BenchLeader

GPT-6 Sol vs Muse Spark

詳しいプロフィール:GPT-6 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 · 12件の情報源のデータ

2026年11月16日時点で、GPT-6 SolとMuse Sparkの品質は互角です(BenchLeader Indexで62.6 対 64.2、±4.7の誤差範囲内)。数学(68 対 59)、長文コンテキスト(67 対 64)、コーディング(66 対 65)を重視するならGPT-6 Sol、エージェント・ツール(65 対 59)、人間の評価(68 対 64)、マルチモーダル(64 対 61)を重視するならMuse Sparkが向いています。

要点(2026年11月16日時点)

  • BenchLeader IndexはGPT-6 Solが62.6、Muse Sparkが64.2です(BenchLeader、2026年11月16日)。
  • GPT-6 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16日)。
  • 両モデルに結果がある22件のベンチマークのうち、GPT-6 Solが12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 Solカテゴリスコア66 対 65;SciCode 57.6% 対 51.5%中
エージェント・ツール利用Muse Sparkカテゴリスコア65 対 59;GDPval-AA v2.1 1006 対 1514中
数学GPT-6 Solカテゴリスコア68 対 59;OTIS Mock AIME 100.0% 対 88.9%高
推論Muse Sparkカテゴリスコア67 対 66;Arena Hard Prompts 1506 対 1483中
知識Muse Sparkカテゴリスコア63 対 61;MedCode 51.3% 対 47.1%中
長い文書GPT-6 Solカテゴリスコア67 対 64;AA-LCR v1.1 83.7% 対 78.0%中
画像などのメディアMuse Sparkカテゴリスコア64 対 61;Arena Vision 1306 対 1233中
チャットの質(人間の評価)Muse SparkArenaの投票で68 対 64中
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 Sol (max)とMuse Sparkの品質は互角です(62.6 対 64.2、±4.7の誤差範囲内)。
  • GPT-6 Sol (max)はコーディング、長文コンテキスト、数学で優れています。
  • Muse Sparkはエージェント・ツール、人間の評価、知識、マルチモーダル、推論で優れています。

概要

仕様GPT-6 SolMuse Spark
プロバイダーOpenAIMeta
リリース日2026年9月22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 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 / $0.200–

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 Sol (max)Muse Sparkトップ
推論66.067.4Muse Spark
コーディング66.365.1GPT-6 Sol
エージェント・ツール58.865.0Muse Spark
数学68.059.1GPT-6 Sol
知識60.663.1Muse Spark
指示追従–76.9比較不可
人間の評価64.268.1Muse Spark
マルチモーダル60.664.2Muse Spark
長文コンテキスト66.663.6GPT-6 Sol

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・ツール数学知識長文コンテキストマルチモーダル人間の評価GPT-6 Sol, 推論: 66.0GPT-6 Sol, コーディング: 66.3GPT-6 Sol, エージェント・ツール: 58.8GPT-6 Sol, 数学: 68.0GPT-6 Sol, 知識: 60.6GPT-6 Sol, 長文コンテキスト: 66.6GPT-6 Sol, マルチモーダル: 60.6GPT-6 Sol, 人間の評価: 64.2Muse 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, 数学: 59.1Muse Spark, 知識: 63.1Muse Spark, 長文コンテキスト: 63.6Muse Spark, マルチモーダル: 64.2Muse Spark, 人間の評価: 68.1

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。

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22件のベンチマークのうち、GPT-6 Solのリードが12件、Muse Sparkのリードが10件です。両方を評価しているすべての総合指標で、Muse Sparkが上回っています。

総合IndexGPT-6 Sol (max)Muse Sparkトップ
BenchLeader Index62.664.2互角
Arena Text14571489Muse Spark

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 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$0.200–
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)$0.079–
ベンチマークのタスクあたりのコスト(AA Index)$2.47–
タスクあたりの出力トークン(AA Index)54k–
うち推論35k–
タスクあたりの時間(AA Index)7 min–
出力速度127 tok/s–
回答開始までの時間36.9秒–
回答が完了するまでの時間(最終測定2026年11月13日)143.8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 Sol (max)のスコアは62.6、最初の回答トークンまで37秒。GPT-6 Sol (xhigh)は58.4(19秒)、GPT-6 Sol (high)は58.1(6秒)。Muse Sparkのスコアは64.2。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

142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 Sol (max)Muse Spark
BenchLeader IndexBenchLeader62.664.2
エージェント・ツールスコアBenchLeader58.865.0
コーディングスコアBenchLeader66.365.1
人間の評価スコアBenchLeader64.268.1
知識スコアBenchLeader60.663.1
長文コンテキストスコアBenchLeader66.663.6
数学スコアBenchLeader68.059.1
マルチモーダルスコアBenchLeader60.664.2
推論スコアBenchLeader66.067.4
指示追従スコアBenchLeader–76.9
ブレンド価格($/100万トークン)BenchLeader$4.00–
出力速度BenchLeader127 tok/s–
回答開始までの時間BenchLeader36.9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 Hub94.3%89.8%
Humanity's Last ExamScale AI / CAIS–40.6%
SimpleBenchSimpleBench73.1%†–
Arena Hard PromptsArena (LMArena)14831506
LiveBench 1.0 ReasoningLiveBench88.7%–
GPQA Diamond (AA)Artificial Analysis–88.4%
Humanity's Last Exam (AA)Artificial Analysis47.9%40.7%
HLE-Diamond (AA)Artificial Analysis45.2%–
GPQA Diamond (Vals)Vals AI–89.7%
ARC-AGI-1ARC Prize95.5%–
ARC-AGI-2ARC Prize89.6%–
ARC-AGI-3ARC Prize23.0%–
CritPtArtificial Analysis30.9%11.3%
CritPt v2 hard subset (AA)Artificial Analysis66.5%–
MysteryMechanismVals AI30.2%–
HLE-Diamond (Scale)Scale AI SEAL33.8%†–
Arena ExpertArena (LMArena)14961491
Chess PuzzlesEpoch AI Benchmarking Hub56.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub56.0%–
LMCAEpoch AI Benchmarking Hub59.1%–
DTBenchEpoch AI Benchmarking Hub97.3%–
コーディング
SciCodeSciCode57.6%51.5%
FrontierCodeCognition49.3%–
Arena CodingArena (LMArena)15211529
Arena WebDevArena (LMArena)1673–
142件のベンチマークをすべて表示
指標公開元GPT-6 Sol (max)Muse Spark
コーディング
LiveBench 1.0 CodingLiveBench81.8%–
SciCode (AA)Artificial Analysis57.6%–
IOIVals AI82.6%–
SWE-bench (Vals)Vals AI–74.4%
SWE-Bench ProScale AI SEAL–55.0%
Code MigrationVals AI57.2%–
ProgramBenchVals AI2.0%–
Vibe Code Bench v1.1Vals AI87.8%19.7%
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%
MirrorCodeEpoch AI Benchmarking Hub48.9%–
ALE-BenchEpoch AI Benchmarking Hub2462–
WeirdML v3WeirdML19.7%†–
Terminal-Bench 4.0 (AA)Artificial Analysis43.9%–
Terminal-Bench 2.1 (AA)Artificial Analysis–62.2%
GameBench 2 OverallDuelLab GameBench 273.0†–
GameBench 2 by reasoning settingDuelLab GameBench 279.4†–
Design Arena WebsiteDesign Arena1290†1253
FrontierCode 2.0 (AA)Artificial Analysis35.6%–
エージェント・ツール
Terminal-BenchTerminal-Bench50.3%–
APEX-AgentsMercor54.3%–
Arena AgentArena (LMArena)6.9–
LiveBench Agentic CodingLiveBench52.9%–
Terminal-Bench HardArtificial Analysis–45.5%
τ²-Bench Telecom (AA)Artificial Analysis–91.5%
Terminal-Bench 2.1 (Vals)Vals AI83.2%–
MCP AtlasScale AI SEAL–82.2%
GDPval-AA v2.1Artificial Analysis15141006
ITBench SRE (AA)Artificial Analysis49.4%–
CyberBenchVals AI78.0%–
Finance Agent v2Vals AI49.0%–
Harvey's Legal Agent Benchmark v1Vals AI1.7%–
Legal Research BenchVals AI28.9%–
SREBenchVals AI30.5%–
Tax Agent BenchVals AI15.0%–
Terminal-Bench 2.0 (Vals)Vals AI–59.5%
Terminal-Bench 4.0 (Vals)Vals AI44.4%–
Terminal-Bench ScienceVals AI30.0%–
Arena SearchArena (LMArena)1229–
Arena Agent Task CompletionArena (LMArena)4.5–
Vending-Bench 2Andon Labs14427.9†–
SpireClimbEpoch AI Benchmarking Hub9.2%–
AutomationBenchArtificial Analysis61.6%–
GDP.pdf (AA)Artificial Analysis25.2%–
Harvey LAB-AA v1.1Harvey3.6%–
AA-Briefcase v1.1Artificial Analysis1476646
Design Arena AgenticDesign Arena1218†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis30.0%–
CWE-Bench (AA)Artificial Analysis64.2%–
DeepSec-Bench (AA)Artificial Analysis46.3%–
CyberGym end-to-end (AA)Artificial Analysis0.0%–
FACTS SearchGoogle92.7%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub89.8%–
FrontierMath Tier 4Epoch AI Benchmarking Hub90.0%–
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%88.9%
ProofBenchVals AI83.0%†17.0%
LiveBench MathematicsLiveBench96.4%–
AIME (Vals)Vals AI–96.9%
Arena MathsArena (LMArena)14401469
FrontierMath ErdősEpoch AI Benchmarking Hub1.5%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub60.7%–
LiveBench 1.0 Data AnalysisLiveBench81.2%–
AA-Omniscience v1.1Artificial Analysis21.4–
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 SEAL38.6%†52.3%
MultiNRCScale AI SEAL–59.0%
BioMysteryBenchVals AI74.8%–
CaseLaw v2Vals AI–63.1%
Excel Modeling BenchmarkVals AI71.5%–
MedCodeVals AI47.1%51.3%
MedScribeVals AI82.0%85.9%
Public Benefits Bench v1.1Vals AI56.6%–
Financial Coaching BenchVals AI62.6%–
EBR-benchEpoch AI Benchmarking Hub53.3%–
GDP.pdfEpoch AI Benchmarking Hub26.4%–
AA-Omniscience v1.1: accuracyArtificial Analysis51.1%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis39.1%–
HealthBench Professional (AA)OpenAI62.3%–
FACTS ParametricGoogle76.1%†–
指示追従
LiveBench LanguageLiveBench85.3%–
LiveBench Instruction FollowingLiveBench68.6%–
IFBenchArtificial Analysis–75.9%
MultiChallengeScale AI SEAL–75.5%
TutorBenchScale AI SEAL–68.5%
Arena Instruction FollowingArena (LMArena)14491465
人間の評価
Arena TextArena (LMArena)14571489
EQ-Bench Creative Writing v3EQ-Bench2126†–
Arena Creative WritingArena (LMArena)14281464
Arena Multi-turnArena (LMArena)14681493
Arena Longer QueriesArena (LMArena)14661476
マルチモーダル
Arena VisionArena (LMArena)12331306
MMMU-ProArtificial Analysis83.0%80.5%
MMMU-Pro (Vals)Vals AI–87.4%
Humanity's Sixth SenseScale AI SEAL31.2%–
Blueprint-Bench 2Epoch AI Benchmarking Hub36.9%†–
Furniture AssemblyEpoch AI Benchmarking Hub58.3%–
AA-3DArtificial Analysis1131–
FACTS MultimodalGoogle43.9%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis83.7%78.0%
Arena DocumentArena (LMArena)–1467
MLCRArtificial Analysis33.9%–
FACTS GroundingGoogle83.3%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub163.8†153.1
LiveBench 1.0LiveBench79.3%–
AA Intelligence Index v5.0.1Artificial Analysis44.2–
AA Intelligence Index v4.3.2Artificial Analysis47.631.3
AA Progress Index v1Artificial Analysis334289.1
Vals RSI IndexVals AI28.1%–
Vals Science IndexVals AI45.0%–
AA Cyber IndexArtificial Analysis36.8–
安全性・誠実さ
FORTRESSScale AI SEAL13.5%†20.2%
DistressBenchScale AI SEAL68.0%†–

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 Sol (max):新しい結果1件(GDPval-AA v2.1)。
  • Muse Spark:新しい結果2件(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • GPT-6 Sol (max):新しい結果1件(MirrorCode)。
  • GPT-6 Sol (max):BenchLeader Index 63.5 → 62.9。
  • GPT-6 Sol (max):スコアの改訂2件。
  • GPT-6 Sol (max):スコアの改訂1件。
  • Muse Spark:BenchLeader Index 64.6 → 64.1。
  • GPT-6 Sol (max):スコアの改訂1件。
  • Muse Spark:スコアの改訂1件。
  • GPT-6 Sol (max):新しい結果6件(AA Intelligence Index v5.0.1, AA-Omniscience v1.1, CritPt v2 hard subset (AA)…)。

ランキング: 総合ベストLLM · エージェントに最適なLLM · 安くて優秀なLLM

GPT-6 Sol vs Muse Spark:よくある質問

GPT-6 SolはMuse Sparkより優れていますか?
GPT-6 Sol (max)とMuse Sparkの品質は互角です(62.6 対 64.2、±4.7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。
コーディングにはGPT-6 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 Solの方がスコアが高くなっています(カテゴリ指標で66 対 65。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SciCodeでは、GPT-6 Solが57.6%、Muse Sparkが51.5%です。
エージェントやツール利用にはGPT-6 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Muse Sparkの方がスコアが高くなっています(カテゴリ指標で65 対 59。50が平均)。
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 Solの方がスコアが高くなっています(67 対 64)。コンテキストはGPT-6 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 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22件のベンチマークのうち、GPT-6 Solのリードが12件、Muse Sparkのリードが10件です。両方を評価しているすべての総合指標で、Muse Sparkが上回っています。
ほかの質問(1件)
GPT-6 Solはいつリリースされましたか?
GPT-6 Solは2026年9月22日にリリースされました。