BenchLeader

GPT-5 vs Muse Spark 1.3

詳しいプロフィール:GPT-5(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とMuse Spark 1.3の品質は互角です(BenchLeader Indexで59.0 対 61.6、±9.8の誤差範囲内)。価格はMuse Spark 1.3の方が1.7倍安く、100万トークンあたりのブレンド価格で$2.00 対 $3.44です。数学(65 対 56)を重視するならGPT-5、推論(71 対 48)、エージェント・ツール(61 対 58)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 22.9秒です。

要点(2026年11月16日時点)

  • BenchLeader IndexはGPT-5が59.0、Muse Spark 1.3が61.6です(BenchLeader、2026年11月16日)。
  • GPT-5の100万トークンあたりのブレンド価格は$3.44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1件のベンチマークのうち、Muse Spark 1.3が1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 Spark 1.3カテゴリスコア61 対 58中
数学GPT-5カテゴリスコア65 対 56高
推論Muse Spark 1.3カテゴリスコア71 対 48高
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 $3.44;エージェント型コーディングセッション$0.092 対 $0.115–
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 22.9秒(GPT-5 (medium))–
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 (medium)とMuse Spark 1.3の品質は互角です(59.0 対 61.6、±9.8の誤差範囲内)。
  • GPT-5 (medium)は数学で優れています。
  • Muse Spark 1.3はエージェント・ツール、推論で優れています。
  • Muse Spark 1.3の方が1.7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 $3.44)。
  • Muse Spark 1.3の方が出力が2.0倍速くなっています(163 対 82トークン/秒)。

概要

仕様GPT-5Muse Spark 1.3
プロバイダーOpenAIMeta
リリース日2025年8月7日2026年9月2日
コンテキストウィンドウ(トークン)400,0001,048,576
比較した構成GPT-5 (medium)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)$1.25 / $10.00 / $0.125$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 (medium)Muse Spark 1.3トップ
推論47.971.0Muse Spark 1.3
コーディング57.4–比較不可
エージェント・ツール58.161.3Muse Spark 1.3
数学65.456.3GPT-5
知識–81.2比較不可
指示追従69.4–比較不可
マルチモーダル56.6–比較不可
長文コンテキスト70.4–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GPT-5, 推論: 47.9GPT-5, エージェント・ツール: 58.1GPT-5, 数学: 65.4Muse 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: 56.3

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, 知識, 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1件のベンチマークのうち、GPT-5のリードが0件、Muse Spark 1.3のリードが1件です。両方を評価しているすべての総合指標で、Muse Spark 1.3が上回っています。

総合IndexGPT-5 (medium)Muse Spark 1.3トップ
BenchLeader Index59.061.6互角
Arena Text1435†1497Muse 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 (medium)Muse Spark 1.3
100万トークンあたりのブレンド価格$3.44$2.00
100万トークンあたりの入力/出力$1.25 / $10.00$1.25 / $4.25
100万トークンあたりのキャッシュ入力$0.125$0.150
タスクあたりの価格:チャットの返答$0.0035$0.0018
タスクあたりの価格:30ページのレポートを要約$0.021$0.018
タスクあたりの価格:コード編集$0.022$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$0.115$0.092
タスクあたりの価格:構造化データの抽出$0.0045$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)$0.064$0.043
出力速度82 tok/s163 tok/s
回答開始までの時間22.9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)66.2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 (medium)のスコアは59.0、最初の回答トークンまで23秒。GPT-5 (high)は58.2(49秒)、GPT-5は56.6(5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

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 (medium)Muse Spark 1.3
BenchLeader IndexBenchLeader59.061.6
エージェント・ツールスコアBenchLeader58.161.3
コーディングスコアBenchLeader57.4–
指示追従スコアBenchLeader69.4–
長文コンテキストスコアBenchLeader70.4–
数学スコアBenchLeader65.456.3
マルチモーダルスコアBenchLeader56.6–
推論スコアBenchLeader47.971.0
知識スコアBenchLeader–81.2
ブレンド価格($/100万トークン)BenchLeader$3.44$2.00
出力速度BenchLeader82 tok/s163 tok/s
回答開始までの時間BenchLeader22.9秒2.6秒
コンテキストウィンドウBenchLeader400,000トークン1,048,576トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub85.3%–
Humanity's Last ExamScale AI / CAIS25.3%†–
SimpleBenchSimpleBench56.7%†81.8%
Arena Hard PromptsArena (LMArena)1449†1517†
LiveBench 2.0 ReasoningLiveBench–89.7%†
LiveBench 1.0 ReasoningLiveBench–89.7%†
GPQA Diamond (AA)Artificial Analysis84.2%93.5%†
Humanity's Last Exam (AA)Artificial Analysis25.4%48.7%†
HLE-Diamond (AA)Artificial Analysis–33.7%†
GPQA Diamond (Vals)Vals AI85.6%†–
Kagi LLM BenchmarkKagi LLM Benchmark72.7%†–
GPQA Diamond (HELM)HELM Capabilities79.1%†–
ARC-AGI-1ARC Prize56.2%–
ARC-AGI-2ARC Prize7.5%–
CritPtArtificial Analysis0.0%24.9%†
CritPt v2 hard subset (AA)Artificial Analysis11.5%†48.0%†
MysteryMechanismVals AI–36.0%†
HLE-Diamond (Scale)Scale AI SEAL–25.4%
Arena ExpertArena (LMArena)1445†1521†
Chess PuzzlesEpoch AI Benchmarking Hub32.0%37.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub15.0%25.0%†
LMCAEpoch AI Benchmarking Hub40.0%†53.9%
DTBenchEpoch AI Benchmarking Hub90.7%†96.5%
ForecastBenchForecastBench65.0%†65.5%†
BTF-3Epoch AI Benchmarking Hub–14.1%†
190件のベンチマークをすべて表示
指標公開元GPT-5 (medium)Muse Spark 1.3
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub71.5%–
SciCodeSciCode42.9%†58.8%†
WeirdMLWeirdML39.8%†–
GSO-BenchGSO-Bench6.9%†–
Arena CodingArena (LMArena)1462†1534†
Arena WebDevArena (LMArena)14171655†
LiveBench 2.0 CodingLiveBench–84.4%†
LiveBench 1.0 CodingLiveBench–81.1%†
SciCode (AA)Artificial Analysis–58.8%†
LiveCodeBenchVals AI85.9%†–
IOIVals AI–56.6%†
SWE-bench (Vals)Vals AI69.0%†–
SWE-Bench ProScale AI SEAL41.8%†–
Aider PolyglotAider polyglot leaderboard86.7%–
SWE-bench Verified (bash only)SWE-bench65.0%–
SWE-bench Verified (any scaffold)SWE-bench74.4%†–
Code MigrationVals AI–47.4%†
ProgramBenchVals AI–2.5%†
SWE-bench MultimodalVals AI–43.1%†
Vibe Code Bench 1-100Vals AI–20.5%†
Vibe Code Bench v1.1Vals AI20.1%†85.9%†
SWE-Bench Pro (private)Scale AI SEAL14.9%†–
MirrorCodeEpoch AI Benchmarking Hub4.4%†54.4%†
CursorBenchCursor–41.6%†
ALE-BenchEpoch AI Benchmarking Hub1162.5†1688.3†
AlgoTuneAlgoTune1.7†–
FrontierSWEEpoch AI Benchmarking Hub–25.8%†
WeirdML v3WeirdML–6.7%†
Terminal-Bench 4.0 (AA)Artificial Analysis–33.3%†
Terminal-Bench 2.1 (AA)Artificial Analysis35.2%†84.3%†
Startrise FrontendStartrise–74.7%
GameBench 2 OverallDuelLab GameBench 2–57.7
GameBench 2 by reasoning settingDuelLab GameBench 238.068.5†
Design Arena WebsiteDesign Arena1174†1353†
FrontierCode 1.1 (AA)Artificial Analysis–40.6%†
FrontierCode 2.0 (AA)Artificial Analysis–23.1%†
LiveCodeBench (AA)Artificial Analysis70.3%–
エージェント・ツール
Terminal-BenchTerminal-Bench49.6%14.8%†
GDPvalOpenAI34.8%–
Remote Labor IndexScale AI / CAIS1.7%†–
APEX-AgentsMercor–58.6%
Arena AgentArena (LMArena)–2.2†
LiveBench Long AgenticLiveBench–47.9%†
LiveBench BrowserLiveBench–30.9%†
LiveBench Agentic CodingLiveBench–64.1%†
Terminal-Bench HardArtificial Analysis37.9%–
τ²-Bench Telecom (AA)Artificial Analysis86.5%–
Terminal-Bench 2.1 (Vals)Vals AI–79.0%†
HiL-BenchScale AI SEAL–66.9%
GDPval-AA v2.1Artificial Analysis925†1681†
τ³-Banking (AA)Artificial Analysis22.1%†50.5%†
ITBench SRE (AA)Artificial Analysis–33.2%†
Analyst Agent (AA)Artificial Analysis–37.5%†
CUA-benchVals AI–5.8%†
CyberBenchVals AI–72.7%†
Finance Agent v2Vals AI–60.0%†
Harvey's Legal Agent Benchmark v1Vals AI–23.8%†
Legal Research BenchVals AI–55.3%†
Poker AgentVals AI1103.2%†–
SREBenchVals AI–3.8%†
Tax Agent BenchVals AI–42.4%†
Terminal-Bench 2.0 (Vals)Vals AI37.1%†–
Terminal-Bench 4.0 (Vals)Vals AI–24.8%†
Terminal-Bench ScienceVals AI–10.0%†
Arena SearchArena (LMArena)1189†–
Arena Agent Task CompletionArena (LMArena)–3.7†
BALROGBALROG32.8%†–
DeepResearch BenchDeepResearch Bench48.6%–
METR Time HorizonsMETR69.6%–
AutomationBenchArtificial Analysis–57.9%†
GDP.pdf (AA)Artificial Analysis–26.6%†
Harvey LAB-AA v1.1Harvey–8.9%†
AA-Briefcase v1.1Artificial Analysis–1581†
Design Arena AgenticDesign Arena–1283†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–10.9%†
CWE-Bench (AA)Artificial Analysis–60.8%†
DeepSec-Bench (AA)Artificial Analysis–12.5%†
CyberGym end-to-end (AA)Artificial Analysis–59.5%†
BrowseComp-PlusBrowseComp-Plus57.6%†–
BrowseCompOpenAI20.1%†–
DeepSearchQAGoogle59.4%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub55.4%†74.0%†
FrontierMath Tier 4Epoch AI Benchmarking Hub21.9%†46.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub87.2%99.2%†
MATH Level 5Epoch AI Benchmarking Hub97.9%–
ProofBenchVals AI18.0%†55.0%
LiveBench MathematicsLiveBench–96.0%†
AIME (Vals)Vals AI93.4%†–
MGSMVals AI92.8%†–
IMO 2025MathArena38.1%†–
MathArena ApexMathArena1.0%†–
Omni-MATH (HELM)HELM Capabilities64.7%†–
MATH 500Vals AI96.0%†–
Arena MathsArena (LMArena)1411†1506†
AIME 2025 (AA)Artificial Analysis91.7%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub50.1%†–
LiveBench 2.0 Data AnalysisLiveBench–79.6%†
LiveBench ResearchLiveBench–82.5%†
LiveBench 1.0 Data AnalysisLiveBench–79.6%†
AA-Omniscience v1.1Artificial Analysis–22.4†
MMLU-ProVals AI86.5%†–
LegalBenchVals AI86.0%†–
CorpFinVals AI61.1%†–
TaxEvalVals AI73.4%†–
MedQAVals AI96.3%†–
PRBench FinanceScale AI SEAL51.3%†59.5%
PRBench LegalScale AI SEAL49.0%†61.6%
MultiNRCScale AI SEAL52.1%†–
MMLU-Pro (HELM)HELM Capabilities86.3%†–
CaseLaw v2Vals AI66.5%†–
Excel Modeling BenchmarkVals AI–67.4%†
MedCodeVals AI49.6%†–
MedScribeVals AI83.7%†–
Access to Justice BenchmarkVals AI–72.2%†
Financial Coaching BenchVals AI–70.3%†
Immigration BenchVals AI–64.9%†
DrugDiscoveryBenchScale AI SEAL–62.2%†
EBR-benchEpoch AI Benchmarking Hub12.7%†–
GDP.pdfEpoch AI Benchmarking Hub–27.6%
AA-Omniscience v1.1: accuracyArtificial Analysis–38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–74.8%†
Global-MMLU-Lite (AA)Artificial Analysis90.4%–
指示追従
LiveBench LanguageLiveBench–82.8%†
LiveBench Instruction FollowingLiveBench–78.0%†
IFBenchArtificial Analysis70.6%–
MultiChallengeScale AI SEAL63.2%†–
TutorBenchScale AI SEAL55.3%†–
IFEval (HELM)HELM Capabilities87.5%†–
WildBench (HELM)HELM Capabilities85.7%†–
Arena Instruction FollowingArena (LMArena)1415†1485†
人間の評価
Arena TextArena (LMArena)1427†1497†
EQ-Bench Creative Writing v3EQ-Bench1626†1907
Arena Creative WritingArena (LMArena)1389†1468†
Arena Multi-turnArena (LMArena)1449†1493†
Arena Longer QueriesArena (LMArena)1435†1498†
Lech Mazur Creative WritingLech Mazur86.0%–
マルチモーダル
Arena VisionArena (LMArena)1232†1310†
LiveBench DesignLiveBench–74.8%†
MMMU-ProArtificial Analysis74.3%82.0%†
VISTAScale AI SEAL49.7%†–
MMMU-Pro (Vals)Vals AI81.5%†–
MortgageTaxVals AI65.5%†–
Humanity's Sixth SenseScale AI SEAL–37.4%†
VTBScale AI SEAL17.0%†–
GeoBenchGeoBench81.0%86.0%
VPCTEpoch AI Benchmarking Hub63.2%–
Code2Video-AAArtificial Analysis–1019†
AA-3DArtificial Analysis–1032†
長文コンテキスト
Fiction.LiveBench 120kFiction.live96.9%–
AA-LCR v1.1Artificial Analysis76.0%83.0%†
Arena DocumentArena (LMArena)–1474†
MLCRArtificial Analysis–13.9%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub150†158.2
LiveBench 2.0LiveBench–68.6%†
LiveBench 1.0LiveBench–81.6%†
AA Intelligence Index v5.0.1Artificial Analysis–36.6†
AA Intelligence Index v4.3.2Artificial Analysis22.948.1†
AA Progress Index v1Artificial Analysis264.4324.5†
HELM Capabilities meanHELM Capabilities80.7%†–
Vals RSI IndexVals AI–19.6%†
AA Cyber IndexArtificial Analysis–44.3†
安全性・誠実さ
FORTRESSScale AI SEAL17.0%†–
MASKScale AI SEAL79.3%†–
DistressBenchScale AI SEAL–84.9%
メタデータ
AA Openness IndexArtificial Analysis5.6–

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 (medium):BenchLeader Index 58.2 → 59.0。
  • Muse Spark 1.3:BenchLeader Index 60.2 → 61.6。
  • GPT-5 (medium):新しい結果1件(Aider Polyglot)。
  • GPT-5 (medium):新しい結果2件(Global-MMLU-Lite (AA), AIME 2025 (AA))、スコアの改訂1件。
  • Muse Spark 1.3:スコアの改訂1件。
  • Muse Spark 1.3:BenchLeader Index 59.2 → 60.2。
  • GPT-5 (medium):スコアの改訂1件。
  • 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。

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 vs Muse Spark 1.3:よくある質問

GPT-5はMuse Spark 1.3より優れていますか?
GPT-5 (medium)とMuse Spark 1.3の品質は互角です(59.0 対 61.6、±9.8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 $3.44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 82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Muse Spark 1.3の方がスコアが高くなっています(カテゴリ指標で61 対 58。50が平均)。
長い文書にはどちらが向いていますか?
コンテキストはMuse Spark 1.3の方が長く、1,048,576トークンです(GPT-5は400,000トークン)。
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 22.9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1件のベンチマークのうち、GPT-5のリードが0件、Muse Spark 1.3のリードが1件です。両方を評価しているすべての総合指標で、Muse Spark 1.3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。