BenchLeader

Muse Spark vs Muse Spark 1.1

詳しいプロフィール:Muse Spark(Meta)とMuse Spark 1.1(Meta)。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、Muse SparkとMuse Spark 1.1の品質は互角です(BenchLeader Indexで64.2 対 62.2、±6.6の誤差範囲内)。エージェント・ツール(65 対 51)、指示追従(77 対 70)、人間の評価(68 対 65)を重視するならSpark、知識(69 対 63)、数学(61 対 59)を重視するならSpark 1.1が向いています。

要点(2026年11月16日時点)

  • BenchLeader IndexはMuse Sparkが64.2、Muse Spark 1.1が62.2です(BenchLeader、2026年11月16日)。
  • Muse Spark 1.1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)。
  • 両モデルに結果がある22件のベンチマークのうち、Muse Spark 1.1が19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
コーディングどちらでもカテゴリスコア65 対 66;SWE-Bench Pro 55.0% 対 61.5%どちらでも
エージェント・ツール利用Muse Sparkカテゴリスコア65 対 51;MCP Atlas 82.2% 対 88.1%高
数学Muse Spark 1.1カテゴリスコア61 対 59;Arena Maths 1493 対 1469中
推論どちらでもカテゴリスコア67 対 68;Arena Hard Prompts 1506 対 1511どちらでも
知識Muse Spark 1.1カテゴリスコア69 対 63;PRBench Finance 55.0% 対 52.4%中
画像などのメディアどちらでもカテゴリスコア64 対 64;Arena Vision 1306 対 1292どちらでも
指示への追従Muse Sparkカテゴリスコア77 対 70;MultiChallenge 75.5% 対 75.3%中
チャットの質(人間の評価)Muse SparkArenaの投票で68 対 65中
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とMuse Spark 1.1の品質は互角です(64.2 対 62.2、±6.6の誤差範囲内)。
  • Muse Sparkはエージェント・ツール、人間の評価、指示追従、マルチモーダルで優れています。
  • Muse Spark 1.1はコーディング、知識、数学、推論で優れています。

概要

仕様Muse SparkMuse Spark 1.1
プロバイダーMetaMeta
リリース日2026年4月8日2026年7月9日
コンテキストウィンドウ(トークン)262,1441,048,576
比較した構成Muse SparkMuse Spark 1.1
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

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 SparkMuse Spark 1.1トップ
推論67.467.8互角
コーディング65.165.8互角
エージェント・ツール65.050.9Muse Spark
数学59.161.3Muse Spark 1.1
知識63.169.2Muse Spark 1.1
指示追従76.970.4Muse Spark
人間の評価68.164.5Muse Spark
マルチモーダル64.263.6互角
長文コンテキスト63.6–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・ツール数学知識指示追従マルチモーダル人間の評価Muse Spark, 推論: 67.4Muse Spark, コーディング: 65.1Muse Spark, エージェント・ツール: 65.0Muse Spark, 数学: 59.1Muse Spark, 知識: 63.1Muse Spark, 指示追従: 76.9Muse Spark, マルチモーダル: 64.2Muse Spark, 人間の評価: 68.1Muse Spark 1.1, 推論: 67.8Muse Spark 1.1, コーディング: 65.8Muse Spark 1.1, エージェント・ツール: 50.9Muse Spark 1.1, 数学: 61.3Muse Spark 1.1, 知識: 69.2Muse Spark 1.1, 指示追従: 70.4Muse Spark 1.1, マルチモーダル: 63.6Muse Spark 1.1, 人間の評価: 64.5

描画していないもの(測定済みのモデルが2つ未満):長文コンテキスト。

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22件のベンチマークのうち、Muse Sparkのリードが3件、Muse Spark 1.1のリードが19件です。両方を評価しているすべての総合指標で、Muse Spark 1.1が上回っています。

総合IndexMuse SparkMuse Spark 1.1トップ
BenchLeader Index64.262.2互角
Arena Text14891491Muse Spark 1.1

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 SparkMuse Spark 1.1
100万トークンあたりのブレンド価格–$2.00
100万トークンあたりの入力/出力– / –$1.25 / $4.25
100万トークンあたりのキャッシュ入力–$0.150
タスクあたりの価格:チャットの返答–$0.0018
タスクあたりの価格:30ページのレポートを要約–$0.018
タスクあたりの価格:コード編集–$0.014
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
タスクあたりの価格:構造化データの抽出–$0.0034
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
出力速度–193 tok/s
回答開始までの時間–1.8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のスコアは64.2。Muse Spark 1.1のスコアは62.2、最初の回答トークンまで2秒。Muse Spark 1.1 (xhigh)は59.5(13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

100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 SparkMuse Spark 1.1
BenchLeader IndexBenchLeader64.262.2
エージェント・ツールスコアBenchLeader65.050.9
コーディングスコアBenchLeader65.165.8
人間の評価スコアBenchLeader68.164.5
指示追従スコアBenchLeader76.970.4
知識スコアBenchLeader63.169.2
長文コンテキストスコアBenchLeader63.6–
数学スコアBenchLeader59.161.3
マルチモーダルスコアBenchLeader64.263.6
推論スコアBenchLeader67.467.8
ブレンド価格($/100万トークン)BenchLeader–$2.00
出力速度BenchLeader–193 tok/s
回答開始までの時間BenchLeader–1.8秒
コンテキストウィンドウBenchLeader262,144トークン1,048,576トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub89.8%–
Humanity's Last ExamScale AI / CAIS40.6%–
Arena Hard PromptsArena (LMArena)15061511
LiveBench 1.0 ReasoningLiveBench–87.7%†
GPQA Diamond (AA)Artificial Analysis88.4%89.8%†
Humanity's Last Exam (AA)Artificial Analysis40.7%46.2%†
GPQA Diamond (Vals)Vals AI89.7%91.2%†
CritPtArtificial Analysis11.3%15.1%†
Arena ExpertArena (LMArena)14911504
Chess PuzzlesEpoch AI Benchmarking Hub–34.0%†
LMCAEpoch AI Benchmarking Hub–49.9%†
DTBenchEpoch AI Benchmarking Hub–94.4%†
コーディング
SciCodeSciCode51.5%58.8%
Arena CodingArena (LMArena)15291533
Arena WebDevArena (LMArena)–1542
LiveBench 1.0 CodingLiveBench–77.2%†
SciCode (AA)Artificial Analysis–58.8%†
LiveCodeBenchVals AI–85.9%†
SWE-bench (Vals)Vals AI74.4%82.0%†
SWE-Bench ProScale AI SEAL55.0%61.5%
Code MigrationVals AI–31.1%†
ProgramBenchVals AI–0.0%†
Vibe Code Bench v1.1Vals AI19.7%72.2%†
SWE-Bench Pro (private)Scale AI SEAL44.7%51.5%
SWE Atlas v1.0: Codebase QnAScale AI SEAL24.2%42.2%†
100件のベンチマークをすべて表示
指標公開元Muse SparkMuse Spark 1.1
コーディング
SWE Atlas v1.0: Test WritingScale AI SEAL31.1%41.5%†
Surface Evolver BenchEpoch AI Benchmarking Hub–52.5%†
DeepSWE v1.1Epoch AI Benchmarking Hub–53.3%
Terminal-Bench 4.0 (AA)Artificial Analysis–6.1%†
Terminal-Bench 2.1 (AA)Artificial Analysis62.2%77.9%†
Design Arena WebsiteDesign Arena12531263
エージェント・ツール
APEX-AgentsMercor–31.8%
Arena AgentArena (LMArena)–-8
LiveBench Agentic CodingLiveBench–58.5%†
Terminal-Bench HardArtificial Analysis45.5%–
τ²-Bench Telecom (AA)Artificial Analysis91.5%–
Terminal-Bench 2.1 (Vals)Vals AI–69.3%†
MCP AtlasScale AI SEAL82.2%88.1%
τ³-bench Bankingτ²-bench–40.5%†
GDPval-AA v2.1Artificial Analysis10061216†
τ³-Banking (AA)Artificial Analysis–31.8%†
Finance Agent v2Vals AI–57.2%†
Harvey's Legal Agent Benchmark v1Vals AI–20.0%†
Legal Research BenchVals AI–38.0%†
SkillsBenchVals AI–59.2%†
Terminal-Bench 2.0 (Vals)Vals AI59.5%–
Time Horizon Index: KSPVals AI–1.7%†
Arena Agent Task CompletionArena (LMArena)–-6.5
GBAEvalEpoch AI Benchmarking Hub–7.9%
Vending-Bench 2Andon Labs–6520.5
AutomationBenchArtificial Analysis–38.9%†
GDP.pdf (AA)Artificial Analysis–14.4%†
AA-Briefcase v1.1Artificial Analysis646851†
Design Arena AgenticDesign Arena–1172
数学
OTIS Mock AIMEEpoch AI Benchmarking Hub88.9%–
ProofBenchVals AI17.0%39.0%
LiveBench MathematicsLiveBench–87.1%†
AIME (Vals)Vals AI96.9%–
Arena MathsArena (LMArena)14691493
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub–57.8%
LiveBench 1.0 Data AnalysisLiveBench–72.5%†
MMLU-ProVals AI87.3%88.7%†
LegalBenchVals AI84.2%85.0%†
CorpFinVals AI65.1%71.3%†
TaxEvalVals AI77.7%79.7%†
PRBench FinanceScale AI SEAL52.4%55.0%
PRBench LegalScale AI SEAL52.3%57.0%
MultiNRCScale AI SEAL59.0%65.6%
CaseLaw v2Vals AI63.1%–
Excel Modeling BenchmarkVals AI–56.4%†
MedCodeVals AI51.3%–
MedScribeVals AI85.9%88.9%†
Public Benefits Bench v1.1Vals AI–61.3%†
GDP.pdfEpoch AI Benchmarking Hub–15.0%
指示追従
LiveBench LanguageLiveBench–74.3%†
LiveBench Instruction FollowingLiveBench–69.6%†
IFBenchArtificial Analysis75.9%–
MultiChallengeScale AI SEAL75.5%75.3%
TutorBenchScale AI SEAL68.5%–
Arena Instruction FollowingArena (LMArena)14651473
人間の評価
Arena TextArena (LMArena)14891491
EQ-Bench 4EQ-Bench–1244
EQ-Bench Creative Writing v3EQ-Bench–1928
Arena Creative WritingArena (LMArena)14641443
Arena Multi-turnArena (LMArena)14931497
Arena Longer QueriesArena (LMArena)14761481
マルチモーダル
Arena VisionArena (LMArena)13061292
MMMU-ProArtificial Analysis80.5%–
MMMU-Pro (Vals)Vals AI87.4%86.6%†
MortgageTaxVals AI–66.1%†
VTBScale AI SEAL–44.8%
長文コンテキスト
AA-LCR v1.1Artificial Analysis78.0%77.7%†
Arena DocumentArena (LMArena)14671480
MLCRArtificial Analysis–7.2%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub153.1154.9
LiveBench 1.0LiveBench–75.3%†
AA Intelligence Index v4.3.2Artificial Analysis31.333.7†
AA Progress Index v1Artificial Analysis289.1302.7†
Vals Multimodal IndexVals AI–66.7%†
安全性・誠実さ
FORTRESSScale AI SEAL20.2%12.4%

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。

最近の変化

  • Muse Spark:新しい結果2件(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Muse Spark:BenchLeader Index 64.6 → 64.1。
  • Muse Spark:スコアの改訂1件。
  • Muse Spark 1.1:スコアの改訂1件。
  • Muse Spark 1.1:スコアの改訂2件。
  • Muse Spark:新しい結果1件(AA Progress Index v1)。
  • Muse Spark 1.1:スコアの改訂1件。
  • Muse Spark 1.1:BenchLeader Index 63.1 → 62.5。

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 vs Muse Spark 1.1:よくある質問

Muse SparkはMuse Spark 1.1より優れていますか?
Muse SparkとMuse Spark 1.1の品質は互角です(64.2 対 62.2、±6.6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。
コーディングにはMuse SparkとMuse Spark 1.1のどちらが向いていますか?
コーディングでは互角です(カテゴリ指標で65 対 66)。共通するコーディングベンチマークのうち最も重要なSWE-Bench Proでは、Muse Sparkが55.0%、Muse Spark 1.1が61.5%です。
エージェントやツール利用にはMuse SparkとMuse Spark 1.1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の方がスコアが高くなっています(カテゴリ指標で65 対 51。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MCP Atlasでは、Muse Sparkが82.2%、Muse Spark 1.1が88.1%です。
長い文書にはどちらが向いていますか?
コンテキストはMuse Spark 1.1の方が長く、1,048,576トークンです(Muse Sparkは262,144トークン)。
Muse SparkとMuse Spark 1.1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22件のベンチマークのうち、Muse Sparkのリードが3件、Muse Spark 1.1のリードが19件です。両方を評価しているすべての総合指標で、Muse Spark 1.1が上回っています。
ほかの質問(1件)
Muse Spark 1.1はいつリリースされましたか?
Muse Spark 1.1は2026年7月9日にリリースされました。