BenchLeader

Muse Spark 1.1 vs Qwen3.8 Max

詳しいプロフィール:Muse Spark 1.1(Meta)とQwen3.8 Max(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 · 14件の情報源のデータ

2026年11月16日時点で、Muse Spark 1.1とQwen3.8 Maxの品質は互角です(BenchLeader Indexで62.2 対 58.7、±6.6の誤差範囲内)。価格はMuse Spark 1.1の方が1.5倍安く、100万トークンあたりのブレンド価格で$2.00 対 $3.00です。推論(68 対 52)、知識(69 対 58)、コーディング(66 対 62)を重視するならMuse Spark 1.1、エージェント・ツール(59 対 51)、数学(65 対 61)、人間の評価(68 対 65)を重視するならQwen3.8 Maxが向いています。回答開始までの時間はMuse Spark 1.1の方が短く、1.8秒 対 119.6秒です。Muse Spark 1.1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 Spark 1.1が62.2、Qwen3.8 Maxが58.7です(BenchLeader、2026年11月16日)。
  • Muse Spark 1.1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)。
  • Qwen3.8 Max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 Spark 1.1はQwen3.8 Max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18件のベンチマークのうち、Qwen3.8 Maxが14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 Spark 1.1が1542、Qwen3.8 Maxが1676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 Spark 1.1カテゴリスコア66 対 62;SciCode 58.8% 対 53.2%中
エージェント・ツール利用Qwen3.8 Maxカテゴリスコア59 対 51;APEX-Agents 63.3% 対 31.8%高
数学Qwen3.8 Maxカテゴリスコア65 対 61;Arena Maths 1505 対 1493中
推論Muse Spark 1.1カテゴリスコア68 対 52;Arena Hard Prompts 1511 対 1507高
知識Muse Spark 1.1カテゴリスコア69 対 58高
画像などのメディアQwen3.8 Maxカテゴリスコア66 対 64;Arena Vision 1312 対 1292中
チャットの質(人間の評価)Qwen3.8 MaxArenaの投票で68 対 65中
最低コストMuse Spark 1.1100万トークンあたりブレンド価格$2.00 対 $3.00;エージェント型コーディングセッション$0.092 対 $0.144–
回答開始の速さMuse Spark 1.1最初の回答トークンまで1.8秒(Muse Spark 1.1)対 119.6秒(Qwen3.8 Max (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

  • Muse Spark 1.1とQwen3.8 Max (max)の品質は互角です(62.2 対 58.7、±6.6の誤差範囲内)。
  • Muse Spark 1.1はコーディング、知識、推論で優れています。
  • Qwen3.8 Max (max)はエージェント・ツール、人間の評価、数学、マルチモーダルで優れています。
  • Muse Spark 1.1の方が1.5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 $3.00)。
  • Muse Spark 1.1の方が出力が3.3倍速くなっています(193 対 59トークン/秒)。

概要

仕様Muse Spark 1.1Qwen3.8 Max
プロバイダーMetaAlibaba
リリース日2026年7月9日2026年8月3日
コンテキストウィンドウ(トークン)1,048,5761,000,000
比較した構成Muse Spark 1.1Qwen3.8 Max (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)$1.25 / $4.25 / $0.150$2.00 / $6.00 / $0.250

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 Spark 1.1Qwen3.8 Max (max)トップ
推論67.851.5Muse Spark 1.1
コーディング65.861.6Muse Spark 1.1
エージェント・ツール50.958.5Qwen3.8 Max
数学61.365.2Qwen3.8 Max
知識69.258.0Muse Spark 1.1
指示追従70.4–比較不可
人間の評価64.567.5Qwen3.8 Max
マルチモーダル63.665.7Qwen3.8 Max
長文コンテキスト–64.8比較不可
総合–45.0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 Spark 1.1, 推論: 67.8Muse Spark 1.1, コーディング: 65.8Muse Spark 1.1, エージェント・ツール: 50.9Muse Spark 1.1, 数学: 61.3Muse Spark 1.1, 知識: 69.2Muse Spark 1.1, マルチモーダル: 63.6Muse Spark 1.1, 人間の評価: 64.5Qwen3.8 Max, 推論: 51.5Qwen3.8 Max, コーディング: 61.6Qwen3.8 Max, エージェント・ツール: 58.5Qwen3.8 Max, 数学: 65.2Qwen3.8 Max, 知識: 58.0Qwen3.8 Max, マルチモーダル: 65.7Qwen3.8 Max, 人間の評価: 67.5

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, 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18件のベンチマークのうち、Muse Spark 1.1のリードが4件、Qwen3.8 Maxのリードが14件です。両方を評価しているすべての総合指標で、Muse Spark 1.1が上回っています。

総合IndexMuse Spark 1.1Qwen3.8 Max (max)トップ
BenchLeader Index62.258.7互角
Arena Text14911484Muse Spark 1.1

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 Spark 1.1Qwen3.8 Max (max)
100万トークンあたりのブレンド価格$2.00$3.00
100万トークンあたりの入力/出力$1.25 / $4.25$2.00 / $6.00
100万トークンあたりのキャッシュ入力$0.150$0.250
タスクあたりの価格:チャットの返答$0.0018$0.0026
タスクあたりの価格:30ページのレポートを要約$0.018$0.028
タスクあたりの価格:コード編集$0.014$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$0.092$0.144
タスクあたりの価格:構造化データの抽出$0.0034$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)$0.043$0.065
ベンチマークのタスクあたりのコスト(AA Index)–$10.02
タスクあたりの出力トークン(AA Index)–171k
うち推論–120k
タスクあたりの時間(AA Index)–48 min
出力速度193 tok/s59 tok/s
回答開始までの時間1.8秒119.6秒
回答が完了するまでの時間(最終測定2026年11月13日)–294.1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 Spark 1.1のスコアは62.2、最初の回答トークンまで2秒。Muse Spark 1.1 (xhigh)は59.5(13秒)。Qwen3.8 Max (max)のスコアは58.7、最初の回答トークンまで120秒。Qwen3.8 Max (xhigh)は56.6(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

154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 Spark 1.1Qwen3.8 Max (max)
BenchLeader IndexBenchLeader62.258.7
エージェント・ツールスコアBenchLeader50.958.5
コーディングスコアBenchLeader65.861.6
人間の評価スコアBenchLeader64.567.5
指示追従スコアBenchLeader70.4–
知識スコアBenchLeader69.258.0
数学スコアBenchLeader61.365.2
マルチモーダルスコアBenchLeader63.665.7
推論スコアBenchLeader67.851.5
総合スコアBenchLeader–45.0
長文コンテキストスコアBenchLeader–64.8
ブレンド価格($/100万トークン)BenchLeader$2.00$3.00
出力速度BenchLeader193 tok/s59 tok/s
回答開始までの時間BenchLeader1.8秒119.6秒
コンテキストウィンドウBenchLeader1,048,576トークン1,000,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub–92.7%†
Arena Hard PromptsArena (LMArena)15111507
LiveBench 2.0 ReasoningLiveBench–88.2%
LiveBench 1.0 ReasoningLiveBench87.7%†88.2%
GPQA Diamond (AA)Artificial Analysis89.8%†92.8%
Humanity's Last Exam (AA)Artificial Analysis46.2%†43.1%
HLE-Diamond (AA)Artificial Analysis–24.0%
GPQA Diamond (Vals)Vals AI91.2%†93.7%
CritPtArtificial Analysis15.1%†20.0%
CritPt v2 hard subset (AA)Artificial Analysis–29.5%
MysteryMechanismVals AI–23.9%
Arena ExpertArena (LMArena)15041514
Chess PuzzlesEpoch AI Benchmarking Hub34.0%†46.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub–38.0%†
LMCAEpoch AI Benchmarking Hub49.9%†46.2%†
DTBenchEpoch AI Benchmarking Hub94.4%†92.0%†
コーディング
SciCodeSciCode58.8%53.2%
Arena CodingArena (LMArena)15331523
Arena WebDevArena (LMArena)15421676
LiveBench 2.0 CodingLiveBench–60.9%
LiveBench 1.0 CodingLiveBench77.2%†72.9%
LiveCodeBenchVals AI85.9%†87.8%
IOIVals AI–68.9%
SWE-bench (Vals)Vals AI82.0%†85.6%
SWE-Bench ProScale AI SEAL61.5%–
154件のベンチマークをすべて表示
指標公開元Muse Spark 1.1Qwen3.8 Max (max)
コーディング
Code MigrationVals AI31.1%†24.0%
ProgramBenchVals AI0.0%†0.0%
SWE-bench MultimodalVals AI–42.5%
Vibe Code Bench 1-100Vals AI–12.8%
Vibe Code Bench v1.1Vals AI72.2%†64.7%
SWE-Bench Pro (private)Scale AI SEAL51.5%–
SWE Atlas v1.0: Codebase QnAScale AI SEAL42.2%†–
SWE Atlas v1.0: Test WritingScale AI SEAL41.5%†–
SWE Atlas v1.1Scale AI SEAL–64.4%
SWE Atlas v1.1: Codebase QnAScale AI SEAL–81.5%
SWE Atlas v1.1: Test WritingScale AI SEAL–58.9%
SWE Atlas v1.1: RefactoringScale AI SEAL–52.9%
MirrorCodeEpoch AI Benchmarking Hub–52.2%†
Surface Evolver BenchEpoch AI Benchmarking Hub52.5%†–
DeepSWE v1.1Epoch AI Benchmarking Hub53.3%57.5%†
ALE-BenchEpoch AI Benchmarking Hub–1679.1†
FrontierSWEEpoch AI Benchmarking Hub–17.8%†
Terminal-Bench 4.0 (AA)Artificial Analysis6.1%†38.9%
Terminal-Bench 2.1 (AA)Artificial Analysis77.9%†88.8%
Startrise FrontendStartrise–71.3%
GameBench 2 OverallDuelLab GameBench 2–54.2†
GameBench 2 by reasoning settingDuelLab GameBench 2–69.6†
Design Arena WebsiteDesign Arena12631269
FrontierCode 1.1 (AA)Artificial Analysis–43.2%
FrontierCode 2.0 (AA)Artificial Analysis–23.4%
エージェント・ツール
Terminal-BenchTerminal-Bench–27.0%
APEX-AgentsMercor31.8%63.3%
Arena AgentArena (LMArena)-80.1
LiveBench Long AgenticLiveBench–26.6%
LiveBench BrowserLiveBench–49.4%
LiveBench Agentic CodingLiveBench58.5%†64.7%
Terminal-Bench 2.1 (Vals)Vals AI69.3%†67.4%
MCP AtlasScale AI SEAL88.1%–
τ³-bench Bankingτ²-bench40.5%†55.1%†
GDPval-AA v2.1, normalised scoreArtificial Analysis–58.3%
GDPval-AA v2.1Artificial Analysis1216†1674
τ³-Banking (AA)Artificial Analysis31.8%†51.3%
ITBench SRE (AA)Artificial Analysis–40.3%
Analyst Agent (AA)Artificial Analysis–45.0%
APEX-Agents (AA)Artificial Analysis–42.4%
CyberBenchVals AI–28.6%
Finance Agent v2Vals AI57.2%†50.6%
Harvey's Legal Agent Benchmark v1Vals AI20.0%†10.4%
Legal Research BenchVals AI38.0%†47.6%
SkillsBenchVals AI59.2%†42.0%
Tax Agent BenchVals AI–32.1%
Terminal-Bench 4.0 (Vals)Vals AI–34.3%
Terminal-Bench ScienceVals AI–12.9%
Time Horizon Index: KSPVals AI1.7%†–
Arena SearchArena (LMArena)–1227
Arena Agent Task CompletionArena (LMArena)-6.54.5
GBAEvalEpoch AI Benchmarking Hub7.9%–
Vending-Bench 2Andon Labs6520.5–
AutomationBenchArtificial Analysis38.9%†56.2%
GDP.pdf (AA)Artificial Analysis14.4%†22.8%
EnterpriseOps-GymArtificial Analysis–47.6%
AA-Briefcase v1.1Artificial Analysis851†1604
GDPxGDPx by SemiAnalysis–3.5%
Design Arena AgenticDesign Arena11721264
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–11.9%
MKA (AA)Artificial Analysis–37.4%
FACTS SearchGoogle–85.0%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub–74.7%†
FrontierMath Tier 4Epoch AI Benchmarking Hub–46.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub–100.0%†
ProofBenchVals AI39.0%58.0%
LiveBench MathematicsLiveBench87.1%†91.3%
Arena MathsArena (LMArena)14931505
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub57.8%47.3%†
LiveBench 2.0 Data AnalysisLiveBench–78.4%
LiveBench ResearchLiveBench–72.8%
LiveBench 1.0 Data AnalysisLiveBench72.5%†78.4%
AA-Omniscience v1.1Artificial Analysis–10.5
MMLU-ProVals AI88.7%†88.6%
LegalBenchVals AI85.0%†83.6%
CorpFinVals AI71.3%†65.8%
TaxEvalVals AI79.7%†75.5%
PRBench FinanceScale AI SEAL55.0%–
PRBench LegalScale AI SEAL57.0%–
MultiNRCScale AI SEAL65.6%–
Excel Modeling BenchmarkVals AI56.4%†60.1%
Excel Modeling Benchmark v1.1Vals AI–66.0%
MedCodeVals AI–40.7%
MedScribeVals AI88.9%†85.0%
Public Benefits Bench v1.1Vals AI61.3%†67.1%
Access to Justice BenchmarkVals AI–76.4%
Financial Coaching BenchVals AI–75.6%
Immigration BenchVals AI–70.1%
GDP.pdfEpoch AI Benchmarking Hub15.0%23.2%†
AA-Omniscience v1.1: accuracyArtificial Analysis–29.5%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–72.9%
FACTS ParametricGoogle–30.8%
指示追従
LiveBench LanguageLiveBench74.3%†79.7%
LiveBench Instruction FollowingLiveBench69.6%†74.1%
MultiChallengeScale AI SEAL75.3%–
Arena Instruction FollowingArena (LMArena)14731478
人間の評価
Arena TextArena (LMArena)14911484
EQ-Bench 4EQ-Bench1244–
EQ-Bench Creative Writing v3EQ-Bench1928–
Arena Creative WritingArena (LMArena)14431472
Arena Multi-turnArena (LMArena)14971495
Arena Longer QueriesArena (LMArena)14811496
マルチモーダル
Arena VisionArena (LMArena)12921312
LiveBench DesignLiveBench–76.6%
MMMU-ProArtificial Analysis–82.8%
MMMU-Pro (Vals)Vals AI86.6%†88.0%
MortgageTaxVals AI66.1%†64.0%
SAGEVals AI–81.8%
Humanity's Sixth SenseScale AI SEAL–33.0%
VTBScale AI SEAL44.8%–
Furniture AssemblyEpoch AI Benchmarking Hub–20.0%†
VIALS-AAHandshake AI–31.7%
Code2Video-AAArtificial Analysis–1021
AA-3DArtificial Analysis–954
FACTS MultimodalGoogle–51.5%
長文コンテキスト
AA-LCR v1.1Artificial Analysis77.7%†80.3%
Arena DocumentArena (LMArena)1480–
MLCRArtificial Analysis7.2%†26.1%
FACTS GroundingGoogle–73.8%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub154.9157.6
LiveBench 2.0LiveBench–60.9%
LiveBench 1.0LiveBench75.3%†78.5%
AA Intelligence Index v5.0.1Artificial Analysis–33.6
AA Intelligence Index v4.3.2Artificial Analysis33.7†45.4
AA Progress Index v1Artificial Analysis302.7†323.7
Vals RSI IndexVals AI–21.8%
Vals Multimodal IndexVals AI66.7%†65.4%
安全性・誠実さ
FORTRESSScale AI SEAL12.4%–
DistressBenchScale AI SEAL–77.6%

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

  • Qwen3.8 Max (max):スコアの改訂1件。
  • Qwen3.8 Max (max):スコアの改訂1件。
  • Qwen3.8 Max (max):スコアの改訂6件。
  • Qwen3.8 Max (max):スコアの改訂1件。
  • Muse Spark 1.1:スコアの改訂1件。
  • Qwen3.8 Max (max):新しい結果1件(FACTS Search)、スコアの改訂1件。
  • Qwen3.8 Max (max):スコアの改訂1件、価格 $0.22/M → $0.25/M。
  • Qwen3.8 Max (max):価格 $0.25/M → $0.22/M。
  • Qwen3.8 Max (max):スコアの改訂1件、価格 $0.22/M → $0.25/M。
  • Qwen3.8 Max (max):価格 $0.25/M → $0.22/M。

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 Spark 1.1 vs Qwen3.8 Max:よくある質問

Muse Spark 1.1はQwen3.8 Maxより優れていますか?
Muse Spark 1.1とQwen3.8 Max (max)の品質は互角です(62.2 対 58.7、±6.6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。
Muse Spark 1.1とQwen3.8 Max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 1.1の方が安く、100万トークンあたり$2.00 対 $3.00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Muse Spark 1.1とQwen3.8 Maxのどちらが向いていますか?
コーディングではMuse Spark 1.1の方がスコアが高くなっています(カテゴリ指標で66 対 62。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 Spark 1.1が1542、Qwen3.8 Maxが1676です。
Muse Spark 1.1とQwen3.8 Maxはどちらが速いですか?
Muse Spark 1.1の方が出力が3倍以上速くなっています(出力193 対 59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Muse Spark 1.1とQwen3.8 Max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Qwen3.8 Maxの方がスコアが高くなっています(カテゴリ指標で59 対 51。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APEX-Agentsでは、Muse Spark 1.1が31.8%、Qwen3.8 Maxが63.3%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?
どちらも約1Mトークンです(Muse Spark 1.1は1,048,576、Qwen3.8 Maxは1,000,000)。
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 1.1です。Artificial Analysisの測定では、最初の回答トークンまで1.8秒 対 119.6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 Spark 1.1とQwen3.8 Max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18件のベンチマークのうち、Muse Spark 1.1のリードが4件、Qwen3.8 Maxのリードが14件です。両方を評価しているすべての総合指標で、Muse Spark 1.1が上回っています。
Qwen3.8 Maxはいつリリースされましたか?
Qwen3.8 Maxは2026年8月3日にリリースされました。