BenchLeader

Muse Spark 1.2 vs Muse Spark 1.3

詳しいプロフィール:Muse Spark 1.2(Meta)とMuse Spark 1.3(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、Muse Spark 1.2とMuse Spark 1.3の品質は互角です(BenchLeader Indexで61.5 対 61.6、±9.6の誤差範囲内)。価格はほぼ同じです(100万トークンあたりのブレンド価格で$2.00 対 $2.00)。数学(67 対 56)を重視するならSpark 1.2、知識(81 対 65)、エージェント・ツール(61 対 55)、推論(71 対 68)を重視するならSpark 1.3が向いています。回答開始までの時間はSpark 1.3の方が短く、2.6秒 対 11.4秒です。Spark 1.2は出力が約2倍速い点も強みです。

要点(2026年11月16日時点)

  • BenchLeader IndexはMuse Spark 1.2が61.5、Muse Spark 1.3が61.6です(BenchLeader、2026年11月16日)。
  • Muse Spark 1.2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)。
  • Muse Spark 1.3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)。
  • Muse Spark 1.2はMuse Spark 1.3より出力が約2倍速いです(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3件のベンチマークのうち、Muse Spark 1.3が3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
エージェント・ツール利用Muse Spark 1.3カテゴリスコア61 対 55中
数学Muse Spark 1.2カテゴリスコア67 対 56高
推論Muse Spark 1.3カテゴリスコア71 対 68;LMCA 53.9% 対 48.4%中
知識Muse Spark 1.3カテゴリスコア81 対 65;GDP.pdf 27.6% 対 16.0%高
チャットの質(人間の評価)–Arenaの評価があるのはMuse Spark 1.2のみです(カテゴリスコア69)比較不可
最低コストどちらでも100万トークンあたりブレンド価格$2.00 対 $2.00;エージェント型コーディングセッション$0.092 対 $0.092–
回答開始の速さMuse Spark 1.3最初の回答トークンまで2.6秒(Muse Spark 1.3)対 11.4秒(Muse Spark 1.2 (xhigh))–
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 1.2 (xhigh)とMuse Spark 1.3の品質は互角です(61.5 対 61.6、±9.6の誤差範囲内)。
  • Muse Spark 1.2 (xhigh)は数学で優れています。
  • Muse Spark 1.3はエージェント・ツール、知識、推論で優れています。
  • 価格はほぼ同じです(100万トークンあたりブレンド価格$2.00)。

概要

仕様Muse Spark 1.2Muse Spark 1.3
プロバイダーMetaMeta
リリース日2026年8月5日2026年9月2日
コンテキストウィンドウ(トークン)1,048,5761,048,576
比較した構成Muse Spark 1.2 (xhigh)Muse Spark 1.3
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$1.25 / $4.25 / $0.150

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 1.2 (xhigh)Muse Spark 1.3トップ
推論68.171.0Muse Spark 1.3
コーディング54.7–比較不可
エージェント・ツール55.461.3Muse Spark 1.3
数学66.856.3Muse Spark 1.2
知識64.581.2Muse Spark 1.3
人間の評価68.6–比較不可
マルチモーダル65.3–比較不可
長文コンテキスト64.1–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推論エージェント・ツール数学知識Muse Spark 1.2, 推論: 68.1Muse Spark 1.2, エージェント・ツール: 55.4Muse Spark 1.2, 数学: 66.8Muse Spark 1.2, 知識: 64.5Muse Spark 1.3, 推論: 71.0Muse Spark 1.3, エージェント・ツール: 61.3Muse Spark 1.3, 数学: 56.3Muse Spark 1.3, 知識: 81.2

描画していないもの(測定済みのモデルが2つ未満):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, 人間の評価。

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3件のベンチマークのうち、Muse Spark 1.2のリードが0件、Muse Spark 1.3のリードが3件です。両方を評価しているすべての総合指標で、Muse Spark 1.3が上回っています。

総合IndexMuse Spark 1.2 (xhigh)Muse Spark 1.3トップ
BenchLeader Index61.561.6互角
Arena Text14931497†Muse Spark 1.3

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 1.2 (xhigh)Muse Spark 1.3
100万トークンあたりのブレンド価格$2.00$2.00
100万トークンあたりの入力/出力$1.25 / $4.25$1.25 / $4.25
100万トークンあたりのキャッシュ入力$0.150$0.150
タスクあたりの価格:チャットの返答$0.0018$0.0018
タスクあたりの価格:30ページのレポートを要約$0.018$0.018
タスクあたりの価格:コード編集$0.014$0.014
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$0.092
タスクあたりの価格:構造化データの抽出$0.0034$0.0034
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$0.043
出力速度208 tok/s163 tok/s
回答開始までの時間11.4秒2.6秒
回答が完了するまでの時間(最終測定2026年11月13日)23.9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 Spark 1.2 (xhigh)のスコアは61.5、最初の回答トークンまで11秒。Muse Spark 1.3のスコアは61.6、最初の回答トークンまで3秒。Muse Spark 1.3 (max)は60.6(31秒)、Muse Spark 1.3 (xhigh)は58.1(11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

137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 1.2 (xhigh)Muse Spark 1.3
BenchLeader IndexBenchLeader61.561.6
エージェント・ツールスコアBenchLeader55.461.3
コーディングスコアBenchLeader54.7–
人間の評価スコアBenchLeader68.6–
知識スコアBenchLeader64.581.2
長文コンテキストスコアBenchLeader64.1–
数学スコアBenchLeader66.856.3
マルチモーダルスコアBenchLeader65.3–
推論スコアBenchLeader68.171.0
ブレンド価格($/100万トークン)BenchLeader$2.00$2.00
出力速度BenchLeader208 tok/s163 tok/s
回答開始までの時間BenchLeader11.4秒2.6秒
コンテキストウィンドウBenchLeader1,048,576トークン1,048,576トークン
推論
SimpleBenchSimpleBench74.5%†81.8%
Arena Hard PromptsArena (LMArena)15141517†
LiveBench 2.0 ReasoningLiveBench–89.7%†
LiveBench 1.0 ReasoningLiveBench90.0%89.7%†
GPQA Diamond (AA)Artificial Analysis90.4%93.5%†
Humanity's Last Exam (AA)Artificial Analysis45.5%48.7%†
HLE-Diamond (AA)Artificial Analysis–33.7%†
CritPtArtificial Analysis17.7%24.9%†
CritPt v2 hard subset (AA)Artificial Analysis–48.0%†
MysteryMechanismVals AI–36.0%†
HLE-Diamond (Scale)Scale AI SEAL–25.4%
Arena ExpertArena (LMArena)15031521†
Chess PuzzlesEpoch AI Benchmarking Hub27.0%37.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub–25.0%†
LMCAEpoch AI Benchmarking Hub48.4%53.9%
DTBenchEpoch AI Benchmarking Hub94.7%96.5%
ForecastBenchForecastBench–65.5%†
BTF-3Epoch AI Benchmarking Hub–14.1%†
コーディング
SciCodeSciCode57.4%58.8%†
WeirdMLWeirdML60.3%–
Arena CodingArena (LMArena)15421534†
Arena WebDevArena (LMArena)15341655†
LiveBench 2.0 CodingLiveBench–84.4%†
LiveBench 1.0 CodingLiveBench77.5%81.1%†
IOIVals AI21.8%56.6%†
137件のベンチマークをすべて表示
指標公開元Muse Spark 1.2 (xhigh)Muse Spark 1.3
コーディング
SWE-bench (Vals)Vals AI86.6%–
Code MigrationVals AI29.9%47.4%†
ProgramBenchVals AI0.5%2.5%†
SWE-bench MultimodalVals AI–43.1%†
Vibe Code Bench 1-100Vals AI–20.5%†
Vibe Code Bench v1.1Vals AI79.1%85.9%†
MirrorCodeEpoch AI Benchmarking Hub–54.4%†
DeepSWE v1.1Epoch AI Benchmarking Hub54.9%–
CursorBenchCursor–41.6%†
ALE-BenchEpoch AI Benchmarking Hub–1688.3†
FrontierSWEEpoch AI Benchmarking Hub12.0%25.8%†
WeirdML v3WeirdML–6.7%†
Terminal-Bench 4.0 (AA)Artificial Analysis7.1%33.3%†
Terminal-Bench 2.1 (AA)Artificial Analysis80.2%84.3%†
Startrise FrontendStartrise70.3%†74.7%
GameBench 2 OverallDuelLab GameBench 251.5†57.7
GameBench 2 by reasoning settingDuelLab GameBench 256.968.5†
Design Arena WebsiteDesign Arena1309†1353†
FrontierCode 1.1 (AA)Artificial Analysis–40.6%†
FrontierCode 2.0 (AA)Artificial Analysis–23.1%†
エージェント・ツール
Terminal-BenchTerminal-Bench–14.8%†
APEX-AgentsMercor45.4%†58.6%
Arena AgentArena (LMArena)-8.22.2†
LiveBench Long AgenticLiveBench–47.9%†
LiveBench BrowserLiveBench–30.9%†
LiveBench Agentic CodingLiveBench57.6%64.1%†
Terminal-Bench 2.1 (Vals)Vals AI69.7%79.0%†
HiL-BenchScale AI SEAL–66.9%
GDPval-AA v2.1Artificial Analysis14781681†
τ³-Banking (AA)Artificial Analysis34.9%50.5%†
ITBench SRE (AA)Artificial Analysis–33.2%†
Analyst Agent (AA)Artificial Analysis–37.5%†
CUA-benchVals AI–5.8%†
CyberBenchVals AI69.5%72.7%†
Finance Agent v2Vals AI60.6%60.0%†
Harvey's Legal Agent Benchmark v1Vals AI25.4%23.8%†
Legal Research BenchVals AI43.8%55.3%†
SkillsBenchVals AI53.0%–
SREBenchVals AI0.0%3.8%†
Tax Agent BenchVals AI32.8%42.4%†
Terminal-Bench 4.0 (Vals)Vals AI6.1%24.8%†
Terminal-Bench ScienceVals AI–10.0%†
Arena Agent Task CompletionArena (LMArena)-9.83.7†
AutomationBenchArtificial Analysis40.6%57.9%†
GDP.pdf (AA)Artificial Analysis17.4%26.6%†
Harvey LAB-AA v1.1Harvey–8.9%†
EnterpriseOps-GymArtificial Analysis47.3%–
AA-Briefcase v1.1Artificial Analysis13231581†
Design Arena AgenticDesign Arena1185†1283†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–10.9%†
CWE-Bench (AA)Artificial Analysis–60.8%†
DeepSec-Bench (AA)Artificial Analysis–12.5%†
CyberGym end-to-end (AA)Artificial Analysis–59.5%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub–74.0%†
FrontierMath Tier 4Epoch AI Benchmarking Hub–46.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub–99.2%†
ProofBenchVals AI43.0%†55.0%
LiveBench MathematicsLiveBench91.2%96.0%†
Arena MathsArena (LMArena)14861506†
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub60.3%–
LiveBench 2.0 Data AnalysisLiveBench–79.6%†
LiveBench ResearchLiveBench–82.5%†
LiveBench 1.0 Data AnalysisLiveBench76.5%79.6%†
AA-Omniscience v1.1Artificial Analysis–22.4†
MMLU-ProVals AI88.3%–
LegalBenchVals AI85.3%–
CorpFinVals AI70.9%–
TaxEvalVals AI80.4%–
PRBench FinanceScale AI SEAL–59.5%
PRBench LegalScale AI SEAL–61.6%
BioMysteryBenchVals AI64.8%–
Excel Modeling BenchmarkVals AI57.0%67.4%†
MedCodeVals AI49.4%–
MedScribeVals AI90.1%–
Public Benefits Bench v1.1Vals AI68.5%–
Access to Justice BenchmarkVals AI–72.2%†
Financial Coaching BenchVals AI75.7%70.3%†
Immigration BenchVals AI66.5%64.9%†
DrugDiscoveryBenchScale AI SEAL–62.2%†
GDP.pdfEpoch AI Benchmarking Hub16.0%27.6%
AA-Omniscience v1.1: accuracyArtificial Analysis–38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–74.8%†
指示追従
LiveBench LanguageLiveBench78.6%82.8%†
LiveBench Instruction FollowingLiveBench74.3%78.0%†
Arena Instruction FollowingArena (LMArena)14791485†
人間の評価
Arena TextArena (LMArena)14931497†
EQ-Bench Creative Writing v3EQ-Bench1842†1907
Arena Creative WritingArena (LMArena)14431468†
Arena Multi-turnArena (LMArena)15101493†
Arena Longer QueriesArena (LMArena)14911498†
マルチモーダル
Arena VisionArena (LMArena)13051310†
LiveBench DesignLiveBench–74.8%†
MMMU-ProArtificial Analysis–82.0%†
MMMU-Pro (Vals)Vals AI86.1%–
MortgageTaxVals AI65.4%–
Humanity's Sixth SenseScale AI SEAL24.5%37.4%†
GeoBenchGeoBench–86.0%
Code2Video-AAArtificial Analysis–1019†
AA-3DArtificial Analysis–1032†
長文コンテキスト
AA-LCR v1.1Artificial Analysis79.0%83.0%†
Arena DocumentArena (LMArena)–1474†
MLCRArtificial Analysis7.2%13.9%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub155.0†158.2
LiveBench 2.0LiveBench–68.6%†
LiveBench 1.0LiveBench78.0%81.6%†
AA Intelligence Index v5.0.1Artificial Analysis–36.6†
AA Intelligence Index v4.3.2Artificial Analysis39.648.1†
AA Progress Index v1Artificial Analysis309.1324.5†
Vals RSI IndexVals AI–19.6%†
Vals Multimodal IndexVals AI69.8%†–
AA Cyber IndexArtificial Analysis–44.3†
安全性・誠実さ
DistressBenchScale AI SEAL88.4%†84.9%

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 Spark 1.3:BenchLeader Index 60.2 → 61.6。
  • Muse Spark 1.2 (xhigh):新しい結果1件(GDPval-AA v2.1)。
  • Muse Spark 1.3:スコアの改訂1件。
  • Muse Spark 1.3:BenchLeader Index 59.2 → 60.2。
  • Muse Spark 1.3:新しい結果2件(SimpleBench, GeoBench)。
  • Muse Spark 1.3:BenchLeader Index 57.7 → 59.2。
  • Muse Spark 1.3:スコアの改訂4件。
  • Muse Spark 1.3:BenchLeader Index 58.2 → 57.7。
  • Muse Spark 1.3:スコアの改訂1件。
  • Muse Spark 1.2 (xhigh):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

Muse Spark 1.2 vs Muse Spark 1.3:よくある質問

Muse Spark 1.2はMuse Spark 1.3より優れていますか?
Muse Spark 1.2 (xhigh)とMuse Spark 1.3の品質は互角です(61.5 対 61.6、±9.6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 1.2とMuse Spark 1.3はどちらが安いですか?今後変わる予定はありますか?
価格は同じで、100万トークンあたりのブレンド価格は$2.00です。どちらも価格変更は発表されていません。
Muse Spark 1.2とMuse Spark 1.3はどちらが速いですか?
Muse Spark 1.2の方が出力が約2倍速くなっています(出力208 対 163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 1.2とMuse Spark 1.3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 1.3の方がスコアが高くなっています(カテゴリ指標で61 対 55。50が平均)。
長い文書にはどちらが向いていますか?
どちらも1,048,576トークンのコンテキストに対応しています。
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Muse Spark 1.3です。Artificial Analysisの測定では、最初の回答トークンまで2.6秒 対 11.4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 1.2とMuse Spark 1.3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3件のベンチマークのうち、Muse Spark 1.2のリードが0件、Muse Spark 1.3のリードが3件です。両方を評価しているすべての総合指標で、Muse Spark 1.3が上回っています。
Muse Spark 1.3はいつリリースされましたか?
Muse Spark 1.3は2026年9月2日にリリースされました。