BenchLeader

GPT-6.1 Sol vs Muse Wonder

詳しいプロフィール:GPT-6.1 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 · 16件の情報源のデータ

2026年11月16日時点で、GPT-6.1 SolとMuse Wonderの品質は互角です(BenchLeader Indexで66.6 対 64.4、±3.6の誤差範囲内)。価格はGPT-6.1 Solの方が2.0倍安く、100万トークンあたりのブレンド価格で$4.00 対 $8.00です。数学(72 対 70)を重視するならGPT-6.1 Sol、エージェント・ツール(76 対 64)、知識(77 対 72)、人間の評価(70 対 67)を重視するならMuse Wonderが向いています。回答開始までの時間はMuse Wonderの方が短く、3.3秒 対 166.7秒です。Muse Wonderは出力が速い点も強みです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGPT-6.1 Solが66.6、Muse Wonderが64.4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)。
  • 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)。
  • Muse WonderはGPT-6.1 Sol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2件のベンチマークのうち、GPT-6.1 Solが2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 64高
数学GPT-6.1 Solカテゴリスコア72 対 70中
知識Muse Wonderカテゴリスコア77 対 72中
チャットの質(人間の評価)Muse WonderArenaの投票で70 対 67中
最低コストGPT-6.1 Sol100万トークンあたりブレンド価格$4.00 対 $8.00;エージェント型コーディングセッション$0.160 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 166.7秒(GPT-6.1 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-6.1 Sol (max)とMuse Wonderの品質は互角です(66.6 対 64.4、±3.6の誤差範囲内)。
  • GPT-6.1 Sol (max)は数学で優れています。
  • Muse Wonderはエージェント・ツール、人間の評価、知識で優れています。
  • GPT-6.1 Sol (max)の方が2.0倍安くなっています(100万トークンあたりブレンド価格$4.00 対 $8.00)。
  • Muse Wonderの方が出力が1.4倍速くなっています(70 対 50トークン/秒)。

概要

仕様GPT-6.1 SolMuse Wonder
プロバイダーOpenAIMeta
リリース日2026年9月29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-6.1 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)$2.00 / $10.00 / $0.100$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-6.1 Sol (max)Muse Wonderトップ
推論71.4–比較不可
コーディング71.1–比較不可
エージェント・ツール64.375.6Muse Wonder
数学71.670.1GPT-6.1 Sol
知識71.577.1Muse Wonder
人間の評価67.169.6Muse Wonder
マルチモーダル65.6–比較不可
長文コンテキスト66.2–比較不可
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エージェント・ツール数学知識人間の評価GPT-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, 人間の評価: 67.1Muse Wonder, エージェント・ツール: 75.6Muse Wonder, 数学: 70.1Muse Wonder, 知識: 77.1Muse Wonder, 人間の評価: 69.6

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。

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2件のベンチマークのうち、GPT-6.1 Solのリードが2件、Muse Wonderのリードが0件です。第三者の総合指標でも評価が分かれ、GPT-6.1 SolはAA Intelligence Index v5.0.1で、Muse WonderはVals Index、Arena Textでリードしています。

総合IndexGPT-6.1 Sol (max)Muse Wonderトップ
BenchLeader Index66.664.4互角
AA Intelligence Index v5.0.154.640.5†GPT-6.1 Sol
Vals Index63.964.9†Muse Wonder
Arena Text14811511†Muse 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-6.1 Sol (max)Muse Wonder
100万トークンあたりのブレンド価格$4.00$8.00
100万トークンあたりの入力/出力$2.00 / $10.00$4.00 / $20.00
100万トークンあたりのキャッシュ入力$0.100$0.200
タスクあたりの価格:チャットの返答$0.0038$0.0076
タスクあたりの価格:30ページのレポートを要約$0.030$0.060
タスクあたりの価格:コード編集$0.027$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$0.160$0.320
タスクあたりの価格:構造化データの抽出$0.0060$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)$0.074$0.149
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/s70 tok/s
回答開始までの時間166.7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)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 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

154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 Wonder
BenchLeader IndexBenchLeader66.664.4
エージェント・ツールスコアBenchLeader64.375.6
コーディングスコアBenchLeader71.1–
総合スコアBenchLeader67.9–
人間の評価スコアBenchLeader67.169.6
知識スコアBenchLeader71.577.1
長文コンテキストスコアBenchLeader66.2–
数学スコアBenchLeader71.670.1
マルチモーダルスコアBenchLeader65.6–
推論スコアBenchLeader71.4–
ブレンド価格($/100万トークン)BenchLeader$4.00$8.00
出力速度BenchLeader50 tok/s70 tok/s
回答開始までの時間BenchLeader166.7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 Hub95.4%–
SimpleBenchSimpleBench82.9%†–
Arena Hard PromptsArena (LMArena)15051531†
LiveBench 2.0 ReasoningLiveBench92.6%90.6%†
LiveBench 1.0 ReasoningLiveBench92.6%90.6%†
Humanity's Last Exam (AA)Artificial Analysis52.9%50.1%†
HLE-Diamond (AA)Artificial Analysis58.8%39.0%†
ARC-AGI-1ARC Prize96.5%–
ARC-AGI-2ARC Prize94.2%–
ARC-AGI-3ARC Prize96.2%–
CritPtArtificial Analysis31.7%28.3%†
CritPt v2 hard subset (AA)Artificial Analysis69.5%50.5%†
MysteryMechanismVals AI46.4%27.5%†
HLE-Diamond (Scale)Scale AI SEAL–37.3%
Arena ExpertArena (LMArena)15251525†
Chess PuzzlesEpoch AI Benchmarking Hub68.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub80.0%51.0%†
LMCAEpoch AI Benchmarking Hub62.8%56.8%
DTBenchEpoch AI Benchmarking Hub96.5%95.2%
コーディング
SciCodeSciCode54.2%60.3%†
FrontierCodeCognition50.2%†–
Arena CodingArena (LMArena)15401542†
Arena WebDevArena (LMArena)17431647†
LiveBench 2.0 CodingLiveBench82.1%74.9%†
LiveBench 1.0 CodingLiveBench80.4%80.7%†
154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 Wonder
コーディング
IOIVals AI96.9%66.9%†
Code MigrationVals AI65.1%62.5%†
Code Migration v1.1Vals AI77.3%72.4%†
ProgramBenchVals AI3.0%–
SWE-bench MultimodalVals AI43.5%45.6%†
Vibe Code Bench 1-100Vals AI–26.6%†
Vibe Code Bench v1.1Vals AI88.9%83.1%†
SWE Atlas v1.1Scale AI SEAL65.9%†64.8%
SWE Atlas v1.1: Codebase QnAScale AI SEAL71.0%†73.4%
SWE Atlas v1.1: Test WritingScale AI SEAL66.7%†61.1%
SWE Atlas v1.1: RefactoringScale AI SEAL60.0%†60.0%
SWE-Bench Pro V2Scale AI SEAL96.1%†96.7%†
SWE-Bench Pro V2 HARDScale AI SEAL–90.2%†
MirrorCodeEpoch AI Benchmarking Hub61.1%45.6%†
CursorBenchCursor–50.4%†
ALE-BenchEpoch AI Benchmarking Hub2743.8–
WeirdML v3WeirdML38.3%†15.2%†
Terminal-Bench 4.0 (AA)Artificial Analysis56.1%52.0%†
Startrise FrontendStartrise78.6%†–
GameBench 2 OverallDuelLab GameBench 284.9†64.8
GameBench 2 by reasoning settingDuelLab GameBench 292.0†54.9†
Design Arena WebsiteDesign Arena1315†1378†
FrontierCode 1.1 (AA)Artificial Analysis49.1%46.5%†
FrontierCode 2.0 (AA)Artificial Analysis40.6%27.9%†
エージェント・ツール
Terminal-BenchTerminal-Bench60.9%47.0%†
APEX-AgentsMercor60.0%66.1%†
Arena AgentArena (LMArena)12.51.8†
LiveBench Long AgenticLiveBench65.6%46.2%†
LiveBench BrowserLiveBench93.3%60.0%†
LiveBench Agentic CodingLiveBench54.5%62.7%†
HiL-BenchScale AI SEAL62.3%†79.7%
GDPval-AA v2.1, normalised scoreArtificial Analysis54.8%63.5%†
GDPval-AA v2.1Artificial Analysis16071770†
Analyst Agent (AA)Artificial Analysis50.0%–
CUA-benchVals AI–7.2%†
CyberBenchVals AI39.3%80.4%†
Finance Agent v2Vals AI52.0%56.6%†
Finance Agent v2.1Vals AI61.8%65.5%†
Harvey's Legal Agent Benchmark v1.1Vals AI6.3%23.8%†
Harvey's Legal Agent Benchmark v1Vals AI5.4%17.1%†
Legal Research BenchVals AI38.5%50.5%†
Robo-benchVals AI28.3%–
SREBenchVals AI50.8%–
Tax Agent BenchVals AI21.8%36.3%†
Terminal-Bench 4.0 (Vals)Vals AI55.0%49.5%†
Terminal-Bench ScienceVals AI52.9%22.9%†
Arena SearchArena (LMArena)1249–
Arena Agent Task CompletionArena (LMArena)11.75.4†
PostTrainBenchEpoch AI Benchmarking Hub38.8%24.2%†
Vending-Bench 2Andon Labs12860.6†9432.2
SpireClimbEpoch AI Benchmarking Hub23.8%–
AutomationBenchArtificial Analysis64.9%68.1%†
GDP.pdf (AA)Artificial Analysis31.0%30.6%†
Harvey LAB-AA v1.1Harvey6.9%10.0%†
AA-Briefcase v1.1Artificial Analysis15551659†
GDPxGDPx by SemiAnalysis8.4%6.8%†
Design Arena AgenticDesign Arena13751177†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis58.1%25.7%†
MKA (AA)Artificial Analysis47.7%47.5%†
FACTS SearchGoogle92.8%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub93.7%82.1%†
FrontierMath Tier 4Epoch AI Benchmarking Hub100.0%70.7%†
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%99.4%†
ProofBenchVals AI99.0%†84.0%
LiveBench MathematicsLiveBench96.8%96.5%†
ArXivMathMathArena92.8%–
BrokenArXivMathArena83.1%–
Arena MathsArena (LMArena)14991490†
FrontierMath ErdősEpoch AI Benchmarking Hub4.4%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub73.9%–
LiveBench 2.0 Data AnalysisLiveBench82.7%81.6%†
LiveBench ResearchLiveBench90.0%93.0%†
LiveBench 1.0 Data AnalysisLiveBench82.7%81.6%†
AA-Omniscience v1.1Artificial Analysis42.025.1†
PRBench FinanceScale AI SEAL46.2%†58.7%
PRBench LegalScale AI SEAL47.9%†58.4%
BioMysteryBenchVals AI79.6%67.0%†
ClaimBenchVals AI100.0%–
Excel Modeling BenchmarkVals AI70.8%67.1%†
Excel Modeling Benchmark v1.1Vals AI71.1%72.5%†
MedCodeVals AI48.8%–
MedScribeVals AI86.5%–
Public Benefits Bench v1.1Vals AI59.3%70.2%†
Access to Justice BenchmarkVals AI65.8%73.0%†
Financial Coaching BenchVals AI68.5%73.8%†
Immigration BenchVals AI67.8%69.6%†
EBR-benchEpoch AI Benchmarking Hub54.3%31.4%†
GDP.pdfEpoch AI Benchmarking Hub35.0%30.8%†
AA-Omniscience v1.1: accuracyArtificial Analysis61.8%38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis48.1%79.1%†
HealthBench Professional (AA)OpenAI65.1%–
FACTS ParametricGoogle83.8%†–
指示追従
LiveBench LanguageLiveBench90.1%82.9%†
LiveBench Instruction FollowingLiveBench74.2%73.0%†
MultiChallengeScale AI SEAL82.0%†–
Arena Instruction FollowingArena (LMArena)14821498†
人間の評価
Arena TextArena (LMArena)14811511†
EQ-Bench 4EQ-Bench1272†1325
EQ-Bench Creative Writing v3EQ-Bench–2007
Arena Creative WritingArena (LMArena)14491491†
Arena Multi-turnArena (LMArena)14861525†
Arena Longer QueriesArena (LMArena)14881507†
マルチモーダル
Arena VisionArena (LMArena)1286–
LiveBench DesignLiveBench79.6%70.9%†
MMMU-ProArtificial Analysis86.0%83.8%†
SAGEVals AI90.5%–
Humanity's Sixth SenseScale AI SEAL46.6%43.7%†
Blueprint-Bench 2Epoch AI Benchmarking Hub43.2%†31.7%
Furniture AssemblyEpoch AI Benchmarking Hub80.0%54.2%†
VIALS-AAHandshake AI59.0%55.3%†
Code2Video-AAArtificial Analysis1369997†
AA-3DArtificial Analysis1121–
FACTS MultimodalGoogle52.6%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis83.0%80.7%†
MLCRArtificial Analysis38.3%22.2%†
FACTS GroundingGoogle78.0%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub168.5†161.7
LiveBench 2.0LiveBench81.4%70.7%†
LiveBench 1.0LiveBench81.6%81.2%†
AA Intelligence Index v5.0.1Artificial Analysis54.643.6†
AA Intelligence Index v4.3.2Artificial Analysis51.852.4†
AA Progress Index v1Artificial Analysis348.5335.8†
Vals IndexVals AI63.964.9†
Vals Finance IndexVals AI55.8%61.2%†
Vals RSI IndexVals AI26.6%–
Vals Science IndexVals AI59.6%39.1%†
Vals Router IndexVals AI63.9%†64.9%
Vals Legal IndexVals AI68.7%75.3%†
安全性・誠実さ
DistressBenchScale AI SEAL74.2%†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-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。
  • GPT-6.1 Sol (max):スコアの改訂1件。
  • Muse Wonder:BenchLeader Index 63.5 → 63.0。
  • 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。
  • Muse Wonder:新しい結果1件(Blueprint-Bench 2)。
  • Muse Wonder:BenchLeader Index 64.3 → 63.5。

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 Wonder:よくある質問

GPT-6.1 SolはMuse Wonderより優れていますか?
GPT-6.1 Sol (max)とMuse Wonderの品質は互角です(66.6 対 64.4、±3.6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-6.1 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?
現在はGPT-6.1 Solの方が安く、100万トークンあたり$4.00 対 $8.00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-6.1 SolとMuse Wonderはどちらが速いですか?
Muse Wonderの方が出力が速くなっています(出力70 対 50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-6.1 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 64。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-6.1 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 166.7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-6.1 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2件のベンチマークのうち、GPT-6.1 Solのリードが2件、Muse Wonderのリードが0件です。第三者の総合指標でも評価が分かれ、GPT-6.1 SolはAA Intelligence Index v5.0.1で、Muse WonderはVals Index、Arena Textでリードしています。
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。