BenchLeader

GPT-6 Sol vs Muse Wonder Full

詳しいプロフィール:GPT-6 Sol(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、GPT-6 SolとMuse Wonder Fullの品質は互角です(BenchLeader Indexで62.6 対 61.7、±4.0の誤差範囲内)。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 Solが62.6、Muse Wonder Fullが61.7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43件のベンチマークのうち、Muse Wonder Fullが32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 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 66;Arena WebDev 1724 対 1673中
エージェント・ツール利用Muse Wonder Fullカテゴリスコア64 対 59;Arena Agent 9 対 6.9中
推論どちらでもカテゴリスコア66 対 66;HLE-Diamond (AA) 45.2% 対 48.5%どちらでも
知識Muse Wonder Fullカテゴリスコア62 対 61;AA-Omniscience v1.1 30.6 対 21.4中
長い文書どちらでもカテゴリスコア67 対 67;AA-LCR v1.1 83.7% 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 Solのみです(カテゴリスコア64)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

  • GPT-6 Sol (max)とMuse Wonder Full (max)の品質は互角です(62.6 対 61.7、±4.0の誤差範囲内)。
  • GPT-6 Sol (max)は推論で優れています。
  • Muse Wonder Full (max)はエージェント・ツール、コーディング、知識で優れています。

概要

仕様GPT-6 SolMuse 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 Sol (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)$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 Wonder Full (max)トップ
推論66.065.8互角
コーディング66.369.9Muse Wonder Full
エージェント・ツール58.863.6Muse Wonder Full
数学68.0–比較不可
知識60.662.3Muse Wonder Full
人間の評価64.2–比較不可
マルチモーダル60.6–比較不可
長文コンテキスト66.666.6互角

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 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, 知識: 60.6GPT-6 Sol, 長文コンテキスト: 66.6Muse 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43件のベンチマークのうち、GPT-6 Solのリードが10件、Muse Wonder Fullのリードが32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 Sol (max)Muse Wonder Full (max)トップ
BenchLeader Index62.661.7互角
AA Intelligence Index v5.0.144.250.1Muse 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 Sol (max)Muse Wonder Full (max)
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)54k88k
うち推論35k55k
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 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

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 Wonder Full (max)
BenchLeader IndexBenchLeader62.661.7
エージェント・ツールスコアBenchLeader58.863.6
コーディングスコアBenchLeader66.369.9
人間の評価スコアBenchLeader64.2–
知識スコアBenchLeader60.662.3
長文コンテキストスコアBenchLeader66.666.6
数学スコアBenchLeader68.0–
マルチモーダルスコアBenchLeader60.6–
推論スコアBenchLeader66.065.8
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1,000,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub94.3%–
SimpleBenchSimpleBench73.1%†–
Arena Hard PromptsArena (LMArena)1483–
LiveBench 1.0 ReasoningLiveBench88.7%–
Humanity's Last Exam (AA)Artificial Analysis47.9%53.6%
HLE-Diamond (AA)Artificial Analysis45.2%48.5%
ARC-AGI-1ARC Prize95.5%–
ARC-AGI-2ARC Prize89.6%–
ARC-AGI-3ARC Prize23.0%–
CritPtArtificial Analysis30.9%32.9%
CritPt v2 hard subset (AA)Artificial Analysis66.5%56.5%
MysteryMechanismVals AI30.2%35.1%
HLE-Diamond (Scale)Scale AI SEAL33.8%†–
Arena ExpertArena (LMArena)1496–
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%–
FrontierCodeCognition49.3%–
Arena CodingArena (LMArena)1521–
Arena WebDevArena (LMArena)16731724
LiveBench 1.0 CodingLiveBench81.8%–
SciCode (AA)Artificial Analysis57.6%62.6%
IOIVals AI82.6%79.8%
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 Wonder Full (max)
コーディング
Code MigrationVals AI57.2%61.0%
Code Migration v1.1Vals AI–62.8%
ProgramBenchVals AI2.0%0.5%
SWE-bench MultimodalVals AI–47.3%
Vibe Code Bench 1-100Vals AI–34.0%
Vibe Code Bench v1.1Vals AI87.8%86.0%
MirrorCodeEpoch AI Benchmarking Hub48.9%–
ALE-BenchEpoch AI Benchmarking Hub2462–
WeirdML v3WeirdML19.7%†–
Terminal-Bench 4.0 (AA)Artificial Analysis43.9%57.1%
GameBench 2 OverallDuelLab GameBench 273.0†–
GameBench 2 by reasoning settingDuelLab GameBench 279.4†–
Design Arena WebsiteDesign Arena1290†–
FrontierCode 1.1 (AA)Artificial Analysis–44.9%
FrontierCode 2.0 (AA)Artificial Analysis35.6%37.8%
エージェント・ツール
Terminal-BenchTerminal-Bench50.3%–
APEX-AgentsMercor54.3%–
Arena AgentArena (LMArena)6.99
LiveBench Agentic CodingLiveBench52.9%–
Terminal-Bench 2.1 (Vals)Vals AI83.2%–
GDPval-AA v2.1, normalised scoreArtificial Analysis–67.8%
GDPval-AA v2.1Artificial Analysis15141857
ITBench SRE (AA)Artificial Analysis49.4%–
CyberBenchVals AI78.0%73.6%
Finance Agent v2Vals AI49.0%59.1%
Finance Agent v2.1Vals AI–67.6%
Harvey's Legal Agent Benchmark v1.1Vals AI–23.3%
Harvey's Legal Agent Benchmark v1Vals AI1.7%21.7%
Legal Research BenchVals AI28.9%53.4%
Robo-benchVals AI–10.4%
SREBenchVals AI30.5%11.8%
Tax Agent BenchVals AI15.0%43.0%
Terminal-Bench 4.0 (Vals)Vals AI44.4%58.1%
Terminal-Bench ScienceVals AI30.0%37.1%
Arena SearchArena (LMArena)1229–
Arena Agent Task CompletionArena (LMArena)4.511.1
Vending-Bench 2Andon Labs14427.9†–
SpireClimbEpoch AI Benchmarking Hub9.2%–
AutomationBenchArtificial Analysis61.6%71.3%
GDP.pdf (AA)Artificial Analysis25.2%32.6%
Harvey LAB-AA v1.1Harvey3.6%13.1%
AA-Briefcase v1.1Artificial Analysis14761729
GDPxGDPx by SemiAnalysis–9.0%
Design Arena AgenticDesign Arena1218†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis30.0%37.1%
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%†–
LiveBench MathematicsLiveBench96.4%–
Arena MathsArena (LMArena)1440–
FrontierMath ErdősEpoch AI Benchmarking Hub1.5%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub60.7%–
LiveBench 1.0 Data AnalysisLiveBench81.2%–
AA-Omniscience v1.1Artificial Analysis21.430.6
LegalBenchVals AI–87.4%
PRBench LegalScale AI SEAL38.6%†–
BioMysteryBenchVals AI74.8%73.3%
Excel Modeling BenchmarkVals AI71.5%71.9%
Excel Modeling Benchmark v1.1Vals AI–75.0%
MedCodeVals AI47.1%49.9%
MedScribeVals AI82.0%89.3%
Public Benefits Bench v1.1Vals AI56.6%73.8%
Access to Justice BenchmarkVals AI–74.7%
Financial Coaching BenchVals AI62.6%75.0%
Immigration BenchVals AI–71.2%
EBR-benchEpoch AI Benchmarking Hub53.3%–
GDP.pdfEpoch AI Benchmarking Hub26.4%–
AA-Omniscience v1.1: accuracyArtificial Analysis51.1%41.0%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis39.1%82.4%
HealthBench Professional (AA)OpenAI62.3%–
FACTS ParametricGoogle76.1%†–
指示追従
LiveBench LanguageLiveBench85.3%–
LiveBench Instruction FollowingLiveBench68.6%–
Arena Instruction FollowingArena (LMArena)1449–
人間の評価
Arena TextArena (LMArena)1457–
EQ-Bench Creative Writing v3EQ-Bench2126†–
Arena Creative WritingArena (LMArena)1428–
Arena Multi-turnArena (LMArena)1468–
Arena Longer QueriesArena (LMArena)1466–
マルチモーダル
Arena VisionArena (LMArena)1233–
MMMU-ProArtificial Analysis83.0%–
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%83.7%
MLCRArtificial Analysis33.9%22.2%
FACTS GroundingGoogle83.3%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub163.8†–
LiveBench 1.0LiveBench79.3%–
AA Intelligence Index v5.0.1Artificial Analysis44.250.1
AA Intelligence Index v4.3.2Artificial Analysis47.655.8
AA Progress Index v1Artificial Analysis334343.2
Vals IndexVals AI–66.8
Vals Finance IndexVals AI–64.5%
Vals RSI IndexVals AI28.1%24.4%
Vals Science IndexVals AI45.0%48.5%
Vals Router IndexVals AI–66.8%†
Vals Legal IndexVals AI–77.9%
AA Cyber IndexArtificial Analysis36.8–
安全性・誠実さ
FORTRESSScale AI SEAL13.5%†–
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 Wonder Full (max):BenchLeader Index 62.6 → 61.7。
  • 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 Wonder Full (max):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 · 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 Sol vs Muse Wonder Full:よくある質問

GPT-6 SolはMuse Wonder Fullより優れていますか?
GPT-6 Sol (max)とMuse Wonder Full (max)の品質は互角です(62.6 対 61.7、±4.0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 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 66。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 Wonder Fullが1724です。
エージェントやツール利用にはGPT-6 Sol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 59。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 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(67 対 67)。どちらも約1.1Mトークンです(GPT-6 Solは1,050,000、Muse Wonder Fullは1,000,000)。
GPT-6 Sol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43件のベンチマークのうち、GPT-6 Solのリードが10件、Muse Wonder Fullのリードが32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。