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 Spark | Arena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 Spark | Muse Spark 1.1 |
|---|---|---|
| プロバイダー | Meta | Meta |
| 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) | 262,144 | 1,048,576 |
| 比較した構成 | Muse Spark | Muse 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 Spark | Muse Spark 1.1 | トップ |
|---|---|---|---|
| 推論 | 67.4 | 67.8 | 互角 |
| コーディング | 65.1 | 65.8 | 互角 |
| エージェント・ツール | 65.0 | 50.9 | Muse Spark |
| 数学 | 59.1 | 61.3 | Muse Spark 1.1 |
| 知識 | 63.1 | 69.2 | Muse Spark 1.1 |
| 指示追従 | 76.9 | 70.4 | Muse Spark |
| 人間の評価 | 68.1 | 64.5 | Muse Spark |
| マルチモーダル | 64.2 | 63.6 | 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。
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。
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Index | Muse Spark | Muse Spark 1.1 | トップ |
|---|---|---|---|
| BenchLeader Index | 64.2 | 62.2 | 互角 |
| Arena Text | 1489 | 1491 | Muse 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 Spark | Muse 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) | – | $0.043 |
| 出力速度 | – | 193 tok/s |
| 回答開始までの時間 | – | 1.8秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Muse Sparkのスコアは64.2。Muse Spark 1.1のスコアは62.2、最初の回答トークンまで2秒。Muse Spark 1.1 (xhigh)は59.5(13秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
100件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Muse Spark | Muse Spark 1.1 |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 64.2 | 62.2 |
| エージェント・ツールスコア | BenchLeader | 65.0 | 50.9 |
| コーディングスコア | BenchLeader | 65.1 | 65.8 |
| 人間の評価スコア | BenchLeader | 68.1 | 64.5 |
| 指示追従スコア | BenchLeader | 76.9 | 70.4 |
| 知識スコア | BenchLeader | 63.1 | 69.2 |
| 長文コンテキストスコア | BenchLeader | 63.6 | – |
| 数学スコア | BenchLeader | 59.1 | 61.3 |
| マルチモーダルスコア | BenchLeader | 64.2 | 63.6 |
| 推論スコア | BenchLeader | 67.4 | 67.8 |
| ブレンド価格($/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 | BenchLeader | 262,144トークン | 1,048,576トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 89.8% | – |
| Humanity's Last Exam | Scale AI / CAIS | 40.6% | – |
| Arena Hard Prompts | Arena (LMArena) | 1506 | 1511 |
| LiveBench 1.0 Reasoning | LiveBench | – | 87.7%† |
| GPQA Diamond (AA) | Artificial Analysis | 88.4% | 89.8%† |
| Humanity's Last Exam (AA) | Artificial Analysis | 40.7% | 46.2%† |
| GPQA Diamond (Vals) | Vals AI | 89.7% | 91.2%† |
| CritPt | Artificial Analysis | 11.3% | 15.1%† |
| Arena Expert | Arena (LMArena) | 1491 | 1504 |
| Chess Puzzles | Epoch AI Benchmarking Hub | – | 34.0%† |
| LMCA | Epoch AI Benchmarking Hub | – | 49.9%† |
| DTBench | Epoch AI Benchmarking Hub | – | 94.4%† |
| コーディング | |||
| SciCode | SciCode | 51.5% | 58.8% |
| Arena Coding | Arena (LMArena) | 1529 | 1533 |
| Arena WebDev | Arena (LMArena) | – | 1542 |
| LiveBench 1.0 Coding | LiveBench | – | 77.2%† |
| SciCode (AA) | Artificial Analysis | – | 58.8%† |
| LiveCodeBench | Vals AI | – | 85.9%† |
| SWE-bench (Vals) | Vals AI | 74.4% | 82.0%† |
| SWE-Bench Pro | Scale AI SEAL | 55.0% | 61.5% |
| Code Migration | Vals AI | – | 31.1%† |
| ProgramBench | Vals AI | – | 0.0%† |
| Vibe Code Bench v1.1 | Vals AI | 19.7% | 72.2%† |
| SWE-Bench Pro (private) | Scale AI SEAL | 44.7% | 51.5% |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | 24.2% | 42.2%† |
100件のベンチマークをすべて表示
| 指標 | 公開元 | Muse Spark | Muse Spark 1.1 |
|---|---|---|---|
| コーディング | |||
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | 31.1% | 41.5%† |
| Surface Evolver Bench | Epoch AI Benchmarking Hub | – | 52.5%† |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | – | 53.3% |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | – | 6.1%† |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 62.2% | 77.9%† |
| Design Arena Website | Design Arena | 1253 | 1263 |
| エージェント・ツール | |||
| APEX-Agents | Mercor | – | 31.8% |
| Arena Agent | Arena (LMArena) | – | -8 |
| LiveBench Agentic Coding | LiveBench | – | 58.5%† |
| Terminal-Bench Hard | Artificial Analysis | 45.5% | – |
| τ²-Bench Telecom (AA) | Artificial Analysis | 91.5% | – |
| Terminal-Bench 2.1 (Vals) | Vals AI | – | 69.3%† |
| MCP Atlas | Scale AI SEAL | 82.2% | 88.1% |
| τ³-bench Banking | τ²-bench | – | 40.5%† |
| GDPval-AA v2.1 | Artificial Analysis | 1006 | 1216† |
| τ³-Banking (AA) | Artificial Analysis | – | 31.8%† |
| Finance Agent v2 | Vals AI | – | 57.2%† |
| Harvey's Legal Agent Benchmark v1 | Vals AI | – | 20.0%† |
| Legal Research Bench | Vals AI | – | 38.0%† |
| SkillsBench | Vals AI | – | 59.2%† |
| Terminal-Bench 2.0 (Vals) | Vals AI | 59.5% | – |
| Time Horizon Index: KSP | Vals AI | – | 1.7%† |
| Arena Agent Task Completion | Arena (LMArena) | – | -6.5 |
| GBAEval | Epoch AI Benchmarking Hub | – | 7.9% |
| Vending-Bench 2 | Andon Labs | – | 6520.5 |
| AutomationBench | Artificial Analysis | – | 38.9%† |
| GDP.pdf (AA) | Artificial Analysis | – | 14.4%† |
| AA-Briefcase v1.1 | Artificial Analysis | 646 | 851† |
| Design Arena Agentic | Design Arena | – | 1172 |
| 数学 | |||
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 88.9% | – |
| ProofBench | Vals AI | 17.0% | 39.0% |
| LiveBench Mathematics | LiveBench | – | 87.1%† |
| AIME (Vals) | Vals AI | 96.9% | – |
| Arena Maths | Arena (LMArena) | 1469 | 1493 |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | – | 57.8% |
| LiveBench 1.0 Data Analysis | LiveBench | – | 72.5%† |
| MMLU-Pro | Vals AI | 87.3% | 88.7%† |
| LegalBench | Vals AI | 84.2% | 85.0%† |
| CorpFin | Vals AI | 65.1% | 71.3%† |
| TaxEval | Vals AI | 77.7% | 79.7%† |
| PRBench Finance | Scale AI SEAL | 52.4% | 55.0% |
| PRBench Legal | Scale AI SEAL | 52.3% | 57.0% |
| MultiNRC | Scale AI SEAL | 59.0% | 65.6% |
| CaseLaw v2 | Vals AI | 63.1% | – |
| Excel Modeling Benchmark | Vals AI | – | 56.4%† |
| MedCode | Vals AI | 51.3% | – |
| MedScribe | Vals AI | 85.9% | 88.9%† |
| Public Benefits Bench v1.1 | Vals AI | – | 61.3%† |
| GDP.pdf | Epoch AI Benchmarking Hub | – | 15.0% |
| 指示追従 | |||
| LiveBench Language | LiveBench | – | 74.3%† |
| LiveBench Instruction Following | LiveBench | – | 69.6%† |
| IFBench | Artificial Analysis | 75.9% | – |
| MultiChallenge | Scale AI SEAL | 75.5% | 75.3% |
| TutorBench | Scale AI SEAL | 68.5% | – |
| Arena Instruction Following | Arena (LMArena) | 1465 | 1473 |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1489 | 1491 |
| EQ-Bench 4 | EQ-Bench | – | 1244 |
| EQ-Bench Creative Writing v3 | EQ-Bench | – | 1928 |
| Arena Creative Writing | Arena (LMArena) | 1464 | 1443 |
| Arena Multi-turn | Arena (LMArena) | 1493 | 1497 |
| Arena Longer Queries | Arena (LMArena) | 1476 | 1481 |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1306 | 1292 |
| MMMU-Pro | Artificial Analysis | 80.5% | – |
| MMMU-Pro (Vals) | Vals AI | 87.4% | 86.6%† |
| MortgageTax | Vals AI | – | 66.1%† |
| VTB | Scale AI SEAL | – | 44.8% |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 78.0% | 77.7%† |
| Arena Document | Arena (LMArena) | 1467 | 1480 |
| MLCR | Artificial Analysis | – | 7.2%† |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 153.1 | 154.9 |
| LiveBench 1.0 | LiveBench | – | 75.3%† |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 31.3 | 33.7† |
| AA Progress Index v1 | Artificial Analysis | 289.1 | 302.7† |
| Vals Multimodal Index | Vals AI | – | 66.7%† |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | 20.2% | 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。
関連する比較
- Muse Spark vs Claude Fable 5.2
- Muse Spark vs Gemini 4 Carbon
- Muse Spark vs Claude Opus 5.5
- Muse Spark 1.1 vs Claude Fable 5.2
- Muse Spark 1.1 vs Gemini 4 Carbon
- Muse Spark 1.1 vs Claude Opus 5.5
- Muse Spark 1.1 vs GPT-6 Astra
- Muse Spark vs Claude Fable 5.1
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。