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 1.2 | Arenaの投票で69 対 63 | 中 |
| 最低コスト | Step 5 Preview | 100万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 1.2 | Step 5 Preview |
|---|---|---|
| プロバイダー | Meta | StepFun |
| 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) | 1,048,576 | 1,000,000 |
| 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 | 68.1 | 51.7 | Muse Spark 1.2 |
| コーディング | 54.7 | 49.9 | Muse Spark 1.2 |
| エージェント・ツール | 55.4 | 49.1 | Muse Spark 1.2 |
| 数学 | 66.8 | 60.1 | Muse Spark 1.2 |
| 知識 | 64.5 | 53.7 | Muse Spark 1.2 |
| 人間の評価 | 68.6 | 63.1 | Muse Spark 1.2 |
| マルチモーダル | 65.3 | 59.3 | Muse Spark 1.2 |
| 長文コンテキスト | 64.1 | 69.0 | Step 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。
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。
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Index | Muse Spark 1.2 (xhigh) | Step 5 Preview | トップ |
|---|---|---|---|
| BenchLeader Index | 61.5 | 56.0 | Muse Spark 1.2 |
| Arena Text | 1493 | 1449 | Muse 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) | – | $2.35 |
| タスクあたりの出力トークン(AA Index) | – | 113k |
| うち推論 | – | 80k |
| タスクあたりの時間(AA Index) | – | 15 min |
| 出力速度 | 208 tok/s | 124 tok/s |
| 回答開始までの時間 | 11.4秒 | 23.5秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 23.9秒 | 54.4秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Muse Spark 1.2 (xhigh)のスコアは61.5、最初の回答トークンまで11秒。Step 5 Previewのスコアは56.0、最初の回答トークンまで24秒。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
126件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Muse Spark 1.2 (xhigh) | Step 5 Preview |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 61.5 | 56.0 |
| エージェント・ツールスコア | BenchLeader | 55.4 | 49.1 |
| コーディングスコア | BenchLeader | 54.7 | 49.9 |
| 人間の評価スコア | BenchLeader | 68.6 | 63.1 |
| 知識スコア | BenchLeader | 64.5 | 53.7 |
| 長文コンテキストスコア | BenchLeader | 64.1 | 69.0 |
| 数学スコア | BenchLeader | 66.8 | 60.1 |
| マルチモーダルスコア | BenchLeader | 65.3 | 59.3 |
| 推論スコア | BenchLeader | 68.1 | 51.7 |
| ブレンド価格($/100万トークン) | BenchLeader | $2.00 | $1.43 |
| 出力速度 | BenchLeader | 208 tok/s | 124 tok/s |
| 回答開始までの時間 | BenchLeader | 11.4秒 | 23.5秒 |
| コンテキストウィンドウ | BenchLeader | 1,048,576トークン | 1,000,000トークン |
| 推論 | |||
| SimpleBench | SimpleBench | 74.5%† | – |
| Arena Hard Prompts | Arena (LMArena) | 1514 | 1477 |
| LiveBench 2.0 Reasoning | LiveBench | – | 83.8%† |
| LiveBench 1.0 Reasoning | LiveBench | 90.0% | – |
| GPQA Diamond (AA) | Artificial Analysis | 90.4% | – |
| Humanity's Last Exam (AA) | Artificial Analysis | 45.5% | 46.5% |
| HLE-Diamond (AA) | Artificial Analysis | – | 24.3% |
| CritPt | Artificial Analysis | 17.7% | 20.9% |
| CritPt v2 hard subset (AA) | Artificial Analysis | – | 32.5% |
| MysteryMechanism | Vals AI | – | 18.5% |
| Arena Expert | Arena (LMArena) | 1503 | 1489 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 27.0% | – |
| LMCA | Epoch AI Benchmarking Hub | 48.4% | – |
| DTBench | Epoch AI Benchmarking Hub | 94.7% | – |
| コーディング | |||
| SciCode | SciCode | 57.4% | 58.9% |
| WeirdML | WeirdML | 60.3% | – |
| Arena Coding | Arena (LMArena) | 1542 | 1505 |
| Arena WebDev | Arena (LMArena) | 1534 | 1573† |
| LiveBench 2.0 Coding | LiveBench | – | 67.6%† |
| LiveBench 1.0 Coding | LiveBench | 77.5% | – |
| IOI | Vals AI | 21.8% | 38.1% |
| SWE-bench (Vals) | Vals AI | 86.6% | – |
| Code Migration | Vals AI | 29.9% | 39.0% |
| Code Migration v1.1 | Vals AI | – | 47.0% |
| ProgramBench | Vals AI | 0.5% | – |
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 Multimodal | Vals AI | – | 40.8% |
| Vibe Code Bench v1.1 | Vals AI | 79.1% | 70.4% |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | 54.9% | – |
| FrontierSWE | Epoch AI Benchmarking Hub | 12.0% | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 7.1% | 33.3% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 80.2% | – |
| Startrise Frontend | Startrise | 70.3%† | – |
| GameBench 2 Overall | DuelLab GameBench 2 | 51.5† | – |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 56.9 | – |
| Design Arena Website | Design Arena | 1309† | – |
| 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-Agents | Mercor | 45.4%† | – |
| Arena Agent | Arena (LMArena) | -8.2 | -3.7 |
| LiveBench Long Agentic | LiveBench | – | 19.4%† |
| LiveBench Browser | LiveBench | – | 24.8%† |
| LiveBench Agentic Coding | LiveBench | 57.6% | – |
| Terminal-Bench 2.1 (Vals) | Vals AI | 69.7% | – |
| GDPval-AA v2.1, normalised score | Artificial Analysis | – | 54.3% |
| GDPval-AA v2.1 | Artificial Analysis | 1478 | 1591 |
| τ³-Banking (AA) | Artificial Analysis | 34.9% | – |
| ITBench SRE (AA) | Artificial Analysis | – | 55.6% |
| Analyst Agent (AA) | Artificial Analysis | – | 35.0% |
| APEX-Agents (AA) | Artificial Analysis | – | 38.0% |
| CyberBench | Vals AI | 69.5% | – |
| Finance Agent v2 | Vals AI | 60.6% | 50.7% |
| Finance Agent v2.1 | Vals AI | – | 58.9% |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | – | 12.9% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 25.4% | 9.2% |
| Legal Research Bench | Vals AI | 43.8% | 40.4% |
| SkillsBench | Vals AI | 53.0% | – |
| SREBench | Vals AI | 0.0% | 0.4% |
| Tax Agent Bench | Vals AI | 32.8% | 27.3% |
| Terminal-Bench 4.0 (Vals) | Vals AI | 6.1% | 31.8% |
| Terminal-Bench Science | Vals AI | – | 2.9% |
| Arena Agent Task Completion | Arena (LMArena) | -9.8 | -1.5 |
| AutomationBench | Artificial Analysis | 40.6% | 51.0% |
| GDP.pdf (AA) | Artificial Analysis | 17.4% | 14.8% |
| EnterpriseOps-Gym | Artificial Analysis | 47.3% | 47.2% |
| AA-Briefcase v1.1 | Artificial Analysis | 1323 | 1424 |
| Design Arena Agentic | Design Arena | 1185† | – |
| 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 | |||
| ProofBench | Vals AI | 43.0%† | 42.0% |
| LiveBench Mathematics | LiveBench | 91.2% | – |
| Arena Maths | Arena (LMArena) | 1486 | 1470 |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 60.3% | – |
| LiveBench 2.0 Data Analysis | LiveBench | – | 63.5%† |
| LiveBench Research | LiveBench | – | 75.5%† |
| LiveBench 1.0 Data Analysis | LiveBench | 76.5% | – |
| AA-Omniscience v1.1 | Artificial Analysis | – | 16.4 |
| MMLU-Pro | Vals AI | 88.3% | – |
| LegalBench | Vals AI | 85.3% | – |
| CorpFin | Vals AI | 70.9% | – |
| TaxEval | Vals AI | 80.4% | – |
| BioMysteryBench | Vals AI | 64.8% | 67.4% |
| Excel Modeling Benchmark | Vals AI | 57.0% | 57.1% |
| Excel Modeling Benchmark v1.1 | Vals AI | – | 69.5% |
| MedCode | Vals AI | 49.4% | – |
| MedScribe | Vals AI | 90.1% | – |
| Public Benefits Bench v1.1 | Vals AI | 68.5% | 58.1% |
| Financial Coaching Bench | Vals AI | 75.7% | – |
| Immigration Bench | Vals AI | 66.5% | – |
| GDP.pdf | Epoch AI Benchmarking Hub | 16.0% | – |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | – | 36.4% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | – | 68.7% |
| 指示追従 | |||
| LiveBench Language | LiveBench | 78.6% | – |
| LiveBench Instruction Following | LiveBench | 74.3% | – |
| Arena Instruction Following | Arena (LMArena) | 1479 | 1450 |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1493 | 1449 |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1842† | – |
| Arena Creative Writing | Arena (LMArena) | 1443 | 1413 |
| Arena Multi-turn | Arena (LMArena) | 1510 | 1445 |
| Arena Longer Queries | Arena (LMArena) | 1491 | 1461 |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1305 | 1263 |
| LiveBench Design | LiveBench | – | 70.8%† |
| MMMU-Pro | Artificial Analysis | – | 76.4% |
| MMMU-Pro (Vals) | Vals AI | 86.1% | – |
| MortgageTax | Vals AI | 65.4% | – |
| Humanity's Sixth Sense | Scale AI SEAL | 24.5% | – |
| Code2Video-AA | Artificial Analysis | – | 821 |
| AA-3D | Artificial Analysis | – | 859 |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 79.0% | 88.3% |
| MLCR | Artificial Analysis | 7.2% | 18.3% |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 155.0† | – |
| LiveBench 2.0 | LiveBench | – | 54.9%† |
| LiveBench 1.0 | LiveBench | 78.0% | – |
| AA Intelligence Index v5.0.1 | Artificial Analysis | – | 28.5 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 39.6 | 43.7 |
| AA Progress Index v1 | Artificial Analysis | 309.1 | 318.2 |
| Vals Index | Vals AI | – | 54.8 |
| Vals Finance Index | Vals AI | – | 55.4% |
| Vals Science Index | Vals AI | – | 29.6% |
| Vals Multimodal Index | Vals AI | 69.8%† | – |
| Vals Legal Index | Vals AI | – | 70.2% |
| AA Cyber Index | Artificial Analysis | – | 47.7 |
| 安全性・誠実さ | |||
| DistressBench | Scale AI SEAL | 88.4%† | – |
| メタデータ | |||
| AA Openness Index | Artificial 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。
関連する比較
- Muse Spark 1.2 vs Claude Fable 5.2
- Muse Spark 1.2 vs Gemini 4 Carbon
- Muse Spark 1.2 vs Claude Opus 5.5
- Step 5 Preview vs Claude Opus 5.5
- Step 5 Preview vs GPT-6 Astra
- Step 5 Preview vs GPT-6.1 Sol
- Step 5 Preview vs Gemini 4 Argon
- Muse Spark 1.1 vs Step 5 Preview
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。