BenchLeader

GPT-6 Astra vs Muse Spark Open

詳しいプロフィール:GPT-6 Astra(OpenAI)とMuse Spark Open(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 · 15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 Openを上回ります(BenchLeader Indexで67.3 対 53.5)。ただし、価格はMuse Spark Open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。両方を測定できるすべてのカテゴリでGPT-6 Astraがリードしています。Muse Spark Openの方が出力が3倍以上速いです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGPT-6 Astraが67.3、Muse Spark Openが53.5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 Open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 Open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41件のベンチマークのうち、GPT-6 Astraが33件でリードしています(BenchLeader、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
コーディングGPT-6 Astraカテゴリスコア73 対 36;FrontierCode 2.0 (AA) 42.4% 対 7.6%高
推論GPT-6 Astraカテゴリスコア72 対 51;HLE-Diamond (AA) 63.8% 対 26.3%高
知識GPT-6 Astraカテゴリスコア72 対 59;AA-Omniscience v1.1 42.4 対 25.8高
長い文書GPT-6 Astraカテゴリスコア65 対 64;AA-LCR v1.1 80.7% 対 78.3%中
画像などのメディアGPT-6 Astraカテゴリスコア66 対 63;MMMU-Pro 86.9% 対 80.9%中
チャットの質(人間の評価)–Arenaの評価があるのはGPT-6 Astraのみです(カテゴリスコア66)比較不可
最低コストMuse Spark Open100万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 Open最初の回答トークンまで9.9秒(Muse Spark Open (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 53.5。
  • GPT-6 Astra (max)はコーディング、知識、長文コンテキスト、マルチモーダル、推論で優れています。
  • Muse Spark Open (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 Open (xhigh)の方が出力が4.4倍速くなっています(180 対 41トークン/秒)。

概要

仕様GPT-6 AstraMuse Spark Open
プロバイダーOpenAIMeta
リリース日2026年9月2日2026年10月15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 Astra (max)Muse Spark Open (xhigh)
オープンウェイトなしあり
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 Open (xhigh)トップ
推論72.451.3GPT-6 Astra
コーディング73.236.0GPT-6 Astra
エージェント・ツール63.9–比較不可
数学70.8–比較不可
知識72.358.8GPT-6 Astra
人間の評価66.2–比較不可
マルチモーダル65.663.3GPT-6 Astra
長文コンテキスト65.063.8GPT-6 Astra
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。

2550 avg75推論コーディング知識長文コンテキストマルチモーダルGPT-6 Astra, 推論: 72.4GPT-6 Astra, コーディング: 73.2GPT-6 Astra, 知識: 72.3GPT-6 Astra, 長文コンテキスト: 65.0GPT-6 Astra, マルチモーダル: 65.6Muse Spark Open, 推論: 51.3Muse Spark Open, コーディング: 36.0Muse Spark Open, 知識: 58.8Muse Spark Open, 長文コンテキスト: 63.8Muse Spark Open, マルチモーダル: 63.3

描画していないもの(測定済みのモデルが2つ未満):エージェント・ツール, 数学, 指示追従, 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41件のベンチマークのうち、GPT-6 Astraのリードが33件、Muse Spark Openのリードが8件です。両方を評価しているすべての総合指標で、GPT-6 Astraが上回っています。

総合IndexGPT-6 Astra (max)Muse Spark Open (xhigh)トップ
BenchLeader Index67.353.5GPT-6 Astra
AA Intelligence Index v5.0.156.924.9GPT-6 Astra
Vals Index65.048.6GPT-6 Astra

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 Open (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$2.02
タスクあたりの出力トークン(AA Index)52k66k
うち推論36k32k
タスクあたりの時間(AA Index)21 min6 min
出力速度41 tok/s180 tok/s
回答開始までの時間198.4秒9.9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39.9秒

トークン単価とタスクあたりのコストは別物です。Artificial AnalysisのIntelligence Indexの平均的なタスクにかかったコストは、GPT-6 Astra (max)で$6.24、Muse Spark Open (xhigh)で$2.02でした。同じ作業でMuse Spark Open (xhigh)は1.3倍の出力トークンを書いています。

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 Open (xhigh)のスコアは53.5、最初の回答トークンまで10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

177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 Open (xhigh)
BenchLeader IndexBenchLeader67.353.5
エージェント・ツールスコアBenchLeader63.9–
コーディングスコアBenchLeader73.236.0
総合スコアBenchLeader71.3–
人間の評価スコアBenchLeader66.2–
知識スコアBenchLeader72.358.8
長文コンテキストスコアBenchLeader65.063.8
数学スコアBenchLeader70.8–
マルチモーダルスコアBenchLeader65.663.3
推論スコアBenchLeader72.451.3
ブレンド価格($/100万トークン)BenchLeader$20.00$2.00
出力速度BenchLeader41 tok/s180 tok/s
回答開始までの時間BenchLeader198.4秒9.9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 Hub95.8%–
Humanity's Last ExamScale AI / CAIS54.8%†–
SimpleBenchSimpleBench83.6%†–
Arena Hard PromptsArena (LMArena)1500–
LiveBench 2.0 ReasoningLiveBench92.7%73.7%†
LiveBench 1.0 ReasoningLiveBench92.7%–
GPQA Diamond (AA)Artificial Analysis96.1%89.0%
Humanity's Last Exam (AA)Artificial Analysis54.7%43.9%
HLE-Diamond (AA)Artificial Analysis63.8%26.3%
ARC-AGI-1ARC Prize97.5%89.0%
ARC-AGI-2ARC Prize95.0%57.5%
ARC-AGI-3ARC Prize98.6%0.4%
CritPtArtificial Analysis31.7%14.9%
CritPt v2 hard subset (AA)Artificial Analysis70.5%29.5%
MysteryMechanismVals AI53.1%–
HLE-Diamond (Scale)Scale AI SEAL60.6%†28.0%†
Arena ExpertArena (LMArena)1517–
Chess PuzzlesEpoch AI Benchmarking Hub74.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub84.0%–
LMCAEpoch AI Benchmarking Hub64.1%†–
DTBenchEpoch AI Benchmarking Hub97.1%†–
ForecastBenchForecastBench66.6%†–
BTF-3Epoch AI Benchmarking Hub13.5%†–
コーディング
SciCodeSciCode56.5%–
WeirdMLWeirdML93.3%–
177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 Open (xhigh)
コーディング
FrontierCodeCognition53.3%–
GSO-BenchGSO-Bench79.4%†–
Arena CodingArena (LMArena)1548–
Arena WebDevArena (LMArena)17641526†
LiveBench 2.0 CodingLiveBench87.5%55.1%†
LiveBench 1.0 CodingLiveBench80.4%–
SciCode (AA)Artificial Analysis56.5%58.5%
IOIVals AI100.0%–
Code MigrationVals AI67.7%21.2%
Code Migration v1.1Vals AI80.6%26.9%
ProgramBenchVals AI5.5%–
SWE-bench MultimodalVals AI43.3%–
Vibe Code Bench 1-100Vals AI27.6%–
Vibe Code Bench v1.1Vals AI89.6%76.2%
SWE Atlas v1.0: Codebase QnAScale AI SEAL59.1%†–
SWE Atlas v1.0: RefactoringScale AI SEAL59.0%†–
SWE Atlas v1.0: Test WritingScale AI SEAL50.7%†–
SWE Atlas v1.1Scale AI SEAL69.4%†42.3%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL70.2%†50.0%†
SWE Atlas v1.1: Test WritingScale AI SEAL66.7%†41.1%†
SWE Atlas v1.1: RefactoringScale AI SEAL71.4%†35.7%†
SWE-Bench Pro V2Scale AI SEAL96.9%†95.0%
SWE-Bench Pro V2 HARDScale AI SEAL90.2%†82.3%
MirrorCodeEpoch AI Benchmarking Hub60.0%–
DeepSWE v1.1Epoch AI Benchmarking Hub73.2%–
ALE-BenchEpoch AI Benchmarking Hub2951.3–
FrontierSWEEpoch AI Benchmarking Hub65.5%–
WeirdML v3WeirdML42.2%†–
Terminal-Bench 4.0 (AA)Artificial Analysis59.1%8.1%
Terminal-Bench 2.1 (AA)Artificial Analysis88.4%76.4%
Startrise FrontendStartrise79.9%†–
GameBench 2 OverallDuelLab GameBench 288.8†55.3†
GameBench 2 by reasoning settingDuelLab GameBench 294.3†59.3
Design Arena WebsiteDesign Arena13381305
FrontierCode 1.1 (AA)Artificial Analysis47.0%27.6%
FrontierCode 2.0 (AA)Artificial Analysis42.4%7.6%
エージェント・ツール
Terminal-BenchTerminal-Bench60.3%–
Remote Labor IndexScale AI / CAIS20.8%†–
APEX-AgentsMercor64.7%†–
Arena AgentArena (LMArena)14.5–
LiveBench Long AgenticLiveBench75.6%12.1%†
LiveBench BrowserLiveBench91.3%26.2%†
LiveBench Agentic CodingLiveBench57.3%–
Terminal-Bench 2.1 (Vals)Vals AI87.3%–
HiL-BenchScale AI SEAL65.3%†59.7%†
GDPval-AA v2.1, normalised scoreArtificial Analysis53.7%45.1%
GDPval-AA v2.1Artificial Analysis15871401
τ³-Banking (AA)Artificial Analysis41.4%–
ITBench SRE (AA)Artificial Analysis48.6%–
Analyst Agent (AA)Artificial Analysis51.3%–
CUA-benchVals AI19.2%–
CyberBenchVals AI41.1%–
Finance Agent v2Vals AI53.5%61.3%
Finance Agent v2.1Vals AI60.4%60.7%
Harvey's Legal Agent Benchmark v1.1Vals AI7.1%25.0%
Harvey's Legal Agent Benchmark v1Vals AI5.4%16.7%
Legal Research BenchVals AI39.4%38.5%
Robo-benchVals AI23.3%–
SREBenchVals AI56.9%–
Tax Agent BenchVals AI20.7%26.3%
Terminal-Bench 4.0 (Vals)Vals AI59.6%6.6%
Terminal-Bench ScienceVals AI62.9%–
Time Horizon Index: KSPVals AI90.5%–
Arena SearchArena (LMArena)1245–
Arena Agent Task CompletionArena (LMArena)14–
BALROGBALROG68.3%–
PostTrainBenchEpoch AI Benchmarking Hub41.9%–
Vending-Bench 2Andon Labs15514.7†–
SpireClimbEpoch AI Benchmarking Hub34.0%–
AutomationBenchArtificial Analysis68.5%49.7%
GDP.pdf (AA)Artificial Analysis31.0%18.6%
Harvey LAB-AA v1.1Harvey8.6%–
AA-Briefcase v1.1Artificial Analysis15691280
GDPxGDPx by SemiAnalysis9.6%1.7%†
Design Arena AgenticDesign Arena1405–
RoboDojo (LLM as robot policy)RoboDojo29.0†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis63.3%1.9%
CWE-Bench (AA)Artificial Analysis63.3%–
DeepSec-Bench (AA)Artificial Analysis36.9%–
CyberGym end-to-end (AA)Artificial Analysis0.0%–
MKA (AA)Artificial Analysis50.2%–
FACTS SearchGoogle93.3%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub93.7%–
FrontierMath Tier 4Epoch AI Benchmarking Hub97.6%–
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%–
ProofBenchVals AI99.0%†–
LiveBench MathematicsLiveBench96.8%–
ArXivMathMathArena–27.0%
BrokenArXivMathArena–30.1%
Arena MathsArena (LMArena)1481–
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub75.6%–
LiveBench 2.0 Data AnalysisLiveBench83.0%60.2%†
LiveBench ResearchLiveBench90.6%82.7%†
LiveBench 1.0 Data AnalysisLiveBench83.0%–
AA-Omniscience v1.1Artificial Analysis42.425.8
PRBench FinanceScale AI SEAL47.5%†–
PRBench LegalScale AI SEAL48.4%†59.8%†
BioMysteryBenchVals AI79.3%–
Excel Modeling BenchmarkVals AI71.7%53.7%
Excel Modeling Benchmark v1.1Vals AI72.7%62.0%
MedCodeVals AI48.5%–
MedScribeVals AI87.9%–
Financial Coaching BenchVals AI67.5%–
Immigration BenchVals AI67.7%–
DrugDiscoveryBenchScale AI SEAL68.7%–
EBR-benchEpoch AI Benchmarking Hub76.2%–
GDP.pdfEpoch AI Benchmarking Hub34.2%–
AA-Omniscience v1.1: accuracyArtificial Analysis61.6%42.0%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis50.2%72.0%
HealthBench Professional (AA)OpenAI66.0%–
FACTS ParametricGoogle83.8%†–
指示追従
LiveBench LanguageLiveBench89.4%–
LiveBench Instruction FollowingLiveBench75.6%–
MultiChallengeScale AI SEAL–74.2%†
Arena Instruction FollowingArena (LMArena)1474–
人間の評価
Arena TextArena (LMArena)1474–
EQ-Bench Creative Writing v3EQ-Bench2177†–
Arena Creative WritingArena (LMArena)1451–
Arena Multi-turnArena (LMArena)1483–
Arena Longer QueriesArena (LMArena)1485–
マルチモーダル
Arena VisionArena (LMArena)1279–
LiveBench DesignLiveBench80.0%58.1%†
MMMU-ProArtificial Analysis86.9%80.9%
SAGEVals AI–85.8%
Humanity's Sixth SenseScale AI SEAL53.6%29.6%†
Blueprint-Bench 2Epoch AI Benchmarking Hub49.7%†–
Furniture AssemblyEpoch AI Benchmarking Hub80.0%–
VIALS-AAHandshake AI62.7%–
Code2Video-AAArtificial Analysis1427–
AA-3DArtificial Analysis1168–
FACTS MultimodalGoogle55.2%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis80.7%78.3%
Arena DocumentArena (LMArena)1474–
MLCRArtificial Analysis41.7%7.8%
FACTS GroundingGoogle80.1%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub169†155.4†
LiveBench 2.0LiveBench84.5%48.5%†
LiveBench 1.0LiveBench82.2%–
AA Intelligence Index v5.0.1Artificial Analysis56.924.9
AA Intelligence Index v4.3.2Artificial Analysis52.738.9
AA Progress Index v1Artificial Analysis349.6306.7
Vals IndexVals AI65.048.6
Vals Finance IndexVals AI55.6%53.0%
Vals RSI IndexVals AI27.1%–
Vals Science IndexVals AI65.1%–
Vals Router IndexVals AI65.0%†–
Vals Legal IndexVals AI68.4%68.5%
AA Cyber IndexArtificial Analysis33.4–
安全性・誠実さ
FORTRESSScale AI SEAL12.1%†7.6%†
DistressBenchScale AI SEAL74.3%†87.7%†
メタデータ
AA Openness IndexArtificial Analysis–27.8

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。
  • GPT-6 Astra (max):新しい結果1件(PostTrainBench)、スコアの改訂2件。
  • Muse Spark Open (xhigh):スコアの改訂1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 Open (xhigh):新しい結果1件(GameBench 2 by reasoning setting)、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 Astra vs Muse Spark Open:よくある質問

GPT-6 AstraはMuse Spark Open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 53.5。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 Open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 Open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 Open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 36。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FrontierCode 2.0 (AA)では、GPT-6 Astraが42.4%、Muse Spark Openが7.6%です。
GPT-6 AstraとMuse Spark Openはどちらが速いですか?
Muse Spark Openの方が出力が3倍以上速くなっています(出力180 対 41トークン/秒、Artificial Analysisの7日間の中央値)。
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GPT-6 Astraの方がスコアが高くなっています(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 Openは1,048,576)。
ほかの質問(3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 Spark Openです。Artificial Analysisの測定では、最初の回答トークンまで9.9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 Open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41件のベンチマークのうち、GPT-6 Astraのリードが33件、Muse Spark Openのリードが8件です。両方を評価しているすべての総合指標で、GPT-6 Astraが上回っています。
Muse Spark Openはいつリリースされましたか?
Muse Spark Openは2026年10月15日にリリースされました。