BenchLeader

GPT-6 Sol vs Muse Spark 1.2

詳しいプロフィール:GPT-6 Sol(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 · 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 1.2の品質は互角です(BenchLeader Indexで62.6 対 61.5、±5.9の誤差範囲内)。価格はMuse Spark 1.2の方が2.0倍安く、100万トークンあたりのブレンド価格で$2.00 対 $4.00です。コーディング(66 対 55)、エージェント・ツール(59 対 55)、長文コンテキスト(67 対 64)を重視するならGPT-6 Sol、マルチモーダル(65 対 61)、人間の評価(69 対 64)、知識(65 対 61)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 36.9秒です。Muse Spark 1.2は出力が約1.5倍速い点も強みです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGPT-6 Solが62.6、Muse Spark 1.2が61.5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)。
  • 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 Solより出力が約1.5倍速いです(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55件のベンチマークのうち、GPT-6 Solが35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 Solが1673、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 Solカテゴリスコア66 対 55;Arena WebDev 1673 対 1534高
エージェント・ツール利用GPT-6 Solカテゴリスコア59 対 55;Arena Agent 6.9 対 -8.2中
数学GPT-6 Solカテゴリスコア68 対 67;Arena Maths 1440 対 1486中
推論Muse Spark 1.2カテゴリスコア68 対 66;Arena Hard Prompts 1514 対 1483中
知識Muse Spark 1.2カテゴリスコア65 対 61;SimpleQA Verified 60.3% 対 60.7%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 79.0%中
画像などのメディアMuse Spark 1.2カテゴリスコア65 対 61;Arena Vision 1305 対 1233中
チャットの質(人間の評価)Muse Spark 1.2Arenaの投票で69 対 64中
最低コストMuse Spark 1.2100万トークンあたりブレンド価格$2.00 対 $4.00;エージェント型コーディングセッション$0.092 対 $0.160–
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 36.9秒(GPT-6 Sol (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 Sol (max)とMuse Spark 1.2 (xhigh)の品質は互角です(62.6 対 61.5、±5.9の誤差範囲内)。
  • GPT-6 Sol (max)はエージェント・ツール、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 1.2 (xhigh)は人間の評価、知識、マルチモーダル、推論で優れています。
  • Muse Spark 1.2 (xhigh)の方が2.0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 $4.00)。
  • Muse Spark 1.2 (xhigh)の方が出力が1.6倍速くなっています(208 対 127トークン/秒)。

概要

仕様GPT-6 SolMuse Spark 1.2
プロバイダーOpenAIMeta
リリース日2026年9月22日2026年8月5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 Sol (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)$2.00 / $10.00 / $0.200$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 Sol (max)Muse Spark 1.2 (xhigh)トップ
推論66.068.1Muse Spark 1.2
コーディング66.354.7GPT-6 Sol
エージェント・ツール58.855.4GPT-6 Sol
数学68.066.8GPT-6 Sol
知識60.664.5Muse Spark 1.2
人間の評価64.268.6Muse Spark 1.2
マルチモーダル60.665.3Muse Spark 1.2
長文コンテキスト66.664.1GPT-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 1.2, 推論: 68.1Muse Spark 1.2, コーディング: 54.7Muse Spark 1.2, エージェント・ツール: 55.4Muse Spark 1.2, 数学: 66.8Muse Spark 1.2, 知識: 64.5Muse Spark 1.2, 長文コンテキスト: 64.1Muse Spark 1.2, マルチモーダル: 65.3Muse Spark 1.2, 人間の評価: 68.6

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55件のベンチマークのうち、GPT-6 Solのリードが35件、Muse Spark 1.2のリードが20件です。両方を評価しているすべての総合指標で、Muse Spark 1.2が上回っています。

総合IndexGPT-6 Sol (max)Muse Spark 1.2 (xhigh)トップ
BenchLeader Index62.661.5互角
Arena Text14571493Muse 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 Sol (max)Muse Spark 1.2 (xhigh)
100万トークンあたりのブレンド価格$4.00$2.00
100万トークンあたりの入力/出力$2.00 / $10.00$1.25 / $4.25
100万トークンあたりのキャッシュ入力$0.200$0.150
タスクあたりの価格:チャットの返答$0.0038$0.0018
タスクあたりの価格:30ページのレポートを要約$0.030$0.018
タスクあたりの価格:コード編集$0.027$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$0.160$0.092
タスクあたりの価格:構造化データの抽出$0.0060$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)$0.079$0.043
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/s208 tok/s
回答開始までの時間36.9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)143.8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 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 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

133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 1.2 (xhigh)
BenchLeader IndexBenchLeader62.661.5
エージェント・ツールスコアBenchLeader58.855.4
コーディングスコアBenchLeader66.354.7
人間の評価スコアBenchLeader64.268.6
知識スコアBenchLeader60.664.5
長文コンテキストスコアBenchLeader66.664.1
数学スコアBenchLeader68.066.8
マルチモーダルスコアBenchLeader60.665.3
推論スコアBenchLeader66.068.1
ブレンド価格($/100万トークン)BenchLeader$4.00$2.00
出力速度BenchLeader127 tok/s208 tok/s
回答開始までの時間BenchLeader36.9秒11.4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 Hub94.3%–
SimpleBenchSimpleBench73.1%†74.5%†
Arena Hard PromptsArena (LMArena)14831514
LiveBench 1.0 ReasoningLiveBench88.7%90.0%
GPQA Diamond (AA)Artificial Analysis–90.4%
Humanity's Last Exam (AA)Artificial Analysis47.9%45.5%
HLE-Diamond (AA)Artificial Analysis45.2%–
ARC-AGI-1ARC Prize95.5%–
ARC-AGI-2ARC Prize89.6%–
ARC-AGI-3ARC Prize23.0%–
CritPtArtificial Analysis30.9%17.7%
CritPt v2 hard subset (AA)Artificial Analysis66.5%–
MysteryMechanismVals AI30.2%–
HLE-Diamond (Scale)Scale AI SEAL33.8%†–
Arena ExpertArena (LMArena)14961503
Chess PuzzlesEpoch AI Benchmarking Hub56.0%27.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub56.0%–
LMCAEpoch AI Benchmarking Hub59.1%48.4%
DTBenchEpoch AI Benchmarking Hub97.3%94.7%
コーディング
SciCodeSciCode57.6%57.4%
WeirdMLWeirdML–60.3%
FrontierCodeCognition49.3%–
Arena CodingArena (LMArena)15211542
Arena WebDevArena (LMArena)16731534
LiveBench 1.0 CodingLiveBench81.8%77.5%
133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 1.2 (xhigh)
コーディング
IOIVals AI82.6%21.8%
SWE-bench (Vals)Vals AI–86.6%
Code MigrationVals AI57.2%29.9%
ProgramBenchVals AI2.0%0.5%
Vibe Code Bench v1.1Vals AI87.8%79.1%
MirrorCodeEpoch AI Benchmarking Hub48.9%–
DeepSWE v1.1Epoch AI Benchmarking Hub–54.9%
ALE-BenchEpoch AI Benchmarking Hub2462–
FrontierSWEEpoch AI Benchmarking Hub–12.0%
WeirdML v3WeirdML19.7%†–
Terminal-Bench 4.0 (AA)Artificial Analysis43.9%7.1%
Terminal-Bench 2.1 (AA)Artificial Analysis–80.2%
Startrise FrontendStartrise–70.3%†
GameBench 2 OverallDuelLab GameBench 273.0†51.5†
GameBench 2 by reasoning settingDuelLab GameBench 279.4†56.9
Design Arena WebsiteDesign Arena1290†1309†
FrontierCode 2.0 (AA)Artificial Analysis35.6%–
エージェント・ツール
Terminal-BenchTerminal-Bench50.3%–
APEX-AgentsMercor54.3%45.4%†
Arena AgentArena (LMArena)6.9-8.2
LiveBench Agentic CodingLiveBench52.9%57.6%
Terminal-Bench 2.1 (Vals)Vals AI83.2%69.7%
GDPval-AA v2.1Artificial Analysis15141478
τ³-Banking (AA)Artificial Analysis–34.9%
ITBench SRE (AA)Artificial Analysis49.4%–
CyberBenchVals AI78.0%69.5%
Finance Agent v2Vals AI49.0%60.6%
Harvey's Legal Agent Benchmark v1Vals AI1.7%25.4%
Legal Research BenchVals AI28.9%43.8%
SkillsBenchVals AI–53.0%
SREBenchVals AI30.5%0.0%
Tax Agent BenchVals AI15.0%32.8%
Terminal-Bench 4.0 (Vals)Vals AI44.4%6.1%
Terminal-Bench ScienceVals AI30.0%–
Arena SearchArena (LMArena)1229–
Arena Agent Task CompletionArena (LMArena)4.5-9.8
Vending-Bench 2Andon Labs14427.9†–
SpireClimbEpoch AI Benchmarking Hub9.2%–
AutomationBenchArtificial Analysis61.6%40.6%
GDP.pdf (AA)Artificial Analysis25.2%17.4%
Harvey LAB-AA v1.1Harvey3.6%–
EnterpriseOps-GymArtificial Analysis–47.3%
AA-Briefcase v1.1Artificial Analysis14761323
Design Arena AgenticDesign Arena1218†1185†
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%–
ProofBenchVals AI83.0%†43.0%†
LiveBench MathematicsLiveBench96.4%91.2%
Arena MathsArena (LMArena)14401486
FrontierMath ErdősEpoch AI Benchmarking Hub1.5%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub60.7%60.3%
LiveBench 1.0 Data AnalysisLiveBench81.2%76.5%
AA-Omniscience v1.1Artificial Analysis21.4–
MMLU-ProVals AI–88.3%
LegalBenchVals AI–85.3%
CorpFinVals AI–70.9%
TaxEvalVals AI–80.4%
PRBench LegalScale AI SEAL38.6%†–
BioMysteryBenchVals AI74.8%64.8%
Excel Modeling BenchmarkVals AI71.5%57.0%
MedCodeVals AI47.1%49.4%
MedScribeVals AI82.0%90.1%
Public Benefits Bench v1.1Vals AI56.6%68.5%
Financial Coaching BenchVals AI62.6%75.7%
Immigration BenchVals AI–66.5%
EBR-benchEpoch AI Benchmarking Hub53.3%–
GDP.pdfEpoch AI Benchmarking Hub26.4%16.0%
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%78.6%
LiveBench Instruction FollowingLiveBench68.6%74.3%
Arena Instruction FollowingArena (LMArena)14491479
人間の評価
Arena TextArena (LMArena)14571493
EQ-Bench Creative Writing v3EQ-Bench2126†1842†
Arena Creative WritingArena (LMArena)14281443
Arena Multi-turnArena (LMArena)14681510
Arena Longer QueriesArena (LMArena)14661491
マルチモーダル
Arena VisionArena (LMArena)12331305
MMMU-ProArtificial Analysis83.0%–
MMMU-Pro (Vals)Vals AI–86.1%
MortgageTaxVals AI–65.4%
Humanity's Sixth SenseScale AI SEAL31.2%24.5%
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%79.0%
MLCRArtificial Analysis33.9%7.2%
FACTS GroundingGoogle83.3%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub163.8†155.0†
LiveBench 1.0LiveBench79.3%78.0%
AA Intelligence Index v5.0.1Artificial Analysis44.2–
AA Intelligence Index v4.3.2Artificial Analysis47.639.6
AA Progress Index v1Artificial Analysis334309.1
Vals RSI IndexVals AI28.1%–
Vals Science IndexVals AI45.0%–
Vals Multimodal IndexVals AI–69.8%†
AA Cyber IndexArtificial Analysis36.8–
安全性・誠実さ
FORTRESSScale AI SEAL13.5%†–
DistressBenchScale AI SEAL68.0%†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 Sol (max):新しい結果1件(GDPval-AA v2.1)。
  • Muse Spark 1.2 (xhigh):新しい結果1件(GDPval-AA v2.1)。
  • 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。
  • GPT-6 Sol (max):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)…)。
  • Muse Spark 1.2 (xhigh):スコアの改訂1件。
  • GPT-6 Sol (max):スコアの改訂1件。

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 1.2:よくある質問

GPT-6 SolはMuse Spark 1.2より優れていますか?
GPT-6 Sol (max)とMuse Spark 1.2 (xhigh)の品質は互角です(62.6 対 61.5、±5.9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 Sol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 $4.00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 Sol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 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 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 Solが1673、Muse Spark 1.2が1534です。
GPT-6 SolとMuse Spark 1.2はどちらが速いですか?
Muse Spark 1.2の方が出力が約1.5倍速くなっています(出力208 対 127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 Sol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 Solの方がスコアが高くなっています(カテゴリ指標で59 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Arena Agentでは、GPT-6 Solが6.9、Muse Spark 1.2が-8.2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GPT-6 Solの方がスコアが高くなっています(67 対 64)。どちらも約1.1Mトークンです(GPT-6 Sol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 36.9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 Sol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55件のベンチマークのうち、GPT-6 Solのリードが35件、Muse Spark 1.2のリードが20件です。両方を評価しているすべての総合指標で、Muse Spark 1.2が上回っています。
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。