BenchLeader

GPT-6 Astra vs Muse Wonder

詳しいプロフィール:GPT-6 Astra(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 · 15件の情報源のデータ

2026年11月16日時点で、GPT-6 AstraとMuse Wonderの品質は互角です(BenchLeader Indexで67.3 対 64.4、±4.2の誤差範囲内)。価格はMuse Wonderの方が2.5倍安く、100万トークンあたりのブレンド価格で$8.00 対 $20.00です。両方を測定できるすべてのカテゴリでMuse Wonderがリードしています。Muse Wonderの方が出力が約2倍速いです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGPT-6 Astraが67.3、Muse Wonderが64.4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 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)。
  • Muse WonderはGPT-6 Astraより出力が約2倍速いです(Artificial Analysis、7日間の中央値、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 64高
数学どちらでもカテゴリスコア71 対 70どちらでも
知識Muse Wonderカテゴリスコア77 対 72中
チャットの質(人間の評価)Muse WonderArenaの投票で70 対 66中
最低コストMuse Wonder100万トークンあたりブレンド価格$8.00 対 $20.00;エージェント型コーディングセッション$0.320 対 $0.800–
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 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

  • GPT-6 Astra (max)とMuse Wonderの品質は互角です(67.3 対 64.4、±4.2の誤差範囲内)。
  • GPT-6 Astra (max)は数学で優れています。
  • Muse Wonderはエージェント・ツール、人間の評価、知識で優れています。
  • Muse Wonderの方が2.5倍安くなっています(100万トークンあたりブレンド価格$8.00 対 $20.00)。
  • Muse Wonderの方が出力が1.7倍速くなっています(70 対 41トークン/秒)。

概要

仕様GPT-6 AstraMuse Wonder
プロバイダーOpenAIMeta
リリース日2026年9月2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 Astra (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)$10.00 / $50.00 / $1.00$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 Astra (max)Muse Wonderトップ
推論72.4–比較不可
コーディング73.2–比較不可
エージェント・ツール63.975.6Muse Wonder
数学70.870.1互角
知識72.377.1Muse Wonder
人間の評価66.269.6Muse Wonder
マルチモーダル65.6–比較不可
長文コンテキスト65.0–比較不可
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エージェント・ツール数学知識人間の評価GPT-6 Astra, エージェント・ツール: 63.9GPT-6 Astra, 数学: 70.8GPT-6 Astra, 知識: 72.3GPT-6 Astra, 人間の評価: 66.2Muse Wonder, エージェント・ツール: 75.6Muse Wonder, 数学: 70.1Muse Wonder, 知識: 77.1Muse Wonder, 人間の評価: 69.6

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。

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 Astra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 AstraはAA Intelligence Index v5.0.1、Vals Indexで、Muse WonderはArena Textでリードしています。

総合IndexGPT-6 Astra (max)Muse Wonderトップ
BenchLeader Index67.364.4互角
AA Intelligence Index v5.0.156.940.5†GPT-6 Astra
Vals Index65.064.9†GPT-6 Astra
Arena Text14741511†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 Astra (max)Muse Wonder
100万トークンあたりのブレンド価格$20.00$8.00
100万トークンあたりの入力/出力$10.00 / $50.00$4.00 / $20.00
100万トークンあたりのキャッシュ入力$1.00$0.200
タスクあたりの価格:チャットの返答$0.019$0.0076
タスクあたりの価格:30ページのレポートを要約$0.150$0.060
タスクあたりの価格:コード編集$0.135$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$0.800$0.320
タスクあたりの価格:構造化データの抽出$0.030$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)$0.395$0.149
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/s70 tok/s
回答開始までの時間198.4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)533.7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 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 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

175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 Wonder
BenchLeader IndexBenchLeader67.364.4
エージェント・ツールスコアBenchLeader63.975.6
コーディングスコアBenchLeader73.2–
総合スコアBenchLeader71.3–
人間の評価スコアBenchLeader66.269.6
知識スコアBenchLeader72.377.1
長文コンテキストスコアBenchLeader65.0–
数学スコアBenchLeader70.870.1
マルチモーダルスコアBenchLeader65.6–
推論スコアBenchLeader72.4–
ブレンド価格($/100万トークン)BenchLeader$20.00$8.00
出力速度BenchLeader41 tok/s70 tok/s
回答開始までの時間BenchLeader198.4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 Hub95.8%–
Humanity's Last ExamScale AI / CAIS54.8%†–
SimpleBenchSimpleBench83.6%†–
Arena Hard PromptsArena (LMArena)15001531†
LiveBench 2.0 ReasoningLiveBench92.7%90.6%†
LiveBench 1.0 ReasoningLiveBench92.7%90.6%†
GPQA Diamond (AA)Artificial Analysis96.1%–
Humanity's Last Exam (AA)Artificial Analysis54.7%50.1%†
HLE-Diamond (AA)Artificial Analysis63.8%39.0%†
ARC-AGI-1ARC Prize97.5%–
ARC-AGI-2ARC Prize95.0%–
ARC-AGI-3ARC Prize98.6%–
CritPtArtificial Analysis31.7%28.3%†
CritPt v2 hard subset (AA)Artificial Analysis70.5%50.5%†
MysteryMechanismVals AI53.1%27.5%†
HLE-Diamond (Scale)Scale AI SEAL60.6%†37.3%
Arena ExpertArena (LMArena)15171525†
Chess PuzzlesEpoch AI Benchmarking Hub74.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub84.0%51.0%†
LMCAEpoch AI Benchmarking Hub64.1%†56.8%
DTBenchEpoch AI Benchmarking Hub97.1%†95.2%
ForecastBenchForecastBench66.6%†–
BTF-3Epoch AI Benchmarking Hub13.5%†–
コーディング
SciCodeSciCode56.5%60.3%†
WeirdMLWeirdML93.3%–
175件のベンチマークをすべて表示
指標公開元GPT-6 Astra (max)Muse Wonder
コーディング
FrontierCodeCognition53.3%–
GSO-BenchGSO-Bench79.4%†–
Arena CodingArena (LMArena)15481542†
Arena WebDevArena (LMArena)17641647†
LiveBench 2.0 CodingLiveBench87.5%74.9%†
LiveBench 1.0 CodingLiveBench80.4%80.7%†
IOIVals AI100.0%66.9%†
Code MigrationVals AI67.7%62.5%†
Code Migration v1.1Vals AI80.6%72.4%†
ProgramBenchVals AI5.5%–
SWE-bench MultimodalVals AI43.3%45.6%†
Vibe Code Bench 1-100Vals AI27.6%26.6%†
Vibe Code Bench v1.1Vals AI89.6%83.1%†
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%†64.8%
SWE Atlas v1.1: Codebase QnAScale AI SEAL70.2%†73.4%
SWE Atlas v1.1: Test WritingScale AI SEAL66.7%†61.1%
SWE Atlas v1.1: RefactoringScale AI SEAL71.4%†60.0%
SWE-Bench Pro V2Scale AI SEAL96.9%†96.7%†
SWE-Bench Pro V2 HARDScale AI SEAL90.2%†90.2%†
MirrorCodeEpoch AI Benchmarking Hub60.0%45.6%†
DeepSWE v1.1Epoch AI Benchmarking Hub73.2%–
CursorBenchCursor–50.4%†
ALE-BenchEpoch AI Benchmarking Hub2951.3–
FrontierSWEEpoch AI Benchmarking Hub65.5%–
WeirdML v3WeirdML42.2%†15.2%†
Terminal-Bench 4.0 (AA)Artificial Analysis59.1%52.0%†
Terminal-Bench 2.1 (AA)Artificial Analysis88.4%–
Startrise FrontendStartrise79.9%†–
GameBench 2 OverallDuelLab GameBench 288.8†64.8
GameBench 2 by reasoning settingDuelLab GameBench 294.3†54.9†
Design Arena WebsiteDesign Arena13381378†
FrontierCode 1.1 (AA)Artificial Analysis47.0%46.5%†
FrontierCode 2.0 (AA)Artificial Analysis42.4%27.9%†
エージェント・ツール
Terminal-BenchTerminal-Bench60.3%47.0%†
Remote Labor IndexScale AI / CAIS20.8%†–
APEX-AgentsMercor64.7%†66.1%†
Arena AgentArena (LMArena)14.51.8†
LiveBench Long AgenticLiveBench75.6%46.2%†
LiveBench BrowserLiveBench91.3%60.0%†
LiveBench Agentic CodingLiveBench57.3%62.7%†
Terminal-Bench 2.1 (Vals)Vals AI87.3%–
HiL-BenchScale AI SEAL65.3%†79.7%
GDPval-AA v2.1, normalised scoreArtificial Analysis53.7%63.5%†
GDPval-AA v2.1Artificial Analysis15871770†
τ³-Banking (AA)Artificial Analysis41.4%–
ITBench SRE (AA)Artificial Analysis48.6%–
Analyst Agent (AA)Artificial Analysis51.3%–
CUA-benchVals AI19.2%7.2%†
CyberBenchVals AI41.1%80.4%†
Finance Agent v2Vals AI53.5%56.6%†
Finance Agent v2.1Vals AI60.4%65.5%†
Harvey's Legal Agent Benchmark v1.1Vals AI7.1%23.8%†
Harvey's Legal Agent Benchmark v1Vals AI5.4%17.1%†
Legal Research BenchVals AI39.4%50.5%†
Robo-benchVals AI23.3%–
SREBenchVals AI56.9%–
Tax Agent BenchVals AI20.7%36.3%†
Terminal-Bench 4.0 (Vals)Vals AI59.6%49.5%†
Terminal-Bench ScienceVals AI62.9%22.9%†
Time Horizon Index: KSPVals AI90.5%–
Arena SearchArena (LMArena)1245–
Arena Agent Task CompletionArena (LMArena)145.4†
BALROGBALROG68.3%–
PostTrainBenchEpoch AI Benchmarking Hub41.9%24.2%†
Vending-Bench 2Andon Labs15514.7†9432.2
SpireClimbEpoch AI Benchmarking Hub34.0%–
AutomationBenchArtificial Analysis68.5%68.1%†
GDP.pdf (AA)Artificial Analysis31.0%30.6%†
Harvey LAB-AA v1.1Harvey8.6%10.0%†
AA-Briefcase v1.1Artificial Analysis15691659†
GDPxGDPx by SemiAnalysis9.6%6.8%†
Design Arena AgenticDesign Arena14051177†
RoboDojo (LLM as robot policy)RoboDojo29.0†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis63.3%25.7%†
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%47.5%†
FACTS SearchGoogle93.3%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub93.7%82.1%†
FrontierMath Tier 4Epoch AI Benchmarking Hub97.6%70.7%†
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%99.4%†
ProofBenchVals AI99.0%†84.0%
LiveBench MathematicsLiveBench96.8%96.5%†
Arena MathsArena (LMArena)14811490†
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub75.6%–
LiveBench 2.0 Data AnalysisLiveBench83.0%81.6%†
LiveBench ResearchLiveBench90.6%93.0%†
LiveBench 1.0 Data AnalysisLiveBench83.0%81.6%†
AA-Omniscience v1.1Artificial Analysis42.425.1†
PRBench FinanceScale AI SEAL47.5%†58.7%
PRBench LegalScale AI SEAL48.4%†58.4%
BioMysteryBenchVals AI79.3%67.0%†
Excel Modeling BenchmarkVals AI71.7%67.1%†
Excel Modeling Benchmark v1.1Vals AI72.7%72.5%†
MedCodeVals AI48.5%–
MedScribeVals AI87.9%–
Public Benefits Bench v1.1Vals AI–70.2%†
Access to Justice BenchmarkVals AI–73.0%†
Financial Coaching BenchVals AI67.5%73.8%†
Immigration BenchVals AI67.7%69.6%†
DrugDiscoveryBenchScale AI SEAL68.7%–
EBR-benchEpoch AI Benchmarking Hub76.2%31.4%†
GDP.pdfEpoch AI Benchmarking Hub34.2%30.8%†
AA-Omniscience v1.1: accuracyArtificial Analysis61.6%38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis50.2%79.1%†
HealthBench Professional (AA)OpenAI66.0%–
FACTS ParametricGoogle83.8%†–
指示追従
LiveBench LanguageLiveBench89.4%82.9%†
LiveBench Instruction FollowingLiveBench75.6%73.0%†
Arena Instruction FollowingArena (LMArena)14741498†
人間の評価
Arena TextArena (LMArena)14741511†
EQ-Bench 4EQ-Bench–1325
EQ-Bench Creative Writing v3EQ-Bench2177†2007
Arena Creative WritingArena (LMArena)14511491†
Arena Multi-turnArena (LMArena)14831525†
Arena Longer QueriesArena (LMArena)14851507†
マルチモーダル
Arena VisionArena (LMArena)1279–
LiveBench DesignLiveBench80.0%70.9%†
MMMU-ProArtificial Analysis86.9%83.8%†
Humanity's Sixth SenseScale AI SEAL53.6%43.7%†
Blueprint-Bench 2Epoch AI Benchmarking Hub49.7%†31.7%
Furniture AssemblyEpoch AI Benchmarking Hub80.0%54.2%†
VIALS-AAHandshake AI62.7%55.3%†
Code2Video-AAArtificial Analysis1427997†
AA-3DArtificial Analysis1168–
FACTS MultimodalGoogle55.2%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis80.7%80.7%†
Arena DocumentArena (LMArena)1474–
MLCRArtificial Analysis41.7%22.2%†
FACTS GroundingGoogle80.1%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub169†161.7
LiveBench 2.0LiveBench84.5%70.7%†
LiveBench 1.0LiveBench82.2%81.2%†
AA Intelligence Index v5.0.1Artificial Analysis56.943.6†
AA Intelligence Index v4.3.2Artificial Analysis52.752.4†
AA Progress Index v1Artificial Analysis349.6335.8†
Vals IndexVals AI65.064.9†
Vals Finance IndexVals AI55.6%61.2%†
Vals RSI IndexVals AI27.1%–
Vals Science IndexVals AI65.1%39.1%†
Vals Router IndexVals AI65.0%†64.9%
Vals Legal IndexVals AI68.4%75.3%†
AA Cyber IndexArtificial Analysis33.4–
安全性・誠実さ
FORTRESSScale AI SEAL12.1%†–
DistressBenchScale AI SEAL74.3%†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 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 Wonder:BenchLeader Index 63.5 → 63.0。
  • 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。
  • Muse Wonder:新しい結果1件(Blueprint-Bench 2)。
  • GPT-6 Astra (max):BenchLeader Index 68.1 → 67.4。
  • Muse Wonder:BenchLeader Index 64.3 → 63.5。
  • GPT-6 Astra (max):スコアの改訂2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 Wonder:よくある質問

GPT-6 AstraはMuse Wonderより優れていますか?
GPT-6 Astra (max)とMuse Wonderの品質は互角です(67.3 対 64.4、±4.2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 Astra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Muse Wonderの方が安く、100万トークンあたり$8.00 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。
GPT-6 AstraとMuse Wonderはどちらが速いですか?
Muse Wonderの方が出力が約2倍速くなっています(出力70 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 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 64。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 Astra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 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。
Muse Wonderはいつリリースされましたか?
Muse Wonderは2026年10月12日にリリースされました。