が56.6%、Muse Spark 1.2が57.4%です。
- GPT-5.4とMuse Spark 1.2はどちらが速いですか?
- Muse Spark 1.2の方が出力が3倍以上速くなっています(出力208 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 1.2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 55。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τ³-Banking (AA)では、GPT-5.4が39.6%、Muse Spark 1.2が34.9%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?
- 長文コンテキストのベンチマークではGPT-5.4の方がスコアが高くなっています(66 対 64)。どちらも約1.1Mトークンです(GPT-5.4は1,050,000、Muse Spark 1.2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 1.2です。Artificial Analysisの測定では、最初の回答トークンまで11.4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 1.2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38件のベンチマークのうち、GPT-5.4のリードが17件、Muse Spark 1.2のリードが20件、同点が1件です。両方を評価しているすべての総合指標で、Muse Spark 1.2が上回っています。
- Muse Spark 1.2はいつリリースされましたか?
- Muse Spark 1.2は2026年8月5日にリリースされました。