BenchLeader

Muse Ember vs Qwen3.5-27B

詳しいプロフィール:Muse Ember(Meta)とQwen3.5-27B(Alibaba)。すべてのベンチマーク、価格、順位を掲載しています。

更新 · 7件の情報源のデータ

2026年11月16日時点で、共通するベンチマークが少なく、品質の判定はできません。価格はMuse Emberの方が4.1倍安く、100万トークンあたりのブレンド価格で$0.200 対 $0.825です。コーディング(60 対 44)を重視するならMuse Ember、推論(58 対 51)を重視するならQwen3.5-27Bが向いています。回答開始までの時間はQwen3.5-27Bの方が短く、2.9秒 対 5.0秒です。Muse Emberは出力が3倍以上速い点も強みです。

要点(2026年11月16日時点)

  • BenchLeader IndexはMuse Emberが52.1、Qwen3.5-27Bが52.0です(BenchLeader、2026年11月16日)。
  • Muse Emberの100万トークンあたりのブレンド価格は$0.200です(定価、2026年11月16日)。
  • Qwen3.5-27Bの100万トークンあたりのブレンド価格は$0.825です(定価、2026年11月16日)。
  • Muse EmberはQwen3.5-27Bより出力が3倍以上速いです(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1件のベンチマークのうち、Muse Emberが1件でリードしています(BenchLeader、2026年11月16日)。
  • Arena WebDevでの評価はMuse Emberが1609、Qwen3.5-27Bが1357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 Emberカテゴリスコア60 対 44;Arena WebDev 1609 対 1357高
推論Qwen3.5-27Bカテゴリスコア58 対 51中
チャットの質(人間の評価)–Arenaの評価があるのはQwen3.5-27Bのみです(カテゴリスコア58)比較不可
最低コストMuse Ember100万トークンあたりブレンド価格$0.200 対 $0.825;エージェント型コーディングセッション$0.008 対 $0.028–
回答開始の速さQwen3.5-27B最初の回答トークンまで2.9秒(Qwen3.5-27B)対 5.0秒(Muse Ember (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

  • 共通するベンチマークが少なく、判定できません。
  • Muse Ember (max)はコーディングで優れています。
  • Qwen3.5-27Bは推論で優れています。
  • Muse Ember (max)の方が4.1倍安くなっています(100万トークンあたりブレンド価格$0.200 対 $0.825)。
  • Muse Ember (max)の方が出力が11.6倍速くなっています(437 対 38トークン/秒)。

概要

仕様Muse EmberQwen3.5-27B
プロバイダーMetaAlibaba
リリース日2026年11月9日2026年2月24日
コンテキストウィンドウ(トークン)1,048,576262,144
比較した構成Muse Ember (max)Qwen3.5-27B
オープンウェイトなしあり
100万トークンあたりの価格(入力/出力/キャッシュ入力)$0.100 / $0.500 / $0.0040$0.300 / $2.40 / –

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Muse Ember (max)Qwen3.5-27Bトップ
推論51.158.3Qwen3.5-27B
コーディング60.044.3Muse Ember
エージェント・ツール52.4–比較不可
数学–45.6比較不可
知識48.8–比較不可
人間の評価–58.2比較不可
マルチモーダル–56.8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・ツール数学知識マルチモーダル人間の評価Muse Ember, 推論: 51.1Muse Ember, コーディング: 60.0Muse Ember, エージェント・ツール: 52.4Muse Ember, 知識: 48.8Qwen3.5-27B, 推論: 58.3Qwen3.5-27B, コーディング: 44.3Qwen3.5-27B, 数学: 45.6Qwen3.5-27B, マルチモーダル: 56.8Qwen3.5-27B, 人間の評価: 58.2

破線:そのモデルは横切る軸の結果がなく、線は隣の軸同士をつないでいるだけです。

描画していないもの(これらのモデルの結果なし):指示追従, 長文コンテキスト。

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1件のベンチマークのうち、Muse Emberのリードが1件、Qwen3.5-27Bのリードが0件です。

総合IndexMuse Ember (max)Qwen3.5-27Bトップ
BenchLeader Index52.152.0互角

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Muse Ember (max)Qwen3.5-27B
100万トークンあたりのブレンド価格$0.200$0.825
100万トークンあたりの入力/出力$0.100 / $0.500$0.300 / $2.40
100万トークンあたりのキャッシュ入力$0.0040–
タスクあたりの価格:チャットの返答$0.0002$0.0008
タスクあたりの価格:30ページのレポートを要約$0.0015$0.0050
タスクあたりの価格:コード編集$0.0014$0.0054
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$0.0080$0.028
タスクあたりの価格:構造化データの抽出$0.0003$0.0011
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)$0.0037–
ベンチマークのタスクあたりのコスト(AA Index)$0.136–
タスクあたりの出力トークン(AA Index)84k–
うち推論52k–
タスクあたりの時間(AA Index)3 min–
出力速度437 tok/s38 tok/s
回答開始までの時間5.0秒2.9秒
回答が完了するまでの時間(最終測定2026年11月13日)12.9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。Muse Ember (max)のスコアは52.1、最初の回答トークンまで5秒。Muse Ember (xhigh)は49.1(4秒)。Qwen3.5-27Bのスコアは52.0、最初の回答トークンまで3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

66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Muse Ember (max)Qwen3.5-27B
BenchLeader IndexBenchLeader52.152.0
エージェント・ツールスコアBenchLeader52.4–
コーディングスコアBenchLeader60.044.3
知識スコアBenchLeader48.8–
推論スコアBenchLeader51.158.3
人間の評価スコアBenchLeader–58.2
数学スコアBenchLeader–45.6
マルチモーダルスコアBenchLeader–56.8
ブレンド価格($/100万トークン)BenchLeader$0.200$0.825
出力速度BenchLeader437 tok/s38 tok/s
回答開始までの時間BenchLeader5.0秒2.9秒
コンテキストウィンドウBenchLeader1,048,576トークン262,144トークン
推論
SimpleBenchSimpleBench72.7%†–
Arena Hard PromptsArena (LMArena)–1427
GPQA Diamond (AA)Artificial Analysis–84.2%†
Humanity's Last Exam (AA)Artificial Analysis–13.9%†
HLE-Diamond (AA)Artificial Analysis25.1%–
CritPtArtificial Analysis–0.3%†
CritPt v2 hard subset (AA)Artificial Analysis39.0%–
Arena ExpertArena (LMArena)–1441
LMCAEpoch AI Benchmarking Hub–34.0%
DTBenchEpoch AI Benchmarking Hub–82.4%
コーディング
WeirdMLWeirdML–39.5%
Arena CodingArena (LMArena)–1452
Arena WebDevArena (LMArena)16091357
Vibe Code Bench v1.1Vals AI83.7%–
SWE Atlas v1.1Scale AI SEAL56.0%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL61.3%†–
SWE Atlas v1.1: Test WritingScale AI SEAL56.7%†–
SWE Atlas v1.1: RefactoringScale AI SEAL50.0%†–
ALE-BenchEpoch AI Benchmarking Hub–349.4
Terminal-Bench 4.0 (AA)Artificial Analysis40.9%–
Design Arena WebsiteDesign Arena1330†–
FrontierCode 2.0 (AA)Artificial Analysis27.2%–
エージェント・ツール
Terminal-BenchTerminal-Bench30.6%†–
APEX-AgentsMercor64.3%†–
Arena AgentArena (LMArena)1.7–
66件のベンチマークをすべて表示
指標公開元Muse Ember (max)Qwen3.5-27B
エージェント・ツール
Terminal-Bench HardArtificial Analysis–31.8%†
τ²-Bench Telecom (AA)Artificial Analysis–87.1%†
ITBench SRE (AA)Artificial Analysis–35.5%†
Finance Agent v2.1Vals AI63.8%–
Harvey's Legal Agent Benchmark v1.1Vals AI25.0%–
Legal Research BenchVals AI49.0%–
Tax Agent BenchVals AI38.2%–
Terminal-Bench 4.0 (Vals)Vals AI39.4%–
Arena Agent Task CompletionArena (LMArena)-7.6–
Vending-Bench 2Andon Labs–202.0
AutomationBenchArtificial Analysis68.1%–
GDP.pdf (AA)Artificial Analysis22.8%–
AA-Briefcase v1.1Artificial Analysis1520–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis20.0%–
数学
AIME 2026MathArena–91.7%
HMMT February 2026MathArena–81.1%
MathArena ApexMathArena–2.1%
Arena MathsArena (LMArena)–1423
知識
AA-Omniscience v1.1Artificial Analysis7.4–
Excel Modeling Benchmark v1.1Vals AI72.2%–
AA-Omniscience v1.1: accuracyArtificial Analysis21.1%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis82.6%–
Global-MMLU-Lite (AA)Artificial Analysis–83.8%†
指示追従
IFBenchArtificial Analysis–46.9%†
Arena Instruction FollowingArena (LMArena)–1400
人間の評価
Arena TextArena (LMArena)–1409
Arena Creative WritingArena (LMArena)–1358
Arena Multi-turnArena (LMArena)–1414
Arena Longer QueriesArena (LMArena)–1422
マルチモーダル
Arena VisionArena (LMArena)–1240
MMMU-ProArtificial Analysis–70.0%†
長文コンテキスト
AA-LCR v1.1Artificial Analysis–64.0%†
MLCRArtificial Analysis18.3%–
総合
AA Intelligence Index v5.0.1Artificial Analysis36.0–
AA Intelligence Index v4.3.2Artificial Analysis–19.4†
AA Progress Index v1Artificial Analysis–250.2†
Vals IndexVals AI60.5–
Vals Finance IndexVals AI60.9%–
Vals Legal IndexVals AI75.7%–
安全性・誠実さ
FORTRESSScale AI SEAL11.9%†–
メタデータ
AA Openness IndexArtificial Analysis–38.9†

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。

最近の変化

  • Qwen3.5-27B:BenchLeader Index 52.5 → 52.0。
  • Muse Ember (max):新しい結果1件(Arena Agent)。
  • Muse Ember (max):新しい結果2件(MLCR, Arena WebDev)。

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

Muse Ember vs Qwen3.5-27B:よくある質問

Muse EmberはQwen3.5-27Bより優れていますか?
共通するベンチマークが少なく、判定できません。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。
Muse EmberとQwen3.5-27B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 Emberの方が安く、100万トークンあたり$0.200 対 $0.825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Muse EmberとQwen3.5-27Bのどちらが向いていますか?
コーディングではMuse Emberの方がスコアが高くなっています(カテゴリ指標で60 対 44。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、Muse Emberが1609、Qwen3.5-27Bが1357です。
Muse EmberとQwen3.5-27Bはどちらが速いですか?
Muse Emberの方が出力が3倍以上速くなっています(出力437 対 38トークン/秒、Artificial Analysisの7日間の中央値)。
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 Emberの方が長く、1,048,576トークンです(Qwen3.5-27Bは262,144トークン)。
ほかの質問(3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Qwen3.5-27Bです。Artificial Analysisの測定では、最初の回答トークンまで2.9秒 対 5.0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 EmberとQwen3.5-27B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1件のベンチマークのうち、Muse Emberのリードが1件、Qwen3.5-27Bのリードが0件です。
Muse Emberはいつリリースされましたか?
Muse Emberは2026年11月9日にリリースされました。