BenchLeader

GPT-5.6 Sol vs Muse Wonder

詳しいプロフィール:GPT-5.6 Sol(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 · 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 Wonderの品質は互角です(BenchLeader Indexで65.3 対 64.4、±4.4の誤差範囲内)。価格はほぼ同じです(100万トークンあたりのブレンド価格で$8.00 対 $8.00)。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。GPT-5.6 Solの方が出力が速いです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGPT-5.6 Solが65.3、Muse Wonderが64.4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)。
  • 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)。
  • GPT-5.6 SolはMuse Wonderより出力が速いです(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5件のベンチマークのうち、Muse Wonderが3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 68高
数学どちらでもカテゴリスコア70 対 70;ProofBench 83.0% 対 84.0%どちらでも
知識Muse Wonderカテゴリスコア77 対 64;PRBench Finance 58.7% 対 50.5%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
最低コストどちらでも100万トークンあたりブレンド価格$8.00 対 $8.00;エージェント型コーディングセッション$0.320 対 $0.320–
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 33.5秒(GPT-5.6 Sol (max))–
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 Wonderの品質は互角です(65.3 対 64.4、±4.4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。
  • 価格はほぼ同じです(100万トークンあたりブレンド価格$8.00)。
  • GPT-5.6 Sol (max)の方が出力が1.4倍速くなっています(100 対 70トークン/秒)。

概要

仕様GPT-5.6 SolMuse Wonder
プロバイダーOpenAIMeta
リリース日2026年7月9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-5.6 Sol (max)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)$4.00 / $20.00 / $0.400$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-5.6 Sol (max)Muse Wonderトップ
推論64.7–比較不可
コーディング65.8–比較不可
エージェント・ツール67.575.6Muse Wonder
数学70.070.1互角
知識63.877.1Muse Wonder
指示追従71.2–比較不可
人間の評価–69.6比較不可
マルチモーダル65.9–比較不可
長文コンテキスト66.7–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エージェント・ツール数学知識GPT-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: 63.8Muse 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5件のベンチマークのうち、GPT-5.6 Solのリードが2件、Muse Wonderのリードが3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-5.6 Sol (max)Muse Wonderトップ
BenchLeader Index65.364.4互角
Arena Text1485†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-5.6 Sol (max)Muse Wonder
100万トークンあたりのブレンド価格$8.00$8.00
100万トークンあたりの入力/出力$4.00 / $20.00$4.00 / $20.00
100万トークンあたりのキャッシュ入力$0.400$0.200
タスクあたりの価格:チャットの返答$0.0076$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$0.060
タスクあたりの価格:コード編集$0.054$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$0.320
タスクあたりの価格:構造化データの抽出$0.012$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$0.149
出力速度100 tok/s70 tok/s
回答開始までの時間33.5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)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 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

186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 Wonder
BenchLeader IndexBenchLeader65.364.4
エージェント・ツールスコアBenchLeader67.575.6
コーディングスコアBenchLeader65.8–
指示追従スコアBenchLeader71.2–
知識スコアBenchLeader63.877.1
長文コンテキストスコアBenchLeader66.7–
数学スコアBenchLeader70.070.1
マルチモーダルスコアBenchLeader65.9–
推論スコアBenchLeader64.7–
人間の評価スコアBenchLeader–69.6
ブレンド価格($/100万トークン)BenchLeader$8.00$8.00
出力速度BenchLeader100 tok/s70 tok/s
回答開始までの時間BenchLeader33.5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 Hub93.5%–
SimpleBenchSimpleBench64.8%†–
Arena Hard PromptsArena (LMArena)1511†1531†
LiveBench 2.0 ReasoningLiveBench–90.6%†
LiveBench 1.0 ReasoningLiveBench91.7%90.6%†
GPQA Diamond (AA)Artificial Analysis94.1%–
Humanity's Last Exam (AA)Artificial Analysis49.5%50.1%†
HLE-Diamond (AA)Artificial Analysis–39.0%†
GPQA Diamond (Vals)Vals AI95.2%–
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%28.3%†
CritPt v2 hard subset (AA)Artificial Analysis60.0%50.5%†
MysteryMechanismVals AI33.3%27.5%†
HLE-Diamond (Scale)Scale AI SEAL31.2%†37.3%
Arena ExpertArena (LMArena)1532†1525†
Chess PuzzlesEpoch AI Benchmarking Hub59.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub58.0%51.0%†
LMCAEpoch AI Benchmarking Hub58.4%56.8%
DTBenchEpoch AI Benchmarking Hub95.5%95.2%
ForecastBenchForecastBench65.7%–
BTF-3Epoch AI Benchmarking Hub13.7%–
186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 Wonder
コーディング
SciCodeSciCode57.1%60.3%†
WeirdMLWeirdML87.0%–
FrontierCodeCognition47.5%†–
GSO-BenchGSO-Bench76.5%†–
Arena CodingArena (LMArena)1533†1542†
Arena WebDevArena (LMArena)1615†1647†
LiveBench 2.0 CodingLiveBench–74.9%†
LiveBench 1.0 CodingLiveBench83.9%80.7%†
LiveCodeBenchVals AI82.6%–
IOIVals AI91.2%66.9%†
SWE-bench (Vals)Vals AI96.2%–
Code MigrationVals AI52.9%62.5%†
Code Migration v1.1Vals AI–72.4%†
ProgramBenchVals AI1.5%–
SWE-bench MultimodalVals AI–45.6%†
Vibe Code Bench 1-100Vals AI20.0%26.6%†
Vibe Code Bench v1.1Vals AI80.5%83.1%†
SWE Atlas v1.0: Codebase QnAScale AI SEAL46.0%†–
SWE Atlas v1.0: Test WritingScale AI SEAL45.9%†–
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 SEAL95.5%†96.7%†
SWE-Bench Pro V2 HARDScale AI SEAL82.4%†90.2%†
MirrorCodeEpoch AI Benchmarking Hub20.0%†45.6%†
Surface Evolver BenchEpoch AI Benchmarking Hub93.1%†–
DeepSWE v1.1Epoch AI Benchmarking Hub72.7%–
CursorBenchCursor41.7%50.4%†
ALE-BenchEpoch AI Benchmarking Hub2176.9–
FrontierSWEEpoch AI Benchmarking Hub32.2%–
WeirdML v3WeirdML15.0%†15.2%†
Terminal-Bench 4.0 (AA)Artificial Analysis39.9%52.0%†
Terminal-Bench 2.1 (AA)Artificial Analysis88.0%–
Startrise FrontendStartrise66.2%†–
GameBench 2 OverallDuelLab GameBench 267.0†64.8
GameBench 2 by reasoning settingDuelLab GameBench 280.0†54.9†
Design Arena WebsiteDesign Arena1319†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-Bench38.5%47.0%†
OSWorld-Verified 2.0OSWorld27.3%–
APEX-AgentsMercor51.4%†66.1%†
Arena AgentArena (LMArena)4.6†1.8†
LiveBench Long AgenticLiveBench–46.2%†
LiveBench BrowserLiveBench–60.0%†
LiveBench Agentic CodingLiveBench56.2%62.7%†
Terminal-Bench HardArtificial Analysis65.9%–
τ²-Bench Telecom (AA)Artificial Analysis85.1%–
Terminal-Bench 2.1 (Vals)Vals AI85.8%–
HiL-BenchScale AI SEAL32.3%†79.7%
τ³-bench Bankingτ²-bench46.9%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis–63.5%†
GDPval-AA v2.1Artificial Analysis16191770†
τ³-Banking (AA)Artificial Analysis44.3%–
ITBench SRE (AA)Artificial Analysis56.2%–
Analyst Agent (AA)Artificial Analysis47.5%–
CUA-benchVals AI8.3%7.2%†
CyberBenchVals AI76.3%80.4%†
Finance Agent v2Vals AI53.8%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 AI2.5%17.1%†
Legal Research BenchVals AI48.1%50.5%†
SkillsBenchVals AI54.1%–
SREBenchVals AI30.5%–
Tax Agent BenchVals AI31.1%36.3%†
Terminal-Bench 4.0 (Vals)Vals AI37.9%49.5%†
Terminal-Bench ScienceVals AI20.0%22.9%†
Time Horizon Index: KSPVals AI23.8%–
Web Search IndexVals AI43.6%–
Arena SearchArena (LMArena)1255†–
Arena Agent Task CompletionArena (LMArena)2.3†5.4†
BALROGBALROG60.0%–
PostTrainBenchEpoch AI Benchmarking Hub31.0%24.2%†
GBAEvalEpoch AI Benchmarking Hub52.6%†–
Vending-Bench 2Andon Labs9619.4†9432.2
AutomationBenchArtificial Analysis60.1%68.1%†
GDP.pdf (AA)Artificial Analysis27.2%30.6%†
Harvey LAB-AA v1.1Harvey–10.0%†
EnterpriseOps-GymArtificial Analysis42.9%–
AA-Briefcase v1.1Artificial Analysis14791659†
GDPxGDPx by SemiAnalysis–6.8%†
Design Arena AgenticDesign Arena1238†1177†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis22.4%25.7%†
MKA (AA)Artificial Analysis–47.5%†
FACTS SearchGoogle92.9%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub89.1%82.1%†
FrontierMath Tier 4Epoch AI Benchmarking Hub82.9%70.7%†
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%99.4%†
ProofBenchVals AI83.0%84.0%
LiveBench MathematicsLiveBench96.2%96.5%†
Arena MathsArena (LMArena)1494†1490†
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub69.7%–
LiveBench 2.0 Data AnalysisLiveBench–81.6%†
LiveBench ResearchLiveBench–93.0%†
LiveBench 1.0 Data AnalysisLiveBench79.8%81.6%†
AA-Omniscience v1.1Artificial Analysis–25.1†
MMLU-ProVals AI89.1%–
LegalBenchVals AI87.0%–
CorpFinVals AI64.4%–
TaxEvalVals AI74.8%–
PRBench FinanceScale AI SEAL50.5%58.7%
PRBench LegalScale AI SEAL50.5%58.4%
BioMysteryBenchVals AI71.1%67.0%†
Excel Modeling BenchmarkVals AI72.3%67.1%†
Excel Modeling Benchmark v1.1Vals AI–72.5%†
MedCodeVals AI44.0%–
MedScribeVals AI85.2%–
Public Benefits Bench v1.1Vals AI66.5%70.2%†
Access to Justice BenchmarkVals AI–73.0%†
Financial Coaching BenchVals AI74.9%73.8%†
Immigration BenchVals AI–69.6%†
DrugDiscoveryBenchScale AI SEAL56.5%–
EBR-benchEpoch AI Benchmarking Hub44.8%31.4%†
GDP.pdfEpoch AI Benchmarking Hub30.7%30.8%†
AA-Omniscience v1.1: accuracyArtificial Analysis–38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–79.1%†
FACTS ParametricGoogle81.1%†–
指示追従
LiveBench LanguageLiveBench87.7%82.9%†
LiveBench Instruction FollowingLiveBench71.8%73.0%†
IFBenchArtificial Analysis72.7%–
Arena Instruction FollowingArena (LMArena)1490†1498†
人間の評価
Arena TextArena (LMArena)1485†1511†
EQ-Bench 4EQ-Bench1236†1325
EQ-Bench Creative Writing v3EQ-Bench1974†2007
Arena Creative WritingArena (LMArena)1471†1491†
Arena Multi-turnArena (LMArena)1491†1525†
Arena Longer QueriesArena (LMArena)1498†1507†
マルチモーダル
Arena VisionArena (LMArena)1282†–
LiveBench DesignLiveBench–70.9%†
MMMU-ProArtificial Analysis83.4%83.8%†
MMMU-Pro (Vals)Vals AI88.8%–
MortgageTaxVals AI67.3%–
Humanity's Sixth SenseScale AI SEAL30.0%43.7%†
GeoBenchGeoBench73.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub33.6%†31.7%
Furniture AssemblyEpoch AI Benchmarking Hub56.7%54.2%†
VIALS-AAHandshake AI–55.3%†
Code2Video-AAArtificial Analysis–997†
FACTS MultimodalGoogle46.4%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis84.0%80.7%†
Arena DocumentArena (LMArena)1487†–
MLCRArtificial Analysis30.0%22.2%†
FACTS GroundingGoogle61.9%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub163.0†161.7
LiveBench 2.0LiveBench–70.7%†
LiveBench 1.0LiveBench81.0%81.2%†
AA Intelligence Index v5.0.1Artificial Analysis–43.6†
AA Intelligence Index v4.3.2Artificial Analysis47.052.4†
AA Progress Index v1Artificial Analysis331.5335.8†
Vals IndexVals AI–64.9†
Vals Finance IndexVals AI–61.2%†
Vals RSI IndexVals AI23.9%–
Vals Science IndexVals AI41.5%39.1%†
Vals Multimodal IndexVals AI72.6%–
Vals Router IndexVals AI–64.9%
Vals Legal IndexVals AI–75.3%†
安全性・誠実さ
FORTRESSScale AI SEAL20.1%†–
DistressBenchScale AI SEAL73.6%†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-5.6 Sol (max):新しい結果1件(GDPval-AA v2.1)。
  • Muse Wonder:BenchLeader Index 63.5 → 63.0。
  • GPT-5.6 Sol (max):スコアの改訂1件。
  • GPT-5.6 Sol (max):BenchLeader Index 65.8 → 65.3。
  • Muse Wonder:新しい結果1件(Blueprint-Bench 2)。
  • Muse Wonder:BenchLeader Index 64.3 → 63.5。
  • GPT-5.6 Sol (max):スコアの改訂1件。
  • Muse Wonder:スコアの改訂5件。
  • GPT-5.6 Sol (max):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-5.6 Sol vs Muse Wonder:よくある質問

GPT-5.6 SolはMuse Wonderより優れていますか?
GPT-5.6 Sol (max)とMuse Wonderの品質は互角です(65.3 対 64.4、±4.4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-5.6 Sol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?
価格は同じで、100万トークンあたりのブレンド価格は$8.00です。どちらも価格変更は発表されていません。
GPT-5.6 SolとMuse Wonderはどちらが速いですか?
GPT-5.6 Solの方が出力が速くなっています(出力100 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-5.6 Sol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 68。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-5.6 Sol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 33.5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-5.6 Sol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5件のベンチマークのうち、GPT-5.6 Solのリードが2件、Muse Wonderのリードが3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。