BenchLeader

GPT-6.1 Sol vs Muse Spark

詳しいプロフィール:GPT-6.1 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 · 14件の情報源のデータ

2026年11月16日時点で、GPT-6.1 SolとMuse Sparkの品質は互角です(BenchLeader Indexで66.6 対 64.2、±4.0の誤差範囲内)。数学(72 対 59)、知識(72 対 63)、コーディング(71 対 65)を重視するならGPT-6.1 Sol、人間の評価(68 対 67)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-6.1 Solが66.6、Muse Sparkが64.2です(BenchLeader、2026年11月16日)。
  • GPT-6.1 Solの100万トークンあたりのブレンド価格は$4.00です(定価、2026年11月16日)。
  • 両モデルに結果がある22件のベンチマークのうち、GPT-6.1 Solが17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GPT-6.1 Solカテゴリスコア71 対 65;SciCode 54.2% 対 51.5%中
エージェント・ツール利用どちらでもカテゴリスコア64 対 65;GDPval-AA v2.1 1607 対 1006どちらでも
数学GPT-6.1 Solカテゴリスコア72 対 59;Arena Maths 1499 対 1469高
推論GPT-6.1 Solカテゴリスコア71 対 67;GPQA Diamond 95.4% 対 89.8%中
知識GPT-6.1 Solカテゴリスコア72 対 63;MedScribe 86.5% 対 85.9%高
長い文書GPT-6.1 Solカテゴリスコア66 対 64;AA-LCR v1.1 83.0% 対 78.0%中
画像などのメディアGPT-6.1 Solカテゴリスコア66 対 64;MMMU-Pro 86.0% 対 80.5%中
チャットの質(人間の評価)Muse SparkArenaの投票で68 対 67中
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-6.1 Sol (max)とMuse Sparkの品質は互角です(66.6 対 64.2、±4.0の誤差範囲内)。
  • GPT-6.1 Sol (max)はコーディング、知識、長文コンテキスト、数学、マルチモーダル、推論で優れています。
  • Muse Sparkはエージェント・ツール、人間の評価で優れています。

概要

仕様GPT-6.1 SolMuse Spark
プロバイダーOpenAIMeta
リリース日2026年9月29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-6.1 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)$2.00 / $10.00 / $0.100–

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-6.1 Sol (max)Muse Sparkトップ
推論71.467.4GPT-6.1 Sol
コーディング71.165.1GPT-6.1 Sol
エージェント・ツール64.365.0互角
数学71.659.1GPT-6.1 Sol
知識71.563.1GPT-6.1 Sol
指示追従–76.9比較不可
人間の評価67.168.1Muse Spark
マルチモーダル65.664.2GPT-6.1 Sol
長文コンテキスト66.263.6GPT-6.1 Sol
総合67.9–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推論コーディングエージェント・ツール数学知識長文コンテキストマルチモーダル人間の評価GPT-6.1 Sol, 推論: 71.4GPT-6.1 Sol, コーディング: 71.1GPT-6.1 Sol, エージェント・ツール: 64.3GPT-6.1 Sol, 数学: 71.6GPT-6.1 Sol, 知識: 71.5GPT-6.1 Sol, 長文コンテキスト: 66.2GPT-6.1 Sol, マルチモーダル: 65.6GPT-6.1 Sol, 人間の評価: 67.1Muse 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, 長文コンテキスト: 63.6Muse Spark, マルチモーダル: 64.2Muse Spark, 人間の評価: 68.1

描画していないもの(測定済みのモデルが2つ未満):指示追従。

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22件のベンチマークのうち、GPT-6.1 Solのリードが17件、Muse Sparkのリードが5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-6.1 Sol (max)Muse Sparkトップ
BenchLeader Index66.664.2互角
Arena Text14811489Muse 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-6.1 Sol (max)Muse Spark
100万トークンあたりのブレンド価格$4.00–
100万トークンあたりの入力/出力$2.00 / $10.00– / –
100万トークンあたりのキャッシュ入力$0.100–
タスクあたりの価格:チャットの返答$0.0038–
タスクあたりの価格:30ページのレポートを要約$0.030–
タスクあたりの価格:コード編集$0.027–
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$0.160–
タスクあたりの価格:構造化データの抽出$0.0060–
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)$0.074–
ベンチマークのタスクあたりのコスト(AA Index)$1.27–
タスクあたりの出力トークン(AA Index)68k–
うち推論49k–
タスクあたりの時間(AA Index)23 min–
出力速度50 tok/s–
回答開始までの時間166.7秒–
回答が完了するまでの時間(最終測定2026年11月13日)429.6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-6.1 Sol (max)のスコアは66.6、最初の回答トークンまで167秒。GPT-6.1 Sol (xhigh)は63.6(68秒)、GPT-6.1 Sol (high)は63.4(33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

174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-6.1 Sol (max)Muse Spark
BenchLeader IndexBenchLeader66.664.2
エージェント・ツールスコアBenchLeader64.365.0
コーディングスコアBenchLeader71.165.1
総合スコアBenchLeader67.9–
人間の評価スコアBenchLeader67.168.1
知識スコアBenchLeader71.563.1
長文コンテキストスコアBenchLeader66.263.6
数学スコアBenchLeader71.659.1
マルチモーダルスコアBenchLeader65.664.2
推論スコアBenchLeader71.467.4
指示追従スコアBenchLeader–76.9
ブレンド価格($/100万トークン)BenchLeader$4.00–
出力速度BenchLeader50 tok/s–
回答開始までの時間BenchLeader166.7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 Hub95.4%89.8%
Humanity's Last ExamScale AI / CAIS–40.6%
SimpleBenchSimpleBench82.9%†–
Arena Hard PromptsArena (LMArena)15051506
LiveBench 2.0 ReasoningLiveBench92.6%–
LiveBench 1.0 ReasoningLiveBench92.6%–
GPQA Diamond (AA)Artificial Analysis–88.4%
Humanity's Last Exam (AA)Artificial Analysis52.9%40.7%
HLE-Diamond (AA)Artificial Analysis58.8%–
GPQA Diamond (Vals)Vals AI–89.7%
ARC-AGI-1ARC Prize96.5%–
ARC-AGI-2ARC Prize94.2%–
ARC-AGI-3ARC Prize96.2%–
CritPtArtificial Analysis31.7%11.3%
CritPt v2 hard subset (AA)Artificial Analysis69.5%–
MysteryMechanismVals AI46.4%–
Arena ExpertArena (LMArena)15251491
Chess PuzzlesEpoch AI Benchmarking Hub68.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub80.0%–
LMCAEpoch AI Benchmarking Hub62.8%–
DTBenchEpoch AI Benchmarking Hub96.5%–
コーディング
SciCodeSciCode54.2%51.5%
FrontierCodeCognition50.2%†–
Arena CodingArena (LMArena)15401529
Arena WebDevArena (LMArena)1743–
174件のベンチマークをすべて表示
指標公開元GPT-6.1 Sol (max)Muse Spark
コーディング
LiveBench 2.0 CodingLiveBench82.1%–
LiveBench 1.0 CodingLiveBench80.4%–
SciCode (AA)Artificial Analysis54.2%–
IOIVals AI96.9%–
SWE-bench (Vals)Vals AI–74.4%
SWE-Bench ProScale AI SEAL–55.0%
Code MigrationVals AI65.1%–
Code Migration v1.1Vals AI77.3%–
ProgramBenchVals AI3.0%–
SWE-bench MultimodalVals AI43.5%–
Vibe Code Bench v1.1Vals AI88.9%19.7%
SWE-Bench Pro (private)Scale AI SEAL–44.7%
SWE Atlas v1.0: Codebase QnAScale AI SEAL–24.2%
SWE Atlas v1.0: Test WritingScale AI SEAL–31.1%
SWE Atlas v1.1Scale AI SEAL65.9%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL71.0%†–
SWE Atlas v1.1: Test WritingScale AI SEAL66.7%†–
SWE Atlas v1.1: RefactoringScale AI SEAL60.0%†–
SWE-Bench Pro V2Scale AI SEAL96.1%†–
MirrorCodeEpoch AI Benchmarking Hub61.1%–
ALE-BenchEpoch AI Benchmarking Hub2743.8–
WeirdML v3WeirdML38.3%†–
Terminal-Bench 4.0 (AA)Artificial Analysis56.1%–
Terminal-Bench 2.1 (AA)Artificial Analysis–62.2%
Startrise FrontendStartrise78.6%†–
GameBench 2 OverallDuelLab GameBench 284.9†–
GameBench 2 by reasoning settingDuelLab GameBench 292.0†–
Design Arena WebsiteDesign Arena1315†1253
FrontierCode 1.1 (AA)Artificial Analysis49.1%–
FrontierCode 2.0 (AA)Artificial Analysis40.6%–
エージェント・ツール
Terminal-BenchTerminal-Bench60.9%–
APEX-AgentsMercor60.0%–
Arena AgentArena (LMArena)12.5–
LiveBench Long AgenticLiveBench65.6%–
LiveBench BrowserLiveBench93.3%–
LiveBench Agentic CodingLiveBench54.5%–
Terminal-Bench HardArtificial Analysis–45.5%
τ²-Bench Telecom (AA)Artificial Analysis–91.5%
MCP AtlasScale AI SEAL–82.2%
HiL-BenchScale AI SEAL62.3%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis54.8%–
GDPval-AA v2.1Artificial Analysis16071006
Analyst Agent (AA)Artificial Analysis50.0%–
CyberBenchVals AI39.3%–
Finance Agent v2Vals AI52.0%–
Finance Agent v2.1Vals AI61.8%–
Harvey's Legal Agent Benchmark v1.1Vals AI6.3%–
Harvey's Legal Agent Benchmark v1Vals AI5.4%–
Legal Research BenchVals AI38.5%–
Robo-benchVals AI28.3%–
SREBenchVals AI50.8%–
Tax Agent BenchVals AI21.8%–
Terminal-Bench 2.0 (Vals)Vals AI–59.5%
Terminal-Bench 4.0 (Vals)Vals AI55.0%–
Terminal-Bench ScienceVals AI52.9%–
Arena SearchArena (LMArena)1249–
Arena Agent Task CompletionArena (LMArena)11.7–
PostTrainBenchEpoch AI Benchmarking Hub38.8%–
Vending-Bench 2Andon Labs12860.6†–
SpireClimbEpoch AI Benchmarking Hub23.8%–
AutomationBenchArtificial Analysis64.9%–
GDP.pdf (AA)Artificial Analysis31.0%–
Harvey LAB-AA v1.1Harvey6.9%–
AA-Briefcase v1.1Artificial Analysis1555646
GDPxGDPx by SemiAnalysis8.4%–
Design Arena AgenticDesign Arena1375–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis58.1%–
MKA (AA)Artificial Analysis47.7%–
FACTS SearchGoogle92.8%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub93.7%–
FrontierMath Tier 4Epoch AI Benchmarking Hub100.0%–
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%88.9%
ProofBenchVals AI99.0%†17.0%
LiveBench MathematicsLiveBench96.8%–
AIME (Vals)Vals AI–96.9%
ArXivMathMathArena92.8%–
BrokenArXivMathArena83.1%–
Arena MathsArena (LMArena)14991469
FrontierMath ErdősEpoch AI Benchmarking Hub4.4%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub73.9%–
LiveBench 2.0 Data AnalysisLiveBench82.7%–
LiveBench ResearchLiveBench90.0%–
LiveBench 1.0 Data AnalysisLiveBench82.7%–
AA-Omniscience v1.1Artificial Analysis42.0–
MMLU-ProVals AI–87.3%
LegalBenchVals AI–84.2%
CorpFinVals AI–65.1%
TaxEvalVals AI–77.7%
PRBench FinanceScale AI SEAL46.2%†52.4%
PRBench LegalScale AI SEAL47.9%†52.3%
MultiNRCScale AI SEAL–59.0%
BioMysteryBenchVals AI79.6%–
CaseLaw v2Vals AI–63.1%
ClaimBenchVals AI100.0%–
Excel Modeling BenchmarkVals AI70.8%–
Excel Modeling Benchmark v1.1Vals AI71.1%–
MedCodeVals AI48.8%51.3%
MedScribeVals AI86.5%85.9%
Public Benefits Bench v1.1Vals AI59.3%–
Access to Justice BenchmarkVals AI65.8%–
Financial Coaching BenchVals AI68.5%–
Immigration BenchVals AI67.8%–
EBR-benchEpoch AI Benchmarking Hub54.3%–
GDP.pdfEpoch AI Benchmarking Hub35.0%–
AA-Omniscience v1.1: accuracyArtificial Analysis61.8%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis48.1%–
HealthBench Professional (AA)OpenAI65.1%–
FACTS ParametricGoogle83.8%†–
指示追従
LiveBench LanguageLiveBench90.1%–
LiveBench Instruction FollowingLiveBench74.2%–
IFBenchArtificial Analysis–75.9%
MultiChallengeScale AI SEAL82.0%†75.5%
TutorBenchScale AI SEAL–68.5%
Arena Instruction FollowingArena (LMArena)14821465
人間の評価
Arena TextArena (LMArena)14811489
EQ-Bench 4EQ-Bench1272†–
Arena Creative WritingArena (LMArena)14491464
Arena Multi-turnArena (LMArena)14861493
Arena Longer QueriesArena (LMArena)14881476
マルチモーダル
Arena VisionArena (LMArena)12861306
LiveBench DesignLiveBench79.6%–
MMMU-ProArtificial Analysis86.0%80.5%
MMMU-Pro (Vals)Vals AI–87.4%
SAGEVals AI90.5%–
Humanity's Sixth SenseScale AI SEAL46.6%–
Blueprint-Bench 2Epoch AI Benchmarking Hub43.2%†–
Furniture AssemblyEpoch AI Benchmarking Hub80.0%–
VIALS-AAHandshake AI59.0%–
Code2Video-AAArtificial Analysis1369–
AA-3DArtificial Analysis1121–
FACTS MultimodalGoogle52.6%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis83.0%78.0%
Arena DocumentArena (LMArena)–1467
MLCRArtificial Analysis38.3%–
FACTS GroundingGoogle78.0%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub168.5†153.1
LiveBench 2.0LiveBench81.4%–
LiveBench 1.0LiveBench81.6%–
AA Intelligence Index v5.0.1Artificial Analysis54.6–
AA Intelligence Index v4.3.2Artificial Analysis51.831.3
AA Progress Index v1Artificial Analysis348.5289.1
Vals IndexVals AI63.9–
Vals Finance IndexVals AI55.8%–
Vals RSI IndexVals AI26.6%–
Vals Science IndexVals AI59.6%–
Vals Router IndexVals AI63.9%†–
Vals Legal IndexVals AI68.7%–
安全性・誠実さ
FORTRESSScale AI SEAL–20.2%
DistressBenchScale AI SEAL74.2%†–

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-6.1 Sol (max):新しい結果8件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)、スコアの改訂1件。
  • GPT-6.1 Sol (max):スコアの改訂1件。
  • Muse Spark:新しい結果2件(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • GPT-6.1 Sol (max):スコアの改訂1件。
  • GPT-6.1 Sol (max):新しい結果1件(PostTrainBench)。
  • GPT-6.1 Sol (max):新しい結果1件(MirrorCode)、スコアの改訂1件。
  • GPT-6.1 Sol (max):BenchLeader Index 67.4 → 66.9。
  • GPT-6.1 Sol (max):スコアの改訂2件。
  • GPT-6.1 Sol (max):スコアの改訂3件。
  • Muse Spark:BenchLeader Index 64.6 → 64.1。

ランキング: 総合ベストLLM · コーディングに最適なLLM · エージェントに最適なLLM · 安くて優秀なLLM

GPT-6.1 Sol vs Muse Spark:よくある質問

GPT-6.1 SolはMuse Sparkより優れていますか?
GPT-6.1 Sol (max)とMuse Sparkの品質は互角です(66.6 対 64.2、±4.0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-6.1 SolとMuse Sparkのどちらが向いていますか?
コーディングではGPT-6.1 Solの方がスコアが高くなっています(カテゴリ指標で71 対 65。50が平均)。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-6.1 Solが54.2%、Muse Sparkが51.5%です。
エージェントやツール利用にはGPT-6.1 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互角です(カテゴリ指標で64 対 65)。
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-6.1 Solの方がスコアが高くなっています(66 対 64)。コンテキストはGPT-6.1 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-6.1 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22件のベンチマークのうち、GPT-6.1 Solのリードが17件、Muse Sparkのリードが5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-6.1 Solはいつリリースされましたか?
GPT-6.1 Solは2026年9月29日にリリースされました。