BenchLeader

Muse Spark 1.3 vs Step 5 Preview

詳しいプロフィール:Muse Spark 1.3(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 · 10件の情報源のデータ

2026年11月16日時点で、品質ではMuse Spark 1.3がStep 5 Previewを上回ります(BenchLeader Indexで61.6 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。知識(81 対 54)、推論(71 対 52)、エージェント・ツール(61 対 49)を重視するならMuse Spark 1.3、数学(60 対 56)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 1.3の方が短く、2.6秒 対 23.5秒です。Step 5 Previewは出力が速い点も強みです。

要点(2026年11月16日時点)

  • BenchLeader IndexはMuse Spark 1.3が61.6、Step 5 Previewが56.0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)。
  • 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)。
  • Step 5 PreviewはMuse Spark 1.3より出力が速いです(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1件のベンチマークのうち、Muse Spark 1.3が1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 49高
数学Step 5 Previewカテゴリスコア60 対 56;ProofBench 42.0% 対 55.0%中
推論Muse Spark 1.3カテゴリスコア71 対 52高
知識Muse Spark 1.3カテゴリスコア81 対 54高
チャットの質(人間の評価)–Arenaの評価があるのはStep 5 Previewのみです(カテゴリスコア63)比較不可
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 1.3最初の回答トークンまで2.6秒(Muse Spark 1.3)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 1.3がリードしています:61.6 対 56.0。
  • 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。
  • Step 5 Previewは数学で優れています。
  • 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 1.3の方が出力が1.3倍速くなっています(163 対 124トークン/秒)。

概要

仕様Muse Spark 1.3Step 5 Preview
プロバイダーMetaStepFun
リリース日2026年9月2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 1.3Step 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 1.3Step 5 Previewトップ
推論71.051.7Muse Spark 1.3
コーディング–49.9比較不可
エージェント・ツール61.349.1Muse Spark 1.3
数学56.360.1Step 5 Preview
知識81.253.7Muse Spark 1.3
人間の評価–63.1比較不可
マルチモーダル–59.3比較不可
長文コンテキスト–69.0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推論エージェント・ツール数学知識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, 数学: 56.3Muse Spark 1.3, 知識: 81.2Step 5 Preview, 推論: 51.7Step 5 Preview, エージェント・ツール: 49.1Step 5 Preview, 数学: 60.1Step 5 Preview, 知識: 53.7

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1件のベンチマークのうち、Muse Spark 1.3のリードが1件、Step 5 Previewのリードが0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 1.3Step 5 Previewトップ
BenchLeader Index61.656.0Muse Spark 1.3
AA Intelligence Index v5.0.136.6†28.5Muse Spark 1.3
Arena Text1497†1449Muse 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 1.3Step 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163 tok/s124 tok/s
回答開始までの時間2.6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)–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 1.3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)。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

135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 1.3Step 5 Preview
BenchLeader IndexBenchLeader61.656.0
エージェント・ツールスコアBenchLeader61.349.1
知識スコアBenchLeader81.253.7
数学スコアBenchLeader56.360.1
推論スコアBenchLeader71.051.7
コーディングスコアBenchLeader–49.9
人間の評価スコアBenchLeader–63.1
長文コンテキストスコアBenchLeader–69.0
マルチモーダルスコアBenchLeader–59.3
ブレンド価格($/100万トークン)BenchLeader$2.00$1.43
出力速度BenchLeader163 tok/s124 tok/s
回答開始までの時間BenchLeader2.6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
SimpleBenchSimpleBench81.8%–
Arena Hard PromptsArena (LMArena)1517†1477
LiveBench 2.0 ReasoningLiveBench89.7%†83.8%†
LiveBench 1.0 ReasoningLiveBench89.7%†–
GPQA Diamond (AA)Artificial Analysis93.5%†–
Humanity's Last Exam (AA)Artificial Analysis48.7%†46.5%
HLE-Diamond (AA)Artificial Analysis33.7%†24.3%
CritPtArtificial Analysis24.9%†20.9%
CritPt v2 hard subset (AA)Artificial Analysis48.0%†32.5%
MysteryMechanismVals AI36.0%†18.5%
HLE-Diamond (Scale)Scale AI SEAL25.4%–
Arena ExpertArena (LMArena)1521†1489
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%†58.9%
Arena CodingArena (LMArena)1534†1505
Arena WebDevArena (LMArena)1655†1573†
LiveBench 2.0 CodingLiveBench84.4%†67.6%†
LiveBench 1.0 CodingLiveBench81.1%†–
IOIVals AI56.6%†38.1%
Code MigrationVals AI47.4%†39.0%
135件のベンチマークをすべて表示
指標公開元Muse Spark 1.3Step 5 Preview
コーディング
Code Migration v1.1Vals AI–47.0%
ProgramBenchVals AI2.5%†–
SWE-bench MultimodalVals AI43.1%†40.8%
Vibe Code Bench 1-100Vals AI20.5%†–
Vibe Code Bench v1.1Vals AI85.9%†70.4%
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%†33.3%
Terminal-Bench 2.1 (AA)Artificial Analysis84.3%†–
Startrise FrontendStartrise74.7%–
GameBench 2 OverallDuelLab GameBench 257.7–
GameBench 2 by reasoning settingDuelLab GameBench 268.5†–
Design Arena WebsiteDesign Arena1353†–
FrontierCode 1.1 (AA)Artificial Analysis40.6%†38.4%
FrontierCode 2.0 (AA)Artificial Analysis23.1%†12.0%
エージェント・ツール
Terminal-BenchTerminal-Bench14.8%†–
APEX-AgentsMercor58.6%–
Arena AgentArena (LMArena)2.2†-3.7
LiveBench Long AgenticLiveBench47.9%†19.4%†
LiveBench BrowserLiveBench30.9%†24.8%†
LiveBench Agentic CodingLiveBench64.1%†–
Terminal-Bench 2.1 (Vals)Vals AI79.0%†–
HiL-BenchScale AI SEAL66.9%–
GDPval-AA v2.1, normalised scoreArtificial Analysis–54.3%
GDPval-AA v2.1Artificial Analysis1681†1591
τ³-Banking (AA)Artificial Analysis50.5%†–
ITBench SRE (AA)Artificial Analysis33.2%†55.6%
Analyst Agent (AA)Artificial Analysis37.5%†35.0%
APEX-Agents (AA)Artificial Analysis–38.0%
CUA-benchVals AI5.8%†–
CyberBenchVals AI72.7%†–
Finance Agent v2Vals AI60.0%†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 AI23.8%†9.2%
Legal Research BenchVals AI55.3%†40.4%
SREBenchVals AI3.8%†0.4%
Tax Agent BenchVals AI42.4%†27.3%
Terminal-Bench 4.0 (Vals)Vals AI24.8%†31.8%
Terminal-Bench ScienceVals AI10.0%†2.9%
Arena Agent Task CompletionArena (LMArena)3.7†-1.5
AutomationBenchArtificial Analysis57.9%†51.0%
GDP.pdf (AA)Artificial Analysis26.6%†14.8%
Harvey LAB-AA v1.1Harvey8.9%†–
EnterpriseOps-GymArtificial Analysis–47.2%
AA-Briefcase v1.1Artificial Analysis1581†1424
Design Arena AgenticDesign Arena1283†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis10.9%†2.4%
CWE-Bench (AA)Artificial Analysis60.8%†52.5%
DeepSec-Bench (AA)Artificial Analysis12.5%†15.8%
CyberGym end-to-end (AA)Artificial Analysis59.5%†74.8%
MKA (AA)Artificial Analysis–27.6%
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%42.0%
LiveBench MathematicsLiveBench96.0%†–
Arena MathsArena (LMArena)1506†1470
知識
LiveBench 2.0 Data AnalysisLiveBench79.6%†63.5%†
LiveBench ResearchLiveBench82.5%†75.5%†
LiveBench 1.0 Data AnalysisLiveBench79.6%†–
AA-Omniscience v1.1Artificial Analysis22.4†16.4
PRBench FinanceScale AI SEAL59.5%–
PRBench LegalScale AI SEAL61.6%–
BioMysteryBenchVals AI–67.4%
Excel Modeling BenchmarkVals AI67.4%†57.1%
Excel Modeling Benchmark v1.1Vals AI–69.5%
Public Benefits Bench v1.1Vals AI–58.1%
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%†36.4%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis74.8%†68.7%
指示追従
LiveBench LanguageLiveBench82.8%†–
LiveBench Instruction FollowingLiveBench78.0%†–
Arena Instruction FollowingArena (LMArena)1485†1450
人間の評価
Arena TextArena (LMArena)1497†1449
EQ-Bench Creative Writing v3EQ-Bench1907–
Arena Creative WritingArena (LMArena)1468†1413
Arena Multi-turnArena (LMArena)1493†1445
Arena Longer QueriesArena (LMArena)1498†1461
マルチモーダル
Arena VisionArena (LMArena)1310†1263
LiveBench DesignLiveBench74.8%†70.8%†
MMMU-ProArtificial Analysis82.0%†76.4%
Humanity's Sixth SenseScale AI SEAL37.4%†–
GeoBenchGeoBench86.0%–
Code2Video-AAArtificial Analysis1019†821
AA-3DArtificial Analysis1032†859
長文コンテキスト
AA-LCR v1.1Artificial Analysis83.0%†88.3%
Arena DocumentArena (LMArena)1474†–
MLCRArtificial Analysis13.9%†18.3%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub158.2–
LiveBench 2.0LiveBench68.6%†54.9%†
LiveBench 1.0LiveBench81.6%†–
AA Intelligence Index v5.0.1Artificial Analysis36.6†28.5
AA Intelligence Index v4.3.2Artificial Analysis48.1†43.7
AA Progress Index v1Artificial Analysis324.5†318.2
Vals IndexVals AI–54.8
Vals Finance IndexVals AI–55.4%
Vals RSI IndexVals AI19.6%†–
Vals Science IndexVals AI–29.6%
Vals Legal IndexVals AI–70.2%
AA Cyber IndexArtificial Analysis44.3†47.7
安全性・誠実さ
DistressBenchScale AI SEAL84.9%–
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

  • Muse Spark 1.3:BenchLeader Index 60.2 → 61.6。
  • Step 5 Preview:BenchLeader Index 54.2 → 56.0。
  • Step 5 Preview:BenchLeader Index 54.7 → 54.2。
  • Muse Spark 1.3:スコアの改訂1件。
  • Step 5 Preview: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。
  • Step 5 Preview:スコアの改訂7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 Step 5 Preview:よくある質問

Muse Spark 1.3はStep 5 Previewより優れていますか?
品質ではMuse Spark 1.3がリードしています:61.6 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 1.3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 1.3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。
Muse Spark 1.3とStep 5 Previewはどちらが速いですか?
Step 5 Previewの方が出力が速くなっています(出力163 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 1.3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 1.3の方がスコアが高くなっています(カテゴリ指標で61 対 49。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、Step 5 Preview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 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 1.3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1件のベンチマークのうち、Muse Spark 1.3のリードが1件、Step 5 Previewのリードが0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。
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。