BenchLeader

Muse Spark vs Muse Wonder

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

2026年11月16日時点で、Muse SparkとMuse Wonderの品質は互角です(BenchLeader Indexで64.2 対 64.4、±4.6の誤差範囲内)。両方を測定できるすべてのカテゴリでMuse Wonderがリードしています。

要点(2026年11月16日時点)

  • BenchLeader IndexはMuse Sparkが64.2、Muse Wonderが64.4です(BenchLeader、2026年11月16日)。
  • Muse Wonderの100万トークンあたりのブレンド価格は$8.00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 Wonder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 Wonderカテゴリスコア76 対 65高
数学Muse Wonderカテゴリスコア70 対 59;ProofBench 84.0% 対 17.0%高
知識Muse Wonderカテゴリスコア77 対 63;PRBench Finance 58.7% 対 52.4%高
チャットの質(人間の評価)Muse WonderArenaの投票で70 対 68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 Wonderの品質は互角です(64.2 対 64.4、±4.6の誤差範囲内)。
  • Muse Wonderはエージェント・ツール、人間の評価、知識、数学で優れています。

概要

仕様Muse SparkMuse Wonder
プロバイダーMetaMeta
リリース日2026年4月8日2026年10月12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 Wonder
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)–$4.00 / $20.00 / $0.200

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 Wonderトップ
推論67.4–比較不可
コーディング65.1–比較不可
エージェント・ツール65.075.6Muse Wonder
数学59.170.1Muse Wonder
知識63.177.1Muse Wonder
指示追従76.9–比較不可
人間の評価68.169.6Muse Wonder
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。

2550 avg75エージェント・ツール数学知識人間の評価Muse Spark, エージェント・ツール: 65.0Muse Spark, 数学: 59.1Muse Spark, 知識: 63.1Muse Spark, 人間の評価: 68.1Muse Wonder, エージェント・ツール: 75.6Muse Wonder, 数学: 70.1Muse Wonder, 知識: 77.1Muse Wonder, 人間の評価: 69.6

描画していないもの(測定済みのモデルが2つ未満):推論, 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。

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4件のベンチマークのうち、Muse Sparkのリードが0件、Muse Wonder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 Wonderが上回っています。

総合IndexMuse SparkMuse Wonderトップ
BenchLeader Index64.264.4互角
Arena Text14891511†Muse Wonder

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 Wonder
100万トークンあたりのブレンド価格–$8.00
100万トークンあたりの入力/出力– / –$4.00 / $20.00
100万トークンあたりのキャッシュ入力–$0.200
タスクあたりの価格:チャットの返答–$0.0076
タスクあたりの価格:30ページのレポートを要約–$0.060
タスクあたりの価格:コード編集–$0.054
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–$0.320
タスクあたりの価格:構造化データの抽出–$0.012
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)–$0.149
出力速度–70 tok/s
回答開始までの時間–3.3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 Wonderのスコアは64.4、最初の回答トークンまで3秒。Muse Wonder (max)は60.8(20秒)、Muse Wonder (high)は56.2(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

153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 Wonder
BenchLeader IndexBenchLeader64.264.4
エージェント・ツールスコアBenchLeader65.075.6
コーディングスコアBenchLeader65.1–
人間の評価スコアBenchLeader68.169.6
指示追従スコアBenchLeader76.9–
知識スコアBenchLeader63.177.1
長文コンテキストスコアBenchLeader63.6–
数学スコアBenchLeader59.170.1
マルチモーダルスコアBenchLeader64.2–
推論スコアBenchLeader67.4–
ブレンド価格($/100万トークン)BenchLeader–$8.00
出力速度BenchLeader–70 tok/s
回答開始までの時間BenchLeader–3.3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)15061531†
LiveBench 2.0 ReasoningLiveBench–90.6%†
LiveBench 1.0 ReasoningLiveBench–90.6%†
GPQA Diamond (AA)Artificial Analysis88.4%–
Humanity's Last Exam (AA)Artificial Analysis40.7%50.1%†
HLE-Diamond (AA)Artificial Analysis–39.0%†
GPQA Diamond (Vals)Vals AI89.7%–
CritPtArtificial Analysis11.3%28.3%†
CritPt v2 hard subset (AA)Artificial Analysis–50.5%†
MysteryMechanismVals AI–27.5%†
HLE-Diamond (Scale)Scale AI SEAL–37.3%
Arena ExpertArena (LMArena)14911525†
Mystery Game PuzzlesEpoch AI Benchmarking Hub–51.0%†
LMCAEpoch AI Benchmarking Hub–56.8%
DTBenchEpoch AI Benchmarking Hub–95.2%
コーディング
SciCodeSciCode51.5%60.3%†
Arena CodingArena (LMArena)15291542†
Arena WebDevArena (LMArena)–1647†
LiveBench 2.0 CodingLiveBench–74.9%†
LiveBench 1.0 CodingLiveBench–80.7%†
SciCode (AA)Artificial Analysis–60.3%†
IOIVals AI–66.9%†
SWE-bench (Vals)Vals AI74.4%–
153件のベンチマークをすべて表示
指標公開元Muse SparkMuse Wonder
コーディング
SWE-Bench ProScale AI SEAL55.0%–
Code MigrationVals AI–62.5%†
Code Migration v1.1Vals AI–72.4%†
SWE-bench MultimodalVals AI–45.6%†
Vibe Code Bench 1-100Vals AI–26.6%†
Vibe Code Bench v1.1Vals AI19.7%83.1%†
SWE-Bench Pro (private)Scale AI SEAL44.7%–
SWE Atlas v1.0: Codebase QnAScale AI SEAL24.2%–
SWE Atlas v1.0: Test WritingScale AI SEAL31.1%–
SWE Atlas v1.1Scale AI SEAL–64.8%
SWE Atlas v1.1: Codebase QnAScale AI SEAL–73.4%
SWE Atlas v1.1: Test WritingScale AI SEAL–61.1%
SWE Atlas v1.1: RefactoringScale AI SEAL–60.0%
SWE-Bench Pro V2Scale AI SEAL–96.7%†
SWE-Bench Pro V2 HARDScale AI SEAL–90.2%†
MirrorCodeEpoch AI Benchmarking Hub–45.6%†
CursorBenchCursor–50.4%†
WeirdML v3WeirdML–15.2%†
Terminal-Bench 4.0 (AA)Artificial Analysis–52.0%†
Terminal-Bench 2.1 (AA)Artificial Analysis62.2%–
GameBench 2 OverallDuelLab GameBench 2–64.8
GameBench 2 by reasoning settingDuelLab GameBench 2–54.9†
Design Arena WebsiteDesign Arena12531378†
FrontierCode 1.1 (AA)Artificial Analysis–46.5%†
FrontierCode 2.0 (AA)Artificial Analysis–27.9%†
エージェント・ツール
Terminal-BenchTerminal-Bench–47.0%†
APEX-AgentsMercor–66.1%†
Arena AgentArena (LMArena)–1.8†
LiveBench Long AgenticLiveBench–46.2%†
LiveBench BrowserLiveBench–60.0%†
LiveBench Agentic CodingLiveBench–62.7%†
Terminal-Bench HardArtificial Analysis45.5%–
τ²-Bench Telecom (AA)Artificial Analysis91.5%–
MCP AtlasScale AI SEAL82.2%–
HiL-BenchScale AI SEAL–79.7%
GDPval-AA v2.1, normalised scoreArtificial Analysis–63.5%†
GDPval-AA v2.1Artificial Analysis10061770†
CUA-benchVals AI–7.2%†
CyberBenchVals AI–80.4%†
Finance Agent v2Vals AI–56.6%†
Finance Agent v2.1Vals AI–65.5%†
Harvey's Legal Agent Benchmark v1.1Vals AI–23.8%†
Harvey's Legal Agent Benchmark v1Vals AI–17.1%†
Legal Research BenchVals AI–50.5%†
Tax Agent BenchVals AI–36.3%†
Terminal-Bench 2.0 (Vals)Vals AI59.5%–
Terminal-Bench 4.0 (Vals)Vals AI–49.5%†
Terminal-Bench ScienceVals AI–22.9%†
Arena Agent Task CompletionArena (LMArena)–5.4†
PostTrainBenchEpoch AI Benchmarking Hub–24.2%†
Vending-Bench 2Andon Labs–9432.2
AutomationBenchArtificial Analysis–68.1%†
GDP.pdf (AA)Artificial Analysis–30.6%†
Harvey LAB-AA v1.1Harvey–10.0%†
AA-Briefcase v1.1Artificial Analysis6461659†
GDPxGDPx by SemiAnalysis–6.8%†
Design Arena AgenticDesign Arena–1177†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–25.7%†
MKA (AA)Artificial Analysis–47.5%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub–82.1%†
FrontierMath Tier 4Epoch AI Benchmarking Hub–70.7%†
OTIS Mock AIMEEpoch AI Benchmarking Hub88.9%99.4%†
ProofBenchVals AI17.0%84.0%
LiveBench MathematicsLiveBench–96.5%†
AIME (Vals)Vals AI96.9%–
Arena MathsArena (LMArena)14691490†
知識
LiveBench 2.0 Data AnalysisLiveBench–81.6%†
LiveBench ResearchLiveBench–93.0%†
LiveBench 1.0 Data AnalysisLiveBench–81.6%†
AA-Omniscience v1.1Artificial Analysis–25.1†
MMLU-ProVals AI87.3%–
LegalBenchVals AI84.2%–
CorpFinVals AI65.1%–
TaxEvalVals AI77.7%–
PRBench FinanceScale AI SEAL52.4%58.7%
PRBench LegalScale AI SEAL52.3%58.4%
MultiNRCScale AI SEAL59.0%–
BioMysteryBenchVals AI–67.0%†
CaseLaw v2Vals AI63.1%–
Excel Modeling BenchmarkVals AI–67.1%†
Excel Modeling Benchmark v1.1Vals AI–72.5%†
MedCodeVals AI51.3%–
MedScribeVals AI85.9%–
Public Benefits Bench v1.1Vals AI–70.2%†
Access to Justice BenchmarkVals AI–73.0%†
Financial Coaching BenchVals AI–73.8%†
Immigration BenchVals AI–69.6%†
EBR-benchEpoch AI Benchmarking Hub–31.4%†
GDP.pdfEpoch AI Benchmarking Hub–30.8%†
AA-Omniscience v1.1: accuracyArtificial Analysis–38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–79.1%†
指示追従
LiveBench LanguageLiveBench–82.9%†
LiveBench Instruction FollowingLiveBench–73.0%†
IFBenchArtificial Analysis75.9%–
MultiChallengeScale AI SEAL75.5%–
TutorBenchScale AI SEAL68.5%–
Arena Instruction FollowingArena (LMArena)14651498†
人間の評価
Arena TextArena (LMArena)14891511†
EQ-Bench 4EQ-Bench–1325
EQ-Bench Creative Writing v3EQ-Bench–2007
Arena Creative WritingArena (LMArena)14641491†
Arena Multi-turnArena (LMArena)14931525†
Arena Longer QueriesArena (LMArena)14761507†
マルチモーダル
Arena VisionArena (LMArena)1306–
LiveBench DesignLiveBench–70.9%†
MMMU-ProArtificial Analysis80.5%83.8%†
MMMU-Pro (Vals)Vals AI87.4%–
Humanity's Sixth SenseScale AI SEAL–43.7%†
Blueprint-Bench 2Epoch AI Benchmarking Hub–31.7%
Furniture AssemblyEpoch AI Benchmarking Hub–54.2%†
VIALS-AAHandshake AI–55.3%†
Code2Video-AAArtificial Analysis–997†
長文コンテキスト
AA-LCR v1.1Artificial Analysis78.0%80.7%†
Arena DocumentArena (LMArena)1467–
MLCRArtificial Analysis–22.2%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub153.1161.7
LiveBench 2.0LiveBench–70.7%†
LiveBench 1.0LiveBench–81.2%†
AA Intelligence Index v5.0.1Artificial Analysis–43.6†
AA Intelligence Index v4.3.2Artificial Analysis31.352.4†
AA Progress Index v1Artificial Analysis289.1335.8†
Vals IndexVals AI–64.9†
Vals Finance IndexVals AI–61.2%†
Vals Science IndexVals AI–39.1%†
Vals Router IndexVals AI–64.9%
Vals Legal IndexVals AI–75.3%†
安全性・誠実さ
FORTRESSScale AI SEAL20.2%–
DistressBenchScale AI SEAL–85.9%

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 Wonder:BenchLeader Index 63.0 → 64.4。
  • Muse Spark:新しい結果2件(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Muse Wonder:BenchLeader Index 63.5 → 63.0。
  • Muse Wonder:新しい結果1件(Blueprint-Bench 2)。
  • Muse Wonder:BenchLeader Index 64.3 → 63.5。
  • Muse Wonder:スコアの改訂5件。
  • Muse Spark:BenchLeader Index 64.6 → 64.1。
  • Muse Spark:スコアの改訂1件。
  • Muse Wonder:スコアの改訂1件。
  • Muse Wonder:新しい結果1件(Startrise Frontend)。

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 Wonder:よくある質問

Muse SparkはMuse Wonderより優れていますか?
Muse SparkとMuse Wonderの品質は互角です(64.2 対 64.4、±4.6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。
エージェントやツール利用にはMuse SparkとMuse Wonder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 Wonderの方がスコアが高くなっています(カテゴリ指標で76 対 65。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 Wonder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 Wonder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 Wonder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 Wonderが上回っています。
Muse Wonderはいつリリースされましたか?
Muse Wonderは2026年10月12日にリリースされました。