BenchLeader

GPT-6 Luna vs Muse Wonder Full

詳しいプロフィール:GPT-6 Luna(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 · 12件の情報源のデータ

2026年11月16日時点で、品質ではMuse Wonder FullがGPT-6 Lunaを上回ります(BenchLeader Indexで61.7 対 55.1)。両方を測定できるすべてのカテゴリでMuse Wonder Fullがリードしています。

要点(2026年11月16日時点)

  • BenchLeader IndexはGPT-6 Lunaが55.1、Muse Wonder Fullが61.7です(BenchLeader、2026年11月16日)。
  • GPT-6 Lunaの100万トークンあたりのブレンド価格は$0.200です(定価、2026年11月16日)。
  • 両モデルに結果がある53件のベンチマークのうち、Muse Wonder Fullが50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 Lunaが1577、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Muse Wonder Fullカテゴリスコア70 対 57;Arena WebDev 1724 対 1577高
エージェント・ツール利用Muse Wonder Fullカテゴリスコア64 対 49;Arena Agent 9 対 1.6高
推論Muse Wonder Fullカテゴリスコア66 対 56;HLE-Diamond (AA) 48.5% 対 22.2%高
知識Muse Wonder Fullカテゴリスコア62 対 45;AA-Omniscience v1.1 30.6 対 -8.3高
長い文書どちらでもカテゴリスコア66 対 67;AA-LCR v1.1 83.3% 対 83.7%どちらでも
チャットの質(人間の評価)–Arenaの評価があるのはGPT-6 Lunaのみです(カテゴリスコア62)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

  • 品質ではMuse Wonder Full (max)がリードしています:61.7 対 55.1。
  • 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、推論で優れています。

概要

仕様GPT-6 LunaMuse Wonder Full
プロバイダーOpenAIMeta
リリース日2026年9月22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 Luna (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)$0.100 / $0.500 / $0.010–

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 Luna (max)Muse Wonder Full (max)トップ
推論55.765.8Muse Wonder Full
コーディング57.369.9Muse Wonder Full
エージェント・ツール48.563.6Muse Wonder Full
数学63.6–比較不可
知識44.862.3Muse Wonder Full
人間の評価62.2–比較不可
マルチモーダル57.6–比較不可
長文コンテキスト66.466.6互角
総合44.5–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・ツール知識長文コンテキストGPT-6 Luna, 推論: 55.7GPT-6 Luna, コーディング: 57.3GPT-6 Luna, エージェント・ツール: 48.5GPT-6 Luna, 知識: 44.8GPT-6 Luna, 長文コンテキスト: 66.4Muse 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53件のベンチマークのうち、GPT-6 Lunaのリードが2件、Muse Wonder Fullのリードが50件、同点が1件です。両方を評価しているすべての総合指標で、Muse Wonder Fullが上回っています。

総合IndexGPT-6 Luna (max)Muse Wonder Full (max)トップ
BenchLeader Index55.161.7Muse Wonder Full
AA Intelligence Index v5.0.127.950.1Muse Wonder Full
Vals Index52.366.8Muse 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 Luna (max)Muse Wonder Full (max)
100万トークンあたりのブレンド価格$0.200–
100万トークンあたりの入力/出力$0.100 / $0.500– / –
100万トークンあたりのキャッシュ入力$0.010–
タスクあたりの価格:チャットの返答$0.0002–
タスクあたりの価格:30ページのレポートを要約$0.0015–
タスクあたりの価格:コード編集$0.0014–
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$0.0080–
タスクあたりの価格:構造化データの抽出$0.0003–
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)$0.0040–
ベンチマークのタスクあたりのコスト(AA Index)$0.152–
タスクあたりの出力トークン(AA Index)75k88k
うち推論58k55k
タスクあたりの時間(AA Index)12 min–
出力速度103 tok/s–
回答開始までの時間73.9秒–
回答が完了するまでの時間(最終測定2026年11月13日)171.6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 Luna (max)のスコアは55.1、最初の回答トークンまで74秒。GPT-6 Luna (xhigh)は52.0(17秒)、GPT-6 Luna (high)は51.1(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

145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 Luna (max)Muse Wonder Full (max)
BenchLeader IndexBenchLeader55.161.7
エージェント・ツールスコアBenchLeader48.563.6
コーディングスコアBenchLeader57.369.9
総合スコアBenchLeader44.5–
人間の評価スコアBenchLeader62.2–
知識スコアBenchLeader44.862.3
長文コンテキストスコアBenchLeader66.466.6
数学スコアBenchLeader63.6–
マルチモーダルスコアBenchLeader57.6–
推論スコアBenchLeader55.765.8
ブレンド価格($/100万トークン)BenchLeader$0.200–
出力速度BenchLeader103 tok/s–
回答開始までの時間BenchLeader73.9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 Hub90.5%–
Arena Hard PromptsArena (LMArena)1464–
LiveBench 2.0 ReasoningLiveBench81.8%–
LiveBench 1.0 ReasoningLiveBench81.8%–
Humanity's Last Exam (AA)Artificial Analysis38.5%53.6%
HLE-Diamond (AA)Artificial Analysis22.2%48.5%
ARC-AGI-1ARC Prize86.7%–
ARC-AGI-2ARC Prize59.3%–
ARC-AGI-3ARC Prize0.6%–
CritPtArtificial Analysis19.4%32.9%
CritPt v2 hard subset (AA)Artificial Analysis42.5%56.5%
MysteryMechanismVals AI19.4%35.1%
Arena ExpertArena (LMArena)1487–
Chess PuzzlesEpoch AI Benchmarking Hub36.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub7.0%–
LMCAEpoch AI Benchmarking Hub44.5%–
DTBenchEpoch AI Benchmarking Hub90.1%–
コーディング
SciCodeSciCode54.6%–
FrontierCodeCognition42.4%–
Arena CodingArena (LMArena)1501–
Arena WebDevArena (LMArena)15771724
LiveBench 2.0 CodingLiveBench70.8%–
LiveBench 1.0 CodingLiveBench79.0%–
SciCode (AA)Artificial Analysis54.6%62.6%
IOIVals AI55.6%79.8%
145件のベンチマークをすべて表示
指標公開元GPT-6 Luna (max)Muse Wonder Full (max)
コーディング
Code MigrationVals AI42.5%61.0%
Code Migration v1.1Vals AI46.7%62.8%
ProgramBenchVals AI0.5%0.5%
SWE-bench MultimodalVals AI37.5%47.3%
Vibe Code Bench 1-100Vals AI–34.0%
Vibe Code Bench v1.1Vals AI81.7%86.0%
SWE Atlas v1.1Scale AI SEAL50.8%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL50.8%†–
SWE Atlas v1.1: Test WritingScale AI SEAL54.4%†–
SWE Atlas v1.1: RefactoringScale AI SEAL47.1%†–
MirrorCodeEpoch AI Benchmarking Hub26.7%–
ALE-BenchEpoch AI Benchmarking Hub1576.9†–
WeirdML v3WeirdML7.9%†–
Terminal-Bench 4.0 (AA)Artificial Analysis12.6%57.1%
Startrise FrontendStartrise69.3%†–
GameBench 2 OverallDuelLab GameBench 247.5†–
GameBench 2 by reasoning settingDuelLab GameBench 255.9†–
Design Arena WebsiteDesign Arena1268†–
FrontierCode 1.1 (AA)Artificial Analysis41.9%44.9%
FrontierCode 2.0 (AA)Artificial Analysis25.2%37.8%
エージェント・ツール
Terminal-BenchTerminal-Bench15.2%–
APEX-AgentsMercor44.3%–
Arena AgentArena (LMArena)1.69
LiveBench Long AgenticLiveBench24.7%–
LiveBench BrowserLiveBench70.3%–
LiveBench Agentic CodingLiveBench51.2%–
Terminal-Bench 2.1 (Vals)Vals AI73.0%–
GDPval-AA v2.1, normalised scoreArtificial Analysis46.6%67.8%
GDPval-AA v2.1Artificial Analysis14431857
Analyst Agent (AA)Artificial Analysis43.8%–
CyberBenchVals AI76.3%73.6%
Finance Agent v2Vals AI49.9%59.1%
Finance Agent v2.1Vals AI56.8%67.6%
Harvey's Legal Agent Benchmark v1.1Vals AI4.2%23.3%
Harvey's Legal Agent Benchmark v1Vals AI2.9%21.7%
Legal Research BenchVals AI30.3%53.4%
Robo-benchVals AI–10.4%
SREBenchVals AI2.7%11.8%
Tax Agent BenchVals AI19.9%43.0%
Terminal-Bench 4.0 (Vals)Vals AI13.6%58.1%
Terminal-Bench ScienceVals AI4.3%37.1%
Arena SearchArena (LMArena)1211–
Arena Agent Task CompletionArena (LMArena)-0.411.1
SpireClimbEpoch AI Benchmarking Hub0.0%–
AutomationBenchArtificial Analysis53.2%71.3%
GDP.pdf (AA)Artificial Analysis22.8%32.6%
Harvey LAB-AA v1.1Harvey3.3%13.1%
AA-Briefcase v1.1Artificial Analysis13371729
GDPxGDPx by SemiAnalysis5.1%9.0%
Design Arena AgenticDesign Arena1152†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis8.6%37.1%
CWE-Bench (AA)Artificial Analysis56.7%–
DeepSec-Bench (AA)Artificial Analysis23.5%–
CyberGym end-to-end (AA)Artificial Analysis77.9%–
MKA (AA)Artificial Analysis36.8%–
FACTS SearchGoogle86.8%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub79.0%–
FrontierMath Tier 4Epoch AI Benchmarking Hub56.1%–
OTIS Mock AIMEEpoch AI Benchmarking Hub98.9%–
ProofBenchVals AI64.0%†–
LiveBench MathematicsLiveBench89.1%–
Arena MathsArena (LMArena)1449–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub41.4%–
LiveBench 2.0 Data AnalysisLiveBench73.4%–
LiveBench ResearchLiveBench48.5%–
LiveBench 1.0 Data AnalysisLiveBench73.4%–
AA-Omniscience v1.1Artificial Analysis-8.330.6
LegalBenchVals AI–87.4%
PRBench LegalScale AI SEAL42.9%†–
BioMysteryBenchVals AI61.5%73.3%
ClaimBenchVals AI99.2%–
Excel Modeling BenchmarkVals AI68.5%71.9%
Excel Modeling Benchmark v1.1Vals AI70.0%75.0%
MedCodeVals AI44.7%49.9%
MedScribeVals AI83.7%89.3%
Public Benefits Bench v1.1Vals AI57.6%73.8%
Access to Justice BenchmarkVals AI–74.7%
Financial Coaching BenchVals AI65.2%75.0%
Immigration BenchVals AI62.5%71.2%
GDP.pdfEpoch AI Benchmarking Hub23.0%–
AA-Omniscience v1.1: accuracyArtificial Analysis39.6%41.0%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis20.6%82.4%
HealthBench Professional (AA)OpenAI61.9%–
FACTS ParametricGoogle57.0%†–
指示追従
LiveBench LanguageLiveBench73.8%–
LiveBench Instruction FollowingLiveBench55.9%–
Arena Instruction FollowingArena (LMArena)1436–
人間の評価
Arena TextArena (LMArena)1441–
Arena Creative WritingArena (LMArena)1408–
Arena Multi-turnArena (LMArena)1441–
Arena Longer QueriesArena (LMArena)1449–
マルチモーダル
Arena VisionArena (LMArena)1211–
LiveBench DesignLiveBench76.1%–
MMMU-ProArtificial Analysis79.7%–
SAGEVals AI83.4%–
Humanity's Sixth SenseScale AI SEAL21.0%–
Blueprint-Bench 2Epoch AI Benchmarking Hub31.2%†–
Furniture AssemblyEpoch AI Benchmarking Hub44.2%–
VIALS-AAHandshake AI27.3%–
Code2Video-AAArtificial Analysis1030–
AA-3DArtificial Analysis1000–
FACTS MultimodalGoogle38.7%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis83.3%83.7%
MLCRArtificial Analysis26.1%22.2%
FACTS GroundingGoogle76.7%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.4†–
LiveBench 2.0LiveBench60.4%–
LiveBench 1.0LiveBench72.0%–
AA Intelligence Index v5.0.1Artificial Analysis27.950.1
AA Intelligence Index v4.3.2Artificial Analysis38.155.8
AA Progress Index v1Artificial Analysis317.1343.2
Vals IndexVals AI52.366.8
Vals Finance IndexVals AI53.0%64.5%
Vals RSI IndexVals AI–24.4%
Vals Science IndexVals AI28.4%48.5%
Vals Router IndexVals AI52.3%†66.8%†
Vals Legal IndexVals AI62.2%77.9%
AA Cyber IndexArtificial Analysis52.7–
安全性・誠実さ
FORTRESSScale AI SEAL10.8%†–
DistressBenchScale AI SEAL66.7%†–

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 Luna (max):BenchLeader Index 56.6 → 55.1。
  • GPT-6 Luna (max):新しい結果8件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Muse Wonder Full (max):BenchLeader Index 62.6 → 61.7。
  • GPT-6 Luna (max):スコアの改訂1件。
  • GPT-6 Luna (max):スコアの改訂1件。
  • GPT-6 Luna (max):スコアの改訂1件。
  • Muse Wonder Full (max):スコアの改訂1件。
  • Muse Wonder Full (max):スコアの改訂1件。
  • GPT-6 Luna (max):スコアの改訂1件。
  • Muse Wonder Full (max):新しい結果1件(Arena Agent)。

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 Luna vs Muse Wonder Full:よくある質問

Muse Wonder FullはGPT-6 Lunaより優れていますか?
品質ではMuse Wonder Full (max)がリードしています:61.7 対 55.1。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Muse Wonder Full (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。
コーディングにはGPT-6 LunaとMuse Wonder Fullのどちらが向いていますか?
コーディングではMuse Wonder Fullの方がスコアが高くなっています(カテゴリ指標で70 対 57。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 Lunaが1577、Muse Wonder Fullが1724です。
エージェントやツール利用にはGPT-6 Luna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Muse Wonder Fullの方がスコアが高くなっています(カテゴリ指標で64 対 49。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Arena Agentでは、GPT-6 Lunaが1.6、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 Lunaは1,050,000、Muse Wonder Fullは1,000,000)。
GPT-6 Luna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53件のベンチマークのうち、GPT-6 Lunaのリードが2件、Muse Wonder Fullのリードが50件、同点が1件です。両方を評価しているすべての総合指標で、Muse Wonder Fullが上回っています。
ほかの質問(1件)
Muse Wonder Fullはいつリリースされましたか?
Muse Wonder Fullは2026年10月12日にリリースされました。