BenchLeader

Grok 4.7 vs Muse Spark

詳しいプロフィール:Grok 4.7(SpaceXAI)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 · 13件の情報源のデータ

2026年11月16日時点で、品質ではMuse SparkがGrok 4.7を上回ります(BenchLeader Indexで64.2 対 57.4)。両方を測定できるすべてのカテゴリでMuse Sparkがリードしています。

要点(2026年11月16日時点)

  • BenchLeader IndexはGrok 4.7が57.4、Muse Sparkが64.2です(BenchLeader、2026年11月16日)。
  • Grok 4.7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)。
  • 両モデルに結果がある23件のベンチマークのうち、Muse Spark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Muse Sparkカテゴリスコア65 対 61;Arena Coding 1529 対 1493中
エージェント・ツール利用Muse Sparkカテゴリスコア65 対 57;GDPval-AA v2.1 1006 対 1717高
数学Muse Sparkカテゴリスコア59 対 56;Arena Maths 1469 対 1447中
推論Muse Sparkカテゴリスコア67 対 56;Arena Hard Prompts 1506 対 1466高
知識Muse Sparkカテゴリスコア63 対 60;PRBench Legal 52.3% 対 47.6%中
長い文書どちらでもカテゴリスコア63 対 64;AA-LCR v1.1 76.7% 対 78.0%どちらでも
画像などのメディアMuse Sparkカテゴリスコア64 対 56;Arena Vision 1306 対 1230高
チャットの質(人間の評価)Muse SparkArenaの投票で68 対 63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

  • 品質ではMuse Sparkがリードしています:64.2 対 57.4。
  • Muse Sparkはエージェント・ツール、コーディング、人間の評価、知識、長文コンテキスト、数学、マルチモーダル、推論で優れています。

概要

仕様Grok 4.7Muse Spark
プロバイダーSpaceXAIMeta
リリース日2026年9月21日2026年4月8日
コンテキストウィンドウ(トークン)500,000262,144
比較した構成Grok 4.7 (xhigh)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 / $6.00 / $0.500–

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 4.7 (xhigh)Muse Sparkトップ
推論55.667.4Muse Spark
コーディング60.965.1Muse Spark
エージェント・ツール56.965.0Muse Spark
数学55.859.1Muse Spark
知識59.963.1Muse Spark
指示追従–76.9比較不可
人間の評価62.568.1Muse Spark
マルチモーダル55.564.2Muse Spark
長文コンテキスト62.963.6互角
総合52.8–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Grok 4.7, 推論: 55.6Grok 4.7, コーディング: 60.9Grok 4.7, エージェント・ツール: 56.9Grok 4.7, 数学: 55.8Grok 4.7, 知識: 59.9Grok 4.7, 長文コンテキスト: 62.9Grok 4.7, マルチモーダル: 55.5Grok 4.7, 人間の評価: 62.5Muse 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23件のベンチマークのうち、Grok 4.7のリードが11件、Muse Sparkのリードが12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IndexGrok 4.7 (xhigh)Muse Sparkトップ
BenchLeader Index57.464.2Muse Spark
Arena Text14431489Muse 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Grok 4.7 (xhigh)Muse Spark
100万トークンあたりのブレンド価格$3.00–
100万トークンあたりの入力/出力$2.00 / $6.00– / –
100万トークンあたりのキャッシュ入力$0.500–
タスクあたりの価格:チャットの返答$0.0026–
タスクあたりの価格:30ページのレポートを要約$0.028–
タスクあたりの価格:コード編集$0.021–
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–
タスクあたりの価格:構造化データの抽出$0.0052–
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–
ベンチマークのタスクあたりのコスト(AA Index)$7.77–
タスクあたりの出力トークン(AA Index)105k–
うち推論69k–
タスクあたりの時間(AA Index)26 min–
出力速度68 tok/s–
回答開始までの時間55.9秒–
回答が完了するまでの時間(最終測定2026年11月13日)145.5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 4.7 (xhigh)のスコアは57.4、最初の回答トークンまで56秒。Grok 4.7 (high)は56.9(35秒)、Grok 4.7 (low)は55.4(10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

174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 4.7 (xhigh)Muse Spark
BenchLeader IndexBenchLeader57.464.2
エージェント・ツールスコアBenchLeader56.965.0
コーディングスコアBenchLeader60.965.1
総合スコアBenchLeader52.8–
人間の評価スコアBenchLeader62.568.1
知識スコアBenchLeader59.963.1
長文コンテキストスコアBenchLeader62.963.6
数学スコアBenchLeader55.859.1
マルチモーダルスコアBenchLeader55.564.2
推論スコアBenchLeader55.667.4
指示追従スコアBenchLeader–76.9
ブレンド価格($/100万トークン)BenchLeader$3.00–
出力速度BenchLeader68 tok/s–
回答開始までの時間BenchLeader55.9秒–
コンテキストウィンドウBenchLeader500,000トークン262,144トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub92.7%89.8%
Humanity's Last ExamScale AI / CAIS–40.6%
Arena Hard PromptsArena (LMArena)14661506
LiveBench 2.0 ReasoningLiveBench82.7%–
LiveBench 1.0 ReasoningLiveBench82.7%–
GPQA Diamond (AA)Artificial Analysis–88.4%
Humanity's Last Exam (AA)Artificial Analysis43.1%40.7%
HLE-Diamond (AA)Artificial Analysis23.2%–
GPQA Diamond (Vals)Vals AI–89.7%
ARC-AGI-1ARC Prize89.5%–
ARC-AGI-2ARC Prize61.4%–
ARC-AGI-3ARC Prize7.0%–
CritPtArtificial Analysis17.7%11.3%
CritPt v2 hard subset (AA)Artificial Analysis33.5%–
MysteryMechanismVals AI25.2%–
HLE-Diamond (Scale)Scale AI SEAL23.4%†–
Arena ExpertArena (LMArena)14781491
Chess PuzzlesEpoch AI Benchmarking Hub41.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub29.0%–
LMCAEpoch AI Benchmarking Hub49.4%–
DTBenchEpoch AI Benchmarking Hub96.0%–
コーディング
SciCodeSciCode57.4%51.5%
FrontierCodeCognition47.6%†–
Arena CodingArena (LMArena)14931529
Arena WebDevArena (LMArena)1641–
174件のベンチマークをすべて表示
指標公開元Grok 4.7 (xhigh)Muse Spark
コーディング
LiveBench 2.0 CodingLiveBench73.1%–
LiveBench 1.0 CodingLiveBench77.2%–
SciCode (AA)Artificial Analysis57.4%–
IOIVals AI57.7%–
SWE-bench (Vals)Vals AI–74.4%
SWE-Bench ProScale AI SEAL–55.0%
Code MigrationVals AI44.8%–
Code Migration v1.1Vals AI53.2%–
ProgramBenchVals AI0.5%–
SWE-bench MultimodalVals AI42.9%–
Vibe Code Bench v1.1Vals AI86.2%19.7%
Vibe Code Bench 1-100 v1.1Vals AI26.4%–
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%
SWE Atlas v1.1Scale AI SEAL62.1%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL73.4%†–
SWE Atlas v1.1: Test WritingScale AI SEAL64.4%†–
SWE Atlas v1.1: RefactoringScale AI SEAL48.6%†–
MirrorCodeEpoch AI Benchmarking Hub54.4%–
CursorBenchCursor46.3%–
ALE-BenchEpoch AI Benchmarking Hub1545.8–
FrontierSWEEpoch AI Benchmarking Hub29.5%–
WeirdML v3WeirdML8.4%–
Terminal-Bench 4.0 (AA)Artificial Analysis25.8%–
Terminal-Bench 2.1 (AA)Artificial Analysis–62.2%
Startrise FrontendStartrise75.9%†–
GameBench 2 OverallDuelLab GameBench 263.6†–
GameBench 2 by reasoning settingDuelLab GameBench 271.2–
Design Arena WebsiteDesign Arena1244†1253
FrontierCode 1.1 (AA)Artificial Analysis33.8%–
FrontierCode 2.0 (AA)Artificial Analysis28.7%–
エージェント・ツール
Terminal-BenchTerminal-Bench38.8%–
APEX-AgentsMercor54.6%†–
Arena AgentArena (LMArena)2.6–
LiveBench Long AgenticLiveBench45.3%–
LiveBench BrowserLiveBench49.3%–
LiveBench Agentic CodingLiveBench54.0%–
Terminal-Bench HardArtificial Analysis–45.5%
τ²-Bench Telecom (AA)Artificial Analysis–91.5%
Terminal-Bench 2.1 (Vals)Vals AI73.4%–
MCP AtlasScale AI SEAL–82.2%
GDPval-AA v2.1, normalised scoreArtificial Analysis60.7%–
GDPval-AA v2.1Artificial Analysis17171006
ITBench SRE (AA)Artificial Analysis42.1%–
Analyst Agent (AA)Artificial Analysis52.5%–
CyberBenchVals AI69.5%–
Finance Agent v2Vals AI52.3%–
Finance Agent v2.1Vals AI60.6%–
Harvey's Legal Agent Benchmark v1.1Vals AI18.3%–
Harvey's Legal Agent Benchmark v1Vals AI12.5%–
Legal Research BenchVals AI47.1%–
Robo-benchVals AI0.2%–
SREBenchVals AI3.8%–
Tax Agent BenchVals AI35.8%–
Terminal-Bench 2.0 (Vals)Vals AI–59.5%
Terminal-Bench 4.0 (Vals)Vals AI28.8%–
Terminal-Bench ScienceVals AI10.0%–
Arena Agent Task CompletionArena (LMArena)5.1–
Vending-Bench 2Andon Labs10536.8†–
AutomationBenchArtificial Analysis65.6%–
GDP.pdf (AA)Artificial Analysis20.0%–
Harvey LAB-AA v1.1Harvey9.4%–
AA-Briefcase v1.1Artificial Analysis1636646
GDPxGDPx by SemiAnalysis3.9%–
Design Arena AgenticDesign Arena1277†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis11.4%–
CWE-Bench (AA)Artificial Analysis68.3%–
DeepSec-Bench (AA)Artificial Analysis26.9%–
CyberGym end-to-end (AA)Artificial Analysis74.0%–
MKA (AA)Artificial Analysis40.1%–
FACTS SearchGoogle85.6%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub53.0%–
FrontierMath Tier 4Epoch AI Benchmarking Hub17.1%–
OTIS Mock AIMEEpoch AI Benchmarking Hub98.1%88.9%
ProofBenchVals AI26.0%†17.0%
LiveBench MathematicsLiveBench95.7%–
AIME (Vals)Vals AI–96.9%
Arena MathsArena (LMArena)14471469
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub56.0%–
LiveBench 2.0 Data AnalysisLiveBench76.9%–
LiveBench ResearchLiveBench89.5%–
LiveBench 1.0 Data AnalysisLiveBench76.9%–
AA-Omniscience v1.1Artificial Analysis31.2–
MMLU-ProVals AI–87.3%
LegalBenchVals AI84.4%84.2%
CorpFinVals AI–65.1%
TaxEvalVals AI–77.7%
PRBench FinanceScale AI SEAL–52.4%
PRBench LegalScale AI SEAL47.6%52.3%
MultiNRCScale AI SEAL–59.0%
BioMysteryBenchVals AI69.3%–
CaseLaw v2Vals AI–63.1%
Excel Modeling BenchmarkVals AI67.0%–
Excel Modeling Benchmark v1.1Vals AI71.5%–
MedCodeVals AI49.5%51.3%
MedScribeVals AI89.4%85.9%
Public Benefits Bench v1.1Vals AI65.6%–
Access to Justice BenchmarkVals AI73.7%–
Financial Coaching BenchVals AI74.1%–
Immigration BenchVals AI68.0%–
GDP.pdfEpoch AI Benchmarking Hub22.8%–
AA-Omniscience v1.1: accuracyArtificial Analysis42.7%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis80.0%–
HealthBench Professional (AA)OpenAI55.8%–
FACTS ParametricGoogle54.3%†–
指示追従
LiveBench LanguageLiveBench80.1%–
LiveBench Instruction FollowingLiveBench75.3%–
IFBenchArtificial Analysis–75.9%
MultiChallengeScale AI SEAL–75.5%
TutorBenchScale AI SEAL–68.5%
Arena Instruction FollowingArena (LMArena)14351465
人間の評価
Arena TextArena (LMArena)14431489
EQ-Bench Creative Writing v3EQ-Bench2012†–
Arena Creative WritingArena (LMArena)14211464
Arena Multi-turnArena (LMArena)14351493
Arena Longer QueriesArena (LMArena)14541476
マルチモーダル
Arena VisionArena (LMArena)12301306
LiveBench DesignLiveBench75.0%–
MMMU-ProArtificial Analysis78.2%†80.5%
MMMU-Pro (Vals)Vals AI–87.4%
SAGEVals AI88.7%–
GeoBenchGeoBench61.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub32.5%†–
Furniture AssemblyEpoch AI Benchmarking Hub20.8%–
VIALS-AAHandshake AI37.9%–
Code2Video-AAArtificial Analysis1127–
AA-3DArtificial Analysis992–
FACTS MultimodalGoogle40.9%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis76.7%78.0%
Arena DocumentArena (LMArena)–1467
MLCRArtificial Analysis20.0%–
FACTS GroundingGoogle68.6%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.2†153.1
LiveBench 2.0LiveBench67.9%–
LiveBench 1.0LiveBench77.4%–
AA Intelligence Index v5.0.1Artificial Analysis35.5–
AA Intelligence Index v4.3.2Artificial Analysis46.531.3
AA Progress Index v1Artificial Analysis322.7289.1
Vals IndexVals AI58.6–
Vals Finance IndexVals AI58.8%–
Vals RSI IndexVals AI20.2%–
Vals Science IndexVals AI34.8%–
Vals Router IndexVals AI58.6%†–
Vals Legal IndexVals AI72.7%–
AA Cyber IndexArtificial Analysis56.4–
安全性・誠実さ
FORTRESSScale AI SEAL–20.2%
DistressBenchScale AI SEAL52.4%†–

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

  • Grok 4.7 (xhigh):BenchLeader Index 58.0 → 57.4。
  • Grok 4.7 (xhigh):新しい結果8件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Muse Spark:新しい結果2件(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Grok 4.7 (xhigh):新しい結果1件(MirrorCode)。
  • Grok 4.7 (xhigh):新しい結果1件(ALE-Bench)。
  • Grok 4.7 (xhigh):スコアの改訂2件。
  • Muse Spark:BenchLeader Index 64.6 → 64.1。
  • Muse Spark:スコアの改訂1件。
  • Grok 4.7 (xhigh):スコアの改訂2件。
  • Grok 4.7 (xhigh):スコアの改訂2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 4.7 vs Muse Spark:よくある質問

Muse SparkはGrok 4.7より優れていますか?
品質ではMuse Sparkがリードしています:64.2 対 57.4。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 Spark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Grok 4.7とMuse Sparkのどちらが向いていますか?
コーディングでは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 61。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、Grok 4.7が57.4%、Muse Sparkが51.5%です。
エージェントやツール利用にはGrok 4.7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 57。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互角です(63 対 64)。コンテキストはGrok 4.7の方が長く、500,000トークンです(Muse Sparkは262,144トークン)。
Grok 4.7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23件のベンチマークのうち、Grok 4.7のリードが11件、Muse Sparkのリードが12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)
Grok 4.7はいつリリースされましたか?
Grok 4.7は2026年9月21日にリリースされました。