BenchLeader

GPT-5.6 Sol vs Muse Spark

詳しいプロフィール:GPT-5.6 Sol(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 · 12件の情報源のデータ

2026年11月16日時点で、GPT-5.6 SolとMuse Sparkの品質は互角です(BenchLeader Indexで65.3 対 64.2、±4.7の誤差範囲内)。数学(70 対 59)、長文コンテキスト(67 対 64)、エージェント・ツール(68 対 65)を重視するならGPT-5.6 Sol、指示追従(77 対 71)、推論(67 対 65)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-5.6 Solが65.3、Muse Sparkが64.2です(BenchLeader、2026年11月16日)。
  • GPT-5.6 Sol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28件のベンチマークのうち、GPT-5.6 Sol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
コーディングどちらでもカテゴリスコア66 対 65;SciCode 57.1% 対 51.5%どちらでも
エージェント・ツール利用GPT-5.6 Solカテゴリスコア68 対 65;Terminal-Bench Hard 65.9% 対 45.5%中
数学GPT-5.6 Solカテゴリスコア70 対 59;OTIS Mock AIME 100.0% 対 88.9%高
推論Muse Sparkカテゴリスコア67 対 65;GPQA Diamond 89.8% 対 93.5%中
知識どちらでもカテゴリスコア64 対 63;MMLU-Pro 89.1% 対 87.3%どちらでも
長い文書GPT-5.6 Solカテゴリスコア67 対 64;AA-LCR v1.1 84.0% 対 78.0%中
画像などのメディアGPT-5.6 Solカテゴリスコア66 対 64;MMMU-Pro 83.4% 対 80.5%中
指示への追従Muse Sparkカテゴリスコア77 対 71;IFBench 75.9% 対 72.7%中
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-5.6 Sol (max)とMuse Sparkの品質は互角です(65.3 対 64.2、±4.7の誤差範囲内)。
  • GPT-5.6 Sol (max)はエージェント・ツール、コーディング、知識、長文コンテキスト、数学、マルチモーダルで優れています。
  • Muse Sparkは指示追従、推論で優れています。

概要

仕様GPT-5.6 SolMuse Spark
プロバイダーOpenAIMeta
リリース日2026年7月9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-5.6 Sol (max)Muse 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)$4.00 / $20.00 / $0.400–

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-5.6 Sol (max)Muse Sparkトップ
推論64.767.4Muse Spark
コーディング65.865.1互角
エージェント・ツール67.565.0GPT-5.6 Sol
数学70.059.1GPT-5.6 Sol
知識63.863.1互角
指示追従71.276.9Muse Spark
人間の評価–68.1比較不可
マルチモーダル65.964.2GPT-5.6 Sol
長文コンテキスト66.763.6GPT-5.6 Sol

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長文コンテキストマルチモーダルGPT-5.6 Sol, 推論: 64.7GPT-5.6 Sol, コーディング: 65.8GPT-5.6 Sol, エージェント・ツール: 67.5GPT-5.6 Sol, 数学: 70.0GPT-5.6 Sol, 知識: 63.8GPT-5.6 Sol, 指示追従: 71.2GPT-5.6 Sol, 長文コンテキスト: 66.7GPT-5.6 Sol, マルチモーダル: 65.9Muse Spark, 推論: 67.4Muse Spark, コーディング: 65.1Muse Spark, エージェント・ツール: 65.0Muse Spark, 数学: 59.1Muse Spark, 知識: 63.1Muse Spark, 指示追従: 76.9Muse Spark, 長文コンテキスト: 63.6Muse 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):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28件のベンチマークのうち、GPT-5.6 Solのリードが20件、Muse Sparkのリードが8件です。両方を評価しているすべての総合指標で、Muse Sparkが上回っています。

総合IndexGPT-5.6 Sol (max)Muse Sparkトップ
BenchLeader Index65.364.2互角
Arena Text1485†1489Muse Spark

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-5.6 Sol (max)Muse Spark
100万トークンあたりのブレンド価格$8.00–
100万トークンあたりの入力/出力$4.00 / $20.00– / –
100万トークンあたりのキャッシュ入力$0.400–
タスクあたりの価格:チャットの返答$0.0076–
タスクあたりの価格:30ページのレポートを要約$0.060–
タスクあたりの価格:コード編集$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$0.320–
タスクあたりの価格:構造化データの抽出$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)$0.158–
出力速度100 tok/s–
回答開始までの時間33.5秒–
回答が完了するまでの時間(最終測定2026年11月13日)157.3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-5.6 Sol (max)のスコアは65.3、最初の回答トークンまで34秒。GPT-5.6 Sol (xhigh)は63.9(17秒)、GPT-5.6 Sol (high)は63.4(10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

161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-5.6 Sol (max)Muse Spark
BenchLeader IndexBenchLeader65.364.2
エージェント・ツールスコアBenchLeader67.565.0
コーディングスコアBenchLeader65.865.1
指示追従スコアBenchLeader71.276.9
知識スコアBenchLeader63.863.1
長文コンテキストスコアBenchLeader66.763.6
数学スコアBenchLeader70.059.1
マルチモーダルスコアBenchLeader65.964.2
推論スコアBenchLeader64.767.4
人間の評価スコアBenchLeader–68.1
ブレンド価格($/100万トークン)BenchLeader$8.00–
出力速度BenchLeader100 tok/s–
回答開始までの時間BenchLeader33.5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 Hub93.5%89.8%
Humanity's Last ExamScale AI / CAIS–40.6%
SimpleBenchSimpleBench64.8%†–
Arena Hard PromptsArena (LMArena)1511†1506
LiveBench 1.0 ReasoningLiveBench91.7%–
GPQA Diamond (AA)Artificial Analysis94.1%88.4%
Humanity's Last Exam (AA)Artificial Analysis49.5%40.7%
GPQA Diamond (Vals)Vals AI95.2%89.7%
EnigmaEvalScale AI SEAL37.1%†–
Kagi LLM BenchmarkKagi LLM Benchmark67.0%†–
ARC-AGI-1ARC Prize96.5%–
ARC-AGI-2ARC Prize92.5%–
ARC-AGI-3ARC Prize7.8%–
CritPtArtificial Analysis32.3%11.3%
CritPt v2 hard subset (AA)Artificial Analysis60.0%–
MysteryMechanismVals AI33.3%–
HLE-Diamond (Scale)Scale AI SEAL31.2%†–
Arena ExpertArena (LMArena)1532†1491
Chess PuzzlesEpoch AI Benchmarking Hub59.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub58.0%–
LMCAEpoch AI Benchmarking Hub58.4%–
DTBenchEpoch AI Benchmarking Hub95.5%–
ForecastBenchForecastBench65.7%–
BTF-3Epoch AI Benchmarking Hub13.7%–
コーディング
SciCodeSciCode57.1%51.5%
161件のベンチマークをすべて表示
指標公開元GPT-5.6 Sol (max)Muse Spark
コーディング
WeirdMLWeirdML87.0%–
FrontierCodeCognition47.5%†–
GSO-BenchGSO-Bench76.5%†–
Arena CodingArena (LMArena)1533†1529
Arena WebDevArena (LMArena)1615†–
LiveBench 1.0 CodingLiveBench83.9%–
SciCode (AA)Artificial Analysis57.1%–
LiveCodeBenchVals AI82.6%–
IOIVals AI91.2%–
SWE-bench (Vals)Vals AI96.2%74.4%
SWE-Bench ProScale AI SEAL–55.0%
Code MigrationVals AI52.9%–
ProgramBenchVals AI1.5%–
Vibe Code Bench 1-100Vals AI20.0%–
Vibe Code Bench v1.1Vals AI80.5%19.7%
SWE-Bench Pro (private)Scale AI SEAL–44.7%
SWE Atlas v1.0: Codebase QnAScale AI SEAL46.0%†24.2%
SWE Atlas v1.0: Test WritingScale AI SEAL45.9%†31.1%
SWE-Bench Pro V2Scale AI SEAL95.5%†–
SWE-Bench Pro V2 HARDScale AI SEAL82.4%†–
MirrorCodeEpoch AI Benchmarking Hub20.0%†–
Surface Evolver BenchEpoch AI Benchmarking Hub93.1%†–
DeepSWE v1.1Epoch AI Benchmarking Hub72.7%–
CursorBenchCursor41.7%–
ALE-BenchEpoch AI Benchmarking Hub2176.9–
FrontierSWEEpoch AI Benchmarking Hub32.2%–
WeirdML v3WeirdML15.0%†–
Terminal-Bench 4.0 (AA)Artificial Analysis39.9%–
Terminal-Bench 2.1 (AA)Artificial Analysis88.0%62.2%
Startrise FrontendStartrise66.2%†–
GameBench 2 OverallDuelLab GameBench 267.0†–
GameBench 2 by reasoning settingDuelLab GameBench 280.0†–
Design Arena WebsiteDesign Arena1319†1253
エージェント・ツール
Terminal-BenchTerminal-Bench38.5%–
OSWorld-Verified 2.0OSWorld27.3%–
APEX-AgentsMercor51.4%†–
Arena AgentArena (LMArena)4.6†–
LiveBench Agentic CodingLiveBench56.2%–
Terminal-Bench HardArtificial Analysis65.9%45.5%
τ²-Bench Telecom (AA)Artificial Analysis85.1%91.5%
Terminal-Bench 2.1 (Vals)Vals AI85.8%–
MCP AtlasScale AI SEAL–82.2%
HiL-BenchScale AI SEAL32.3%†–
τ³-bench Bankingτ²-bench46.9%†–
GDPval-AA v2.1Artificial Analysis16191006
τ³-Banking (AA)Artificial Analysis44.3%–
ITBench SRE (AA)Artificial Analysis56.2%–
Analyst Agent (AA)Artificial Analysis47.5%–
CUA-benchVals AI8.3%–
CyberBenchVals AI76.3%–
Finance Agent v2Vals AI53.8%–
Harvey's Legal Agent Benchmark v1Vals AI2.5%–
Legal Research BenchVals AI48.1%–
SkillsBenchVals AI54.1%–
SREBenchVals AI30.5%–
Tax Agent BenchVals AI31.1%–
Terminal-Bench 2.0 (Vals)Vals AI–59.5%
Terminal-Bench 4.0 (Vals)Vals AI37.9%–
Terminal-Bench ScienceVals AI20.0%–
Time Horizon Index: KSPVals AI23.8%–
Web Search IndexVals AI43.6%–
Arena SearchArena (LMArena)1255†–
Arena Agent Task CompletionArena (LMArena)2.3†–
BALROGBALROG60.0%–
PostTrainBenchEpoch AI Benchmarking Hub31.0%–
GBAEvalEpoch AI Benchmarking Hub52.6%†–
Vending-Bench 2Andon Labs9619.4†–
AutomationBenchArtificial Analysis60.1%–
GDP.pdf (AA)Artificial Analysis27.2%–
EnterpriseOps-GymArtificial Analysis42.9%–
AA-Briefcase v1.1Artificial Analysis1479646
Design Arena AgenticDesign Arena1238†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis22.4%–
FACTS SearchGoogle92.9%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub89.1%–
FrontierMath Tier 4Epoch AI Benchmarking Hub82.9%–
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%88.9%
ProofBenchVals AI83.0%17.0%
LiveBench MathematicsLiveBench96.2%–
AIME (Vals)Vals AI–96.9%
Arena MathsArena (LMArena)1494†1469
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub69.7%–
LiveBench 1.0 Data AnalysisLiveBench79.8%–
MMLU-ProVals AI89.1%87.3%
LegalBenchVals AI87.0%84.2%
CorpFinVals AI64.4%65.1%
TaxEvalVals AI74.8%77.7%
PRBench FinanceScale AI SEAL50.5%52.4%
PRBench LegalScale AI SEAL50.5%52.3%
MultiNRCScale AI SEAL–59.0%
BioMysteryBenchVals AI71.1%–
CaseLaw v2Vals AI–63.1%
Excel Modeling BenchmarkVals AI72.3%–
MedCodeVals AI44.0%51.3%
MedScribeVals AI85.2%85.9%
Public Benefits Bench v1.1Vals AI66.5%–
Financial Coaching BenchVals AI74.9%–
DrugDiscoveryBenchScale AI SEAL56.5%–
EBR-benchEpoch AI Benchmarking Hub44.8%–
GDP.pdfEpoch AI Benchmarking Hub30.7%–
FACTS ParametricGoogle81.1%†–
指示追従
LiveBench LanguageLiveBench87.7%–
LiveBench Instruction FollowingLiveBench71.8%–
IFBenchArtificial Analysis72.7%75.9%
MultiChallengeScale AI SEAL–75.5%
TutorBenchScale AI SEAL–68.5%
Arena Instruction FollowingArena (LMArena)1490†1465
人間の評価
Arena TextArena (LMArena)1485†1489
EQ-Bench 4EQ-Bench1236†–
EQ-Bench Creative Writing v3EQ-Bench1974†–
Arena Creative WritingArena (LMArena)1471†1464
Arena Multi-turnArena (LMArena)1491†1493
Arena Longer QueriesArena (LMArena)1498†1476
マルチモーダル
Arena VisionArena (LMArena)1282†1306
MMMU-ProArtificial Analysis83.4%80.5%
MMMU-Pro (Vals)Vals AI88.8%87.4%
MortgageTaxVals AI67.3%–
Humanity's Sixth SenseScale AI SEAL30.0%–
GeoBenchGeoBench73.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub33.6%†–
Furniture AssemblyEpoch AI Benchmarking Hub56.7%–
FACTS MultimodalGoogle46.4%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis84.0%78.0%
Arena DocumentArena (LMArena)1487†1467
MLCRArtificial Analysis30.0%–
FACTS GroundingGoogle61.9%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub163.0†153.1
LiveBench 1.0LiveBench81.0%–
AA Intelligence Index v4.3.2Artificial Analysis47.031.3
AA Progress Index v1Artificial Analysis331.5289.1
Vals RSI IndexVals AI23.9%–
Vals Science IndexVals AI41.5%–
Vals Multimodal IndexVals AI72.6%–
安全性・誠実さ
FORTRESSScale AI SEAL20.1%†20.2%
DistressBenchScale AI SEAL73.6%†–

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-5.6 Sol (max):新しい結果1件(GDPval-AA v2.1)。
  • Muse Spark:新しい結果2件(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • GPT-5.6 Sol (max):スコアの改訂1件。
  • GPT-5.6 Sol (max):BenchLeader Index 65.8 → 65.3。
  • GPT-5.6 Sol (max):スコアの改訂1件。
  • Muse Spark:BenchLeader Index 64.6 → 64.1。
  • Muse Spark:スコアの改訂1件。
  • GPT-5.6 Sol (max):スコアの改訂1件。
  • GPT-5.6 Sol (max):新しい結果2件(AA Progress Index v1, CritPt v2 hard subset (AA))。
  • Muse Spark: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-5.6 Sol vs Muse Spark:よくある質問

GPT-5.6 SolはMuse Sparkより優れていますか?
GPT-5.6 Sol (max)とMuse Sparkの品質は互角です(65.3 対 64.2、±4.7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。
コーディングにはGPT-5.6 SolとMuse Sparkのどちらが向いていますか?
コーディングでは互角です(カテゴリ指標で66 対 65)。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-5.6 Solが57.1%、Muse Sparkが51.5%です。
エージェントやツール利用にはGPT-5.6 SolとMuse Spark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-5.6 Solの方がスコアが高くなっています(カテゴリ指標で68 対 65。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Terminal-Bench Hardでは、GPT-5.6 Solが65.9%、Muse Sparkが45.5%です。
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-5.6 Solの方がスコアが高くなっています(67 対 64)。コンテキストはGPT-5.6 Solの方が長く、1,050,000トークンです(Muse Sparkは262,144トークン)。
GPT-5.6 Sol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28件のベンチマークのうち、GPT-5.6 Solのリードが20件、Muse Sparkのリードが8件です。両方を評価しているすべての総合指標で、Muse Sparkが上回っています。
ほかの質問(1件)
GPT-5.6 Solはいつリリースされましたか?
GPT-5.6 Solは2026年7月9日にリリースされました。