BenchLeader

GPT-5.6 Terra vs Muse Spark 1.3

詳しいプロフィール:GPT-5.6 Terra(OpenAI)とMuse Spark 1.3(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 TerraとMuse Spark 1.3の品質は互角です(BenchLeader Indexで60.1 対 61.6、±9.1の誤差範囲内)。価格はMuse Spark 1.3の方が2.3倍安く、100万トークンあたりのブレンド価格で$2.00 対 $4.50です。数学(66 対 56)、エージェント・ツール(63 対 61)を重視するならGPT-5.6 Terra、知識(81 対 53)、推論(71 対 55)を重視するならMuse Spark 1.3が向いています。回答開始までの時間はMuse Spark 1.3の方が短く、2.6秒 対 19.2秒です。

要点(2026年11月16日時点)

  • BenchLeader IndexはGPT-5.6 Terraが60.1、Muse Spark 1.3が61.6です(BenchLeader、2026年11月16日)。
  • GPT-5.6 Terraの100万トークンあたりのブレンド価格は$4.50です(定価、2026年11月16日)。
  • Muse Spark 1.3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)。
  • 両モデルに結果がある4件のベンチマークのうち、Muse Spark 1.3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GPT-5.6 Terraカテゴリスコア63 対 61中
数学GPT-5.6 Terraカテゴリスコア66 対 56;ProofBench 74.0% 対 55.0%高
推論Muse Spark 1.3カテゴリスコア71 対 55;SimpleBench 81.8% 対 48.9%高
知識Muse Spark 1.3カテゴリスコア81 対 53高
チャットの質(人間の評価)–Arenaの評価があるのはGPT-5.6 Terraのみです(カテゴリスコア66)比較不可
最低コストMuse Spark 1.3100万トークンあたりブレンド価格$2.00 対 $4.50;エージェント型コーディングセッション$0.092 対 $0.168–
回答開始の速さMuse Spark 1.3最初の回答トークンまで2.6秒(Muse Spark 1.3)対 19.2秒(GPT-5.6 Terra (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-5.6 Terra (xhigh)とMuse Spark 1.3の品質は互角です(60.1 対 61.6、±9.1の誤差範囲内)。
  • GPT-5.6 Terra (xhigh)はエージェント・ツール、数学で優れています。
  • Muse Spark 1.3は知識、推論で優れています。
  • Muse Spark 1.3の方が2.3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 $4.50)。
  • Muse Spark 1.3の方が出力が1.7倍速くなっています(163 対 97トークン/秒)。

概要

仕様GPT-5.6 TerraMuse Spark 1.3
プロバイダーOpenAIMeta
リリース日2026年7月9日2026年9月2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 Terra (xhigh)Muse Spark 1.3
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)$2.00 / $12.00 / $0.200$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-5.6 Terra (xhigh)Muse Spark 1.3トップ
推論54.871.0Muse Spark 1.3
コーディング59.1–比較不可
エージェント・ツール63.161.3GPT-5.6 Terra
数学65.756.3GPT-5.6 Terra
知識53.081.2Muse Spark 1.3
指示追従65.6–比較不可
人間の評価65.5–比較不可
マルチモーダル61.2–比較不可
長文コンテキスト64.1–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推論エージェント・ツール数学知識GPT-5.6 Terra, 推論: 54.8GPT-5.6 Terra, エージェント・ツール: 63.1GPT-5.6 Terra, 数学: 65.7GPT-5.6 Terra, 知識: 53.0Muse Spark 1.3, 推論: 71.0Muse Spark 1.3, エージェント・ツール: 61.3Muse Spark 1.3, 数学: 56.3Muse Spark 1.3, 知識: 81.2

描画していないもの(測定済みのモデルが2つ未満):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4件のベンチマークのうち、GPT-5.6 Terraのリードが1件、Muse Spark 1.3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 Spark 1.3が上回っています。

総合IndexGPT-5.6 Terra (xhigh)Muse Spark 1.3トップ
BenchLeader Index60.161.6互角
AA Intelligence Index v5.0.132.3†36.6Muse Spark 1.3
Arena Text14681497†Muse Spark 1.3

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 Terra (xhigh)Muse Spark 1.3
100万トークンあたりのブレンド価格$4.50$2.00
100万トークンあたりの入力/出力$2.00 / $12.00$1.25 / $4.25
100万トークンあたりのキャッシュ入力$0.200$0.150
タスクあたりの価格:チャットの返答$0.0044$0.0018
タスクあたりの価格:30ページのレポートを要約$0.031$0.018
タスクあたりの価格:コード編集$0.030$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$0.168$0.092
タスクあたりの価格:構造化データの抽出$0.0064$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)$0.087$0.043
出力速度97 tok/s163 tok/s
回答開始までの時間19.2秒2.6秒
回答が完了するまでの時間(最終測定2026年11月13日)84.0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 Terra (xhigh)のスコアは60.1、最初の回答トークンまで19秒。GPT-5.6 Terra (max)は59.5(73秒)、GPT-5.6 Terra (high)は56.8(6秒)。Muse Spark 1.3のスコアは61.6、最初の回答トークンまで3秒。Muse Spark 1.3 (max)は60.6(31秒)、Muse Spark 1.3 (xhigh)は58.1(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

162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 Terra (xhigh)Muse Spark 1.3
BenchLeader IndexBenchLeader60.161.6
エージェント・ツールスコアBenchLeader63.161.3
コーディングスコアBenchLeader59.1–
人間の評価スコアBenchLeader65.5–
指示追従スコアBenchLeader65.6–
知識スコアBenchLeader53.081.2
長文コンテキストスコアBenchLeader64.1–
数学スコアBenchLeader65.756.3
マルチモーダルスコアBenchLeader61.2–
推論スコアBenchLeader54.871.0
ブレンド価格($/100万トークン)BenchLeader$4.50$2.00
出力速度BenchLeader97 tok/s163 tok/s
回答開始までの時間BenchLeader19.2秒2.6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 Hub93.3%†–
SimpleBenchSimpleBench48.9%81.8%
Arena Hard PromptsArena (LMArena)14911517†
LiveBench 2.0 ReasoningLiveBench90.6%†89.7%†
LiveBench 1.0 ReasoningLiveBench90.6%†89.7%†
GPQA Diamond (AA)Artificial Analysis90.8%93.5%†
Humanity's Last Exam (AA)Artificial Analysis41.9%48.7%†
HLE-Diamond (AA)Artificial Analysis24.7%33.7%†
GPQA Diamond (Vals)Vals AI90.9%–
Kagi LLM BenchmarkKagi LLM Benchmark51.3%†–
ARC-AGI-1ARC Prize94.0%–
ARC-AGI-2ARC Prize74.2%–
ARC-AGI-3ARC Prize0.7%–
CritPtArtificial Analysis27.1%24.9%†
CritPt v2 hard subset (AA)Artificial Analysis50.5%†48.0%†
MysteryMechanismVals AI–36.0%†
HLE-Diamond (Scale)Scale AI SEAL–25.4%
Arena ExpertArena (LMArena)15071521†
Chess PuzzlesEpoch AI Benchmarking Hub47.0%†37.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub35.0%†25.0%†
LMCAEpoch AI Benchmarking Hub52.2%53.9%
DTBenchEpoch AI Benchmarking Hub92.5%96.5%
ForecastBenchForecastBench–65.5%†
BTF-3Epoch AI Benchmarking Hub–14.1%†
コーディング
SciCodeSciCode52.3%58.8%†
162件のベンチマークをすべて表示
指標公開元GPT-5.6 Terra (xhigh)Muse Spark 1.3
コーディング
WeirdMLWeirdML78.3%†–
FrontierCodeCognition41.3%†–
Arena CodingArena (LMArena)15171534†
Arena WebDevArena (LMArena)15201655†
LiveBench 2.0 CodingLiveBench84.2%†84.4%†
LiveBench 1.0 CodingLiveBench78.3%†81.1%†
LiveCodeBenchVals AI85.9%–
IOIVals AI87.6%†56.6%†
SWE-bench (Vals)Vals AI95.4%†–
Code MigrationVals AI47.8%†47.4%†
ProgramBenchVals AI0.5%†2.5%†
SWE-bench MultimodalVals AI–43.1%†
Vibe Code Bench 1-100Vals AI14.8%†20.5%†
Vibe Code Bench v1.1Vals AI74.6%†85.9%†
SWE-Bench Pro V2Scale AI SEAL92.4%–
SWE-Bench Pro V2 HARDScale AI SEAL86.3%–
MirrorCodeEpoch AI Benchmarking Hub41.1%†54.4%†
Surface Evolver BenchEpoch AI Benchmarking Hub83.8%–
DeepSWE v1.1Epoch AI Benchmarking Hub60.2%–
CursorBenchCursor33.6%41.6%†
ALE-BenchEpoch AI Benchmarking Hub1951.4†1688.3†
FrontierSWEEpoch AI Benchmarking Hub–25.8%†
WeirdML v3WeirdML–6.7%†
Terminal-Bench 4.0 (AA)Artificial Analysis10.1%33.3%†
Terminal-Bench 2.1 (AA)Artificial Analysis80.2%84.3%†
Startrise FrontendStartrise66.9%†74.7%
GameBench 2 OverallDuelLab GameBench 245.6†57.7
GameBench 2 by reasoning settingDuelLab GameBench 253.568.5†
Design Arena WebsiteDesign Arena1260†1353†
FrontierCode 1.1 (AA)Artificial Analysis–40.6%†
FrontierCode 2.0 (AA)Artificial Analysis23.9%†23.1%†
エージェント・ツール
Terminal-BenchTerminal-Bench21.5%†14.8%†
APEX-AgentsMercor58.2%†58.6%
Arena AgentArena (LMArena)-1.82.2†
LiveBench Long AgenticLiveBench25.9%†47.9%†
LiveBench BrowserLiveBench70.3%†30.9%†
LiveBench Agentic CodingLiveBench55.0%†64.1%†
Terminal-Bench HardArtificial Analysis62.9%–
τ²-Bench Telecom (AA)Artificial Analysis80.4%–
Terminal-Bench 2.1 (Vals)Vals AI77.5%†79.0%†
HiL-BenchScale AI SEAL–66.9%
GDPval-AA v2.1, normalised scoreArtificial Analysis47.4%–
GDPval-AA v2.1Artificial Analysis14561681†
τ³-Banking (AA)Artificial Analysis29.7%50.5%†
ITBench SRE (AA)Artificial Analysis51.0%†33.2%†
Analyst Agent (AA)Artificial Analysis–37.5%†
APEX-Agents (AA)Artificial Analysis38.9%†–
CUA-benchVals AI–5.8%†
CyberBenchVals AI72.1%†72.7%†
Finance Agent v2Vals AI54.4%†60.0%†
Harvey's Legal Agent Benchmark v1Vals AI0.8%†23.8%†
Legal Research BenchVals AI41.4%†55.3%†
SkillsBenchVals AI58.9%†–
SREBenchVals AI9.5%†3.8%†
Tax Agent BenchVals AI30.0%†42.4%†
Terminal-Bench 4.0 (Vals)Vals AI22.7%†24.8%†
Terminal-Bench ScienceVals AI10.0%†10.0%†
Arena Agent Task CompletionArena (LMArena)-7.23.7†
BALROGBALROG53.2%†–
Vending-Bench 2Andon Labs7343.2†–
AutomationBenchArtificial Analysis47.1%57.9%†
GDP.pdf (AA)Artificial Analysis24.6%26.6%†
Harvey LAB-AA v1.1Harvey–8.9%†
EnterpriseOps-GymArtificial Analysis38.5%†–
AA-Briefcase v1.1Artificial Analysis13321581†
Design Arena AgenticDesign Arena1089†1283†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis13.8%†10.9%†
CWE-Bench (AA)Artificial Analysis–60.8%†
DeepSec-Bench (AA)Artificial Analysis25.1%†12.5%†
CyberGym end-to-end (AA)Artificial Analysis–59.5%†
FACTS SearchGoogle87.0%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub86.0%†74.0%†
FrontierMath Tier 4Epoch AI Benchmarking Hub70.7%†46.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub99.7%†99.2%†
ProofBenchVals AI74.0%55.0%
LiveBench MathematicsLiveBench94.9%†96.0%†
Arena MathsArena (LMArena)14781506†
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub43.2%†–
LiveBench 2.0 Data AnalysisLiveBench79.3%†79.6%†
LiveBench ResearchLiveBench79.7%†82.5%†
LiveBench 1.0 Data AnalysisLiveBench79.3%†79.6%†
AA-Omniscience v1.1Artificial Analysis-11.522.4†
MMLU-ProVals AI86.7%–
LegalBenchVals AI85.1%†–
CorpFinVals AI65.3%–
TaxEvalVals AI76.2%–
PRBench FinanceScale AI SEAL–59.5%
PRBench LegalScale AI SEAL–61.6%
Excel Modeling BenchmarkVals AI66.2%†67.4%†
MedCodeVals AI43.4%–
MedScribeVals AI82.9%–
Public Benefits Bench v1.1Vals AI62.4%†–
Access to Justice BenchmarkVals AI–72.2%†
Financial Coaching BenchVals AI71.0%†70.3%†
Immigration BenchVals AI–64.9%†
DrugDiscoveryBenchScale AI SEAL–62.2%†
GDP.pdfEpoch AI Benchmarking Hub24.7%†27.6%
AA-Omniscience v1.1: accuracyArtificial Analysis41.3%38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis9.9%74.8%†
FACTS ParametricGoogle57.6%†–
指示追従
LiveBench LanguageLiveBench82.9%†82.8%†
LiveBench Instruction FollowingLiveBench64.6%†78.0%†
IFBenchArtificial Analysis66.3%–
Arena Instruction FollowingArena (LMArena)14631485†
人間の評価
Arena TextArena (LMArena)14681497†
EQ-Bench 4EQ-Bench1220†–
EQ-Bench Creative Writing v3EQ-Bench1856†1907
Arena Creative WritingArena (LMArena)14301468†
Arena Multi-turnArena (LMArena)14751493†
Arena Longer QueriesArena (LMArena)14691498†
マルチモーダル
Arena VisionArena (LMArena)12691310†
LiveBench DesignLiveBench70.9%†74.8%†
MMMU-ProArtificial Analysis79.5%82.0%†
MMMU-Pro (Vals)Vals AI86.5%†–
MortgageTaxVals AI67.3%–
SAGEVals AI87.0%†–
Humanity's Sixth SenseScale AI SEAL22.7%†37.4%†
GeoBenchGeoBench–86.0%
Blueprint-Bench 2Epoch AI Benchmarking Hub30.8%†–
Furniture AssemblyEpoch AI Benchmarking Hub54.2%†–
Code2Video-AAArtificial Analysis–1019†
AA-3DArtificial Analysis–1032†
FACTS MultimodalGoogle39.9%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis79.0%83.0%†
Arena DocumentArena (LMArena)14741474†
MLCRArtificial Analysis22.8%13.9%†
FACTS GroundingGoogle60.5%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub160.7†158.2
LiveBench 2.0LiveBench67.2%†68.6%†
LiveBench 1.0LiveBench77.9%†81.6%†
AA Intelligence Index v5.0.1Artificial Analysis32.3†36.6†
AA Intelligence Index v4.3.2Artificial Analysis38.048.1†
AA Progress Index v1Artificial Analysis312324.5†
Vals RSI IndexVals AI–19.6%†
Vals Multimodal IndexVals AI65.1%–
AA Cyber IndexArtificial Analysis–44.3†
安全性・誠実さ
DistressBenchScale AI SEAL76.4%†84.9%

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 Spark 1.3:BenchLeader Index 60.2 → 61.6。
  • GPT-5.6 Terra (xhigh):新しい結果2件(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Muse Spark 1.3:スコアの改訂1件。
  • Muse Spark 1.3:BenchLeader Index 59.2 → 60.2。
  • Muse Spark 1.3:新しい結果2件(SimpleBench, GeoBench)。
  • Muse Spark 1.3:BenchLeader Index 57.7 → 59.2。
  • Muse Spark 1.3:スコアの改訂4件。
  • Muse Spark 1.3:BenchLeader Index 58.2 → 57.7。
  • Muse Spark 1.3:スコアの改訂1件。
  • GPT-5.6 Terra (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-5.6 Terra vs Muse Spark 1.3:よくある質問

GPT-5.6 TerraはMuse Spark 1.3より優れていますか?
GPT-5.6 Terra (xhigh)とMuse Spark 1.3の品質は互角です(60.1 対 61.6、±9.1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 TerraとMuse Spark 1.3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 1.3の方が安く、100万トークンあたり$2.00 対 $4.50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-5.6 TerraとMuse Spark 1.3はどちらが速いですか?
Muse Spark 1.3の方が出力が速くなっています(出力163 対 97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 TerraとMuse Spark 1.3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 Terraの方がスコアが高くなっています(カテゴリ指標で63 対 61。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 Terraは1,050,000、Muse Spark 1.3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 Spark 1.3です。Artificial Analysisの測定では、最初の回答トークンまで2.6秒 対 19.2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 TerraとMuse Spark 1.3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4件のベンチマークのうち、GPT-5.6 Terraのリードが1件、Muse Spark 1.3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 Spark 1.3が上回っています。
Muse Spark 1.3はいつリリースされましたか?
Muse Spark 1.3は2026年9月2日にリリースされました。