BenchLeader

GPT-6.1 Terra vs Muse Spark 1.1

詳しいプロフィール:GPT-6.1 Terra(OpenAI)とMuse Spark 1.1(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 · 13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 1.1の品質は互角です(BenchLeader Indexで64.1 対 62.2、±5.9の誤差範囲内)。価格はほぼ同じです(100万トークンあたりのブレンド価格で$2.00 対 $2.00)。エージェント・ツール(63 対 51)、数学(72 対 61)、マルチモーダル(67 対 64)を重視するならGPT-6.1 Terra、知識(69 対 61)を重視するならMuse Spark 1.1が向いています。回答開始までの時間はMuse Spark 1.1の方が短く、1.8秒 対 150.9秒です。Muse Spark 1.1は出力が約2倍速い点も強みです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGPT-6.1 Terraが64.1、Muse Spark 1.1が62.2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)。
  • Muse Spark 1.1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)。
  • Muse Spark 1.1はGPT-6.1 Terraより出力が約2倍速いです(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6件のベンチマークのうち、GPT-6.1 Terraが4件でリードしています(BenchLeader、2026年11月16日)。
  • Arena WebDevでの評価はGPT-6.1 Terraが1678、Muse Spark 1.1が1542です(LMArena、2026年11月16日までの公開値)。

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 66;Arena WebDev 1678 対 1542中
エージェント・ツール利用GPT-6.1 Terraカテゴリスコア63 対 51;APEX-Agents 68.3% 対 31.8%高
数学GPT-6.1 Terraカテゴリスコア72 対 61高
推論どちらでもカテゴリスコア68 対 68どちらでも
知識Muse Spark 1.1カテゴリスコア69 対 61;SimpleQA Verified 57.8% 対 57.3%高
画像などのメディアGPT-6.1 Terraカテゴリスコア67 対 64中
チャットの質(人間の評価)–Arenaの評価があるのはMuse Spark 1.1のみです(カテゴリスコア65)比較不可
最低コストどちらでも100万トークンあたりブレンド価格$2.00 対 $2.00;エージェント型コーディングセッション$0.080 対 $0.092–
回答開始の速さMuse Spark 1.1最初の回答トークンまで1.8秒(Muse Spark 1.1)対 150.9秒(GPT-6.1 Terra (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 Terra (max)とMuse Spark 1.1の品質は互角です(64.1 対 62.2、±5.9の誤差範囲内)。
  • GPT-6.1 Terra (max)はエージェント・ツール、コーディング、数学、マルチモーダル、推論で優れています。
  • Muse Spark 1.1は知識で優れています。
  • 価格はほぼ同じです(100万トークンあたりブレンド価格$2.00)。
  • Muse Spark 1.1の方が出力が2.7倍速くなっています(193 対 72トークン/秒)。

概要

仕様GPT-6.1 TerraMuse Spark 1.1
プロバイダーOpenAIMeta
リリース日2026年10月26日2026年7月9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 Terra (max)Muse Spark 1.1
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$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-6.1 Terra (max)Muse Spark 1.1トップ
推論68.467.8互角
コーディング69.365.8GPT-6.1 Terra
エージェント・ツール63.450.9GPT-6.1 Terra
数学71.761.3GPT-6.1 Terra
知識61.469.2Muse Spark 1.1
指示追従–70.4比較不可
人間の評価–64.5比較不可
マルチモーダル67.263.6GPT-6.1 Terra
長文コンテキスト66.0–比較不可
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, マルチモーダル: 67.2Muse Spark 1.1, 推論: 67.8Muse Spark 1.1, コーディング: 65.8Muse Spark 1.1, エージェント・ツール: 50.9Muse Spark 1.1, 数学: 61.3Muse Spark 1.1, 知識: 69.2Muse Spark 1.1, マルチモーダル: 63.6

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, 長文コンテキスト, 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6件のベンチマークのうち、GPT-6.1 Terraのリードが4件、Muse Spark 1.1のリードが2件です。

総合IndexGPT-6.1 Terra (max)Muse Spark 1.1トップ
BenchLeader Index64.162.2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 1.1
100万トークンあたりのブレンド価格$2.00$2.00
100万トークンあたりの入力/出力$1.00 / $5.00$1.25 / $4.25
100万トークンあたりのキャッシュ入力$0.050$0.150
タスクあたりの価格:チャットの返答$0.0019$0.0018
タスクあたりの価格:30ページのレポートを要約$0.015$0.018
タスクあたりの価格:コード編集$0.013$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$0.080$0.092
タスクあたりの価格:構造化データの抽出$0.0030$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)$0.037$0.043
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/s193 tok/s
回答開始までの時間150.9秒1.8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 1.1のスコアは62.2、最初の回答トークンまで2秒。Muse Spark 1.1 (xhigh)は59.5(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

143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 1.1
BenchLeader IndexBenchLeader64.162.2
エージェント・ツールスコアBenchLeader63.450.9
コーディングスコアBenchLeader69.365.8
総合スコアBenchLeader65.0–
知識スコアBenchLeader61.469.2
長文コンテキストスコアBenchLeader66.0–
数学スコアBenchLeader71.761.3
マルチモーダルスコアBenchLeader67.263.6
推論スコアBenchLeader68.467.8
人間の評価スコアBenchLeader–64.5
指示追従スコアBenchLeader–70.4
ブレンド価格($/100万トークン)BenchLeader$2.00$2.00
出力速度BenchLeader72 tok/s193 tok/s
回答開始までの時間BenchLeader150.9秒1.8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 Hub94.3%–
SimpleBenchSimpleBench72.2%†–
Arena Hard PromptsArena (LMArena)–1511
LiveBench 2.0 ReasoningLiveBench88.7%–
LiveBench 1.0 ReasoningLiveBench–87.7%†
GPQA Diamond (AA)Artificial Analysis–89.8%†
Humanity's Last Exam (AA)Artificial Analysis46.3%46.2%†
HLE-Diamond (AA)Artificial Analysis47.3%–
GPQA Diamond (Vals)Vals AI–91.2%†
CritPtArtificial Analysis28.0%15.1%†
CritPt v2 hard subset (AA)Artificial Analysis68.0%–
HLE-Diamond (Scale)Scale AI SEAL35.7%†–
Arena ExpertArena (LMArena)–1504
Chess PuzzlesEpoch AI Benchmarking Hub–34.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub74.0%–
LMCAEpoch AI Benchmarking Hub–49.9%†
DTBenchEpoch AI Benchmarking Hub–94.4%†
コーディング
SciCodeSciCode55.1%58.8%
Arena CodingArena (LMArena)–1533
Arena WebDevArena (LMArena)16781542
LiveBench 2.0 CodingLiveBench89.2%–
LiveBench 1.0 CodingLiveBench–77.2%†
LiveCodeBenchVals AI–85.9%†
SWE-bench (Vals)Vals AI–82.0%†
SWE-Bench ProScale AI SEAL–61.5%
143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 1.1
コーディング
Code MigrationVals AI–31.1%†
ProgramBenchVals AI–0.0%†
Vibe Code Bench v1.1Vals AI84.0%72.2%†
SWE-Bench Pro (private)Scale AI SEAL–51.5%
SWE Atlas v1.0: Codebase QnAScale AI SEAL–42.2%†
SWE Atlas v1.0: Test WritingScale AI SEAL–41.5%†
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%–
Surface Evolver BenchEpoch AI Benchmarking Hub–52.5%†
DeepSWE v1.1Epoch AI Benchmarking Hub–53.3%
ALE-BenchEpoch AI Benchmarking Hub2608.8–
WeirdML v3WeirdML28.1%†–
Terminal-Bench 4.0 (AA)Artificial Analysis55.6%6.1%†
Terminal-Bench 2.1 (AA)Artificial Analysis–77.9%†
GameBench 2 OverallDuelLab GameBench 281.2†–
GameBench 2 by reasoning settingDuelLab GameBench 285.8†–
Design Arena WebsiteDesign Arena1286†1263
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%31.8%
Arena AgentArena (LMArena)12-8
LiveBench Long AgenticLiveBench56.2%–
LiveBench BrowserLiveBench93.1%–
LiveBench Agentic CodingLiveBench–58.5%†
Terminal-Bench 2.1 (Vals)Vals AI–69.3%†
MCP AtlasScale AI SEAL–88.1%
HiL-BenchScale AI SEAL68.0%†–
τ³-bench Bankingτ²-bench–40.5%†
GDPval-AA v2.1Artificial Analysis14761216†
τ³-Banking (AA)Artificial Analysis–31.8%†
Finance Agent v2Vals AI–57.2%†
Finance Agent v2.1Vals AI56.0%–
Harvey's Legal Agent Benchmark v1.1Vals AI1.7%–
Harvey's Legal Agent Benchmark v1Vals AI–20.0%†
Legal Research BenchVals AI26.0%38.0%†
SkillsBenchVals AI–59.2%†
Tax Agent BenchVals AI17.1%–
Terminal-Bench 4.0 (Vals)Vals AI49.5%–
Time Horizon Index: KSPVals AI–1.7%†
Arena Agent Task CompletionArena (LMArena)9.7-6.5
GBAEvalEpoch AI Benchmarking Hub–7.9%
Vending-Bench 2Andon Labs9107.5†6520.5
SpireClimbEpoch AI Benchmarking Hub22.3%–
AutomationBenchArtificial Analysis60.2%38.9%†
GDP.pdf (AA)Artificial Analysis28.6%14.4%†
AA-Briefcase v1.1Artificial Analysis1401851†
GDPxGDPx by SemiAnalysis8.5%–
Design Arena AgenticDesign Arena1192†1172
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%–
ProofBenchVals AI–39.0%
LiveBench MathematicsLiveBench–87.1%†
Arena MathsArena (LMArena)–1493
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub57.3%57.8%
LiveBench 2.0 Data AnalysisLiveBench82.3%–
LiveBench ResearchLiveBench79.1%–
LiveBench 1.0 Data AnalysisLiveBench–72.5%†
AA-Omniscience v1.1Artificial Analysis29.6–
MMLU-ProVals AI–88.7%†
LegalBenchVals AI–85.0%†
CorpFinVals AI–71.3%†
TaxEvalVals AI–79.7%†
PRBench FinanceScale AI SEAL–55.0%
PRBench LegalScale AI SEAL–57.0%
MultiNRCScale AI SEAL–65.6%
Excel Modeling BenchmarkVals AI–56.4%†
Excel Modeling Benchmark v1.1Vals AI73.3%–
MedScribeVals AI–88.9%†
Public Benefits Bench v1.1Vals AI–61.3%†
EBR-benchEpoch AI Benchmarking Hub78.1%–
GDP.pdfEpoch AI Benchmarking Hub–15.0%
AA-Omniscience v1.1: accuracyArtificial Analysis47.6%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis65.5%–
FACTS ParametricGoogle70.8%†–
指示追従
LiveBench LanguageLiveBench–74.3%†
LiveBench Instruction FollowingLiveBench–69.6%†
MultiChallengeScale AI SEAL74.2%†75.3%
Arena Instruction FollowingArena (LMArena)–1473
人間の評価
Arena TextArena (LMArena)–1491
EQ-Bench 4EQ-Bench–1244
EQ-Bench Creative Writing v3EQ-Bench–1928
Arena Creative WritingArena (LMArena)–1443
Arena Multi-turnArena (LMArena)–1497
Arena Longer QueriesArena (LMArena)–1481
マルチモーダル
Arena VisionArena (LMArena)–1292
LiveBench DesignLiveBench79.7%–
MMMU-ProArtificial Analysis84.7%–
MMMU-Pro (Vals)Vals AI–86.6%†
MortgageTaxVals AI–66.1%†
VTBScale AI SEAL–44.8%
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%77.7%†
Arena DocumentArena (LMArena)–1480
MLCRArtificial Analysis30.6%7.2%†
FACTS GroundingGoogle84.2%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub167.7†154.9
LiveBench 2.0LiveBench78.8%–
LiveBench 1.0LiveBench–75.3%†
AA Intelligence Index v5.0.1Artificial Analysis51.3–
AA Intelligence Index v4.3.2Artificial Analysis48.133.7†
AA Progress Index v1Artificial Analysis345.2302.7†
Vals IndexVals AI60.5–
Vals Finance IndexVals AI53.3%–
Vals Multimodal IndexVals AI–66.7%†
Vals Legal IndexVals AI58.8%–
安全性・誠実さ
FORTRESSScale AI SEAL18.2%†12.4%
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…)。
  • 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。
  • GPT-6.1 Terra (max):スコアの改訂1件。
  • Muse Spark 1.1:スコアの改訂1件。
  • 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 1.1:よくある質問

GPT-6.1 TerraはMuse Spark 1.1より優れていますか?
GPT-6.1 Terra (max)とMuse Spark 1.1の品質は互角です(64.1 対 62.2、±5.9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 TerraとMuse Spark 1.1はどちらが安いですか?今後変わる予定はありますか?
価格は同じで、100万トークンあたりのブレンド価格は$2.00です。どちらも価格変更は発表されていません。
コーディングにはGPT-6.1 TerraとMuse Spark 1.1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 66。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Arena WebDevでは、GPT-6.1 Terraが1678、Muse Spark 1.1が1542です。
GPT-6.1 TerraとMuse Spark 1.1はどちらが速いですか?
Muse Spark 1.1の方が出力が約2倍速くなっています(出力193 対 72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 TerraとMuse Spark 1.1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-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63 対 51。50が平均)。共通するエージェント・ツールベンチマークのうち最も重要なAPEX-Agentsでは、GPT-6.1 Terraが68.3%、Muse Spark 1.1が31.8%です。
ほかの質問(4件)
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 Terraは1,050,000、Muse Spark 1.1は1,048,576)。
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 1.1です。Artificial Analysisの測定では、最初の回答トークンまで1.8秒 対 150.9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-6.1 TerraとMuse Spark 1.1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6件のベンチマークのうち、GPT-6.1 Terraのリードが4件、Muse Spark 1.1のリードが2件です。
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。