BenchLeader

GPT-6.1 Terra vs Muse Spark

詳しいプロフィール:GPT-6.1 Terra(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 · 12件の情報源のデータ

2026年11月16日時点で、GPT-6.1 TerraとMuse Sparkの品質は互角です(BenchLeader Indexで64.1 対 64.2、±4.0の誤差範囲内)。数学(72 対 59)、コーディング(69 対 65)、マルチモーダル(67 対 64)を重視するならGPT-6.1 Terra、知識(63 対 61)、エージェント・ツール(65 対 63)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 Terraが64.1、Muse Sparkが64.2です(BenchLeader、2026年11月16日)。
  • GPT-6.1 Terra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11件のベンチマークのうち、GPT-6.1 Terraが11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 Terraカテゴリスコア69 対 65;SciCode 55.1% 対 51.5%中
エージェント・ツール利用Muse Sparkカテゴリスコア65 対 63;GDPval-AA v2.1 1006 対 1476中
数学GPT-6.1 Terraカテゴリスコア72 対 59;OTIS Mock AIME 100.0% 対 88.9%高
推論GPT-6.1 Terraカテゴリスコア68 対 67;GPQA Diamond 94.3% 対 89.8%中
知識Muse Sparkカテゴリスコア63 対 61中
長い文書GPT-6.1 Terraカテゴリスコア66 対 64;AA-LCR v1.1 82.7% 対 78.0%中
画像などのメディアGPT-6.1 Terraカテゴリスコア67 対 64;MMMU-Pro 84.7% 対 80.5%中
チャットの質(人間の評価)–Arenaの評価があるのはMuse Sparkのみです(カテゴリスコア68)比較不可
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 Terra (max)とMuse Sparkの品質は互角です(64.1 対 64.2、±4.0の誤差範囲内)。
  • GPT-6.1 Terra (max)はコーディング、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、知識で優れています。

概要

仕様GPT-6.1 TerraMuse Spark
プロバイダーOpenAIMeta
リリース日2026年10月26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 Terra (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)$1.00 / $5.00 / $0.050–

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 Terra (max)Muse Sparkトップ
推論68.467.4GPT-6.1 Terra
コーディング69.365.1GPT-6.1 Terra
エージェント・ツール63.465.0Muse Spark
数学71.759.1GPT-6.1 Terra
知識61.463.1Muse Spark
指示追従–76.9比較不可
人間の評価–68.1比較不可
マルチモーダル67.264.2GPT-6.1 Terra
長文コンテキスト66.063.6GPT-6.1 Terra
総合65.0–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GPT-6.1 Terra, 推論: 68.4GPT-6.1 Terra, コーディング: 69.3GPT-6.1 Terra, エージェント・ツール: 63.4GPT-6.1 Terra, 数学: 71.7GPT-6.1 Terra, 知識: 61.4GPT-6.1 Terra, 長文コンテキスト: 66.0GPT-6.1 Terra, マルチモーダル: 67.2Muse 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: 64.2

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, 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11件のベンチマークのうち、GPT-6.1 Terraのリードが11件、Muse Sparkのリードが0件です。

総合IndexGPT-6.1 Terra (max)Muse Sparkトップ
BenchLeader Index64.164.2互角

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 Terra (max)Muse Spark
100万トークンあたりのブレンド価格$2.00–
100万トークンあたりの入力/出力$1.00 / $5.00– / –
100万トークンあたりのキャッシュ入力$0.050–
タスクあたりの価格:チャットの返答$0.0019–
タスクあたりの価格:30ページのレポートを要約$0.015–
タスクあたりの価格:コード編集$0.013–
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$0.080–
タスクあたりの価格:構造化データの抽出$0.0030–
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)$0.037–
ベンチマークのタスクあたりのコスト(AA Index)$0.961–
タスクあたりの出力トークン(AA Index)60k–
うち推論39k–
タスクあたりの時間(AA Index)14 min–
出力速度72 tok/s–
回答開始までの時間150.9秒–
回答が完了するまでの時間(最終測定2026年11月13日)375.7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 Terra (max)のスコアは64.1、最初の回答トークンまで151秒。GPT-6.1 Terra (xhigh)は60.0(30秒)、GPT-6.1 Terra (high)は59.6(10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

121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 Terra (max)Muse Spark
BenchLeader IndexBenchLeader64.164.2
エージェント・ツールスコアBenchLeader63.465.0
コーディングスコアBenchLeader69.365.1
総合スコアBenchLeader65.0–
知識スコアBenchLeader61.463.1
長文コンテキストスコアBenchLeader66.063.6
数学スコアBenchLeader71.759.1
マルチモーダルスコアBenchLeader67.264.2
推論スコアBenchLeader68.467.4
人間の評価スコアBenchLeader–68.1
指示追従スコアBenchLeader–76.9
ブレンド価格($/100万トークン)BenchLeader$2.00–
出力速度BenchLeader72 tok/s–
回答開始までの時間BenchLeader150.9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 Hub94.3%89.8%
Humanity's Last ExamScale AI / CAIS–40.6%
SimpleBenchSimpleBench72.2%†–
Arena Hard PromptsArena (LMArena)–1506
LiveBench 2.0 ReasoningLiveBench88.7%–
GPQA Diamond (AA)Artificial Analysis–88.4%
Humanity's Last Exam (AA)Artificial Analysis46.3%40.7%
HLE-Diamond (AA)Artificial Analysis47.3%–
GPQA Diamond (Vals)Vals AI–89.7%
CritPtArtificial Analysis28.0%11.3%
CritPt v2 hard subset (AA)Artificial Analysis68.0%–
HLE-Diamond (Scale)Scale AI SEAL35.7%†–
Arena ExpertArena (LMArena)–1491
Mystery Game PuzzlesEpoch AI Benchmarking Hub74.0%–
コーディング
SciCodeSciCode55.1%51.5%
Arena CodingArena (LMArena)–1529
Arena WebDevArena (LMArena)1678–
LiveBench 2.0 CodingLiveBench89.2%–
SciCode (AA)Artificial Analysis55.1%–
SWE-bench (Vals)Vals AI–74.4%
SWE-Bench ProScale AI SEAL–55.0%
Vibe Code Bench v1.1Vals AI84.0%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%
121件のベンチマークをすべて表示
指標公開元GPT-6.1 Terra (max)Muse Spark
コーディング
SWE Atlas v1.1Scale AI SEAL57.7%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL54.0%†–
SWE Atlas v1.1: Test WritingScale AI SEAL63.3%†–
SWE Atlas v1.1: RefactoringScale AI SEAL55.7%†–
MirrorCodeEpoch AI Benchmarking Hub76.7%–
ALE-BenchEpoch AI Benchmarking Hub2608.8–
WeirdML v3WeirdML28.1%†–
Terminal-Bench 4.0 (AA)Artificial Analysis55.6%–
Terminal-Bench 2.1 (AA)Artificial Analysis–62.2%
GameBench 2 OverallDuelLab GameBench 281.2†–
GameBench 2 by reasoning settingDuelLab GameBench 285.8†–
Design Arena WebsiteDesign Arena1286†1253
FrontierCode 1.1 (AA)Artificial Analysis36.0%–
FrontierCode 2.0 (AA)Artificial Analysis42.3%–
エージェント・ツール
Terminal-BenchTerminal-Bench53.3%–
APEX-AgentsMercor68.3%–
Arena AgentArena (LMArena)12–
LiveBench Long AgenticLiveBench56.2%–
LiveBench BrowserLiveBench93.1%–
Terminal-Bench HardArtificial Analysis–45.5%
τ²-Bench Telecom (AA)Artificial Analysis–91.5%
MCP AtlasScale AI SEAL–82.2%
HiL-BenchScale AI SEAL68.0%†–
GDPval-AA v2.1Artificial Analysis14761006
Finance Agent v2.1Vals AI56.0%–
Harvey's Legal Agent Benchmark v1.1Vals AI1.7%–
Legal Research BenchVals AI26.0%–
Tax Agent BenchVals AI17.1%–
Terminal-Bench 2.0 (Vals)Vals AI–59.5%
Terminal-Bench 4.0 (Vals)Vals AI49.5%–
Arena Agent Task CompletionArena (LMArena)9.7–
Vending-Bench 2Andon Labs9107.5†–
SpireClimbEpoch AI Benchmarking Hub22.3%–
AutomationBenchArtificial Analysis60.2%–
GDP.pdf (AA)Artificial Analysis28.6%–
AA-Briefcase v1.1Artificial Analysis1401646
GDPxGDPx by SemiAnalysis8.5%–
Design Arena AgenticDesign Arena1192†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis57.6%–
MKA (AA)Artificial Analysis43.8%–
FACTS SearchGoogle92.7%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub90.9%–
FrontierMath Tier 4Epoch AI Benchmarking Hub92.7%–
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%88.9%
ProofBenchVals AI–17.0%
AIME (Vals)Vals AI–96.9%
Arena MathsArena (LMArena)–1469
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub57.3%–
LiveBench 2.0 Data AnalysisLiveBench82.3%–
LiveBench ResearchLiveBench79.1%–
AA-Omniscience v1.1Artificial Analysis29.6–
MMLU-ProVals AI–87.3%
LegalBenchVals AI–84.2%
CorpFinVals AI–65.1%
TaxEvalVals AI–77.7%
PRBench FinanceScale AI SEAL–52.4%
PRBench LegalScale AI SEAL–52.3%
MultiNRCScale AI SEAL–59.0%
CaseLaw v2Vals AI–63.1%
Excel Modeling Benchmark v1.1Vals AI73.3%–
MedCodeVals AI–51.3%
MedScribeVals AI–85.9%
EBR-benchEpoch AI Benchmarking Hub78.1%–
AA-Omniscience v1.1: accuracyArtificial Analysis47.6%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis65.5%–
FACTS ParametricGoogle70.8%†–
指示追従
IFBenchArtificial Analysis–75.9%
MultiChallengeScale AI SEAL74.2%†75.5%
TutorBenchScale AI SEAL–68.5%
Arena Instruction FollowingArena (LMArena)–1465
人間の評価
Arena TextArena (LMArena)–1489
Arena Creative WritingArena (LMArena)–1464
Arena Multi-turnArena (LMArena)–1493
Arena Longer QueriesArena (LMArena)–1476
マルチモーダル
Arena VisionArena (LMArena)–1306
LiveBench DesignLiveBench79.7%–
MMMU-ProArtificial Analysis84.7%80.5%
MMMU-Pro (Vals)Vals AI–87.4%
Blueprint-Bench 2Epoch AI Benchmarking Hub42.1%†–
Furniture AssemblyEpoch AI Benchmarking Hub79.2%–
VIALS-AAHandshake AI60.3%–
FACTS MultimodalGoogle48.8%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis82.7%78.0%
Arena DocumentArena (LMArena)–1467
MLCRArtificial Analysis30.6%–
FACTS GroundingGoogle84.2%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub167.7†153.1
LiveBench 2.0LiveBench78.8%–
AA Intelligence Index v5.0.1Artificial Analysis51.3–
AA Intelligence Index v4.3.2Artificial Analysis48.131.3
AA Progress Index v1Artificial Analysis345.2289.1
Vals IndexVals AI60.5–
Vals Finance IndexVals AI53.3%–
Vals Legal IndexVals AI58.8%–
安全性・誠実さ
FORTRESSScale AI SEAL18.2%†20.2%
DistressBenchScale AI SEAL65.9%†–

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

  • GPT-6.1 Terra (max):新しい結果8件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Muse Spark:新しい結果2件(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • GPT-6.1 Terra (max):BenchLeader Index 64.7 → 64.1。
  • GPT-6.1 Terra (max):新しい結果1件(Terminal-Bench)。
  • GPT-6.1 Terra (max):BenchLeader Index 65.2 → 64.7。
  • GPT-6.1 Terra (max):新しい結果1件(MirrorCode)。
  • GPT-6.1 Terra (max):スコアの改訂1件。
  • GPT-6.1 Terra (max):スコアの改訂1件。
  • Muse Spark:BenchLeader Index 64.6 → 64.1。
  • GPT-6.1 Terra (max):スコアの改訂1件。

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 Terra vs Muse Spark:よくある質問

GPT-6.1 TerraはMuse Sparkより優れていますか?
GPT-6.1 Terra (max)とMuse Sparkの品質は互角です(64.1 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 Terra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 Terraの方がスコアが高くなっています(カテゴリ指標で69 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 Terraが55.1%、Muse Sparkが51.5%です。
エージェントやツール利用にはGPT-6.1 Terra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Muse Sparkの方がスコアが高くなっています(カテゴリ指標で65 対 63。50が平均)。
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 Terra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 Terra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 Terra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11件のベンチマークのうち、GPT-6.1 Terraのリードが11件、Muse Sparkのリードが0件です。
ほかの質問(1件)
GPT-6.1 Terraはいつリリースされましたか?
GPT-6.1 Terraは2026年10月26日にリリースされました。