BenchLeader

Muse Spark 1.2 vs Qwen3.8 Max

詳しいプロフィール:Muse Spark 1.2(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 1.2とQwen3.8 Maxの品質は互角です(BenchLeader Indexで61.5 対 58.7、±6.0の誤差範囲内)。価格はMuse Spark 1.2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(65 対 58)、数学(67 対 65)を重視するならMuse Spark 1.2、コーディング(62 対 55)、エージェント・ツール(59 対 55)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 1.2の方が短く、11.4秒 対 119.6秒です。Muse Spark 1.2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 1.2が61.5、Qwen3.8 Maxが58.7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)。
  • 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 1.2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61件のベンチマークのうち、Qwen3.8 Maxが34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 1.2が1534、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Qwen3.8 Maxカテゴリスコア62 対 55;Arena WebDev 1676 対 1534中
エージェント・ツール利用Qwen3.8 Maxカテゴリスコア59 対 55;τ³-Banking (AA) 51.3% 対 34.9%中
数学Muse Spark 1.2カテゴリスコア67 対 65;Arena Maths 1486 対 1505中
推論Muse Spark 1.2カテゴリスコア68 対 52;Arena Hard Prompts 1514 対 1507高
知識Muse Spark 1.2カテゴリスコア65 対 58;LegalBench 85.3% 対 83.6%中
長い文書どちらでもカテゴリスコア64 対 65;AA-LCR v1.1 79.0% 対 80.3%どちらでも
画像などのメディアどちらでもカテゴリスコア65 対 66;Arena Vision 1305 対 1312どちらでも
チャットの質(人間の評価)Muse Spark 1.2Arenaの投票で69 対 68中
最低コストMuse Spark 1.2100万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 1.2最初の回答トークンまで11.4秒(Muse Spark 1.2 (xhigh))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 1.2 (xhigh)とQwen3.8 Max (max)の品質は互角です(61.5 対 58.7、±6.0の誤差範囲内)。
  • Muse Spark 1.2 (xhigh)は人間の評価、知識、数学、推論で優れています。
  • Qwen3.8 Max (max)はエージェント・ツール、コーディング、長文コンテキスト、マルチモーダルで優れています。
  • Muse Spark 1.2 (xhigh)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 1.2 (xhigh)の方が出力が3.5倍速くなっています(208 対 59トークン/秒)。

概要

仕様Muse Spark 1.2Qwen3.8 Max
プロバイダーMetaAlibaba
リリース日2026年8月5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 1.2 (xhigh)Qwen3.8 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 1.2 (xhigh)Qwen3.8 Max (max)トップ
推論68.151.5Muse Spark 1.2
コーディング54.761.6Qwen3.8 Max
エージェント・ツール55.458.5Qwen3.8 Max
数学66.865.2Muse Spark 1.2
知識64.558.0Muse Spark 1.2
人間の評価68.667.5Muse Spark 1.2
マルチモーダル65.365.7互角
長文コンテキスト64.164.8互角
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・ツール数学知識長文コンテキストマルチモーダル人間の評価Muse Spark 1.2, 推論: 68.1Muse Spark 1.2, コーディング: 54.7Muse 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 1.2, 長文コンテキスト: 64.1Muse Spark 1.2, マルチモーダル: 65.3Muse Spark 1.2, 人間の評価: 68.6Qwen3.8 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, 長文コンテキスト: 64.8Qwen3.8 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。

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61件のベンチマークのうち、Muse Spark 1.2のリードが27件、Qwen3.8 Maxのリードが34件です。両方を評価しているすべての総合指標で、Muse Spark 1.2が上回っています。

総合IndexMuse Spark 1.2 (xhigh)Qwen3.8 Max (max)トップ
BenchLeader Index61.558.7互角
Arena Text14931484Muse Spark 1.2

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)Qwen3.8 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208 tok/s59 tok/s
回答開始までの時間11.4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)23.9秒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 1.2 (xhigh)のスコアは61.5、最初の回答トークンまで11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

141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)Qwen3.8 Max (max)
BenchLeader IndexBenchLeader61.558.7
エージェント・ツールスコアBenchLeader55.458.5
コーディングスコアBenchLeader54.761.6
人間の評価スコアBenchLeader68.667.5
知識スコアBenchLeader64.558.0
長文コンテキストスコアBenchLeader64.164.8
数学スコアBenchLeader66.865.2
マルチモーダルスコアBenchLeader65.365.7
推論スコアBenchLeader68.151.5
総合スコアBenchLeader–45.0
ブレンド価格($/100万トークン)BenchLeader$2.00$3.00
出力速度BenchLeader208 tok/s59 tok/s
回答開始までの時間BenchLeader11.4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%†
SimpleBenchSimpleBench74.5%†–
Arena Hard PromptsArena (LMArena)15141507
LiveBench 2.0 ReasoningLiveBench–88.2%
LiveBench 1.0 ReasoningLiveBench90.0%88.2%
GPQA Diamond (AA)Artificial Analysis90.4%92.8%
Humanity's Last Exam (AA)Artificial Analysis45.5%43.1%
HLE-Diamond (AA)Artificial Analysis–24.0%
GPQA Diamond (Vals)Vals AI–93.7%
CritPtArtificial Analysis17.7%20.0%
CritPt v2 hard subset (AA)Artificial Analysis–29.5%
MysteryMechanismVals AI–23.9%
Arena ExpertArena (LMArena)15031514
Chess PuzzlesEpoch AI Benchmarking Hub27.0%46.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub–38.0%†
LMCAEpoch AI Benchmarking Hub48.4%46.2%†
DTBenchEpoch AI Benchmarking Hub94.7%92.0%†
コーディング
SciCodeSciCode57.4%53.2%
WeirdMLWeirdML60.3%–
Arena CodingArena (LMArena)15421523
Arena WebDevArena (LMArena)15341676
LiveBench 2.0 CodingLiveBench–60.9%
LiveBench 1.0 CodingLiveBench77.5%72.9%
LiveCodeBenchVals AI–87.8%
IOIVals AI21.8%68.9%
141件のベンチマークをすべて表示
指標公開元Muse Spark 1.2 (xhigh)Qwen3.8 Max (max)
コーディング
SWE-bench (Vals)Vals AI86.6%85.6%
Code MigrationVals AI29.9%24.0%
ProgramBenchVals AI0.5%0.0%
SWE-bench MultimodalVals AI–42.5%
Vibe Code Bench 1-100Vals AI–12.8%
Vibe Code Bench v1.1Vals AI79.1%64.7%
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%†
DeepSWE v1.1Epoch AI Benchmarking Hub54.9%57.5%†
ALE-BenchEpoch AI Benchmarking Hub–1679.1†
FrontierSWEEpoch AI Benchmarking Hub12.0%17.8%†
Terminal-Bench 4.0 (AA)Artificial Analysis7.1%38.9%
Terminal-Bench 2.1 (AA)Artificial Analysis80.2%88.8%
Startrise FrontendStartrise70.3%†71.3%
GameBench 2 OverallDuelLab GameBench 251.5†54.2†
GameBench 2 by reasoning settingDuelLab GameBench 256.969.6†
Design Arena WebsiteDesign Arena1309†1269
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-AgentsMercor45.4%†63.3%
Arena AgentArena (LMArena)-8.20.1
LiveBench Long AgenticLiveBench–26.6%
LiveBench BrowserLiveBench–49.4%
LiveBench Agentic CodingLiveBench57.6%64.7%
Terminal-Bench 2.1 (Vals)Vals AI69.7%67.4%
τ³-bench Bankingτ²-bench–55.1%†
GDPval-AA v2.1, normalised scoreArtificial Analysis–58.3%
GDPval-AA v2.1Artificial Analysis14781674
τ³-Banking (AA)Artificial Analysis34.9%51.3%
ITBench SRE (AA)Artificial Analysis–40.3%
Analyst Agent (AA)Artificial Analysis–45.0%
APEX-Agents (AA)Artificial Analysis–42.4%
CyberBenchVals AI69.5%28.6%
Finance Agent v2Vals AI60.6%50.6%
Harvey's Legal Agent Benchmark v1Vals AI25.4%10.4%
Legal Research BenchVals AI43.8%47.6%
SkillsBenchVals AI53.0%42.0%
SREBenchVals AI0.0%–
Tax Agent BenchVals AI32.8%32.1%
Terminal-Bench 4.0 (Vals)Vals AI6.1%34.3%
Terminal-Bench ScienceVals AI–12.9%
Arena SearchArena (LMArena)–1227
Arena Agent Task CompletionArena (LMArena)-9.84.5
AutomationBenchArtificial Analysis40.6%56.2%
GDP.pdf (AA)Artificial Analysis17.4%22.8%
EnterpriseOps-GymArtificial Analysis47.3%47.6%
AA-Briefcase v1.1Artificial Analysis13231604
GDPxGDPx by SemiAnalysis–3.5%
Design Arena AgenticDesign Arena1185†1264
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 AI43.0%†58.0%
LiveBench MathematicsLiveBench91.2%91.3%
Arena MathsArena (LMArena)14861505
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub60.3%47.3%†
LiveBench 2.0 Data AnalysisLiveBench–78.4%
LiveBench ResearchLiveBench–72.8%
LiveBench 1.0 Data AnalysisLiveBench76.5%78.4%
AA-Omniscience v1.1Artificial Analysis–10.5
MMLU-ProVals AI88.3%88.6%
LegalBenchVals AI85.3%83.6%
CorpFinVals AI70.9%65.8%
TaxEvalVals AI80.4%75.5%
BioMysteryBenchVals AI64.8%–
Excel Modeling BenchmarkVals AI57.0%60.1%
Excel Modeling Benchmark v1.1Vals AI–66.0%
MedCodeVals AI49.4%40.7%
MedScribeVals AI90.1%85.0%
Public Benefits Bench v1.1Vals AI68.5%67.1%
Access to Justice BenchmarkVals AI–76.4%
Financial Coaching BenchVals AI75.7%75.6%
Immigration BenchVals AI66.5%70.1%
GDP.pdfEpoch AI Benchmarking Hub16.0%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 LanguageLiveBench78.6%79.7%
LiveBench Instruction FollowingLiveBench74.3%74.1%
Arena Instruction FollowingArena (LMArena)14791478
人間の評価
Arena TextArena (LMArena)14931484
EQ-Bench Creative Writing v3EQ-Bench1842†–
Arena Creative WritingArena (LMArena)14431472
Arena Multi-turnArena (LMArena)15101495
Arena Longer QueriesArena (LMArena)14911496
マルチモーダル
Arena VisionArena (LMArena)13051312
LiveBench DesignLiveBench–76.6%
MMMU-ProArtificial Analysis–82.8%
MMMU-Pro (Vals)Vals AI86.1%88.0%
MortgageTaxVals AI65.4%64.0%
SAGEVals AI–81.8%
Humanity's Sixth SenseScale AI SEAL24.5%33.0%
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 Analysis79.0%80.3%
MLCRArtificial Analysis7.2%26.1%
FACTS GroundingGoogle–73.8%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub155.0†157.6
LiveBench 2.0LiveBench–60.9%
LiveBench 1.0LiveBench78.0%78.5%
AA Intelligence Index v5.0.1Artificial Analysis–33.6
AA Intelligence Index v4.3.2Artificial Analysis39.645.4
AA Progress Index v1Artificial Analysis309.1323.7
Vals RSI IndexVals AI–21.8%
Vals Multimodal IndexVals AI69.8%†65.4%
安全性・誠実さ
DistressBenchScale AI SEAL88.4%†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。
  • Muse Spark 1.2 (xhigh):新しい結果1件(GDPval-AA v2.1)。
  • 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。
  • Qwen3.8 Max (max):新しい結果1件(FACTS Search)、スコアの改訂1件。
  • Muse Spark 1.2 (xhigh):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。

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 Qwen3.8 Max:よくある質問

Muse Spark 1.2はQwen3.8 Maxより優れていますか?
Muse Spark 1.2 (xhigh)とQwen3.8 Max (max)の品質は互角です(61.5 対 58.7、±6.0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 1.2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 1.2とQwen3.8 Maxのどちらが向いていますか?
コーディングでは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62 対 55。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 1.2が1534、Qwen3.8 Maxが1676です。
Muse Spark 1.2とQwen3.8 Maxはどちらが速いですか?
Muse Spark 1.2の方が出力が3倍以上速くなっています(出力208 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 1.2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 55。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τ³-Banking (AA)では、Muse Spark 1.2が34.9%、Qwen3.8 Maxが51.3%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?
長文コンテキストのベンチマークでは互角です(64 対 65)。どちらも約1Mトークンです(Muse Spark 1.2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 1.2です。Artificial Analysisの測定では、最初の回答トークンまで11.4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 1.2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61件のベンチマークのうち、Muse Spark 1.2のリードが27件、Qwen3.8 Maxのリードが34件です。両方を評価しているすべての総合指標で、Muse Spark 1.2が上回っています。
Muse Spark 1.2はいつリリースされましたか?
Muse Spark 1.2は2026年8月5日にリリースされました。