BenchLeader

GPT-5.5 vs Muse Spark 1.2

詳しいプロフィール:GPT-5.5(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-5.5とMuse Spark 1.2の品質は互角です(BenchLeader Indexで64.1 対 61.5、±6.3の誤差範囲内)。価格はMuse Spark 1.2の方が5.6倍安く、100万トークンあたりのブレンド価格で$2.00 対 $11.25です。エージェント・ツール(62 対 55)、コーディング(61 対 55)、長文コンテキスト(67 対 64)を重視するならGPT-5.5、マルチモーダル(65 対 62)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 38.3秒です。Muse Spark 1.2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-5.5が64.1、Muse Spark 1.2が61.5です(BenchLeader、2026年11月16日)。
  • GPT-5.5の100万トークンあたりのブレンド価格は$11.25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-5.5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52件のベンチマークのうち、GPT-5.5が31件でリードしています(BenchLeader、2026年11月16日)。
  • Arena WebDevでの評価はGPT-5.5が1512、Muse Spark 1.2が1534です(LMArena、2026年11月16日までの公開値)。

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-5.5カテゴリスコア61 対 55;WeirdML 84.9% 対 60.3%中
エージェント・ツール利用GPT-5.5カテゴリスコア62 対 55;τ³-Banking (AA) 39.0% 対 34.9%中
数学GPT-5.5カテゴリスコア69 対 67;LiveBench Mathematics 95.9% 対 91.2%中
推論どちらでもカテゴリスコア68 対 68;LiveBench 1.0 Reasoning 89.7% 対 90.0%どちらでも
知識どちらでもカテゴリスコア64 対 65;SimpleQA Verified 63.0% 対 60.3%どちらでも
長い文書GPT-5.5カテゴリスコア67 対 64;AA-LCR v1.1 84.3% 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 62;MMMU-Pro (Vals) 86.1% 対 88.3%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 1.2100万トークンあたりブレンド価格$2.00 対 $11.25;エージェント型コーディングセッション$0.092 対 $0.420–
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 38.3秒(GPT-5.5 (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-5.5 (xhigh)とMuse Spark 1.2 (xhigh)の品質は互角です(64.1 対 61.5、±6.3の誤差範囲内)。
  • GPT-5.5 (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、数学で優れています。
  • Muse Spark 1.2 (xhigh)は知識、マルチモーダルで優れています。
  • Muse Spark 1.2 (xhigh)の方が5.6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 $11.25)。
  • Muse Spark 1.2 (xhigh)の方が出力が2.6倍速くなっています(208 対 81トークン/秒)。

概要

仕様GPT-5.5Muse Spark 1.2
プロバイダーOpenAIMeta
リリース日2026年4月23日2026年8月5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-5.5 (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)$5.00 / $30.00 / $0.500$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-5.5 (xhigh)Muse Spark 1.2 (xhigh)トップ
推論68.168.1互角
コーディング60.754.7GPT-5.5
エージェント・ツール61.855.4GPT-5.5
数学69.366.8GPT-5.5
知識63.664.5互角
指示追従74.0–比較不可
人間の評価–68.6比較不可
マルチモーダル62.365.3Muse Spark 1.2
長文コンテキスト66.964.1GPT-5.5

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・ツール数学知識長文コンテキストマルチモーダルGPT-5.5, 推論: 68.1GPT-5.5, コーディング: 60.7GPT-5.5, エージェント・ツール: 61.8GPT-5.5, 数学: 69.3GPT-5.5, 知識: 63.6GPT-5.5, 長文コンテキスト: 66.9GPT-5.5, マルチモーダル: 62.3Muse Spark 1.2, 推論: 68.1Muse Spark 1.2, コーディング: 54.7Muse Spark 1.2, エージェント・ツール: 55.4Muse Spark 1.2, 数学: 66.8Muse Spark 1.2, 知識: 64.5Muse Spark 1.2, 長文コンテキスト: 64.1Muse Spark 1.2, マルチモーダル: 65.3

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。

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52件のベンチマークのうち、GPT-5.5のリードが31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IndexGPT-5.5 (xhigh)Muse Spark 1.2 (xhigh)トップ
BenchLeader Index64.161.5互角
Arena Text1481†1493Muse 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-5.5 (xhigh)Muse Spark 1.2 (xhigh)
100万トークンあたりのブレンド価格$11.25$2.00
100万トークンあたりの入力/出力$5.00 / $30.00$1.25 / $4.25
100万トークンあたりのキャッシュ入力$0.500$0.150
タスクあたりの価格:チャットの返答$0.011$0.0018
タスクあたりの価格:30ページのレポートを要約$0.078$0.018
タスクあたりの価格:コード編集$0.075$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$0.420$0.092
タスクあたりの価格:構造化データの抽出$0.016$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)$0.217$0.043
出力速度81 tok/s208 tok/s
回答開始までの時間38.3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)104.3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-5.5 (xhigh)のスコアは64.1、最初の回答トークンまで38秒。GPT-5.5 (high)は63.5(16秒)、GPT-5.5は61.0(3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

144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-5.5 (xhigh)Muse Spark 1.2 (xhigh)
BenchLeader IndexBenchLeader64.161.5
エージェント・ツールスコアBenchLeader61.855.4
コーディングスコアBenchLeader60.754.7
指示追従スコアBenchLeader74.0–
知識スコアBenchLeader63.664.5
長文コンテキストスコアBenchLeader66.964.1
数学スコアBenchLeader69.366.8
マルチモーダルスコアBenchLeader62.365.3
推論スコアBenchLeader68.168.1
人間の評価スコアBenchLeader–68.6
ブレンド価格($/100万トークン)BenchLeader$11.25$2.00
出力速度BenchLeader81 tok/s208 tok/s
回答開始までの時間BenchLeader38.3秒11.4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 Hub90.7%†–
SimpleBenchSimpleBench69.0%†74.5%†
Arena Hard PromptsArena (LMArena)1499†1514
LiveBench 1.0 ReasoningLiveBench89.7%90.0%
GPQA Diamond (AA)Artificial Analysis93.5%90.4%
Humanity's Last Exam (AA)Artificial Analysis45.8%45.5%
GPQA Diamond (Vals)Vals AI93.2%–
Kagi LLM BenchmarkKagi LLM Benchmark88.8%†–
ARC-AGI-1ARC Prize95.0%–
ARC-AGI-2ARC Prize85.0%–
ARC-AGI-3ARC Prize0.4%†–
CritPtArtificial Analysis27.1%17.7%
Arena ExpertArena (LMArena)1510†1503
Chess PuzzlesEpoch AI Benchmarking Hub63.0%27.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub56.0%–
CL-bench LifeEpoch AI Benchmarking Hub22.2%†–
LMCAEpoch AI Benchmarking Hub54.3%48.4%
DTBenchEpoch AI Benchmarking Hub96.0%94.7%
ForecastBenchForecastBench64.2%†–
BTF-3Epoch AI Benchmarking Hub14.3%†–
コーディング
SciCodeSciCode55.8%57.4%
WeirdMLWeirdML84.9%60.3%
FrontierCodeCognition43.0%†–
GSO-BenchGSO-Bench40.2%–
Arena CodingArena (LMArena)1510†1542
144件のベンチマークをすべて表示
指標公開元GPT-5.5 (xhigh)Muse Spark 1.2 (xhigh)
コーディング
Arena WebDevArena (LMArena)15121534
LiveBench 1.0 CodingLiveBench82.2%77.5%
LiveCodeBenchVals AI85.3%–
IOIVals AI–21.8%
SWE-bench (Vals)Vals AI82.6%86.6%
Code MigrationVals AI45.2%29.9%
ProgramBenchVals AI0.5%0.5%
Vibe Code Bench v1.1Vals AI69.8%79.1%
SWE Atlas v1.0: Codebase QnAScale AI SEAL45.4%–
SWE Atlas v1.0: RefactoringScale AI SEAL44.8%–
SWE Atlas v1.0: Test WritingScale AI SEAL42.6%–
MirrorCodeEpoch AI Benchmarking Hub23.3%–
Surface Evolver BenchEpoch AI Benchmarking Hub88.1%†–
DeepSWE v1.1Epoch AI Benchmarking Hub67.0%54.9%
ALE-BenchEpoch AI Benchmarking Hub1943.0–
FrontierSWEEpoch AI Benchmarking Hub–12.0%
Terminal-Bench 4.0 (AA)Artificial Analysis14.7%7.1%
Terminal-Bench 2.1 (AA)Artificial Analysis84.3%80.2%
Startrise FrontendStartrise–70.3%†
GameBench 2 OverallDuelLab GameBench 249.2†51.5†
GameBench 2 by reasoning settingDuelLab GameBench 259.956.9
Design Arena WebsiteDesign Arena1248†1309†
エージェント・ツール
Terminal-BenchTerminal-Bench84.7%†–
OSWorld-Verified 2.0OSWorld13.0%–
Remote Labor IndexScale AI / CAIS6.3%†–
APEX-AgentsMercor55.1%†45.4%†
Arena AgentArena (LMArena)–-8.2
LiveBench Agentic CodingLiveBench54.0%57.6%
Terminal-Bench HardArtificial Analysis60.6%–
τ²-Bench Telecom (AA)Artificial Analysis93.9%–
Terminal-Bench 2.1 (Vals)Vals AI57.3%†69.7%
MCP AtlasScale AI SEAL75.3%–
HiL-BenchScale AI SEAL39.7%†–
τ³-bench Bankingτ²-bench44.6%–
GDPval-AA v2.1Artificial Analysis13571478
τ³-Banking (AA)Artificial Analysis39.0%34.9%
ITBench SRE (AA)Artificial Analysis45.8%–
Analyst Agent (AA)Artificial Analysis50.0%–
APEX-Agents (AA)Artificial Analysis37.7%–
CyberBenchVals AI–69.5%
Finance Agent v2Vals AI51.8%60.6%
Harvey's Legal Agent Benchmark v1Vals AI3.8%25.4%
Legal Research BenchVals AI40.4%43.8%
SkillsBenchVals AI62.2%53.0%
SREBenchVals AI3.8%0.0%
Tax Agent BenchVals AI21.8%32.8%
Terminal-Bench 2.0 (Vals)Vals AI73.2%†–
Terminal-Bench 4.0 (Vals)Vals AI–6.1%
Time Horizon Index: KSPVals AI8.3%–
Arena SearchArena (LMArena)1226†–
Arena Agent Task CompletionArena (LMArena)–-9.8
DeepResearch BenchDeepResearch Bench54.0%†–
PostTrainBenchEpoch AI Benchmarking Hub23.9%–
ExploitBenchEpoch AI Benchmarking Hub47.4%†–
GBAEvalEpoch AI Benchmarking Hub53.2%†–
Vending-Bench 2Andon Labs7523.8†–
AutomationBenchArtificial Analysis47.3%40.6%
GDP.pdf (AA)Artificial Analysis21.2%17.4%
EnterpriseOps-GymArtificial Analysis46.6%47.3%
AA-Briefcase v1.1Artificial Analysis11351323
Design Arena AgenticDesign Arena1113†1185†
RoboDojo (LLM as robot policy)RoboDojo1.1†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub85.3%–
FrontierMath Tier 4Epoch AI Benchmarking Hub72.5%–
OTIS Mock AIMEEpoch AI Benchmarking Hub84.4%†–
ProofBenchVals AI50.0%43.0%†
LiveBench MathematicsLiveBench95.9%91.2%
AIME 2026MathArena100.0%–
HMMT February 2026MathArena98.5%–
USAMO 2026MathArena98.2%–
MathArena ApexMathArena80.2%–
Arena MathsArena (LMArena)1500†1486
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub63.0%60.3%
LiveBench 1.0 Data AnalysisLiveBench81.6%76.5%
MMLU-ProVals AI88.1%88.3%
LegalBenchVals AI86.5%85.3%
CorpFinVals AI68.4%70.9%
TaxEvalVals AI75.0%80.4%
BioMysteryBenchVals AI–64.8%
CaseLaw v2Vals AI66.2%–
Excel Modeling BenchmarkVals AI64.5%57.0%
MedCodeVals AI49.1%49.4%
MedScribeVals AI86.9%90.1%
Public Benefits Bench v1.1Vals AI60.9%68.5%
Financial Coaching BenchVals AI–75.7%
Immigration BenchVals AI–66.5%
DrugDiscoveryBenchScale AI SEAL51.6%–
EBR-benchEpoch AI Benchmarking Hub34.3%–
GDP.pdfEpoch AI Benchmarking Hub26.0%16.0%
指示追従
LiveBench LanguageLiveBench87.4%78.6%
LiveBench Instruction FollowingLiveBench70.7%74.3%
IFBenchArtificial Analysis75.8%–
Arena Instruction FollowingArena (LMArena)1475†1479
人間の評価
Arena TextArena (LMArena)1476†1493
EQ-Bench 4EQ-Bench1295†–
EQ-Bench Creative Writing v3EQ-Bench1845†1842†
Arena Creative WritingArena (LMArena)1448†1443
Arena Multi-turnArena (LMArena)1484†1510
Arena Longer QueriesArena (LMArena)1486†1491
マルチモーダル
Arena VisionArena (LMArena)1296†1305
MMMU-ProArtificial Analysis79.9%–
MMMU-Pro (Vals)Vals AI88.3%86.1%
MortgageTaxVals AI68.8%65.4%
Humanity's Sixth SenseScale AI SEAL–24.5%
Blueprint-Bench 2Epoch AI Benchmarking Hub36.2%†–
Furniture AssemblyEpoch AI Benchmarking Hub44.2%–
Code2Video-AAArtificial Analysis1000–
長文コンテキスト
AA-LCR v1.1Artificial Analysis84.3%79.0%
Arena DocumentArena (LMArena)1479†–
MLCRArtificial Analysis28.9%7.2%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub160.1†155.0†
LiveBench 1.0LiveBench80.2%78.0%
AA Intelligence Index v4.3.2Artificial Analysis38.439.6
AA Progress Index v1Artificial Analysis320309.1
Vals RSI IndexVals AI16.5%–
Vals Multimodal IndexVals AI68.1%69.8%†
安全性・誠実さ
FORTRESSScale AI SEAL16.3%–
DistressBenchScale 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-5.5 (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-5.5 (xhigh):BenchLeader Index 64.6 → 64.1。
  • GPT-5.5 (xhigh):スコアの改訂1件。
  • GPT-5.5 (xhigh):新しい結果1件(MirrorCode)。
  • GPT-5.5 (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-5.5 (xhigh):新しい結果1件(AA Progress Index v1)。

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-5.5 vs Muse Spark 1.2:よくある質問

GPT-5.5はMuse Spark 1.2より優れていますか?
GPT-5.5 (xhigh)とMuse Spark 1.2 (xhigh)の品質は互角です(64.1 対 61.5、±6.3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-5.5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 $11.25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-5.5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-5.5の方がスコアが高くなっています(カテゴリ指標で61 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Arena WebDevでは、GPT-5.5が1512、Muse Spark 1.2が1534です。
GPT-5.5とMuse Spark 1.2はどちらが速いですか?
Muse Spark 1.2の方が出力が約2倍速くなっています(出力208 対 81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-5.5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-5.5の方がスコアが高くなっています(カテゴリ指標で62 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-5.5が39.0%、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-5.5の方がスコアが高くなっています(67 対 64)。どちらも約1.1Mトークンです(GPT-5.5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 38.3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-5.5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52件のベンチマークのうち、GPT-5.5のリードが31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。