BenchLeader

GPT-6.2 Sol vs Muse Spark

詳しいプロフィール:GPT-6.2 Sol(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 · 10件の情報源のデータ

2026年11月19日時点で、GPT-6.2 SolとMuse Sparkの品質は互角です(BenchLeader Indexで64.6 対 64.1、±4.6の誤差範囲内)。両方を測定できるすべてのカテゴリでGPT-6.2 Solがリードしています。

要点(2026年11月19日時点)

  • BenchLeader IndexはGPT-6.2 Solが64.6、Muse Sparkが64.1です(BenchLeader、2026年11月19日)。
  • GPT-6.2 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19日)。
  • 両モデルに結果がある2件のベンチマークのうち、GPT-6.2 Solが2件でリードしています(BenchLeader、2026年11月19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-6.2 Solカテゴリスコア75 対 65;Vibe Code Bench v1.1 87.6% 対 19.7%高
エージェント・ツール利用どちらでもカテゴリスコア65 対 65;AA-Briefcase v1.1 1612 対 646どちらでも
推論GPT-6.2 Solカテゴリスコア70 対 67中
知識GPT-6.2 Solカテゴリスコア65 対 63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-6.2 Sol (max)とMuse Sparkの品質は互角です(64.6 対 64.1、±4.6の誤差範囲内)。
  • GPT-6.2 Sol (max)はエージェント・ツール、コーディング、知識、推論で優れています。

概要

仕様GPT-6.2 SolMuse Spark
プロバイダーOpenAIMeta
リリース日2026年11月17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-6.2 Sol (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)$2.00 / $10.00 / $0.100–

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-6.2 Sol (max)Muse Sparkトップ
推論70.167.4GPT-6.2 Sol
コーディング74.565.1GPT-6.2 Sol
エージェント・ツール65.165.0互角
数学–59.1比較不可
知識65.462.8GPT-6.2 Sol
指示追従–76.2比較不可
人間の評価–68.1比較不可
マルチモーダル–64.0比較不可
長文コンテキスト–63.6比較不可
総合64.5–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GPT-6.2 Sol, 推論: 70.1GPT-6.2 Sol, コーディング: 74.5GPT-6.2 Sol, エージェント・ツール: 65.1GPT-6.2 Sol, 知識: 65.4Muse 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, 知識: 62.8

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, 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2件のベンチマークのうち、GPT-6.2 Solのリードが2件、Muse Sparkのリードが0件です。

総合IndexGPT-6.2 Sol (max)Muse Sparkトップ
BenchLeader Index64.664.1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-6.2 Sol (max)Muse Spark
100万トークンあたりのブレンド価格$4.00–
100万トークンあたりの入力/出力$2.00 / $10.00– / –
100万トークンあたりのキャッシュ入力$0.100–
タスクあたりの価格:チャットの返答$0.0038–
タスクあたりの価格:30ページのレポートを要約$0.030–
タスクあたりの価格:コード編集$0.027–
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–
タスクあたりの価格:構造化データの抽出$0.0060–
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–
ベンチマークのタスクあたりのコスト(AA Index)$1.01–
タスクあたりの出力トークン(AA Index)40k–
うち推論23k–
タスクあたりの時間(AA Index)9 min–
出力速度74 tok/s–
回答開始までの時間78.8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-6.2 Sol (max)のスコアは64.6、最初の回答トークンまで79秒。GPT-6.2 Sol (xhigh)は63.3(32秒)、GPT-6.2 Sol (high)は62.3(12秒)。Muse Sparkのスコアは64.1。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

113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-6.2 Sol (max)Muse Spark
BenchLeader IndexBenchLeader64.664.1
エージェント・ツールスコアBenchLeader65.165.0
コーディングスコアBenchLeader74.565.1
総合スコアBenchLeader64.5–
知識スコアBenchLeader65.462.8
推論スコアBenchLeader70.167.4
人間の評価スコアBenchLeader–68.1
指示追従スコアBenchLeader–76.2
長文コンテキストスコアBenchLeader–63.6
数学スコアBenchLeader–59.1
マルチモーダルスコアBenchLeader–64.0
ブレンド価格($/100万トークン)BenchLeader$4.00–
出力速度BenchLeader74 tok/s–
回答開始までの時間BenchLeader78.8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 Hub–89.8%
Humanity's Last ExamScale AI / CAIS–40.6%
Arena Hard PromptsArena (LMArena)–1506
LiveBench 2.0 ReasoningLiveBench90.6%–
GPQA Diamond (AA)Artificial Analysis–88.4%
Humanity's Last Exam (AA)Artificial Analysis–40.7%
HLE-Diamond (AA)Artificial Analysis64.0%–
GPQA Diamond (Vals)Vals AI–89.7%
Kagi LLM BenchmarkKagi LLM Benchmark67.0%†–
ARC-AGI-1ARC Prize97.5%–
ARC-AGI-2ARC Prize85.8%–
ARC-AGI-3ARC Prize98.2%–
CritPtArtificial Analysis–11.3%
CritPt v2 hard subset (AA)Artificial Analysis62.5%–
MysteryMechanismVals AI36.9%–
HLE-Diamond (Scale)Scale AI SEAL56.5%†–
Arena ExpertArena (LMArena)–1490
コーディング
SciCodeSciCode–51.5%
Arena CodingArena (LMArena)–1529
Arena WebDevArena (LMArena)1757–
LiveBench 2.0 CodingLiveBench83.7%–
SWE-bench (Vals)Vals AI–74.4%
SWE-Bench ProScale AI SEAL–55.0%
Vibe Code Bench v1.1Vals AI87.6%19.7%
Vibe Code Bench 1-100 v1.1Vals AI40.9%–
113件のベンチマークをすべて表示
指標公開元GPT-6.2 Sol (max)Muse Spark
コーディング
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%
SWE Atlas v1.1Scale AI SEAL60.5%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL61.3%†–
SWE Atlas v1.1: Test WritingScale AI SEAL64.4%†–
SWE Atlas v1.1: RefactoringScale AI SEAL55.7%†–
Terminal-Bench 4.0 (AA)Artificial Analysis60.1%–
Terminal-Bench 2.1 (AA)Artificial Analysis–62.2%
FrontierCode 2.0 (AA)Artificial Analysis44.4%–
エージェント・ツール
Terminal-BenchTerminal-Bench61.5%–
Arena AgentArena (LMArena)11.3–
LiveBench Long AgenticLiveBench63.6%–
LiveBench BrowserLiveBench88.2%–
Terminal-Bench HardArtificial Analysis–45.5%
τ²-Bench Telecom (AA)Artificial Analysis–91.5%
MCP AtlasScale AI SEAL–82.2%
GDPval-AA v2.1Artificial Analysis–1006
Analyst Agent (AA)Artificial Analysis53.8%–
Finance Agent v2.1Vals AI58.9%–
Harvey's Legal Agent Benchmark v1.1Vals AI12.1%–
Legal Research BenchVals AI37.0%–
Tax Agent BenchVals AI24.8%–
Terminal-Bench 2.0 (Vals)Vals AI–59.5%
Terminal-Bench 4.0 (Vals)Vals AI60.6%–
Terminal-Bench ScienceVals AI58.6%–
Arena Agent Task CompletionArena (LMArena)10.9–
AutomationBenchArtificial Analysis71.3%–
GDP.pdf (AA)Artificial Analysis30.0%–
Harvey LAB-AA v1.1Harvey11.1%–
EnterpriseOps-GymArtificial Analysis28.9%–
AA-Briefcase v1.1Artificial Analysis1612646
Terminal-Bench-Science 0.1 (AA)Artificial Analysis67.6%–
CWE-Bench (AA)Artificial Analysis61.7%–
DeepSec-Bench (AA)Artificial Analysis51.6%–
CyberGym end-to-end (AA)Artificial Analysis0.0%–
数学
OTIS Mock AIMEEpoch AI Benchmarking Hub–88.9%
ProofBenchVals AI–17.0%
AIME (Vals)Vals AI–96.9%
Autoform-HardVals AI85.7%–
Arena MathsArena (LMArena)–1468
知識
LiveBench 2.0 Data AnalysisLiveBench81.1%–
LiveBench ResearchLiveBench90.1%–
AA-Omniscience v1.1Artificial Analysis40.4–
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 SEAL43.3%†52.3%
MultiNRCScale AI SEAL–59.0%
BioMysteryBenchVals AI77.8%–
CaseLaw v2Vals AI–63.1%
Excel Modeling Benchmark v1.1Vals AI74.3%–
MedCodeVals AI–51.3%
MedScribeVals AI–85.9%
DrugDiscoveryBenchScale AI SEAL62.2%†–
AA-Omniscience v1.1: accuracyArtificial Analysis61.6%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis44.6%–
指示追従
IFBenchArtificial Analysis–75.9%
MultiChallengeScale AI SEAL72.0%†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)–1465
Arena Multi-turnArena (LMArena)–1493
Arena Longer QueriesArena (LMArena)–1476
マルチモーダル
Arena VisionArena (LMArena)–1306
LiveBench DesignLiveBench80.0%–
MMMU-ProArtificial Analysis–80.5%
MMMU-Pro (Vals)Vals AI–87.4%
Humanity's Sixth SenseScale AI SEAL56.8%†–
VIALS-AAHandshake AI62.7%–
AA-3DArtificial Analysis1259–
長文コンテキスト
AA-LCR v1.1Artificial Analysis–78.0%
Arena DocumentArena (LMArena)–1467
MLCRArtificial Analysis37.2%–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–153.2
LiveBench 2.0LiveBench80.3%–
AA Intelligence Index v5.0.1Artificial Analysis57.3–
AA Intelligence Index v4.3.2Artificial Analysis–31.3
AA Progress Index v1Artificial Analysis–289.1
Vals IndexVals AI66.1–
Vals Finance IndexVals AI56.7%–
Vals Science IndexVals AI57.8%–
Vals Legal IndexVals AI66.7%–
AA Cyber IndexArtificial Analysis37.8–
安全性・誠実さ
FORTRESSScale AI SEAL–20.2%

データは2026年11月19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。

最近の変化

  • GPT-6.2 Sol (max):BenchLeader Index 63.2 → 64.6。
  • GPT-6.2 Sol (max):新しい結果4件(VIALS-AA, Arena WebDev, Arena Agent…)。
  • GPT-6.2 Sol (max):BenchLeader Index 62.4 → 63.2。
  • GPT-6.2 Sol (max):新しい結果2件(Vibe Code Bench 1-100 v1.1, Terminal-Bench)。
  • Muse Spark:新しい結果2件(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Muse Spark:BenchLeader Index 64.6 → 64.1。
  • Muse Spark:スコアの改訂1件。
  • Muse Spark:新しい結果1件(AA Progress Index v1)。

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-6.2 Sol vs Muse Spark:よくある質問

GPT-6.2 SolはMuse Sparkより優れていますか?
GPT-6.2 Sol (max)とMuse Sparkの品質は互角です(64.6 対 64.1、±4.6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19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-6.2 SolとMuse Sparkのどちらが向いていますか?
コーディングではGPT-6.2 Solの方がスコアが高くなっています(カテゴリ指標で75 対 65。50が平均)。
エージェントやツール利用にはGPT-6.2 Sol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互角です(カテゴリ指標で65 対 65)。
長い文書にはどちらが向いていますか?
コンテキストはGPT-6.2 Solの方が長く、1,050,000トークンです(Muse Sparkは262,144トークン)。
GPT-6.2 Sol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2件のベンチマークのうち、GPT-6.2 Solのリードが2件、Muse Sparkのリードが0件です。
ほかの質問(1件)
GPT-6.2 Solはいつリリースされましたか?
GPT-6.2 Solは2026年11月17日にリリースされました。