BenchLeader

GPT-5.5 vs Muse Wonder

詳しいプロフィール:GPT-5.5(OpenAI)とMuse Wonder(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 · 13件の情報源のデータ

2026年11月16日時点で、GPT-5.5とMuse Wonderの品質は互角です(BenchLeader Indexで64.1 対 64.4、±4.9の誤差範囲内)。価格はMuse Wonderの方が1.4倍安く、100万トークンあたりのブレンド価格で$8.00 対 $11.25です。両方を測定できるすべてのカテゴリでMuse Wonderがリードしています。

要点(2026年11月16日時点)

  • BenchLeader IndexはGPT-5.5が64.1、Muse Wonderが64.4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 Wonderの100万トークンあたりのブレンド価格は$8.00です(定価、2026年11月16日)。
  • 両モデルに結果がある3件のベンチマークのうち、Muse Wonderが2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
エージェント・ツール利用Muse Wonderカテゴリスコア76 対 62高
数学どちらでもカテゴリスコア69 対 70;ProofBench 50.0% 対 84.0%どちらでも
知識Muse Wonderカテゴリスコア77 対 64高
チャットの質(人間の評価)–Arenaの評価があるのはMuse Wonderのみです(カテゴリスコア70)比較不可
最低コストMuse Wonder100万トークンあたりブレンド価格$8.00 対 $11.25;エージェント型コーディングセッション$0.320 対 $0.420–
回答開始の速さMuse Wonder最初の回答トークンまで3.3秒(Muse Wonder)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 Wonderの品質は互角です(64.1 対 64.4、±4.9の誤差範囲内)。
  • Muse Wonderはエージェント・ツール、知識、数学で優れています。
  • Muse Wonderの方が1.4倍安くなっています(100万トークンあたりブレンド価格$8.00 対 $11.25)。

概要

仕様GPT-5.5Muse Wonder
プロバイダーOpenAIMeta
リリース日2026年4月23日2026年10月12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 Wonder
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$4.00 / $20.00 / $0.200

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 Wonderトップ
推論68.1–比較不可
コーディング60.7–比較不可
エージェント・ツール61.875.6Muse Wonder
数学69.370.1互角
知識63.677.1Muse Wonder
指示追従74.0–比較不可
人間の評価–69.6比較不可
マルチモーダル62.3–比較不可
長文コンテキスト66.9–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エージェント・ツール数学知識GPT-5.5, エージェント・ツール: 61.8GPT-5.5, 数学: 69.3GPT-5.5, 知識: 63.6Muse Wonder, エージェント・ツール: 75.6Muse Wonder, 数学: 70.1Muse Wonder, 知識: 77.1

描画していないもの(測定済みのモデルが2つ未満):推論, コーディング, 指示追従, 長文コンテキスト, マルチモーダル, 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3件のベンチマークのうち、GPT-5.5のリードが1件、Muse Wonderのリードが2件です。両方を評価しているすべての総合指標で、Muse Wonderが上回っています。

総合IndexGPT-5.5 (xhigh)Muse Wonderトップ
BenchLeader Index64.164.4互角
Arena Text1481†1511Muse Wonder

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 Wonder
100万トークンあたりのブレンド価格$11.25$8.00
100万トークンあたりの入力/出力$5.00 / $30.00$4.00 / $20.00
100万トークンあたりのキャッシュ入力$0.500$0.200
タスクあたりの価格:チャットの返答$0.011$0.0076
タスクあたりの価格:30ページのレポートを要約$0.078$0.060
タスクあたりの価格:コード編集$0.075$0.054
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$0.320
タスクあたりの価格:構造化データの抽出$0.016$0.012
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$0.149
出力速度81 tok/s70 tok/s
回答開始までの時間38.3秒3.3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–

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 Wonderのスコアは64.4、最初の回答トークンまで3秒。Muse Wonder (max)は60.8(20秒)、Muse Wonder (high)は56.2(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

190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 Wonder
BenchLeader IndexBenchLeader64.164.4
エージェント・ツールスコアBenchLeader61.875.6
コーディングスコアBenchLeader60.7–
指示追従スコアBenchLeader74.0–
知識スコアBenchLeader63.677.1
長文コンテキストスコアBenchLeader66.9–
数学スコアBenchLeader69.370.1
マルチモーダルスコアBenchLeader62.3–
推論スコアBenchLeader68.1–
人間の評価スコアBenchLeader–69.6
ブレンド価格($/100万トークン)BenchLeader$11.25$8.00
出力速度BenchLeader81 tok/s70 tok/s
回答開始までの時間BenchLeader38.3秒3.3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%†–
Arena Hard PromptsArena (LMArena)1499†1531†
LiveBench 2.0 ReasoningLiveBench–90.6%†
LiveBench 1.0 ReasoningLiveBench89.7%90.6%†
GPQA Diamond (AA)Artificial Analysis93.5%–
Humanity's Last Exam (AA)Artificial Analysis45.8%50.1%†
HLE-Diamond (AA)Artificial Analysis–39.0%†
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%28.3%†
CritPt v2 hard subset (AA)Artificial Analysis–50.5%†
MysteryMechanismVals AI–27.5%†
HLE-Diamond (Scale)Scale AI SEAL–37.3%
Arena ExpertArena (LMArena)1510†1525†
Chess PuzzlesEpoch AI Benchmarking Hub63.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub56.0%51.0%†
CL-bench LifeEpoch AI Benchmarking Hub22.2%†–
LMCAEpoch AI Benchmarking Hub54.3%56.8%
DTBenchEpoch AI Benchmarking Hub96.0%95.2%
ForecastBenchForecastBench64.2%†–
BTF-3Epoch AI Benchmarking Hub14.3%†–
190件のベンチマークをすべて表示
指標公開元GPT-5.5 (xhigh)Muse Wonder
コーディング
SciCodeSciCode55.8%60.3%†
WeirdMLWeirdML84.9%–
FrontierCodeCognition43.0%†–
GSO-BenchGSO-Bench40.2%–
Arena CodingArena (LMArena)1510†1542†
Arena WebDevArena (LMArena)15121647†
LiveBench 2.0 CodingLiveBench–74.9%†
LiveBench 1.0 CodingLiveBench82.2%80.7%†
LiveCodeBenchVals AI85.3%–
IOIVals AI–66.9%†
SWE-bench (Vals)Vals AI82.6%–
Code MigrationVals AI45.2%62.5%†
Code Migration v1.1Vals AI–72.4%†
ProgramBenchVals AI0.5%–
SWE-bench MultimodalVals AI–45.6%†
Vibe Code Bench 1-100Vals AI–26.6%†
Vibe Code Bench v1.1Vals AI69.8%83.1%†
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%–
SWE Atlas v1.1Scale AI SEAL–64.8%
SWE Atlas v1.1: Codebase QnAScale AI SEAL–73.4%
SWE Atlas v1.1: Test WritingScale AI SEAL–61.1%
SWE Atlas v1.1: RefactoringScale AI SEAL–60.0%
SWE-Bench Pro V2Scale AI SEAL–96.7%†
SWE-Bench Pro V2 HARDScale AI SEAL–90.2%†
MirrorCodeEpoch AI Benchmarking Hub23.3%45.6%†
Surface Evolver BenchEpoch AI Benchmarking Hub88.1%†–
DeepSWE v1.1Epoch AI Benchmarking Hub67.0%–
CursorBenchCursor–50.4%†
ALE-BenchEpoch AI Benchmarking Hub1943.0–
WeirdML v3WeirdML–15.2%†
Terminal-Bench 4.0 (AA)Artificial Analysis14.7%52.0%†
Terminal-Bench 2.1 (AA)Artificial Analysis84.3%–
GameBench 2 OverallDuelLab GameBench 249.2†64.8
GameBench 2 by reasoning settingDuelLab GameBench 259.954.9†
Design Arena WebsiteDesign Arena1248†1378†
FrontierCode 1.1 (AA)Artificial Analysis–46.5%†
FrontierCode 2.0 (AA)Artificial Analysis–27.9%†
エージェント・ツール
Terminal-BenchTerminal-Bench84.7%†47.0%†
OSWorld-Verified 2.0OSWorld13.0%–
Remote Labor IndexScale AI / CAIS6.3%†–
APEX-AgentsMercor55.1%†66.1%†
Arena AgentArena (LMArena)–1.8†
LiveBench Long AgenticLiveBench–46.2%†
LiveBench BrowserLiveBench–60.0%†
LiveBench Agentic CodingLiveBench54.0%62.7%†
Terminal-Bench HardArtificial Analysis60.6%–
τ²-Bench Telecom (AA)Artificial Analysis93.9%–
Terminal-Bench 2.1 (Vals)Vals AI57.3%†–
MCP AtlasScale AI SEAL75.3%–
HiL-BenchScale AI SEAL39.7%†79.7%
τ³-bench Bankingτ²-bench44.6%–
GDPval-AA v2.1, normalised scoreArtificial Analysis–63.5%†
GDPval-AA v2.1Artificial Analysis13571770†
τ³-Banking (AA)Artificial Analysis39.0%–
ITBench SRE (AA)Artificial Analysis45.8%–
Analyst Agent (AA)Artificial Analysis50.0%–
APEX-Agents (AA)Artificial Analysis37.7%–
CUA-benchVals AI–7.2%†
CyberBenchVals AI–80.4%†
Finance Agent v2Vals AI51.8%56.6%†
Finance Agent v2.1Vals AI–65.5%†
Harvey's Legal Agent Benchmark v1.1Vals AI–23.8%†
Harvey's Legal Agent Benchmark v1Vals AI3.8%17.1%†
Legal Research BenchVals AI40.4%50.5%†
SkillsBenchVals AI62.2%–
SREBenchVals AI3.8%–
Tax Agent BenchVals AI21.8%36.3%†
Terminal-Bench 2.0 (Vals)Vals AI73.2%†–
Terminal-Bench 4.0 (Vals)Vals AI–49.5%†
Terminal-Bench ScienceVals AI–22.9%†
Time Horizon Index: KSPVals AI8.3%–
Arena SearchArena (LMArena)1226†–
Arena Agent Task CompletionArena (LMArena)–5.4†
DeepResearch BenchDeepResearch Bench54.0%†–
PostTrainBenchEpoch AI Benchmarking Hub23.9%24.2%†
ExploitBenchEpoch AI Benchmarking Hub47.4%†–
GBAEvalEpoch AI Benchmarking Hub53.2%†–
Vending-Bench 2Andon Labs7523.8†9432.2
AutomationBenchArtificial Analysis47.3%68.1%†
GDP.pdf (AA)Artificial Analysis21.2%30.6%†
Harvey LAB-AA v1.1Harvey–10.0%†
EnterpriseOps-GymArtificial Analysis46.6%–
AA-Briefcase v1.1Artificial Analysis11351659†
GDPxGDPx by SemiAnalysis–6.8%†
Design Arena AgenticDesign Arena1113†1177†
RoboDojo (LLM as robot policy)RoboDojo1.1†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–25.7%†
MKA (AA)Artificial Analysis–47.5%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub85.3%82.1%†
FrontierMath Tier 4Epoch AI Benchmarking Hub72.5%70.7%†
OTIS Mock AIMEEpoch AI Benchmarking Hub84.4%†99.4%†
ProofBenchVals AI50.0%84.0%
LiveBench MathematicsLiveBench95.9%96.5%†
AIME 2026MathArena100.0%–
HMMT February 2026MathArena98.5%–
USAMO 2026MathArena98.2%–
MathArena ApexMathArena80.2%–
Arena MathsArena (LMArena)1500†1490†
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub63.0%–
LiveBench 2.0 Data AnalysisLiveBench–81.6%†
LiveBench ResearchLiveBench–93.0%†
LiveBench 1.0 Data AnalysisLiveBench81.6%81.6%†
AA-Omniscience v1.1Artificial Analysis–25.1†
MMLU-ProVals AI88.1%–
LegalBenchVals AI86.5%–
CorpFinVals AI68.4%–
TaxEvalVals AI75.0%–
PRBench FinanceScale AI SEAL–58.7%
PRBench LegalScale AI SEAL–58.4%
BioMysteryBenchVals AI–67.0%†
CaseLaw v2Vals AI66.2%–
Excel Modeling BenchmarkVals AI64.5%67.1%†
Excel Modeling Benchmark v1.1Vals AI–72.5%†
MedCodeVals AI49.1%–
MedScribeVals AI86.9%–
Public Benefits Bench v1.1Vals AI60.9%70.2%†
Access to Justice BenchmarkVals AI–73.0%†
Financial Coaching BenchVals AI–73.8%†
Immigration BenchVals AI–69.6%†
DrugDiscoveryBenchScale AI SEAL51.6%–
EBR-benchEpoch AI Benchmarking Hub34.3%31.4%†
GDP.pdfEpoch AI Benchmarking Hub26.0%30.8%†
AA-Omniscience v1.1: accuracyArtificial Analysis–38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–79.1%†
指示追従
LiveBench LanguageLiveBench87.4%82.9%†
LiveBench Instruction FollowingLiveBench70.7%73.0%†
IFBenchArtificial Analysis75.8%–
Arena Instruction FollowingArena (LMArena)1475†1498†
人間の評価
Arena TextArena (LMArena)1476†1511†
EQ-Bench 4EQ-Bench1295†1325
EQ-Bench Creative Writing v3EQ-Bench1845†2007
Arena Creative WritingArena (LMArena)1448†1491†
Arena Multi-turnArena (LMArena)1484†1525†
Arena Longer QueriesArena (LMArena)1486†1507†
マルチモーダル
Arena VisionArena (LMArena)1296†–
LiveBench DesignLiveBench–70.9%†
MMMU-ProArtificial Analysis79.9%83.8%†
MMMU-Pro (Vals)Vals AI88.3%–
MortgageTaxVals AI68.8%–
Humanity's Sixth SenseScale AI SEAL–43.7%†
Blueprint-Bench 2Epoch AI Benchmarking Hub36.2%†31.7%
Furniture AssemblyEpoch AI Benchmarking Hub44.2%54.2%†
VIALS-AAHandshake AI–55.3%†
Code2Video-AAArtificial Analysis1000997†
長文コンテキスト
AA-LCR v1.1Artificial Analysis84.3%80.7%†
Arena DocumentArena (LMArena)1479†–
MLCRArtificial Analysis28.9%22.2%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub160.1†161.7
LiveBench 2.0LiveBench–70.7%†
LiveBench 1.0LiveBench80.2%81.2%†
AA Intelligence Index v5.0.1Artificial Analysis–43.6†
AA Intelligence Index v4.3.2Artificial Analysis38.452.4†
AA Progress Index v1Artificial Analysis320335.8†
Vals IndexVals AI–64.9†
Vals Finance IndexVals AI–61.2%†
Vals RSI IndexVals AI16.5%–
Vals Science IndexVals AI–39.1%†
Vals Multimodal IndexVals AI68.1%–
Vals Router IndexVals AI–64.9%
Vals Legal IndexVals AI–75.3%†
安全性・誠実さ
FORTRESSScale AI SEAL16.3%–
DistressBenchScale AI SEAL–85.9%

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

  • Muse Wonder:BenchLeader Index 63.0 → 64.4。
  • GPT-5.5 (xhigh):新しい結果1件(GDPval-AA v2.1)。
  • GPT-5.5 (xhigh):BenchLeader Index 64.6 → 64.1。
  • Muse Wonder:BenchLeader Index 63.5 → 63.0。
  • GPT-5.5 (xhigh):スコアの改訂1件。
  • GPT-5.5 (xhigh):新しい結果1件(MirrorCode)。
  • Muse Wonder:新しい結果1件(Blueprint-Bench 2)。
  • Muse Wonder:BenchLeader Index 64.3 → 63.5。
  • Muse Wonder:スコアの改訂5件。
  • GPT-5.5 (xhigh):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-5.5 vs Muse Wonder:よくある質問

GPT-5.5はMuse Wonderより優れていますか?
GPT-5.5 (xhigh)とMuse Wonderの品質は互角です(64.1 対 64.4、±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。
GPT-5.5とMuse Wonder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 Wonderの方が安く、100万トークンあたり$8.00 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。
GPT-5.5とMuse Wonderはどちらが速いですか?
GPT-5.5の方が出力が速くなっています(出力81 対 70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 Wonder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Muse Wonderの方がスコアが高くなっています(カテゴリ指標で76 対 62。50が平均)。
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-5.5は1,050,000、Muse Wonderは1,048,576)。
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 Wonderです。Artificial Analysisの測定では、最初の回答トークンまで3.3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 Wonder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3件のベンチマークのうち、GPT-5.5のリードが1件、Muse Wonderのリードが2件です。両方を評価しているすべての総合指標で、Muse Wonderが上回っています。
Muse Wonderはいつリリースされましたか?
Muse Wonderは2026年10月12日にリリースされました。