GPT-6 Astra vs Muse Spark 1.2
詳しいプロフィール:GPT-6 Astra(OpenAI)とMuse Spark 1.2(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 · 14件の情報源のデータ
2026年11月16日時点で、品質ではGPT-6 AstraがMuse Spark 1.2を上回ります(BenchLeader Indexで67.3 対 61.5)。ただし、価格はMuse Spark 1.2の方が10倍安く、100万トークンあたりのブレンド価格で$2.00 対 $20.00です。コーディング(73 対 55)、エージェント・ツール(64 対 55)、知識(72 対 65)を重視するならGPT-6 Astra、人間の評価(69 対 66)を重視するならMuse Spark 1.2が向いています。回答開始までの時間はMuse Spark 1.2の方が短く、11.4秒 対 198.4秒です。Muse Spark 1.2は出力が3倍以上速い点も強みです。
要点(2026年11月16日時点)
- BenchLeader IndexはGPT-6 Astraが67.3、Muse Spark 1.2が61.5です(BenchLeader、2026年11月16日)。
- GPT-6 Astraの100万トークンあたりのブレンド価格は$20.00です(定価、2026年11月16日)。
- Muse Spark 1.2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 1.2はGPT-6 Astraより出力が3倍以上速いです(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59件のベンチマークのうち、GPT-6 Astraが43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 Astraが1764、Muse Spark 1.2が1534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 Astra | カテゴリスコア73 対 55;Arena WebDev 1764 対 1534 | 高 |
| エージェント・ツール利用 | GPT-6 Astra | カテゴリスコア64 対 55;τ³-Banking (AA) 41.4% 対 34.9% | 高 |
| 数学 | GPT-6 Astra | カテゴリスコア71 対 67;Arena Maths 1481 対 1486 | 中 |
| 推論 | GPT-6 Astra | カテゴリスコア72 対 68;Arena Hard Prompts 1500 対 1514 | 中 |
| 知識 | GPT-6 Astra | カテゴリスコア72 対 65;SimpleQA Verified 75.6% 対 60.3% | 高 |
| 長い文書 | どちらでも | カテゴリスコア65 対 64;AA-LCR v1.1 80.7% 対 79.0% | どちらでも |
| 画像などのメディア | どちらでも | カテゴリスコア66 対 65;Arena Vision 1279 対 1305 | どちらでも |
| チャットの質(人間の評価) | Muse Spark 1.2 | Arenaの投票で69 対 66 | 中 |
| 最低コスト | Muse Spark 1.2 | 100万トークンあたりブレンド価格$2.00 対 $20.00;エージェント型コーディングセッション$0.092 対 $0.800 | – |
| 回答開始の速さ | Muse Spark 1.2 | 最初の回答トークンまで11.4秒(Muse Spark 1.2 (xhigh))対 198.4秒(GPT-6 Astra (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
- 品質ではGPT-6 Astra (max)がリードしています:67.3 対 61.5。
- GPT-6 Astra (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、数学、マルチモーダル、推論で優れています。
- Muse Spark 1.2 (xhigh)は人間の評価で優れています。
- Muse Spark 1.2 (xhigh)の方が10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 $20.00)。
- Muse Spark 1.2 (xhigh)の方が出力が5.0倍速くなっています(208 対 41トークン/秒)。
概要
| 仕様 | GPT-6 Astra | Muse Spark 1.2 |
|---|---|---|
| プロバイダー | OpenAI | Meta |
| リリース日 | 2026年9月2日 | 2026年8月5日 |
| コンテキストウィンドウ(トークン) | 1,050,000 | 1,048,576 |
| 比較した構成 | GPT-6 Astra (max) | Muse Spark 1.2 (xhigh) |
| 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) | $10.00 / $50.00 / $1.00 | $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 Astra (max) | Muse Spark 1.2 (xhigh) | トップ |
|---|---|---|---|
| 推論 | 72.4 | 68.1 | GPT-6 Astra |
| コーディング | 73.2 | 54.7 | GPT-6 Astra |
| エージェント・ツール | 63.9 | 55.4 | GPT-6 Astra |
| 数学 | 70.8 | 66.8 | GPT-6 Astra |
| 知識 | 72.3 | 64.5 | GPT-6 Astra |
| 人間の評価 | 66.2 | 68.6 | Muse Spark 1.2 |
| マルチモーダル | 65.6 | 65.3 | 互角 |
| 長文コンテキスト | 65.0 | 64.1 | 互角 |
| 総合 | 71.3 | – | 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。
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。
情報源で評価が分かれる点
両方に結果がある59件のベンチマークのうち、GPT-6 Astraのリードが43件、Muse Spark 1.2のリードが16件です。第三者の総合指標でも評価が分かれ、GPT-6 AstraはBenchLeader Indexで、Muse Spark 1.2はArena Textでリードしています。
| 総合Index | GPT-6 Astra (max) | Muse Spark 1.2 (xhigh) | トップ |
|---|---|---|---|
| BenchLeader Index | 67.3 | 61.5 | GPT-6 Astra |
| Arena Text | 1474 | 1493 | Muse Spark 1.2 |
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 Astra (max) | Muse Spark 1.2 (xhigh) |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $20.00 | $2.00 |
| 100万トークンあたりの入力/出力 | $10.00 / $50.00 | $1.25 / $4.25 |
| 100万トークンあたりのキャッシュ入力 | $1.00 | $0.150 |
| タスクあたりの価格:チャットの返答 | $0.019 | $0.0018 |
| タスクあたりの価格:30ページのレポートを要約 | $0.150 | $0.018 |
| タスクあたりの価格:コード編集 | $0.135 | $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 | $0.800 | $0.092 |
| タスクあたりの価格:構造化データの抽出 | $0.030 | $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) | $0.395 | $0.043 |
| ベンチマークのタスクあたりのコスト(AA Index) | $6.24 | – |
| タスクあたりの出力トークン(AA Index) | 52k | – |
| うち推論 | 36k | – |
| タスクあたりの時間(AA Index) | 21 min | – |
| 出力速度 | 41 tok/s | 208 tok/s |
| 回答開始までの時間 | 198.4秒 | 11.4秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 533.7秒 | 23.9秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。GPT-6 Astra (max)のスコアは67.3、最初の回答トークンまで198秒。GPT-6 Astraは66.4(5秒)、GPT-6 Astra (high)は66.3(49秒)。Muse Spark 1.2 (xhigh)のスコアは61.5、最初の回答トークンまで11秒。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
182件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | GPT-6 Astra (max) | Muse Spark 1.2 (xhigh) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 67.3 | 61.5 |
| エージェント・ツールスコア | BenchLeader | 63.9 | 55.4 |
| コーディングスコア | BenchLeader | 73.2 | 54.7 |
| 総合スコア | BenchLeader | 71.3 | – |
| 人間の評価スコア | BenchLeader | 66.2 | 68.6 |
| 知識スコア | BenchLeader | 72.3 | 64.5 |
| 長文コンテキストスコア | BenchLeader | 65.0 | 64.1 |
| 数学スコア | BenchLeader | 70.8 | 66.8 |
| マルチモーダルスコア | BenchLeader | 65.6 | 65.3 |
| 推論スコア | BenchLeader | 72.4 | 68.1 |
| ブレンド価格($/100万トークン) | BenchLeader | $20.00 | $2.00 |
| 出力速度 | BenchLeader | 41 tok/s | 208 tok/s |
| 回答開始までの時間 | BenchLeader | 198.4秒 | 11.4秒 |
| コンテキストウィンドウ | BenchLeader | 1,050,000トークン | 1,048,576トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 95.8% | – |
| Humanity's Last Exam | Scale AI / CAIS | 54.8%† | – |
| SimpleBench | SimpleBench | 83.6%† | 74.5%† |
| Arena Hard Prompts | Arena (LMArena) | 1500 | 1514 |
| LiveBench 2.0 Reasoning | LiveBench | 92.7% | – |
| LiveBench 1.0 Reasoning | LiveBench | 92.7% | 90.0% |
| GPQA Diamond (AA) | Artificial Analysis | 96.1% | 90.4% |
| Humanity's Last Exam (AA) | Artificial Analysis | 54.7% | 45.5% |
| HLE-Diamond (AA) | Artificial Analysis | 63.8% | – |
| ARC-AGI-1 | ARC Prize | 97.5% | – |
| ARC-AGI-2 | ARC Prize | 95.0% | – |
| ARC-AGI-3 | ARC Prize | 98.6% | – |
| CritPt | Artificial Analysis | 31.7% | 17.7% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 70.5% | – |
| MysteryMechanism | Vals AI | 53.1% | – |
| HLE-Diamond (Scale) | Scale AI SEAL | 60.6%† | – |
| Arena Expert | Arena (LMArena) | 1517 | 1503 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 74.0% | 27.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 84.0% | – |
| LMCA | Epoch AI Benchmarking Hub | 64.1%† | 48.4% |
| DTBench | Epoch AI Benchmarking Hub | 97.1%† | 94.7% |
| ForecastBench | ForecastBench | 66.6%† | – |
| BTF-3 | Epoch AI Benchmarking Hub | 13.5%† | – |
| コーディング | |||
| SciCode | SciCode | 56.5% | 57.4% |
| WeirdML | WeirdML | 93.3% | 60.3% |
182件のベンチマークをすべて表示
| 指標 | 公開元 | GPT-6 Astra (max) | Muse Spark 1.2 (xhigh) |
|---|---|---|---|
| コーディング | |||
| FrontierCode | Cognition | 53.3% | – |
| GSO-Bench | GSO-Bench | 79.4%† | – |
| Arena Coding | Arena (LMArena) | 1548 | 1542 |
| Arena WebDev | Arena (LMArena) | 1764 | 1534 |
| LiveBench 2.0 Coding | LiveBench | 87.5% | – |
| LiveBench 1.0 Coding | LiveBench | 80.4% | 77.5% |
| IOI | Vals AI | 100.0% | 21.8% |
| SWE-bench (Vals) | Vals AI | – | 86.6% |
| Code Migration | Vals AI | 67.7% | 29.9% |
| Code Migration v1.1 | Vals AI | 80.6% | – |
| ProgramBench | Vals AI | 5.5% | 0.5% |
| SWE-bench Multimodal | Vals AI | 43.3% | – |
| Vibe Code Bench 1-100 | Vals AI | 27.6% | – |
| Vibe Code Bench v1.1 | Vals AI | 89.6% | 79.1% |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | 59.1%† | – |
| SWE Atlas v1.0: Refactoring | Scale AI SEAL | 59.0%† | – |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | 50.7%† | – |
| SWE Atlas v1.1 | Scale AI SEAL | 69.4%† | – |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | 70.2%† | – |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | 66.7%† | – |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | 71.4%† | – |
| SWE-Bench Pro V2 | Scale AI SEAL | 96.9%† | – |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | 90.2%† | – |
| MirrorCode | Epoch AI Benchmarking Hub | 60.0% | – |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | 73.2% | 54.9% |
| ALE-Bench | Epoch AI Benchmarking Hub | 2951.3 | – |
| FrontierSWE | Epoch AI Benchmarking Hub | 65.5% | 12.0% |
| WeirdML v3 | WeirdML | 42.2%† | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 59.1% | 7.1% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 88.4% | 80.2% |
| Startrise Frontend | Startrise | 79.9%† | 70.3%† |
| GameBench 2 Overall | DuelLab GameBench 2 | 88.8† | 51.5† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 94.3† | 56.9 |
| Design Arena Website | Design Arena | 1338 | 1309† |
| FrontierCode 1.1 (AA) | Artificial Analysis | 47.0% | – |
| FrontierCode 2.0 (AA) | Artificial Analysis | 42.4% | – |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 60.3% | – |
| Remote Labor Index | Scale AI / CAIS | 20.8%† | – |
| APEX-Agents | Mercor | 64.7%† | 45.4%† |
| Arena Agent | Arena (LMArena) | 14.5 | -8.2 |
| LiveBench Long Agentic | LiveBench | 75.6% | – |
| LiveBench Browser | LiveBench | 91.3% | – |
| LiveBench Agentic Coding | LiveBench | 57.3% | 57.6% |
| Terminal-Bench 2.1 (Vals) | Vals AI | 87.3% | 69.7% |
| HiL-Bench | Scale AI SEAL | 65.3%† | – |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 53.7% | – |
| GDPval-AA v2.1 | Artificial Analysis | 1587 | 1478 |
| τ³-Banking (AA) | Artificial Analysis | 41.4% | 34.9% |
| ITBench SRE (AA) | Artificial Analysis | 48.6% | – |
| Analyst Agent (AA) | Artificial Analysis | 51.3% | – |
| CUA-bench | Vals AI | 19.2% | – |
| CyberBench | Vals AI | 41.1% | 69.5% |
| Finance Agent v2 | Vals AI | 53.5% | 60.6% |
| Finance Agent v2.1 | Vals AI | 60.4% | – |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | 7.1% | – |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 5.4% | 25.4% |
| Legal Research Bench | Vals AI | 39.4% | 43.8% |
| Robo-bench | Vals AI | 23.3% | – |
| SkillsBench | Vals AI | – | 53.0% |
| SREBench | Vals AI | 56.9% | 0.0% |
| Tax Agent Bench | Vals AI | 20.7% | 32.8% |
| Terminal-Bench 4.0 (Vals) | Vals AI | 59.6% | 6.1% |
| Terminal-Bench Science | Vals AI | 62.9% | – |
| Time Horizon Index: KSP | Vals AI | 90.5% | – |
| Arena Search | Arena (LMArena) | 1245 | – |
| Arena Agent Task Completion | Arena (LMArena) | 14 | -9.8 |
| BALROG | BALROG | 68.3% | – |
| PostTrainBench | Epoch AI Benchmarking Hub | 41.9% | – |
| Vending-Bench 2 | Andon Labs | 15514.7† | – |
| SpireClimb | Epoch AI Benchmarking Hub | 34.0% | – |
| AutomationBench | Artificial Analysis | 68.5% | 40.6% |
| GDP.pdf (AA) | Artificial Analysis | 31.0% | 17.4% |
| Harvey LAB-AA v1.1 | Harvey | 8.6% | – |
| EnterpriseOps-Gym | Artificial Analysis | – | 47.3% |
| AA-Briefcase v1.1 | Artificial Analysis | 1569 | 1323 |
| GDPx | GDPx by SemiAnalysis | 9.6% | – |
| Design Arena Agentic | Design Arena | 1405 | 1185† |
| RoboDojo (LLM as robot policy) | RoboDojo | 29.0† | – |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 63.3% | – |
| CWE-Bench (AA) | Artificial Analysis | 63.3% | – |
| DeepSec-Bench (AA) | Artificial Analysis | 36.9% | – |
| CyberGym end-to-end (AA) | Artificial Analysis | 0.0% | – |
| MKA (AA) | Artificial Analysis | 50.2% | – |
| FACTS Search | 93.3%† | – | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 93.7% | – |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 97.6% | – |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 100.0% | – |
| ProofBench | Vals AI | 99.0%† | 43.0%† |
| LiveBench Mathematics | LiveBench | 96.8% | 91.2% |
| Arena Maths | Arena (LMArena) | 1481 | 1486 |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | 2.9% | – |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 75.6% | 60.3% |
| LiveBench 2.0 Data Analysis | LiveBench | 83.0% | – |
| LiveBench Research | LiveBench | 90.6% | – |
| LiveBench 1.0 Data Analysis | LiveBench | 83.0% | 76.5% |
| AA-Omniscience v1.1 | Artificial Analysis | 42.4 | – |
| MMLU-Pro | Vals AI | – | 88.3% |
| LegalBench | Vals AI | – | 85.3% |
| CorpFin | Vals AI | – | 70.9% |
| TaxEval | Vals AI | – | 80.4% |
| PRBench Finance | Scale AI SEAL | 47.5%† | – |
| PRBench Legal | Scale AI SEAL | 48.4%† | – |
| BioMysteryBench | Vals AI | 79.3% | 64.8% |
| Excel Modeling Benchmark | Vals AI | 71.7% | 57.0% |
| Excel Modeling Benchmark v1.1 | Vals AI | 72.7% | – |
| MedCode | Vals AI | 48.5% | 49.4% |
| MedScribe | Vals AI | 87.9% | 90.1% |
| Public Benefits Bench v1.1 | Vals AI | – | 68.5% |
| Financial Coaching Bench | Vals AI | 67.5% | 75.7% |
| Immigration Bench | Vals AI | 67.7% | 66.5% |
| DrugDiscoveryBench | Scale AI SEAL | 68.7% | – |
| EBR-bench | Epoch AI Benchmarking Hub | 76.2% | – |
| GDP.pdf | Epoch AI Benchmarking Hub | 34.2% | 16.0% |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 61.6% | – |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 50.2% | – |
| HealthBench Professional (AA) | OpenAI | 66.0% | – |
| FACTS Parametric | 83.8%† | – | |
| 指示追従 | |||
| LiveBench Language | LiveBench | 89.4% | 78.6% |
| LiveBench Instruction Following | LiveBench | 75.6% | 74.3% |
| Arena Instruction Following | Arena (LMArena) | 1474 | 1479 |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1474 | 1493 |
| EQ-Bench Creative Writing v3 | EQ-Bench | 2177† | 1842† |
| Arena Creative Writing | Arena (LMArena) | 1451 | 1443 |
| Arena Multi-turn | Arena (LMArena) | 1483 | 1510 |
| Arena Longer Queries | Arena (LMArena) | 1485 | 1491 |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1279 | 1305 |
| LiveBench Design | LiveBench | 80.0% | – |
| MMMU-Pro | Artificial Analysis | 86.9% | – |
| MMMU-Pro (Vals) | Vals AI | – | 86.1% |
| MortgageTax | Vals AI | – | 65.4% |
| Humanity's Sixth Sense | Scale AI SEAL | 53.6% | 24.5% |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 49.7%† | – |
| Furniture Assembly | Epoch AI Benchmarking Hub | 80.0% | – |
| VIALS-AA | Handshake AI | 62.7% | – |
| Code2Video-AA | Artificial Analysis | 1427 | – |
| AA-3D | Artificial Analysis | 1168 | – |
| FACTS Multimodal | 55.2%† | – | |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 80.7% | 79.0% |
| Arena Document | Arena (LMArena) | 1474 | – |
| MLCR | Artificial Analysis | 41.7% | 7.2% |
| FACTS Grounding | 80.1%† | – | |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 169† | 155.0† |
| LiveBench 2.0 | LiveBench | 84.5% | – |
| LiveBench 1.0 | LiveBench | 82.2% | 78.0% |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 56.9 | – |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 52.7 | 39.6 |
| AA Progress Index v1 | Artificial Analysis | 349.6 | 309.1 |
| Vals Index | Vals AI | 65.0 | – |
| Vals Finance Index | Vals AI | 55.6% | – |
| Vals RSI Index | Vals AI | 27.1% | – |
| Vals Science Index | Vals AI | 65.1% | – |
| Vals Multimodal Index | Vals AI | – | 69.8%† |
| Vals Router Index | Vals AI | 65.0%† | – |
| Vals Legal Index | Vals AI | 68.4% | – |
| AA Cyber Index | Artificial Analysis | 33.4 | – |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | 12.1%† | – |
| DistressBench | Scale AI SEAL | 74.3%† | 88.4%† |
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 Astra (max):新しい結果8件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
- GPT-6 Astra (max):スコアの改訂1件。
- Muse Spark 1.2 (xhigh):新しい結果1件(GDPval-AA v2.1)。
- GPT-6 Astra (max):新しい結果1件(PostTrainBench)、スコアの改訂2件。
- GPT-6 Astra (max):新しい結果1件(MirrorCode)、スコアの改訂1件。
- GPT-6 Astra (max):BenchLeader Index 68.1 → 67.4。
- GPT-6 Astra (max):スコアの改訂2件。
- GPT-6 Astra (max):スコアの改訂1件。
- GPT-6 Astra (max):スコアの改訂1件。
- Muse Spark 1.2 (xhigh):スコアの改訂1件。
関連する比較
- GPT-6 Astra vs Claude Fable 5.2
- GPT-6 Astra vs Gemini 4 Carbon
- GPT-6 Astra vs Claude Opus 5.5
- Muse Spark 1.2 vs Claude Fable 5.2
- Muse Spark 1.2 vs Gemini 4 Carbon
- Muse Spark 1.2 vs Claude Opus 5.5
- GPT-5.6 Sol vs Muse Spark 1.2
- GPT-6 Astra vs Muse Spark 1.1
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 Astra vs Muse Spark 1.2:よくある質問
- GPT-6 AstraはMuse Spark 1.2より優れていますか?
- 品質ではGPT-6 Astra (max)がリードしています:67.3 対 61.5。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日時点では総合でGPT-6 Astra (max)が上回っていますが、用途に合わせてカテゴリ別のスコアも確認してください。
- GPT-6 AstraとMuse Spark 1.2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Muse Spark 1.2の方が安く、100万トークンあたり$2.00 対 $20.00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。
- コーディングにはGPT-6 AstraとMuse Spark 1.2のどちらが向いていますか?
- コーディングではGPT-6 Astraの方がスコアが高くなっています(カテゴリ指標で73 対 55。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 Astraが1764、Muse Spark 1.2が1534です。
- GPT-6 AstraとMuse Spark 1.2はどちらが速いですか?
- Muse Spark 1.2の方が出力が3倍以上速くなっています(出力208 対 41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 AstraとMuse Spark 1.2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 Astraの方がスコアが高くなっています(カテゴリ指標で64 対 55。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τ³-Banking (AA)では、GPT-6 Astraが41.4%、Muse Spark 1.2が34.9%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?
- 長文コンテキストのベンチマークでは互角です(65 対 64)。どちらも約1.1Mトークンです(GPT-6 Astraは1,050,000、Muse Spark 1.2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 1.2です。Artificial Analysisの測定では、最初の回答トークンまで11.4秒 対 198.4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 AstraとMuse Spark 1.2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59件のベンチマークのうち、GPT-6 Astraのリードが43件、Muse Spark 1.2のリードが16件です。第三者の総合指標でも評価が分かれ、GPT-6 AstraはBenchLeader Indexで、Muse Spark 1.2はArena Textでリードしています。
- GPT-6 Astraはいつリリースされましたか?
- GPT-6 Astraは2026年9月2日にリリースされました。