BenchLeader

Muse Spark 1.1 vs Step 5 Preview

詳しいプロフィール:Muse Spark 1.1(Meta)とStep 5 Preview(StepFun)。すべてのベンチマーク、価格、順位を掲載しています。

更新 · 9件の情報源のデータ

2026年11月16日時点で、品質ではMuse Spark 1.1がStep 5 Previewを上回ります(BenchLeader Indexで62.2 対 56.0)。ただし、価格はStep 5 Previewの方が1.4倍安く、100万トークンあたりのブレンド価格で$1.43 対 $2.00です。両方を測定できるすべてのカテゴリでMuse Spark 1.1がリードしています。Muse Spark 1.1の方が出力が速いです。

要点(2026年11月16日時点)

  • BenchLeader IndexはMuse Spark 1.1が62.2、Step 5 Previewが56.0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)。
  • Step 5 Previewの100万トークンあたりのブレンド価格は$1.43です(定価、2026年11月16日)。
  • Muse Spark 1.1はStep 5 Previewより出力が速いです(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13件のベンチマークのうち、Muse Spark 1.1が9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 1.1カテゴリスコア66 対 50;Arena Coding 1533 対 1505高
エージェント・ツール利用Muse Spark 1.1カテゴリスコア51 対 49;Arena Agent -8 対 -3.7中
数学Muse Spark 1.1カテゴリスコア61 対 60;Arena Maths 1493 対 1470中
推論Muse Spark 1.1カテゴリスコア68 対 52;Arena Hard Prompts 1511 対 1477高
知識Muse Spark 1.1カテゴリスコア69 対 54高
画像などのメディアMuse Spark 1.1カテゴリスコア64 対 59;Arena Vision 1292 対 1263中
チャットの質(人間の評価)Muse Spark 1.1Arenaの投票で65 対 63中
最低コストStep 5 Preview100万トークンあたりブレンド価格$1.43 対 $2.00;エージェント型コーディングセッション$0.071 対 $0.092–
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 23.5秒(Step 5 Preview)–
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 1.1がリードしています:62.2 対 56.0。
  • Muse Spark 1.1はエージェント・ツール、コーディング、人間の評価、知識、数学、マルチモーダル、推論で優れています。
  • Step 5 Previewの方が1.4倍安くなっています(100万トークンあたりブレンド価格$1.43 対 $2.00)。
  • Muse Spark 1.1の方が出力が1.6倍速くなっています(193 対 124トークン/秒)。

概要

仕様Muse Spark 1.1Step 5 Preview
プロバイダーMetaStepFun
リリース日2026年7月9日2026年9月18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 1.1Step 5 Preview
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)$1.25 / $4.25 / $0.150$1.00 / $2.70 / $0.105

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 1.1Step 5 Previewトップ
推論67.851.7Muse Spark 1.1
コーディング65.849.9Muse Spark 1.1
エージェント・ツール50.949.1Muse Spark 1.1
数学61.360.1Muse Spark 1.1
知識69.253.7Muse Spark 1.1
指示追従70.4–比較不可
人間の評価64.563.1Muse Spark 1.1
マルチモーダル63.659.3Muse Spark 1.1
長文コンテキスト–69.0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: 64.5Step 5 Preview, 推論: 51.7Step 5 Preview, コーディング: 49.9Step 5 Preview, エージェント・ツール: 49.1Step 5 Preview, 数学: 60.1Step 5 Preview, 知識: 53.7Step 5 Preview, マルチモーダル: 59.3Step 5 Preview, 人間の評価: 63.1

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, 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13件のベンチマークのうち、Muse Spark 1.1のリードが9件、Step 5 Previewのリードが4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 1.1Step 5 Previewトップ
BenchLeader Index62.256.0Muse Spark 1.1
Arena Text14911449Muse 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 1.1Step 5 Preview
100万トークンあたりのブレンド価格$2.00$1.43
100万トークンあたりの入力/出力$1.25 / $4.25$1.00 / $2.70
100万トークンあたりのキャッシュ入力$0.150$0.105
タスクあたりの価格:チャットの返答$0.0018$0.0012
タスクあたりの価格:30ページのレポートを要約$0.018$0.014
タスクあたりの価格:コード編集$0.014$0.010
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$0.071
タスクあたりの価格:構造化データの抽出$0.0034$0.0025
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$0.030
ベンチマークのタスクあたりのコスト(AA Index)–$2.35
タスクあたりの出力トークン(AA Index)–113k
うち推論–80k
タスクあたりの時間(AA Index)–15 min
出力速度193 tok/s124 tok/s
回答開始までの時間1.8秒23.5秒
回答が完了するまでの時間(最終測定2026年11月13日)–54.4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)。Step 5 Previewのスコアは56.0、最初の回答トークンまで24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

134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 1.1Step 5 Preview
BenchLeader IndexBenchLeader62.256.0
エージェント・ツールスコアBenchLeader50.949.1
コーディングスコアBenchLeader65.849.9
人間の評価スコアBenchLeader64.563.1
指示追従スコアBenchLeader70.4–
知識スコアBenchLeader69.253.7
数学スコアBenchLeader61.360.1
マルチモーダルスコアBenchLeader63.659.3
推論スコアBenchLeader67.851.7
長文コンテキストスコアBenchLeader–69.0
ブレンド価格($/100万トークン)BenchLeader$2.00$1.43
出力速度BenchLeader193 tok/s124 tok/s
回答開始までの時間BenchLeader1.8秒23.5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
Arena Hard PromptsArena (LMArena)15111477
LiveBench 2.0 ReasoningLiveBench–83.8%†
LiveBench 1.0 ReasoningLiveBench87.7%†–
GPQA Diamond (AA)Artificial Analysis89.8%†–
Humanity's Last Exam (AA)Artificial Analysis46.2%†46.5%
HLE-Diamond (AA)Artificial Analysis–24.3%
GPQA Diamond (Vals)Vals AI91.2%†–
CritPtArtificial Analysis15.1%†20.9%
CritPt v2 hard subset (AA)Artificial Analysis–32.5%
MysteryMechanismVals AI–18.5%
Arena ExpertArena (LMArena)15041489
Chess PuzzlesEpoch AI Benchmarking Hub34.0%†–
LMCAEpoch AI Benchmarking Hub49.9%†–
DTBenchEpoch AI Benchmarking Hub94.4%†–
コーディング
SciCodeSciCode58.8%58.9%
Arena CodingArena (LMArena)15331505
Arena WebDevArena (LMArena)15421573†
LiveBench 2.0 CodingLiveBench–67.6%†
LiveBench 1.0 CodingLiveBench77.2%†–
LiveCodeBenchVals AI85.9%†–
IOIVals AI–38.1%
SWE-bench (Vals)Vals AI82.0%†–
SWE-Bench ProScale AI SEAL61.5%–
Code MigrationVals AI31.1%†39.0%
Code Migration v1.1Vals AI–47.0%
134件のベンチマークをすべて表示
指標公開元Muse Spark 1.1Step 5 Preview
コーディング
ProgramBenchVals AI0.0%†–
SWE-bench MultimodalVals AI–40.8%
Vibe Code Bench v1.1Vals AI72.2%†70.4%
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%†–
Surface Evolver BenchEpoch AI Benchmarking Hub52.5%†–
DeepSWE v1.1Epoch AI Benchmarking Hub53.3%–
Terminal-Bench 4.0 (AA)Artificial Analysis6.1%†33.3%
Terminal-Bench 2.1 (AA)Artificial Analysis77.9%†–
Design Arena WebsiteDesign Arena1263–
FrontierCode 1.1 (AA)Artificial Analysis–38.4%
FrontierCode 2.0 (AA)Artificial Analysis–12.0%
エージェント・ツール
APEX-AgentsMercor31.8%–
Arena AgentArena (LMArena)-8-3.7
LiveBench Long AgenticLiveBench–19.4%†
LiveBench BrowserLiveBench–24.8%†
LiveBench Agentic CodingLiveBench58.5%†–
Terminal-Bench 2.1 (Vals)Vals AI69.3%†–
MCP AtlasScale AI SEAL88.1%–
τ³-bench Bankingτ²-bench40.5%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis–54.3%
GDPval-AA v2.1Artificial Analysis1216†1591
τ³-Banking (AA)Artificial Analysis31.8%†–
ITBench SRE (AA)Artificial Analysis–55.6%
Analyst Agent (AA)Artificial Analysis–35.0%
APEX-Agents (AA)Artificial Analysis–38.0%
Finance Agent v2Vals AI57.2%†50.7%
Finance Agent v2.1Vals AI–58.9%
Harvey's Legal Agent Benchmark v1.1Vals AI–12.9%
Harvey's Legal Agent Benchmark v1Vals AI20.0%†9.2%
Legal Research BenchVals AI38.0%†40.4%
SkillsBenchVals AI59.2%†–
SREBenchVals AI–0.4%
Tax Agent BenchVals AI–27.3%
Terminal-Bench 4.0 (Vals)Vals AI–31.8%
Terminal-Bench ScienceVals AI–2.9%
Time Horizon Index: KSPVals AI1.7%†–
Arena Agent Task CompletionArena (LMArena)-6.5-1.5
GBAEvalEpoch AI Benchmarking Hub7.9%–
Vending-Bench 2Andon Labs6520.5–
AutomationBenchArtificial Analysis38.9%†51.0%
GDP.pdf (AA)Artificial Analysis14.4%†14.8%
EnterpriseOps-GymArtificial Analysis–47.2%
AA-Briefcase v1.1Artificial Analysis851†1424
Design Arena AgenticDesign Arena1172–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–2.4%
CWE-Bench (AA)Artificial Analysis–52.5%
DeepSec-Bench (AA)Artificial Analysis–15.8%
CyberGym end-to-end (AA)Artificial Analysis–74.8%
MKA (AA)Artificial Analysis–27.6%
数学
ProofBenchVals AI39.0%42.0%
LiveBench MathematicsLiveBench87.1%†–
Arena MathsArena (LMArena)14931470
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub57.8%–
LiveBench 2.0 Data AnalysisLiveBench–63.5%†
LiveBench ResearchLiveBench–75.5%†
LiveBench 1.0 Data AnalysisLiveBench72.5%†–
AA-Omniscience v1.1Artificial Analysis–16.4
MMLU-ProVals AI88.7%†–
LegalBenchVals AI85.0%†–
CorpFinVals AI71.3%†–
TaxEvalVals AI79.7%†–
PRBench FinanceScale AI SEAL55.0%–
PRBench LegalScale AI SEAL57.0%–
MultiNRCScale AI SEAL65.6%–
BioMysteryBenchVals AI–67.4%
Excel Modeling BenchmarkVals AI56.4%†57.1%
Excel Modeling Benchmark v1.1Vals AI–69.5%
MedScribeVals AI88.9%†–
Public Benefits Bench v1.1Vals AI61.3%†58.1%
GDP.pdfEpoch AI Benchmarking Hub15.0%–
AA-Omniscience v1.1: accuracyArtificial Analysis–36.4%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–68.7%
指示追従
LiveBench LanguageLiveBench74.3%†–
LiveBench Instruction FollowingLiveBench69.6%†–
MultiChallengeScale AI SEAL75.3%–
Arena Instruction FollowingArena (LMArena)14731450
人間の評価
Arena TextArena (LMArena)14911449
EQ-Bench 4EQ-Bench1244–
EQ-Bench Creative Writing v3EQ-Bench1928–
Arena Creative WritingArena (LMArena)14431413
Arena Multi-turnArena (LMArena)14971445
Arena Longer QueriesArena (LMArena)14811461
マルチモーダル
Arena VisionArena (LMArena)12921263
LiveBench DesignLiveBench–70.8%†
MMMU-ProArtificial Analysis–76.4%
MMMU-Pro (Vals)Vals AI86.6%†–
MortgageTaxVals AI66.1%†–
VTBScale AI SEAL44.8%–
Code2Video-AAArtificial Analysis–821
AA-3DArtificial Analysis–859
長文コンテキスト
AA-LCR v1.1Artificial Analysis77.7%†88.3%
Arena DocumentArena (LMArena)1480–
MLCRArtificial Analysis7.2%†18.3%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub154.9–
LiveBench 2.0LiveBench–54.9%†
LiveBench 1.0LiveBench75.3%†–
AA Intelligence Index v5.0.1Artificial Analysis–28.5
AA Intelligence Index v4.3.2Artificial Analysis33.7†43.7
AA Progress Index v1Artificial Analysis302.7†318.2
Vals IndexVals AI–54.8
Vals Finance IndexVals AI–55.4%
Vals Science IndexVals AI–29.6%
Vals Multimodal IndexVals AI66.7%†–
Vals Legal IndexVals AI–70.2%
AA Cyber IndexArtificial Analysis–47.7
安全性・誠実さ
FORTRESSScale AI SEAL12.4%–
メタデータ
AA Openness IndexArtificial Analysis–33.3

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

  • Step 5 Preview:BenchLeader Index 54.2 → 56.0。
  • Step 5 Preview:BenchLeader Index 54.7 → 54.2。
  • Step 5 Preview:スコアの改訂1件。
  • Step 5 Preview:スコアの改訂7件。
  • Muse Spark 1.1:スコアの改訂1件。
  • Step 5 Preview:新しい結果2件(Vals Index, Harvey's Legal Agent Benchmark v1.1)。
  • Muse Spark 1.1:スコアの改訂2件。
  • Step 5 Preview:スコアの改訂1件。
  • Step 5 Preview:BenchLeader Index 58.0 → 54.7。
  • Step 5 Preview:新しい結果5件(AA Intelligence Index v5.0.1, AA Progress Index v1, HLE-Diamond (AA)…)、スコアの改訂2件、価格 $1.03/M → $2.35/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 Step 5 Preview:よくある質問

Muse Spark 1.1はStep 5 Previewより優れていますか?
品質ではMuse Spark 1.1がリードしています:62.2 対 56.0。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 1.1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。
Muse Spark 1.1とStep 5 Preview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Step 5 Previewの方が安く、100万トークンあたり$1.43 対 $2.00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Step 5 Preview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 50。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、Muse Spark 1.1が58.8%、Step 5 Previewが58.9%です。
Muse Spark 1.1とStep 5 Previewはどちらが速いですか?
Muse Spark 1.1の方が出力が速くなっています(出力193 対 124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Step 5 Preview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 1.1の方がスコアが高くなっています(カテゴリ指標で51 対 49。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、Muse Spark 1.1が-8、Step 5 Previewが-3.7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、Step 5 Preview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 23.5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Step 5 Preview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13件のベンチマークのうち、Muse Spark 1.1のリードが9件、Step 5 Previewのリードが4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。
Step 5 Previewはいつリリースされましたか?
Step 5 Previewは2026年9月18日にリリースされました。