Muse Spark vs Muse Spark 1.3
詳しいプロフィール:Muse Spark(Meta)とMuse Spark 1.3(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 · 11件の情報源のデータ
2026年11月16日時点で、Muse SparkとMuse Spark 1.3の品質は互角です(BenchLeader Indexで64.2 対 61.6、±8.9の誤差範囲内)。エージェント・ツール(65 対 61)、数学(59 対 56)を重視するならSpark、知識(81 対 63)、推論(71 対 67)を重視するならSpark 1.3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 1.3が61.6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)。
- 両モデルに結果がある4件のベンチマークのうち、Muse Spark 1.3が4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 | カテゴリスコア65 対 61 | 中 |
| 数学 | Muse Spark | カテゴリスコア59 対 56;ProofBench 17.0% 対 55.0% | 中 |
| 推論 | Muse Spark 1.3 | カテゴリスコア71 対 67 | 中 |
| 知識 | Muse Spark 1.3 | カテゴリスコア81 対 63;PRBench Finance 59.5% 対 52.4% | 高 |
| チャットの質(人間の評価) | – | Arenaの評価があるのはMuse Sparkのみです(カテゴリスコア68) | 比較不可 |
| 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 1.3の品質は互角です(64.2 対 61.6、±8.9の誤差範囲内)。
- Muse Sparkはエージェント・ツール、数学で優れています。
- Muse Spark 1.3は知識、推論で優れています。
概要
| 仕様 | Muse Spark | Muse Spark 1.3 |
|---|---|---|
| プロバイダー | Meta | Meta |
| リリース日 | 2026年4月8日 | 2026年9月2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 1.3 |
| 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 1.3 | トップ |
|---|---|---|---|
| 推論 | 67.4 | 71.0 | Muse Spark 1.3 |
| コーディング | 65.1 | – | 比較不可 |
| エージェント・ツール | 65.0 | 61.3 | Muse Spark |
| 数学 | 59.1 | 56.3 | Muse Spark |
| 知識 | 63.1 | 81.2 | Muse Spark 1.3 |
| 指示追従 | 76.9 | – | 比較不可 |
| 人間の評価 | 68.1 | – | 比較不可 |
| マルチモーダル | 64.2 | – | 比較不可 |
| 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):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。
情報源で評価が分かれる点
両方に結果がある4件のベンチマークのうち、Muse Sparkのリードが0件、Muse Spark 1.3のリードが4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Index | Muse Spark | Muse Spark 1.3 | トップ |
|---|---|---|---|
| BenchLeader Index | 64.2 | 61.6 | 互角 |
| Arena Text | 1489 | 1497† | Muse 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 | Muse Spark 1.3 |
|---|---|---|
| 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) | – | $0.043 |
| 出力速度 | – | 163 tok/s |
| 回答開始までの時間 | – | 2.6秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Muse Sparkのスコアは64.2。Muse Spark 1.3のスコアは61.6、最初の回答トークンまで3秒。Muse Spark 1.3 (max)は60.6(31秒)、Muse Spark 1.3 (xhigh)は58.1(11秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
147件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Muse Spark | Muse Spark 1.3 |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 64.2 | 61.6 |
| エージェント・ツールスコア | BenchLeader | 65.0 | 61.3 |
| コーディングスコア | BenchLeader | 65.1 | – |
| 人間の評価スコア | BenchLeader | 68.1 | – |
| 指示追従スコア | BenchLeader | 76.9 | – |
| 知識スコア | BenchLeader | 63.1 | 81.2 |
| 長文コンテキストスコア | BenchLeader | 63.6 | – |
| 数学スコア | BenchLeader | 59.1 | 56.3 |
| マルチモーダルスコア | BenchLeader | 64.2 | – |
| 推論スコア | BenchLeader | 67.4 | 71.0 |
| ブレンド価格($/100万トークン) | BenchLeader | – | $2.00 |
| 出力速度 | BenchLeader | – | 163 tok/s |
| 回答開始までの時間 | BenchLeader | – | 2.6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% | – |
| SimpleBench | SimpleBench | – | 81.8% |
| Arena Hard Prompts | Arena (LMArena) | 1506 | 1517† |
| LiveBench 2.0 Reasoning | LiveBench | – | 89.7%† |
| LiveBench 1.0 Reasoning | LiveBench | – | 89.7%† |
| GPQA Diamond (AA) | Artificial Analysis | 88.4% | 93.5%† |
| Humanity's Last Exam (AA) | Artificial Analysis | 40.7% | 48.7%† |
| HLE-Diamond (AA) | Artificial Analysis | – | 33.7%† |
| GPQA Diamond (Vals) | Vals AI | 89.7% | – |
| CritPt | Artificial Analysis | 11.3% | 24.9%† |
| CritPt v2 hard subset (AA) | Artificial Analysis | – | 48.0%† |
| MysteryMechanism | Vals AI | – | 36.0%† |
| HLE-Diamond (Scale) | Scale AI SEAL | – | 25.4% |
| Arena Expert | Arena (LMArena) | 1491 | 1521† |
| Chess Puzzles | Epoch AI Benchmarking Hub | – | 37.0%† |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | – | 25.0%† |
| LMCA | Epoch AI Benchmarking Hub | – | 53.9% |
| DTBench | Epoch AI Benchmarking Hub | – | 96.5% |
| ForecastBench | ForecastBench | – | 65.5%† |
| BTF-3 | Epoch AI Benchmarking Hub | – | 14.1%† |
| コーディング | |||
| SciCode | SciCode | 51.5% | 58.8%† |
| Arena Coding | Arena (LMArena) | 1529 | 1534† |
| Arena WebDev | Arena (LMArena) | – | 1655† |
| LiveBench 2.0 Coding | LiveBench | – | 84.4%† |
147件のベンチマークをすべて表示
| 指標 | 公開元 | Muse Spark | Muse Spark 1.3 |
|---|---|---|---|
| コーディング | |||
| LiveBench 1.0 Coding | LiveBench | – | 81.1%† |
| SciCode (AA) | Artificial Analysis | – | 58.8%† |
| IOI | Vals AI | – | 56.6%† |
| SWE-bench (Vals) | Vals AI | 74.4% | – |
| SWE-Bench Pro | Scale AI SEAL | 55.0% | – |
| Code Migration | Vals AI | – | 47.4%† |
| ProgramBench | Vals AI | – | 2.5%† |
| SWE-bench Multimodal | Vals AI | – | 43.1%† |
| Vibe Code Bench 1-100 | Vals AI | – | 20.5%† |
| Vibe Code Bench v1.1 | Vals AI | 19.7% | 85.9%† |
| SWE-Bench Pro (private) | Scale AI SEAL | 44.7% | – |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | 24.2% | – |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | 31.1% | – |
| MirrorCode | Epoch AI Benchmarking Hub | – | 54.4%† |
| CursorBench | Cursor | – | 41.6%† |
| ALE-Bench | Epoch AI Benchmarking Hub | – | 1688.3† |
| FrontierSWE | Epoch AI Benchmarking Hub | – | 25.8%† |
| WeirdML v3 | WeirdML | – | 6.7%† |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | – | 33.3%† |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 62.2% | 84.3%† |
| Startrise Frontend | Startrise | – | 74.7% |
| GameBench 2 Overall | DuelLab GameBench 2 | – | 57.7 |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | – | 68.5† |
| Design Arena Website | Design Arena | 1253 | 1353† |
| FrontierCode 1.1 (AA) | Artificial Analysis | – | 40.6%† |
| FrontierCode 2.0 (AA) | Artificial Analysis | – | 23.1%† |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | – | 14.8%† |
| APEX-Agents | Mercor | – | 58.6% |
| Arena Agent | Arena (LMArena) | – | 2.2† |
| LiveBench Long Agentic | LiveBench | – | 47.9%† |
| LiveBench Browser | LiveBench | – | 30.9%† |
| LiveBench Agentic Coding | LiveBench | – | 64.1%† |
| Terminal-Bench Hard | Artificial Analysis | 45.5% | – |
| τ²-Bench Telecom (AA) | Artificial Analysis | 91.5% | – |
| Terminal-Bench 2.1 (Vals) | Vals AI | – | 79.0%† |
| MCP Atlas | Scale AI SEAL | 82.2% | – |
| HiL-Bench | Scale AI SEAL | – | 66.9% |
| GDPval-AA v2.1 | Artificial Analysis | 1006 | 1681† |
| τ³-Banking (AA) | Artificial Analysis | – | 50.5%† |
| ITBench SRE (AA) | Artificial Analysis | – | 33.2%† |
| Analyst Agent (AA) | Artificial Analysis | – | 37.5%† |
| CUA-bench | Vals AI | – | 5.8%† |
| CyberBench | Vals AI | – | 72.7%† |
| Finance Agent v2 | Vals AI | – | 60.0%† |
| Harvey's Legal Agent Benchmark v1 | Vals AI | – | 23.8%† |
| Legal Research Bench | Vals AI | – | 55.3%† |
| SREBench | Vals AI | – | 3.8%† |
| Tax Agent Bench | Vals AI | – | 42.4%† |
| Terminal-Bench 2.0 (Vals) | Vals AI | 59.5% | – |
| Terminal-Bench 4.0 (Vals) | Vals AI | – | 24.8%† |
| Terminal-Bench Science | Vals AI | – | 10.0%† |
| Arena Agent Task Completion | Arena (LMArena) | – | 3.7† |
| AutomationBench | Artificial Analysis | – | 57.9%† |
| GDP.pdf (AA) | Artificial Analysis | – | 26.6%† |
| Harvey LAB-AA v1.1 | Harvey | – | 8.9%† |
| AA-Briefcase v1.1 | Artificial Analysis | 646 | 1581† |
| Design Arena Agentic | Design Arena | – | 1283† |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | – | 10.9%† |
| CWE-Bench (AA) | Artificial Analysis | – | 60.8%† |
| DeepSec-Bench (AA) | Artificial Analysis | – | 12.5%† |
| CyberGym end-to-end (AA) | Artificial Analysis | – | 59.5%† |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | – | 74.0%† |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | – | 46.3%† |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 88.9% | 99.2%† |
| ProofBench | Vals AI | 17.0% | 55.0% |
| LiveBench Mathematics | LiveBench | – | 96.0%† |
| AIME (Vals) | Vals AI | 96.9% | – |
| Arena Maths | Arena (LMArena) | 1469 | 1506† |
| 知識 | |||
| LiveBench 2.0 Data Analysis | LiveBench | – | 79.6%† |
| LiveBench Research | LiveBench | – | 82.5%† |
| LiveBench 1.0 Data Analysis | LiveBench | – | 79.6%† |
| AA-Omniscience v1.1 | Artificial Analysis | – | 22.4† |
| MMLU-Pro | Vals AI | 87.3% | – |
| LegalBench | Vals AI | 84.2% | – |
| CorpFin | Vals AI | 65.1% | – |
| TaxEval | Vals AI | 77.7% | – |
| PRBench Finance | Scale AI SEAL | 52.4% | 59.5% |
| PRBench Legal | Scale AI SEAL | 52.3% | 61.6% |
| MultiNRC | Scale AI SEAL | 59.0% | – |
| CaseLaw v2 | Vals AI | 63.1% | – |
| Excel Modeling Benchmark | Vals AI | – | 67.4%† |
| MedCode | Vals AI | 51.3% | – |
| MedScribe | Vals AI | 85.9% | – |
| Access to Justice Benchmark | Vals AI | – | 72.2%† |
| Financial Coaching Bench | Vals AI | – | 70.3%† |
| Immigration Bench | Vals AI | – | 64.9%† |
| DrugDiscoveryBench | Scale AI SEAL | – | 62.2%† |
| GDP.pdf | Epoch AI Benchmarking Hub | – | 27.6% |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | – | 38.0%† |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | – | 74.8%† |
| 指示追従 | |||
| LiveBench Language | LiveBench | – | 82.8%† |
| LiveBench Instruction Following | LiveBench | – | 78.0%† |
| IFBench | Artificial Analysis | 75.9% | – |
| MultiChallenge | Scale AI SEAL | 75.5% | – |
| TutorBench | Scale AI SEAL | 68.5% | – |
| Arena Instruction Following | Arena (LMArena) | 1465 | 1485† |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1489 | 1497† |
| EQ-Bench Creative Writing v3 | EQ-Bench | – | 1907 |
| Arena Creative Writing | Arena (LMArena) | 1464 | 1468† |
| Arena Multi-turn | Arena (LMArena) | 1493 | 1493† |
| Arena Longer Queries | Arena (LMArena) | 1476 | 1498† |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1306 | 1310† |
| LiveBench Design | LiveBench | – | 74.8%† |
| MMMU-Pro | Artificial Analysis | 80.5% | 82.0%† |
| MMMU-Pro (Vals) | Vals AI | 87.4% | – |
| Humanity's Sixth Sense | Scale AI SEAL | – | 37.4%† |
| GeoBench | GeoBench | – | 86.0% |
| Code2Video-AA | Artificial Analysis | – | 1019† |
| AA-3D | Artificial Analysis | – | 1032† |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 78.0% | 83.0%† |
| Arena Document | Arena (LMArena) | 1467 | 1474† |
| MLCR | Artificial Analysis | – | 13.9%† |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 153.1 | 158.2 |
| LiveBench 2.0 | LiveBench | – | 68.6%† |
| LiveBench 1.0 | LiveBench | – | 81.6%† |
| AA Intelligence Index v5.0.1 | Artificial Analysis | – | 36.6† |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 31.3 | 48.1† |
| AA Progress Index v1 | Artificial Analysis | 289.1 | 324.5† |
| Vals RSI Index | Vals AI | – | 19.6%† |
| AA Cyber Index | Artificial Analysis | – | 44.3† |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | 20.2% | – |
| DistressBench | Scale AI SEAL | – | 84.9% |
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。
- Muse Spark:新しい結果2件(GDPval-AA v2.1, AA-Briefcase v1.1)。
- 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:BenchLeader Index 64.6 → 64.1。
- Muse Spark 1.3:BenchLeader Index 58.2 → 57.7。
- Muse Spark:スコアの改訂1件。
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 1.3 vs Claude Fable 5.2
- Muse Spark 1.3 vs Gemini 4 Carbon
- Muse Spark 1.3 vs Claude Opus 5.5
- Muse Spark 1.3 vs GPT-6 Astra
- Muse Spark vs Muse Spark 1.2
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 1.3:よくある質問
- Muse SparkはMuse Spark 1.3より優れていますか?
- Muse SparkとMuse Spark 1.3の品質は互角です(64.2 対 61.6、±8.9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。
- エージェントやツール利用にはMuse SparkとMuse Spark 1.3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 61。50が平均)。
- 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 1.3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 1.3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4件のベンチマークのうち、Muse Sparkのリードが0件、Muse Spark 1.3のリードが4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。
- 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。