BenchLeader

GPT-6.1 Terra vs Muse Wonder

詳しいプロフィール:GPT-6.1 Terra(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 · 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 Wonderの品質は互角です(BenchLeader Indexで64.1 対 64.4、±3.6の誤差範囲内)。価格はGPT-6.1 Terraの方が4.0倍安く、100万トークンあたりのブレンド価格で$2.00 対 $8.00です。数学(72 対 70)を重視するならGPT-6.1 Terra、知識(77 対 61)、エージェント・ツール(76 対 63)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 150.9秒です。

要点(2026年11月16日時点)

  • BenchLeader IndexはGPT-6.1 Terraが64.1、Muse Wonderが64.4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 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)。

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 63高
数学GPT-6.1 Terraカテゴリスコア72 対 70中
知識Muse Wonderカテゴリスコア77 対 61高
チャットの質(人間の評価)–Arenaの評価があるのはMuse Wonderのみです(カテゴリスコア70)比較不可
最低コストGPT-6.1 Terra100万トークンあたりブレンド価格$2.00 対 $8.00;エージェント型コーディングセッション$0.080 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 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 Wonderの品質は互角です(64.1 対 64.4、±3.6の誤差範囲内)。
  • GPT-6.1 Terra (max)は数学で優れています。
  • Muse Wonderはエージェント・ツール、知識で優れています。
  • GPT-6.1 Terra (max)の方が4.0倍安くなっています(100万トークンあたりブレンド価格$2.00 対 $8.00)。

概要

仕様GPT-6.1 TerraMuse Wonder
プロバイダーOpenAIMeta
リリース日2026年10月26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 Terra (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)$1.00 / $5.00 / $0.050$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 Terra (max)Muse Wonderトップ
推論68.4–比較不可
コーディング69.3–比較不可
エージェント・ツール63.475.6Muse Wonder
数学71.770.1GPT-6.1 Terra
知識61.477.1Muse Wonder
人間の評価–69.6比較不可
マルチモーダル67.2–比較不可
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エージェント・ツール数学知識GPT-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: 61.4Muse Wonder, エージェント・ツール: 75.6Muse Wonder, 数学: 70.1Muse Wonder, 知識: 77.1

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, 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0件のベンチマークのうち、GPT-6.1 Terraのリードが0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 TerraはAA Intelligence Index v5.0.1で、Muse WonderはVals Indexでリードしています。

総合IndexGPT-6.1 Terra (max)Muse Wonderトップ
BenchLeader Index64.164.4互角
AA Intelligence Index v5.0.151.340.5†GPT-6.1 Terra
Vals Index60.564.9†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 Terra (max)Muse Wonder
100万トークンあたりのブレンド価格$2.00$8.00
100万トークンあたりの入力/出力$1.00 / $5.00$4.00 / $20.00
100万トークンあたりのキャッシュ入力$0.050$0.200
タスクあたりの価格:チャットの返答$0.0019$0.0076
タスクあたりの価格:30ページのレポートを要約$0.015$0.060
タスクあたりの価格:コード編集$0.013$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$0.080$0.320
タスクあたりの価格:構造化データの抽出$0.0030$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)$0.037$0.149
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/s70 tok/s
回答開始までの時間150.9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)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 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

133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 Wonder
BenchLeader IndexBenchLeader64.164.4
エージェント・ツールスコアBenchLeader63.475.6
コーディングスコアBenchLeader69.3–
総合スコアBenchLeader65.0–
知識スコアBenchLeader61.477.1
長文コンテキストスコアBenchLeader66.0–
数学スコアBenchLeader71.770.1
マルチモーダルスコアBenchLeader67.2–
推論スコアBenchLeader68.4–
人間の評価スコアBenchLeader–69.6
ブレンド価格($/100万トークン)BenchLeader$2.00$8.00
出力速度BenchLeader72 tok/s70 tok/s
回答開始までの時間BenchLeader150.9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 Hub94.3%–
SimpleBenchSimpleBench72.2%†–
Arena Hard PromptsArena (LMArena)–1531†
LiveBench 2.0 ReasoningLiveBench88.7%90.6%†
LiveBench 1.0 ReasoningLiveBench–90.6%†
Humanity's Last Exam (AA)Artificial Analysis46.3%50.1%†
HLE-Diamond (AA)Artificial Analysis47.3%39.0%†
CritPtArtificial Analysis28.0%28.3%†
CritPt v2 hard subset (AA)Artificial Analysis68.0%50.5%†
MysteryMechanismVals AI–27.5%†
HLE-Diamond (Scale)Scale AI SEAL35.7%†37.3%
Arena ExpertArena (LMArena)–1525†
Mystery Game PuzzlesEpoch AI Benchmarking Hub74.0%51.0%†
LMCAEpoch AI Benchmarking Hub–56.8%
DTBenchEpoch AI Benchmarking Hub–95.2%
コーディング
SciCodeSciCode55.1%60.3%†
Arena CodingArena (LMArena)–1542†
Arena WebDevArena (LMArena)16781647†
LiveBench 2.0 CodingLiveBench89.2%74.9%†
LiveBench 1.0 CodingLiveBench–80.7%†
IOIVals AI–66.9%†
Code MigrationVals AI–62.5%†
Code Migration v1.1Vals AI–72.4%†
SWE-bench MultimodalVals AI–45.6%†
Vibe Code Bench 1-100Vals AI–26.6%†
133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 Wonder
コーディング
Vibe Code Bench v1.1Vals AI84.0%83.1%†
SWE Atlas v1.1Scale AI SEAL57.7%†64.8%
SWE Atlas v1.1: Codebase QnAScale AI SEAL54.0%†73.4%
SWE Atlas v1.1: Test WritingScale AI SEAL63.3%†61.1%
SWE Atlas v1.1: RefactoringScale AI SEAL55.7%†60.0%
SWE-Bench Pro V2Scale AI SEAL–96.7%†
SWE-Bench Pro V2 HARDScale AI SEAL–90.2%†
MirrorCodeEpoch AI Benchmarking Hub76.7%45.6%†
CursorBenchCursor–50.4%†
ALE-BenchEpoch AI Benchmarking Hub2608.8–
WeirdML v3WeirdML28.1%†15.2%†
Terminal-Bench 4.0 (AA)Artificial Analysis55.6%52.0%†
GameBench 2 OverallDuelLab GameBench 281.2†64.8
GameBench 2 by reasoning settingDuelLab GameBench 285.8†54.9†
Design Arena WebsiteDesign Arena1286†1378†
FrontierCode 1.1 (AA)Artificial Analysis36.0%46.5%†
FrontierCode 2.0 (AA)Artificial Analysis42.3%27.9%†
エージェント・ツール
Terminal-BenchTerminal-Bench53.3%47.0%†
APEX-AgentsMercor68.3%66.1%†
Arena AgentArena (LMArena)121.8†
LiveBench Long AgenticLiveBench56.2%46.2%†
LiveBench BrowserLiveBench93.1%60.0%†
LiveBench Agentic CodingLiveBench–62.7%†
HiL-BenchScale AI SEAL68.0%†79.7%
GDPval-AA v2.1, normalised scoreArtificial Analysis–63.5%†
GDPval-AA v2.1Artificial Analysis14761770†
CUA-benchVals AI–7.2%†
CyberBenchVals AI–80.4%†
Finance Agent v2Vals AI–56.6%†
Finance Agent v2.1Vals AI56.0%65.5%†
Harvey's Legal Agent Benchmark v1.1Vals AI1.7%23.8%†
Harvey's Legal Agent Benchmark v1Vals AI–17.1%†
Legal Research BenchVals AI26.0%50.5%†
Tax Agent BenchVals AI17.1%36.3%†
Terminal-Bench 4.0 (Vals)Vals AI49.5%49.5%†
Terminal-Bench ScienceVals AI–22.9%†
Arena Agent Task CompletionArena (LMArena)9.75.4†
PostTrainBenchEpoch AI Benchmarking Hub–24.2%†
Vending-Bench 2Andon Labs9107.5†9432.2
SpireClimbEpoch AI Benchmarking Hub22.3%–
AutomationBenchArtificial Analysis60.2%68.1%†
GDP.pdf (AA)Artificial Analysis28.6%30.6%†
Harvey LAB-AA v1.1Harvey–10.0%†
AA-Briefcase v1.1Artificial Analysis14011659†
GDPxGDPx by SemiAnalysis8.5%6.8%†
Design Arena AgenticDesign Arena1192†1177†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis57.6%25.7%†
MKA (AA)Artificial Analysis43.8%47.5%†
FACTS SearchGoogle92.7%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub90.9%82.1%†
FrontierMath Tier 4Epoch AI Benchmarking Hub92.7%70.7%†
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%99.4%†
ProofBenchVals AI–84.0%
LiveBench MathematicsLiveBench–96.5%†
Arena MathsArena (LMArena)–1490†
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub57.3%–
LiveBench 2.0 Data AnalysisLiveBench82.3%81.6%†
LiveBench ResearchLiveBench79.1%93.0%†
LiveBench 1.0 Data AnalysisLiveBench–81.6%†
AA-Omniscience v1.1Artificial Analysis29.625.1†
PRBench FinanceScale AI SEAL–58.7%
PRBench LegalScale AI SEAL–58.4%
BioMysteryBenchVals AI–67.0%†
Excel Modeling BenchmarkVals AI–67.1%†
Excel Modeling Benchmark v1.1Vals AI73.3%72.5%†
Public Benefits Bench v1.1Vals AI–70.2%†
Access to Justice BenchmarkVals AI–73.0%†
Financial Coaching BenchVals AI–73.8%†
Immigration BenchVals AI–69.6%†
EBR-benchEpoch AI Benchmarking Hub78.1%31.4%†
GDP.pdfEpoch AI Benchmarking Hub–30.8%†
AA-Omniscience v1.1: accuracyArtificial Analysis47.6%38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis65.5%79.1%†
FACTS ParametricGoogle70.8%†–
指示追従
LiveBench LanguageLiveBench–82.9%†
LiveBench Instruction FollowingLiveBench–73.0%†
MultiChallengeScale AI SEAL74.2%†–
Arena Instruction FollowingArena (LMArena)–1498†
人間の評価
Arena TextArena (LMArena)–1511†
EQ-Bench 4EQ-Bench–1325
EQ-Bench Creative Writing v3EQ-Bench–2007
Arena Creative WritingArena (LMArena)–1491†
Arena Multi-turnArena (LMArena)–1525†
Arena Longer QueriesArena (LMArena)–1507†
マルチモーダル
LiveBench DesignLiveBench79.7%70.9%†
MMMU-ProArtificial Analysis84.7%83.8%†
Humanity's Sixth SenseScale AI SEAL–43.7%†
Blueprint-Bench 2Epoch AI Benchmarking Hub42.1%†31.7%
Furniture AssemblyEpoch AI Benchmarking Hub79.2%54.2%†
VIALS-AAHandshake AI60.3%55.3%†
Code2Video-AAArtificial Analysis–997†
FACTS MultimodalGoogle48.8%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis82.7%80.7%†
MLCRArtificial Analysis30.6%22.2%†
FACTS GroundingGoogle84.2%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub167.7†161.7
LiveBench 2.0LiveBench78.8%70.7%†
LiveBench 1.0LiveBench–81.2%†
AA Intelligence Index v5.0.1Artificial Analysis51.343.6†
AA Intelligence Index v4.3.2Artificial Analysis48.152.4†
AA Progress Index v1Artificial Analysis345.2335.8†
Vals IndexVals AI60.564.9†
Vals Finance IndexVals AI53.3%61.2%†
Vals Science IndexVals AI–39.1%†
Vals Router IndexVals AI–64.9%
Vals Legal IndexVals AI58.8%75.3%†
安全性・誠実さ
FORTRESSScale AI SEAL18.2%†–
DistressBenchScale AI SEAL65.9%†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 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)。
  • Muse Wonder:BenchLeader Index 63.5 → 63.0。
  • GPT-6.1 Terra (max):BenchLeader Index 65.2 → 64.7。
  • GPT-6.1 Terra (max):新しい結果1件(MirrorCode)。
  • Muse Wonder:新しい結果1件(Blueprint-Bench 2)。
  • Muse Wonder:BenchLeader Index 64.3 → 63.5。
  • 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 Wonder:よくある質問

GPT-6.1 TerraはMuse Wonderより優れていますか?
GPT-6.1 Terra (max)とMuse Wonderの品質は互角です(64.1 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 Terra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 Terraの方が安く、100万トークンあたり$2.00 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 TerraとMuse Wonderはどちらが速いですか?
GPT-6.1 Terraの方が出力が速くなっています(出力72 対 70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 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 63。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 Terraは1,050,000、Muse Wonderは1,048,576)。
ほかの質問(2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 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。