BenchLeader

Grok 4.6 vs Muse Wonder

詳しいプロフィール:Grok 4.6(SpaceXAI)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 · 11件の情報源のデータ

2026年11月16日時点で、Grok 4.6とMuse Wonderの品質は互角です(BenchLeader Indexで60.6 対 64.4、±4.5の誤差範囲内)。価格はGrok 4.6の方が2.7倍安く、100万トークンあたりのブレンド価格で$3.00 対 $8.00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。

要点(2026年11月16日時点)

  • BenchLeader IndexはGrok 4.6が60.6、Muse Wonderが64.4です(BenchLeader、2026年11月16日)。
  • Grok 4.6の100万トークンあたりのブレンド価格は$3.00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)。

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 59高
数学Muse Wonderカテゴリスコア70 対 63中
知識Muse Wonderカテゴリスコア77 対 60高
チャットの質(人間の評価)Muse WonderArenaの投票で70 対 64中
最低コストGrok 4.6100万トークンあたりブレンド価格$3.00 対 $8.00;エージェント型コーディングセッション$0.144 対 $0.320–
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 28.6秒(Grok 4.6 (high))–
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

  • Grok 4.6 (high)とMuse Wonderの品質は互角です(60.6 対 64.4、±4.5の誤差範囲内)。
  • Muse Wonderはエージェント・ツール、人間の評価、知識、数学で優れています。
  • Grok 4.6 (high)の方が2.7倍安くなっています(100万トークンあたりブレンド価格$3.00 対 $8.00)。

概要

仕様Grok 4.6Muse Wonder
プロバイダーSpaceXAIMeta
リリース日2026年8月11日2026年10月12日
コンテキストウィンドウ(トークン)500,0001,048,576
比較した構成Grok 4.6 (high)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)$2.00 / $6.00 / $0.500$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Grok 4.6 (high)Muse Wonderトップ
推論63.5–比較不可
コーディング61.1–比較不可
エージェント・ツール59.275.6Muse Wonder
数学63.470.1Muse Wonder
知識59.577.1Muse Wonder
人間の評価64.169.6Muse Wonder
マルチモーダル60.0–比較不可
長文コンテキスト64.8–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Grok 4.6, エージェント・ツール: 59.2Grok 4.6, 数学: 63.4Grok 4.6, 知識: 59.5Grok 4.6, 人間の評価: 64.1Muse 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、Grok 4.6のリードが0件、Muse Wonderのリードが0件です。両方を評価しているすべての総合指標で、Muse Wonderが上回っています。

総合IndexGrok 4.6 (high)Muse Wonderトップ
BenchLeader Index60.664.4互角
AA Intelligence Index v5.0.131.0†40.5Muse Wonder
Arena Text14571511†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Grok 4.6 (high)Muse Wonder
100万トークンあたりのブレンド価格$3.00$8.00
100万トークンあたりの入力/出力$2.00 / $6.00$4.00 / $20.00
100万トークンあたりのキャッシュ入力$0.500$0.200
タスクあたりの価格:チャットの返答$0.0026$0.0076
タスクあたりの価格:30ページのレポートを要約$0.028$0.060
タスクあたりの価格:コード編集$0.021$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$0.144$0.320
タスクあたりの価格:構造化データの抽出$0.0052$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)$0.076$0.149
出力速度73 tok/s70 tok/s
回答開始までの時間28.6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)62.7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。Grok 4.6 (high)のスコアは60.6、最初の回答トークンまで29秒。Grok 4.6 (medium)は59.4(19秒)、Grok 4.6 (xhigh)は56.1(37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

162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Grok 4.6 (high)Muse Wonder
BenchLeader IndexBenchLeader60.664.4
エージェント・ツールスコアBenchLeader59.275.6
コーディングスコアBenchLeader61.1–
人間の評価スコアBenchLeader64.169.6
知識スコアBenchLeader59.577.1
長文コンテキストスコアBenchLeader64.8–
数学スコアBenchLeader63.470.1
マルチモーダルスコアBenchLeader60.0–
推論スコアBenchLeader63.5–
ブレンド価格($/100万トークン)BenchLeader$3.00$8.00
出力速度BenchLeader73 tok/s70 tok/s
回答開始までの時間BenchLeader28.6秒3.3秒
コンテキストウィンドウBenchLeader500,000トークン1,048,576トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub94.0%–
SimpleBenchSimpleBench75.9%†–
Arena Hard PromptsArena (LMArena)14811531†
LiveBench 2.0 ReasoningLiveBench91.2%†90.6%†
LiveBench 1.0 ReasoningLiveBench90.5%†90.6%†
GPQA Diamond (AA)Artificial Analysis95.0%–
Humanity's Last Exam (AA)Artificial Analysis42.9%50.1%†
HLE-Diamond (AA)Artificial Analysis21.5%†39.0%†
GPQA Diamond (Vals)Vals AI94.7%–
ARC-AGI-1ARC Prize87.0%–
ARC-AGI-2ARC Prize65.1%–
ARC-AGI-3ARC Prize2.1%†–
CritPtArtificial Analysis17.1%28.3%†
CritPt v2 hard subset (AA)Artificial Analysis40.0%†50.5%†
MysteryMechanismVals AI30.6%27.5%†
HLE-Diamond (Scale)Scale AI SEAL–37.3%
Arena ExpertArena (LMArena)14961525†
Chess PuzzlesEpoch AI Benchmarking Hub33.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub34.0%†51.0%†
LMCAEpoch AI Benchmarking Hub48.5%†56.8%
DTBenchEpoch AI Benchmarking Hub97.3%†95.2%
ForecastBenchForecastBench65.4%†–
コーディング
SciCodeSciCode56.5%60.3%†
WeirdMLWeirdML67.3%–
FrontierCodeCognition48.0%†–
162件のベンチマークをすべて表示
指標公開元Grok 4.6 (high)Muse Wonder
コーディング
Arena CodingArena (LMArena)15081542†
Arena WebDevArena (LMArena)16181647†
LiveBench 2.0 CodingLiveBench76.7%†74.9%†
LiveBench 1.0 CodingLiveBench76.8%†80.7%†
LiveCodeBenchVals AI88.2%–
IOIVals AI47.6%66.9%†
SWE-bench (Vals)Vals AI95.6%–
Code MigrationVals AI44.6%62.5%†
Code Migration v1.1Vals AI–72.4%†
ProgramBenchVals AI1.0%–
SWE-bench MultimodalVals AI–45.6%†
Vibe Code Bench 1-100Vals AI14.8%26.6%†
Vibe Code Bench v1.1Vals AI76.2%83.1%†
SWE Atlas v1.1Scale AI SEAL–64.8%
SWE Atlas v1.1: Codebase QnAScale AI SEAL–73.4%
SWE Atlas v1.1: Test WritingScale AI SEAL–61.1%
SWE Atlas v1.1: RefactoringScale AI SEAL–60.0%
SWE-Bench Pro V2Scale AI SEAL–96.7%†
SWE-Bench Pro V2 HARDScale AI SEAL–90.2%†
MirrorCodeEpoch AI Benchmarking Hub41.1%†45.6%†
DeepSWE v1.1Epoch AI Benchmarking Hub65.2%–
CursorBenchCursor40.4%50.4%†
ALE-BenchEpoch AI Benchmarking Hub1508.1†–
FrontierSWEEpoch AI Benchmarking Hub25.3%†–
WeirdML v3WeirdML–15.2%†
Terminal-Bench 4.0 (AA)Artificial Analysis21.2%52.0%†
Terminal-Bench 2.1 (AA)Artificial Analysis88.4%–
Startrise FrontendStartrise72.1%†–
GameBench 2 OverallDuelLab GameBench 259.4†64.8
GameBench 2 by reasoning settingDuelLab GameBench 268.7†54.9†
Design Arena WebsiteDesign Arena1277†1378†
FrontierCode 1.1 (AA)Artificial Analysis–46.5%†
FrontierCode 2.0 (AA)Artificial Analysis19.8%†27.9%†
エージェント・ツール
Terminal-BenchTerminal-Bench19.7%47.0%†
APEX-AgentsMercor65.3%†66.1%†
Arena AgentArena (LMArena)-0.2†1.8†
LiveBench Long AgenticLiveBench18.7%†46.2%†
LiveBench BrowserLiveBench49.4%†60.0%†
LiveBench Agentic CodingLiveBench57.0%†62.7%†
Terminal-Bench 2.1 (Vals)Vals AI78.3%–
HiL-BenchScale AI SEAL–79.7%
GDPval-AA v2.1, normalised scoreArtificial Analysis–63.5%†
GDPval-AA v2.1Artificial Analysis16271770†
τ³-Banking (AA)Artificial Analysis50.7%–
Analyst Agent (AA)Artificial Analysis41.3%–
CUA-benchVals AI–7.2%†
CyberBenchVals AI67.7%80.4%†
Finance Agent v2Vals AI53.7%56.6%†
Finance Agent v2.1Vals AI–65.5%†
Harvey's Legal Agent Benchmark v1.1Vals AI–23.8%†
Harvey's Legal Agent Benchmark v1Vals AI15.8%17.1%†
Legal Research BenchVals AI48.1%50.5%†
SkillsBenchVals AI55.8%–
Tax Agent BenchVals AI33.7%36.3%†
Terminal-Bench 4.0 (Vals)Vals AI17.2%49.5%†
Terminal-Bench ScienceVals AI11.4%22.9%†
Time Horizon Index: KSPVals AI5.8%–
Arena Agent Task CompletionArena (LMArena)-2.6†5.4†
PostTrainBenchEpoch AI Benchmarking Hub–24.2%†
Vending-Bench 2Andon Labs9047.0†9432.2
AutomationBenchArtificial Analysis66.7%68.1%†
GDP.pdf (AA)Artificial Analysis17.0%30.6%†
Harvey LAB-AA v1.1Harvey–10.0%†
EnterpriseOps-GymArtificial Analysis48.3%–
AA-Briefcase v1.1Artificial Analysis15261659†
GDPxGDPx by SemiAnalysis–6.8%†
Design Arena AgenticDesign Arena1239†1177†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis6.2%25.7%†
MKA (AA)Artificial Analysis–47.5%†
FACTS SearchGoogle87.9%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub66.0%†82.1%†
FrontierMath Tier 4Epoch AI Benchmarking Hub31.7%†70.7%†
OTIS Mock AIMEEpoch AI Benchmarking Hub97.8%99.4%†
ProofBenchVals AI51.0%†84.0%
LiveBench MathematicsLiveBench92.6%†96.5%†
Arena MathsArena (LMArena)14451490†
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub49.3%–
LiveBench 2.0 Data AnalysisLiveBench75.3%†81.6%†
LiveBench ResearchLiveBench88.8%†93.0%†
LiveBench 1.0 Data AnalysisLiveBench73.9%†81.6%†
AA-Omniscience v1.1Artificial Analysis24.9†25.1†
MMLU-ProVals AI89.4%–
LegalBenchVals AI86.3%–
CorpFinVals AI66.2%–
TaxEvalVals AI71.1%–
PRBench FinanceScale AI SEAL–58.7%
PRBench LegalScale AI SEAL–58.4%
BioMysteryBenchVals AI72.2%67.0%†
Excel Modeling BenchmarkVals AI62.7%67.1%†
Excel Modeling Benchmark v1.1Vals AI–72.5%†
MedCodeVals AI44.7%–
MedScribeVals AI86.5%–
Public Benefits Bench v1.1Vals AI66.8%70.2%†
Access to Justice BenchmarkVals AI71.3%73.0%†
Financial Coaching BenchVals AI–73.8%†
Immigration BenchVals AI66.0%69.6%†
EBR-benchEpoch AI Benchmarking Hub30.5%†31.4%†
GDP.pdfEpoch AI Benchmarking Hub16.0%30.8%†
AA-Omniscience v1.1: accuracyArtificial Analysis46.2%†38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis60.3%†79.1%†
FACTS ParametricGoogle44.5%†–
指示追従
LiveBench LanguageLiveBench83.7%†82.9%†
LiveBench Instruction FollowingLiveBench71.9%†73.0%†
Arena Instruction FollowingArena (LMArena)14511498†
人間の評価
Arena TextArena (LMArena)14571511†
EQ-Bench 4EQ-Bench–1325
EQ-Bench Creative Writing v3EQ-Bench–2007
Arena Creative WritingArena (LMArena)14421491†
Arena Multi-turnArena (LMArena)14491525†
Arena Longer QueriesArena (LMArena)14761507†
マルチモーダル
Arena VisionArena (LMArena)1264–
LiveBench DesignLiveBench76.3%†70.9%†
MMMU-ProArtificial Analysis–83.8%†
MortgageTaxVals AI64.2%–
Humanity's Sixth SenseScale AI SEAL–43.7%†
Blueprint-Bench 2Epoch AI Benchmarking Hub33.2%†31.7%
Furniture AssemblyEpoch AI Benchmarking Hub40.0%†54.2%†
VIALS-AAHandshake AI–55.3%†
Code2Video-AAArtificial Analysis–997†
FACTS MultimodalGoogle39.3%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis80.3%80.7%†
Arena DocumentArena (LMArena)1450–
MLCRArtificial Analysis15.6%22.2%†
FACTS GroundingGoogle66.5%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub157.8†161.7
LiveBench 2.0LiveBench63.5%†70.7%†
LiveBench 1.0LiveBench78.0%†81.2%†
AA Intelligence Index v5.0.1Artificial Analysis31.0†43.6†
AA Intelligence Index v4.3.2Artificial Analysis44.352.4†
AA Progress Index v1Artificial Analysis321.5335.8†
Vals IndexVals AI–64.9†
Vals Finance IndexVals AI–61.2%†
Vals RSI IndexVals AI25.5%†–
Vals Science IndexVals AI38.1%39.1%†
Vals Router IndexVals AI–64.9%
Vals Legal IndexVals AI–75.3%†
安全性・誠実さ
DistressBenchScale AI SEAL–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。
  • Grok 4.6 (high):新しい結果1件(GDPval-AA v2.1)。
  • Muse Wonder:BenchLeader Index 63.5 → 63.0。
  • Grok 4.6 (high):BenchLeader Index 60.9 → 60.4。
  • Muse Wonder:新しい結果1件(Blueprint-Bench 2)。
  • Muse Wonder:BenchLeader Index 64.3 → 63.5。
  • Grok 4.6 (high):スコアの改訂2件。
  • Muse Wonder:スコアの改訂5件。
  • Grok 4.6 (high):スコアの改訂1件。
  • Muse Wonder: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

Grok 4.6 vs Muse Wonder:よくある質問

Grok 4.6はMuse Wonderより優れていますか?
Grok 4.6 (high)とMuse Wonderの品質は互角です(60.6 対 64.4、±4.5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。
Grok 4.6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Grok 4.6の方が安く、100万トークンあたり$3.00 対 $8.00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。
Grok 4.6とMuse Wonderはどちらが速いですか?
Grok 4.6の方が出力が速くなっています(出力73 対 70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Grok 4.6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 59。50が平均)。
長い文書にはどちらが向いていますか?
コンテキストはMuse Wonderの方が長く、1,048,576トークンです(Grok 4.6は500,000トークン)。
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 28.6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。