BenchLeader

GPT-6.1 Terra vs Muse Wonder Full

詳しいプロフィール:GPT-6.1 Terra(OpenAI)とMuse Wonder Full(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 · 10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 Fullの品質は互角です(BenchLeader Indexで64.1 対 61.7、±3.1の誤差範囲内)。両方を測定できるすべてのカテゴリでGPT-6.1 Terraがリードしています。

要点(2026年11月16日時点)

  • BenchLeader IndexはGPT-6.1 Terraが64.1、Muse Wonder Fullが61.7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32件のベンチマークのうち、Muse Wonder Fullが25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 Wonder Fullが1724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
コーディングどちらでもカテゴリスコア69 対 70;Arena WebDev 1678 対 1724どちらでも
エージェント・ツール利用どちらでもカテゴリスコア63 対 64;Arena Agent 12 対 9どちらでも
推論GPT-6.1 Terraカテゴリスコア68 対 66;CritPt v2 hard subset (AA) 68.0% 対 56.5%中
知識どちらでもカテゴリスコア61 対 62;AA-Omniscience v1.1 29.6 対 30.6どちらでも
長い文書どちらでもカテゴリスコア66 対 67;AA-LCR v1.1 82.7% 対 83.7%どちらでも
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 Full (max)の品質は互角です(64.1 対 61.7、±3.1の誤差範囲内)。
  • GPT-6.1 Terra (max)は推論で優れています。
  • Muse Wonder Full (max)はエージェント・ツール、コーディング、知識、長文コンテキストで優れています。

概要

仕様GPT-6.1 TerraMuse Wonder Full
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)1,050,0001,000,000
比較した構成GPT-6.1 Terra (max)Muse Wonder Full (max)
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 Wonder Full (max)トップ
推論68.465.8GPT-6.1 Terra
コーディング69.369.9互角
エージェント・ツール63.463.6互角
数学71.7–比較不可
知識61.462.3互角
マルチモーダル67.2–比較不可
長文コンテキスト66.066.6互角
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・ツール知識長文コンテキスト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, 知識: 61.4GPT-6.1 Terra, 長文コンテキスト: 66.0Muse Wonder Full, 推論: 65.8Muse Wonder Full, コーディング: 69.9Muse Wonder Full, エージェント・ツール: 63.6Muse Wonder Full, 知識: 62.3Muse Wonder Full, 長文コンテキスト: 66.6

描画していないもの(測定済みのモデルが2つ未満):数学, 指示追従, 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32件のベンチマークのうち、GPT-6.1 Terraのリードが7件、Muse Wonder Fullのリードが25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 FullはVals Indexでリードしています。

総合IndexGPT-6.1 Terra (max)Muse Wonder Full (max)トップ
BenchLeader Index64.161.7互角
AA Intelligence Index v5.0.151.350.1GPT-6.1 Terra
Vals Index60.566.8Muse Wonder Full

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 Full (max)
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)60k88k
うち推論39k55k
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 Wonder Full (max)のスコアは61.7。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

109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 Full (max)
BenchLeader IndexBenchLeader64.161.7
エージェント・ツールスコアBenchLeader63.463.6
コーディングスコアBenchLeader69.369.9
総合スコアBenchLeader65.0–
知識スコアBenchLeader61.462.3
長文コンテキストスコアBenchLeader66.066.6
数学スコアBenchLeader71.7–
マルチモーダルスコアBenchLeader67.2–
推論スコアBenchLeader68.465.8
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1,000,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub94.3%–
SimpleBenchSimpleBench72.2%†–
LiveBench 2.0 ReasoningLiveBench88.7%–
Humanity's Last Exam (AA)Artificial Analysis46.3%53.6%
HLE-Diamond (AA)Artificial Analysis47.3%48.5%
CritPtArtificial Analysis28.0%32.9%
CritPt v2 hard subset (AA)Artificial Analysis68.0%56.5%
MysteryMechanismVals AI–35.1%
HLE-Diamond (Scale)Scale AI SEAL35.7%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub74.0%–
コーディング
SciCodeSciCode55.1%–
Arena WebDevArena (LMArena)16781724
LiveBench 2.0 CodingLiveBench89.2%–
SciCode (AA)Artificial Analysis55.1%62.6%
IOIVals AI–79.8%
Code MigrationVals AI–61.0%
Code Migration v1.1Vals AI–62.8%
ProgramBenchVals AI–0.5%
SWE-bench MultimodalVals AI–47.3%
Vibe Code Bench 1-100Vals AI–34.0%
Vibe Code Bench v1.1Vals AI84.0%86.0%
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%†–
109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 Full (max)
コーディング
MirrorCodeEpoch AI Benchmarking Hub76.7%–
ALE-BenchEpoch AI Benchmarking Hub2608.8–
WeirdML v3WeirdML28.1%†–
Terminal-Bench 4.0 (AA)Artificial Analysis55.6%57.1%
GameBench 2 OverallDuelLab GameBench 281.2†–
GameBench 2 by reasoning settingDuelLab GameBench 285.8†–
Design Arena WebsiteDesign Arena1286†–
FrontierCode 1.1 (AA)Artificial Analysis36.0%44.9%
FrontierCode 2.0 (AA)Artificial Analysis42.3%37.8%
エージェント・ツール
Terminal-BenchTerminal-Bench53.3%–
APEX-AgentsMercor68.3%–
Arena AgentArena (LMArena)129
LiveBench Long AgenticLiveBench56.2%–
LiveBench BrowserLiveBench93.1%–
HiL-BenchScale AI SEAL68.0%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis–67.8%
GDPval-AA v2.1Artificial Analysis14761857
CyberBenchVals AI–73.6%
Finance Agent v2Vals AI–59.1%
Finance Agent v2.1Vals AI56.0%67.6%
Harvey's Legal Agent Benchmark v1.1Vals AI1.7%23.3%
Harvey's Legal Agent Benchmark v1Vals AI–21.7%
Legal Research BenchVals AI26.0%53.4%
Robo-benchVals AI–10.4%
SREBenchVals AI–11.8%
Tax Agent BenchVals AI17.1%43.0%
Terminal-Bench 4.0 (Vals)Vals AI49.5%58.1%
Terminal-Bench ScienceVals AI–37.1%
Arena Agent Task CompletionArena (LMArena)9.711.1
Vending-Bench 2Andon Labs9107.5†–
SpireClimbEpoch AI Benchmarking Hub22.3%–
AutomationBenchArtificial Analysis60.2%71.3%
GDP.pdf (AA)Artificial Analysis28.6%32.6%
Harvey LAB-AA v1.1Harvey–13.1%
AA-Briefcase v1.1Artificial Analysis14011729
GDPxGDPx by SemiAnalysis8.5%9.0%
Design Arena AgenticDesign Arena1192†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis57.6%37.1%
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%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub57.3%–
LiveBench 2.0 Data AnalysisLiveBench82.3%–
LiveBench ResearchLiveBench79.1%–
AA-Omniscience v1.1Artificial Analysis29.630.6
LegalBenchVals AI–87.4%
BioMysteryBenchVals AI–73.3%
Excel Modeling BenchmarkVals AI–71.9%
Excel Modeling Benchmark v1.1Vals AI73.3%75.0%
MedCodeVals AI–49.9%
MedScribeVals AI–89.3%
Public Benefits Bench v1.1Vals AI–73.8%
Access to Justice BenchmarkVals AI–74.7%
Financial Coaching BenchVals AI–75.0%
Immigration BenchVals AI–71.2%
EBR-benchEpoch AI Benchmarking Hub78.1%–
AA-Omniscience v1.1: accuracyArtificial Analysis47.6%41.0%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis65.5%82.4%
FACTS ParametricGoogle70.8%†–
指示追従
MultiChallengeScale AI SEAL74.2%†–
マルチモーダル
LiveBench DesignLiveBench79.7%–
MMMU-ProArtificial Analysis84.7%–
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%83.7%
MLCRArtificial Analysis30.6%22.2%
FACTS GroundingGoogle84.2%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub167.7†–
LiveBench 2.0LiveBench78.8%–
AA Intelligence Index v5.0.1Artificial Analysis51.350.1
AA Intelligence Index v4.3.2Artificial Analysis48.155.8
AA Progress Index v1Artificial Analysis345.2343.2
Vals IndexVals AI60.566.8
Vals Finance IndexVals AI53.3%64.5%
Vals RSI IndexVals AI–24.4%
Vals Science IndexVals AI–48.5%
Vals Router IndexVals AI–66.8%†
Vals Legal IndexVals AI58.8%77.9%
安全性・誠実さ
FORTRESSScale AI SEAL18.2%†–
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…)。
  • 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 Full (max):BenchLeader Index 62.6 → 61.7。
  • 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。
  • 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 Full:よくある質問

GPT-6.1 TerraはMuse Wonder Fullより優れていますか?
GPT-6.1 Terra (max)とMuse Wonder Full (max)の品質は互角です(64.1 対 61.7、±3.1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 Wonder Fullのどちらが向いていますか?
コーディングでは互角です(カテゴリ指標で69 対 70)。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 Wonder Fullが1724です。
エージェントやツール利用にはGPT-6.1 TerraとMuse Wonder Full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63 対 64)。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Arena Agentでは、GPT-6.1 Terraが12、Muse Wonder Fullが9です。
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互角です(66 対 67)。どちらも約1.1Mトークンです(GPT-6.1 Terraは1,050,000、Muse Wonder Fullは1,000,000)。
GPT-6.1 TerraとMuse Wonder Full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32件のベンチマークのうち、GPT-6.1 Terraのリードが7件、Muse Wonder Fullのリードが25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 FullはVals Indexでリードしています。
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。