BenchLeader

Muse Spark 1.3 vs Qwen3.8 2.4T A95B

詳しいプロフィール:Muse Spark 1.3(Meta)とQwen3.8 2.4T A95B(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 · 8件の情報源のデータ

2026年11月16日時点で、Muse Spark 1.3とQwen3.8 2.4T A95Bの品質は互角です(BenchLeader Indexで61.6 対 51.4、±16.5の誤差範囲内)。価格はMuse Spark 1.3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。両方を測定できるすべてのカテゴリでMuse Spark 1.3がリードしています。Muse Spark 1.3の方が出力が約2倍速いです。

要点(2026年11月16日時点)

  • BenchLeader IndexはMuse Spark 1.3が61.6、Qwen3.8 2.4T A95Bが51.4です(BenchLeader、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)。
  • Qwen3.8 2.4T A95B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 1.3はQwen3.8 2.4T A95B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 48高
推論Muse Spark 1.3カテゴリスコア71 対 46高
知識Muse Spark 1.3カテゴリスコア81 対 49高
最低コストMuse Spark 1.3100万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 1.3最初の回答トークンまで2.6秒(Muse Spark 1.3)対 107.3秒(Qwen3.8 2.4T A95B)–
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 1.3とQwen3.8 2.4T A95Bの品質は互角です(61.6 対 51.4、±16.5の誤差範囲内)。
  • 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。
  • Muse Spark 1.3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 1.3の方が出力が4.0倍速くなっています(163 対 41トークン/秒)。

概要

仕様Muse Spark 1.3Qwen3.8 2.4T A95B
プロバイダーMetaAlibaba
リリース日2026年9月2日2026年8月12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 1.3Qwen3.8 2.4T A95B
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$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 1.3Qwen3.8 2.4T A95Bトップ
推論71.046.4Muse Spark 1.3
エージェント・ツール61.347.8Muse Spark 1.3
数学56.3–比較不可
知識81.249.0Muse Spark 1.3
長文コンテキスト–64.8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・ツール知識Muse Spark 1.3, 推論: 71.0Muse Spark 1.3, エージェント・ツール: 61.3Muse Spark 1.3, 知識: 81.2Qwen3.8 2.4T A95B, 推論: 46.4Qwen3.8 2.4T A95B, エージェント・ツール: 47.8Qwen3.8 2.4T A95B, 知識: 49.0

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, 数学, 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 1.3のリードが3件、Qwen3.8 2.4T A95Bのリードが0件です。

総合IndexMuse Spark 1.3Qwen3.8 2.4T A95Bトップ
BenchLeader Index61.651.4互角

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 1.3Qwen3.8 2.4T A95B
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
出力速度163 tok/s41 tok/s
回答開始までの時間2.6秒107.3秒
回答が完了するまでの時間(最終測定2026年11月13日)–248.5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 1.3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)。Qwen3.8 2.4T A95Bのスコアは51.4、最初の回答トークンまで107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 1.3Qwen3.8 2.4T A95B
BenchLeader IndexBenchLeader61.651.4
エージェント・ツールスコアBenchLeader61.347.8
知識スコアBenchLeader81.249.0
数学スコアBenchLeader56.3–
推論スコアBenchLeader71.046.4
長文コンテキストスコアBenchLeader–64.8
ブレンド価格($/100万トークン)BenchLeader$2.00$3.00
出力速度BenchLeader163 tok/s41 tok/s
回答開始までの時間BenchLeader2.6秒107.3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
SimpleBenchSimpleBench81.8%–
Arena Hard PromptsArena (LMArena)1517†–
LiveBench 2.0 ReasoningLiveBench89.7%†–
LiveBench 1.0 ReasoningLiveBench89.7%†–
GPQA Diamond (AA)Artificial Analysis93.5%†93.5%
Humanity's Last Exam (AA)Artificial Analysis48.7%†42.5%
HLE-Diamond (AA)Artificial Analysis33.7%†20.1%
CritPtArtificial Analysis24.9%†20.0%
CritPt v2 hard subset (AA)Artificial Analysis48.0%†–
MysteryMechanismVals AI36.0%†–
HLE-Diamond (Scale)Scale AI SEAL25.4%–
Arena ExpertArena (LMArena)1521†–
Chess PuzzlesEpoch AI Benchmarking Hub37.0%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub25.0%†–
LMCAEpoch AI Benchmarking Hub53.9%–
DTBenchEpoch AI Benchmarking Hub96.5%–
ForecastBenchForecastBench65.5%†–
BTF-3Epoch AI Benchmarking Hub14.1%†–
コーディング
SciCodeSciCode58.8%†–
Arena CodingArena (LMArena)1534†–
Arena WebDevArena (LMArena)1655†–
LiveBench 2.0 CodingLiveBench84.4%†–
LiveBench 1.0 CodingLiveBench81.1%†–
SciCode (AA)Artificial Analysis58.8%†54.0%
IOIVals AI56.6%†–
126件のベンチマークをすべて表示
指標公開元Muse Spark 1.3Qwen3.8 2.4T A95B
コーディング
Code MigrationVals AI47.4%†–
ProgramBenchVals AI2.5%†–
SWE-bench MultimodalVals AI43.1%†–
Vibe Code Bench 1-100Vals AI20.5%†–
Vibe Code Bench v1.1Vals AI85.9%†–
MirrorCodeEpoch AI Benchmarking Hub54.4%†–
CursorBenchCursor41.6%†–
ALE-BenchEpoch AI Benchmarking Hub1688.3†–
FrontierSWEEpoch AI Benchmarking Hub25.8%†–
WeirdML v3WeirdML6.7%†–
Terminal-Bench 4.0 (AA)Artificial Analysis33.3%†11.1%
Terminal-Bench 2.1 (AA)Artificial Analysis84.3%†82.0%
Startrise FrontendStartrise74.7%–
GameBench 2 OverallDuelLab GameBench 257.752.8
GameBench 2 by reasoning settingDuelLab GameBench 268.5†49.3†
Design Arena WebsiteDesign Arena1353†–
FrontierCode 1.1 (AA)Artificial Analysis40.6%†–
FrontierCode 2.0 (AA)Artificial Analysis23.1%†–
エージェント・ツール
Terminal-BenchTerminal-Bench14.8%†–
APEX-AgentsMercor58.6%–
Arena AgentArena (LMArena)2.2†–
LiveBench Long AgenticLiveBench47.9%†–
LiveBench BrowserLiveBench30.9%†–
LiveBench Agentic CodingLiveBench64.1%†–
Terminal-Bench 2.1 (Vals)Vals AI79.0%†–
MCP AtlasScale AI SEAL–84.5%†
HiL-BenchScale AI SEAL66.9%–
GDPval-AA v2.1, normalised scoreArtificial Analysis–55.4%
GDPval-AA v2.1Artificial Analysis1681†1614
τ³-Banking (AA)Artificial Analysis50.5%†49.1%
ITBench SRE (AA)Artificial Analysis33.2%†–
Analyst Agent (AA)Artificial Analysis37.5%†–
CUA-benchVals AI5.8%†–
CyberBenchVals AI72.7%†–
Finance Agent v2Vals AI60.0%†–
Harvey's Legal Agent Benchmark v1Vals AI23.8%†–
Legal Research BenchVals AI55.3%†–
SREBenchVals AI3.8%†–
Tax Agent BenchVals AI42.4%†–
Terminal-Bench 4.0 (Vals)Vals AI24.8%†–
Terminal-Bench ScienceVals AI10.0%†–
Arena Agent Task CompletionArena (LMArena)3.7†–
AutomationBenchArtificial Analysis57.9%†57.3%
GDP.pdf (AA)Artificial Analysis26.6%†15.6%
Harvey LAB-AA v1.1Harvey8.9%†–
EnterpriseOps-GymArtificial Analysis–47.4%
AA-Briefcase v1.1Artificial Analysis1581†1430
Design Arena AgenticDesign Arena1283†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis10.9%†–
CWE-Bench (AA)Artificial Analysis60.8%†28.3%
DeepSec-Bench (AA)Artificial Analysis12.5%†9.5%
CyberGym end-to-end (AA)Artificial Analysis59.5%†0.0%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub74.0%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub46.3%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub99.2%†–
ProofBenchVals AI55.0%–
LiveBench MathematicsLiveBench96.0%†–
Arena MathsArena (LMArena)1506†–
知識
LiveBench 2.0 Data AnalysisLiveBench79.6%†–
LiveBench ResearchLiveBench82.5%†–
LiveBench 1.0 Data AnalysisLiveBench79.6%†–
AA-Omniscience v1.1Artificial Analysis22.4†7.8
PRBench FinanceScale AI SEAL59.5%–
PRBench LegalScale AI SEAL61.6%–
Excel Modeling BenchmarkVals AI67.4%†–
Access to Justice BenchmarkVals AI72.2%†–
Financial Coaching BenchVals AI70.3%†–
Immigration BenchVals AI64.9%†–
DrugDiscoveryBenchScale AI SEAL62.2%†–
GDP.pdfEpoch AI Benchmarking Hub27.6%–
AA-Omniscience v1.1: accuracyArtificial Analysis38.0%†31.4%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis74.8%†65.5%
指示追従
LiveBench LanguageLiveBench82.8%†–
LiveBench Instruction FollowingLiveBench78.0%†–
Arena Instruction FollowingArena (LMArena)1485†–
人間の評価
Arena TextArena (LMArena)1497†–
EQ-Bench Creative Writing v3EQ-Bench19071844
Arena Creative WritingArena (LMArena)1468†–
Arena Multi-turnArena (LMArena)1493†–
Arena Longer QueriesArena (LMArena)1498†–
マルチモーダル
Arena VisionArena (LMArena)1310†–
LiveBench DesignLiveBench74.8%†–
MMMU-ProArtificial Analysis82.0%†–
Humanity's Sixth SenseScale AI SEAL37.4%†–
GeoBenchGeoBench86.0%–
Code2Video-AAArtificial Analysis1019†–
AA-3DArtificial Analysis1032†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis83.0%†80.3%
Arena DocumentArena (LMArena)1474†–
MLCRArtificial Analysis13.9%†30.6%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub158.2–
LiveBench 2.0LiveBench68.6%†–
LiveBench 1.0LiveBench81.6%†–
AA Intelligence Index v5.0.1Artificial Analysis36.6†–
AA Intelligence Index v4.3.2Artificial Analysis48.1†40.0
AA Progress Index v1Artificial Analysis324.5†317.8
Vals RSI IndexVals AI19.6%†–
AA Cyber IndexArtificial Analysis44.3†12.6
安全性・誠実さ
FORTRESSScale AI SEAL–21.6%†
DistressBenchScale AI SEAL84.9%77.5%
メタデータ
AA Openness IndexArtificial Analysis–27.8

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。
  • Qwen3.8 2.4T A95B:BenchLeader Index 52.0 → 51.5。
  • 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 1.3: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 1.3 vs Qwen3.8 2.4T A95B:よくある質問

Muse Spark 1.3はQwen3.8 2.4T A95Bより優れていますか?
Muse Spark 1.3とQwen3.8 2.4T A95Bの品質は互角です(61.6 対 51.4、±16.5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 1.3とQwen3.8 2.4T A95B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 1.3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。
Muse Spark 1.3とQwen3.8 2.4T A95Bはどちらが速いですか?
Muse Spark 1.3の方が出力が約2倍速くなっています(出力163 対 41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 1.3とQwen3.8 2.4T A95B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 48。50が平均)。
長い文書にはどちらが向いていますか?
どちらも約1Mトークンです(Muse Spark 1.3は1,048,576、Qwen3.8 2.4T A95Bは1,000,000)。
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 107.3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 1.3とQwen3.8 2.4T A95B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 1.3のリードが3件、Qwen3.8 2.4T A95Bのリードが0件です。
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。