BenchLeader

Muse Spark 1.2 vs Step 5 Preview

詳しいプロフィール:Muse Spark 1.2(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 1.2がStep 5 Previewを上回ります(BenchLeader Indexで61.5 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。推論(68 対 52)、知識(65 対 54)、数学(67 対 60)を重視するならMuse Spark 1.2、長文コンテキスト(69 対 64)を重視するならStep 5 Preview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 23.5秒です。Muse Spark 1.2は出力が約1.5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、Step 5 Previewが56.0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)。
  • 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 1.2はStep 5 Previewより出力が約1.5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35件のベンチマークのうち、Step 5 Previewが18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 1.2カテゴリスコア55 対 50;Arena Coding 1542 対 1505中
エージェント・ツール利用Muse Spark 1.2カテゴリスコア55 対 49;Arena Agent -8.2 対 -3.7中
数学Muse Spark 1.2カテゴリスコア67 対 60;Arena Maths 1486 対 1470中
推論Muse Spark 1.2カテゴリスコア68 対 52;Arena Hard Prompts 1514 対 1477高
知識Muse Spark 1.2カテゴリスコア65 対 54;Public Benefits Bench v1.1 68.5% 対 58.1%高
長い文書Step 5 Previewカテゴリスコア69 対 64;AA-LCR v1.1 88.3% 対 79.0%中
画像などのメディアMuse Spark 1.2カテゴリスコア65 対 59;Arena Vision 1305 対 1263中
チャットの質(人間の評価)Muse Spark 1.2Arenaの投票で69 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 1.2最初の回答トークンまで11.4秒(Muse Spark 1.2 (xhigh))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 1.2 (xhigh)がリードしています:61.5 対 56.0。
  • Muse Spark 1.2 (xhigh)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は長文コンテキストで優れています。
  • 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 1.2 (xhigh)の方が出力が1.7倍速くなっています(208 対 124トークン/秒)。

概要

仕様Muse Spark 1.2Step 5 Preview
プロバイダーMetaStepFun
リリース日2026年8月5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 1.2 (xhigh)Step 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 1.2 (xhigh)Step 5 Previewトップ
推論68.151.7Muse Spark 1.2
コーディング54.749.9Muse Spark 1.2
エージェント・ツール55.449.1Muse Spark 1.2
数学66.860.1Muse Spark 1.2
知識64.553.7Muse Spark 1.2
人間の評価68.663.1Muse Spark 1.2
マルチモーダル65.359.3Muse Spark 1.2
長文コンテキスト64.169.0Step 5 Preview

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: 68.6Step 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, 長文コンテキスト: 69.0Step 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。

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35件のベンチマークのうち、Muse Spark 1.2のリードが17件、Step 5 Previewのリードが18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)Step 5 Previewトップ
BenchLeader Index61.556.0Muse Spark 1.2
Arena Text14931449Muse 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)Step 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208 tok/s124 tok/s
回答開始までの時間11.4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)23.9秒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 1.2 (xhigh)のスコアは61.5、最初の回答トークンまで11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

126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)Step 5 Preview
BenchLeader IndexBenchLeader61.556.0
エージェント・ツールスコアBenchLeader55.449.1
コーディングスコアBenchLeader54.749.9
人間の評価スコアBenchLeader68.663.1
知識スコアBenchLeader64.553.7
長文コンテキストスコアBenchLeader64.169.0
数学スコアBenchLeader66.860.1
マルチモーダルスコアBenchLeader65.359.3
推論スコアBenchLeader68.151.7
ブレンド価格($/100万トークン)BenchLeader$2.00$1.43
出力速度BenchLeader208 tok/s124 tok/s
回答開始までの時間BenchLeader11.4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
SimpleBenchSimpleBench74.5%†–
Arena Hard PromptsArena (LMArena)15141477
LiveBench 2.0 ReasoningLiveBench–83.8%†
LiveBench 1.0 ReasoningLiveBench90.0%–
GPQA Diamond (AA)Artificial Analysis90.4%–
Humanity's Last Exam (AA)Artificial Analysis45.5%46.5%
HLE-Diamond (AA)Artificial Analysis–24.3%
CritPtArtificial Analysis17.7%20.9%
CritPt v2 hard subset (AA)Artificial Analysis–32.5%
MysteryMechanismVals AI–18.5%
Arena ExpertArena (LMArena)15031489
Chess PuzzlesEpoch AI Benchmarking Hub27.0%–
LMCAEpoch AI Benchmarking Hub48.4%–
DTBenchEpoch AI Benchmarking Hub94.7%–
コーディング
SciCodeSciCode57.4%58.9%
WeirdMLWeirdML60.3%–
Arena CodingArena (LMArena)15421505
Arena WebDevArena (LMArena)15341573†
LiveBench 2.0 CodingLiveBench–67.6%†
LiveBench 1.0 CodingLiveBench77.5%–
IOIVals AI21.8%38.1%
SWE-bench (Vals)Vals AI86.6%–
Code MigrationVals AI29.9%39.0%
Code Migration v1.1Vals AI–47.0%
ProgramBenchVals AI0.5%–
126件のベンチマークをすべて表示
指標公開元Muse Spark 1.2 (xhigh)Step 5 Preview
コーディング
SWE-bench MultimodalVals AI–40.8%
Vibe Code Bench v1.1Vals AI79.1%70.4%
DeepSWE v1.1Epoch AI Benchmarking Hub54.9%–
FrontierSWEEpoch AI Benchmarking Hub12.0%–
Terminal-Bench 4.0 (AA)Artificial Analysis7.1%33.3%
Terminal-Bench 2.1 (AA)Artificial Analysis80.2%–
Startrise FrontendStartrise70.3%†–
GameBench 2 OverallDuelLab GameBench 251.5†–
GameBench 2 by reasoning settingDuelLab GameBench 256.9–
Design Arena WebsiteDesign Arena1309†–
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-AgentsMercor45.4%†–
Arena AgentArena (LMArena)-8.2-3.7
LiveBench Long AgenticLiveBench–19.4%†
LiveBench BrowserLiveBench–24.8%†
LiveBench Agentic CodingLiveBench57.6%–
Terminal-Bench 2.1 (Vals)Vals AI69.7%–
GDPval-AA v2.1, normalised scoreArtificial Analysis–54.3%
GDPval-AA v2.1Artificial Analysis14781591
τ³-Banking (AA)Artificial Analysis34.9%–
ITBench SRE (AA)Artificial Analysis–55.6%
Analyst Agent (AA)Artificial Analysis–35.0%
APEX-Agents (AA)Artificial Analysis–38.0%
CyberBenchVals AI69.5%–
Finance Agent v2Vals AI60.6%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 AI25.4%9.2%
Legal Research BenchVals AI43.8%40.4%
SkillsBenchVals AI53.0%–
SREBenchVals AI0.0%0.4%
Tax Agent BenchVals AI32.8%27.3%
Terminal-Bench 4.0 (Vals)Vals AI6.1%31.8%
Terminal-Bench ScienceVals AI–2.9%
Arena Agent Task CompletionArena (LMArena)-9.8-1.5
AutomationBenchArtificial Analysis40.6%51.0%
GDP.pdf (AA)Artificial Analysis17.4%14.8%
EnterpriseOps-GymArtificial Analysis47.3%47.2%
AA-Briefcase v1.1Artificial Analysis13231424
Design Arena AgenticDesign Arena1185†–
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 AI43.0%†42.0%
LiveBench MathematicsLiveBench91.2%–
Arena MathsArena (LMArena)14861470
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub60.3%–
LiveBench 2.0 Data AnalysisLiveBench–63.5%†
LiveBench ResearchLiveBench–75.5%†
LiveBench 1.0 Data AnalysisLiveBench76.5%–
AA-Omniscience v1.1Artificial Analysis–16.4
MMLU-ProVals AI88.3%–
LegalBenchVals AI85.3%–
CorpFinVals AI70.9%–
TaxEvalVals AI80.4%–
BioMysteryBenchVals AI64.8%67.4%
Excel Modeling BenchmarkVals AI57.0%57.1%
Excel Modeling Benchmark v1.1Vals AI–69.5%
MedCodeVals AI49.4%–
MedScribeVals AI90.1%–
Public Benefits Bench v1.1Vals AI68.5%58.1%
Financial Coaching BenchVals AI75.7%–
Immigration BenchVals AI66.5%–
GDP.pdfEpoch AI Benchmarking Hub16.0%–
AA-Omniscience v1.1: accuracyArtificial Analysis–36.4%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–68.7%
指示追従
LiveBench LanguageLiveBench78.6%–
LiveBench Instruction FollowingLiveBench74.3%–
Arena Instruction FollowingArena (LMArena)14791450
人間の評価
Arena TextArena (LMArena)14931449
EQ-Bench Creative Writing v3EQ-Bench1842†–
Arena Creative WritingArena (LMArena)14431413
Arena Multi-turnArena (LMArena)15101445
Arena Longer QueriesArena (LMArena)14911461
マルチモーダル
Arena VisionArena (LMArena)13051263
LiveBench DesignLiveBench–70.8%†
MMMU-ProArtificial Analysis–76.4%
MMMU-Pro (Vals)Vals AI86.1%–
MortgageTaxVals AI65.4%–
Humanity's Sixth SenseScale AI SEAL24.5%–
Code2Video-AAArtificial Analysis–821
AA-3DArtificial Analysis–859
長文コンテキスト
AA-LCR v1.1Artificial Analysis79.0%88.3%
MLCRArtificial Analysis7.2%18.3%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub155.0†–
LiveBench 2.0LiveBench–54.9%†
LiveBench 1.0LiveBench78.0%–
AA Intelligence Index v5.0.1Artificial Analysis–28.5
AA Intelligence Index v4.3.2Artificial Analysis39.643.7
AA Progress Index v1Artificial Analysis309.1318.2
Vals IndexVals AI–54.8
Vals Finance IndexVals AI–55.4%
Vals Science IndexVals AI–29.6%
Vals Multimodal IndexVals AI69.8%†–
Vals Legal IndexVals AI–70.2%
AA Cyber IndexArtificial Analysis–47.7
安全性・誠実さ
DistressBenchScale AI SEAL88.4%†–
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。

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

  • Step 5 Preview:BenchLeader Index 54.2 → 56.0。
  • Step 5 Preview:BenchLeader Index 54.7 → 54.2。
  • Muse Spark 1.2 (xhigh):新しい結果1件(GDPval-AA v2.1)。
  • Step 5 Preview:スコアの改訂1件。
  • Step 5 Preview:スコアの改訂7件。
  • Muse Spark 1.2 (xhigh):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 1.2 (xhigh):スコアの改訂1件。
  • Step 5 Preview:スコアの改訂1件。
  • Muse Spark 1.2 (xhigh):BenchLeader Index 62.2 → 61.6。

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 Step 5 Preview:よくある質問

Muse Spark 1.2はStep 5 Previewより優れていますか?
品質ではMuse Spark 1.2 (xhigh)がリードしています:61.5 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 1.2 (xhigh)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 1.2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 1.2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 1.2の方がスコアが高くなっています(カテゴリ指標で55 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 1.2が57.4%、Step 5 Previewが58.9%です。
Muse Spark 1.2とStep 5 Previewはどちらが速いですか?
Muse Spark 1.2の方が出力が約1.5倍速くなっています(出力208 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 1.2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 1.2の方がスコアが高くなっています(カテゴリ指標で55 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 1.2が-8.2、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?
長文コンテキストのベンチマークではStep 5 Previewの方がスコアが高くなっています(69 対 64)。どちらも約1Mトークンです(Muse Spark 1.2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 1.2です。Artificial Analysisの測定では、最初の回答トークンまで11.4秒 対 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 1.2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35件のベンチマークのうち、Muse Spark 1.2のリードが17件、Step 5 Previewのリードが18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。
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。