BenchLeader

Muse Spark vs Muse Wonder Full

詳しいプロフィール:Muse Spark(Meta)とMuse Wonder Full(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 · 7件の情報源のデータ

2026年11月16日時点で、Muse SparkとMuse Wonder Fullの品質は互角です(BenchLeader Indexで64.2 対 61.7、±4.2の誤差範囲内)。推論(67 対 66)、エージェント・ツール(65 対 64)を重視するならSpark、コーディング(70 対 65)、長文コンテキスト(67 対 64)を重視するならWonder Full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 Wonder Fullが61.7です(BenchLeader、2026年11月16日)。
  • 両モデルに結果がある10件のベンチマークのうち、Muse Wonder Fullが9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Muse Wonder Fullカテゴリスコア70 対 65;Vibe Code Bench v1.1 86.0% 対 19.7%中
エージェント・ツール利用Muse Sparkカテゴリスコア65 対 64;GDPval-AA v2.1 1006 対 1857中
推論Muse Sparkカテゴリスコア67 対 66;Humanity's Last Exam (AA) 40.7% 対 53.6%中
知識どちらでもカテゴリスコア63 対 62;LegalBench 84.2% 対 87.4%どちらでも
長い文書Muse Wonder Fullカテゴリスコア67 対 64;AA-LCR v1.1 83.7% 対 78.0%中
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 Wonder Full (max)の品質は互角です(64.2 対 61.7、±4.2の誤差範囲内)。
  • Muse Sparkはエージェント・ツール、知識、推論で優れています。
  • Muse Wonder Full (max)はコーディング、長文コンテキストで優れています。

概要

仕様Muse SparkMuse Wonder Full
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)262,1441,000,000
比較した構成Muse SparkMuse Wonder Full (max)
オープンウェイトなしなし

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 Full (max)トップ
推論67.465.8Muse Spark
コーディング65.169.9Muse Wonder Full
エージェント・ツール65.063.6Muse Spark
数学59.1–比較不可
知識63.162.3互角
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63.666.6Muse Wonder Full

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・ツール知識長文コンテキスト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, 知識: 63.1Muse Spark, 長文コンテキスト: 63.6Muse Wonder Full, 推論: 65.8Muse Wonder Full, コーディング: 69.9Muse Wonder Full, エージェント・ツール: 63.6Muse Wonder Full, 知識: 62.3Muse Wonder Full, 長文コンテキスト: 66.6

描画していないもの(測定済みのモデルが2つ未満):数学, 指示追従, 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10件のベンチマークのうち、Muse Sparkのリードが1件、Muse Wonder Fullのリードが9件です。

総合IndexMuse SparkMuse Wonder Full (max)トップ
BenchLeader Index64.261.7互角

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 Full (max)
タスクあたりの出力トークン(AA Index)–88k
うち推論–55k

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 Full (max)のスコアは61.7。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

106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 Full (max)
BenchLeader IndexBenchLeader64.261.7
エージェント・ツールスコアBenchLeader65.063.6
コーディングスコアBenchLeader65.169.9
人間の評価スコアBenchLeader68.1–
指示追従スコアBenchLeader76.9–
知識スコアBenchLeader63.162.3
長文コンテキストスコアBenchLeader63.666.6
数学スコアBenchLeader59.1–
マルチモーダルスコアBenchLeader64.2–
推論スコアBenchLeader67.465.8
コンテキストウィンドウBenchLeader262,144トークン1,000,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub89.8%–
Humanity's Last ExamScale AI / CAIS40.6%–
Arena Hard PromptsArena (LMArena)1506–
GPQA Diamond (AA)Artificial Analysis88.4%–
Humanity's Last Exam (AA)Artificial Analysis40.7%53.6%
HLE-Diamond (AA)Artificial Analysis–48.5%
GPQA Diamond (Vals)Vals AI89.7%–
CritPtArtificial Analysis11.3%32.9%
CritPt v2 hard subset (AA)Artificial Analysis–56.5%
MysteryMechanismVals AI–35.1%
Arena ExpertArena (LMArena)1491–
コーディング
SciCodeSciCode51.5%–
Arena CodingArena (LMArena)1529–
Arena WebDevArena (LMArena)–1724
SciCode (AA)Artificial Analysis–62.6%
IOIVals AI–79.8%
SWE-bench (Vals)Vals AI74.4%–
SWE-Bench ProScale AI SEAL55.0%–
Code MigrationVals AI–61.0%
Code Migration v1.1Vals AI–62.8%
ProgramBenchVals AI–0.5%
SWE-bench MultimodalVals AI–47.3%
Vibe Code Bench 1-100Vals AI–34.0%
Vibe Code Bench v1.1Vals AI19.7%86.0%
SWE-Bench Pro (private)Scale AI SEAL44.7%–
106件のベンチマークをすべて表示
指標公開元Muse SparkMuse Wonder Full (max)
コーディング
SWE Atlas v1.0: Codebase QnAScale AI SEAL24.2%–
SWE Atlas v1.0: Test WritingScale AI SEAL31.1%–
Terminal-Bench 4.0 (AA)Artificial Analysis–57.1%
Terminal-Bench 2.1 (AA)Artificial Analysis62.2%–
Design Arena WebsiteDesign Arena1253–
FrontierCode 1.1 (AA)Artificial Analysis–44.9%
FrontierCode 2.0 (AA)Artificial Analysis–37.8%
エージェント・ツール
Arena AgentArena (LMArena)–9
Terminal-Bench HardArtificial Analysis45.5%–
τ²-Bench Telecom (AA)Artificial Analysis91.5%–
MCP AtlasScale AI SEAL82.2%–
GDPval-AA v2.1, normalised scoreArtificial Analysis–67.8%
GDPval-AA v2.1Artificial Analysis10061857
CyberBenchVals AI–73.6%
Finance Agent v2Vals AI–59.1%
Finance Agent v2.1Vals AI–67.6%
Harvey's Legal Agent Benchmark v1.1Vals AI–23.3%
Harvey's Legal Agent Benchmark v1Vals AI–21.7%
Legal Research BenchVals AI–53.4%
Robo-benchVals AI–10.4%
SREBenchVals AI–11.8%
Tax Agent BenchVals AI–43.0%
Terminal-Bench 2.0 (Vals)Vals AI59.5%–
Terminal-Bench 4.0 (Vals)Vals AI–58.1%
Terminal-Bench ScienceVals AI–37.1%
Arena Agent Task CompletionArena (LMArena)–11.1
AutomationBenchArtificial Analysis–71.3%
GDP.pdf (AA)Artificial Analysis–32.6%
Harvey LAB-AA v1.1Harvey–13.1%
AA-Briefcase v1.1Artificial Analysis6461729
GDPxGDPx by SemiAnalysis–9.0%
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–37.1%
数学
OTIS Mock AIMEEpoch AI Benchmarking Hub88.9%–
ProofBenchVals AI17.0%–
AIME (Vals)Vals AI96.9%–
Arena MathsArena (LMArena)1469–
知識
AA-Omniscience v1.1Artificial Analysis–30.6
MMLU-ProVals AI87.3%–
LegalBenchVals AI84.2%87.4%
CorpFinVals AI65.1%–
TaxEvalVals AI77.7%–
PRBench FinanceScale AI SEAL52.4%–
PRBench LegalScale AI SEAL52.3%–
MultiNRCScale AI SEAL59.0%–
BioMysteryBenchVals AI–73.3%
CaseLaw v2Vals AI63.1%–
Excel Modeling BenchmarkVals AI–71.9%
Excel Modeling Benchmark v1.1Vals AI–75.0%
MedCodeVals AI51.3%49.9%
MedScribeVals AI85.9%89.3%
Public Benefits Bench v1.1Vals AI–73.8%
Access to Justice BenchmarkVals AI–74.7%
Financial Coaching BenchVals AI–75.0%
Immigration BenchVals AI–71.2%
AA-Omniscience v1.1: accuracyArtificial Analysis–41.0%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–82.4%
指示追従
IFBenchArtificial Analysis75.9%–
MultiChallengeScale AI SEAL75.5%–
TutorBenchScale AI SEAL68.5%–
Arena Instruction FollowingArena (LMArena)1465–
人間の評価
Arena TextArena (LMArena)1489–
Arena Creative WritingArena (LMArena)1464–
Arena Multi-turnArena (LMArena)1493–
Arena Longer QueriesArena (LMArena)1476–
マルチモーダル
Arena VisionArena (LMArena)1306–
MMMU-ProArtificial Analysis80.5%–
MMMU-Pro (Vals)Vals AI87.4%–
長文コンテキスト
AA-LCR v1.1Artificial Analysis78.0%83.7%
Arena DocumentArena (LMArena)1467–
MLCRArtificial Analysis–22.2%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub153.1–
AA Intelligence Index v5.0.1Artificial Analysis–50.1
AA Intelligence Index v4.3.2Artificial Analysis31.355.8
AA Progress Index v1Artificial Analysis289.1343.2
Vals IndexVals AI–66.8
Vals Finance IndexVals AI–64.5%
Vals RSI IndexVals AI–24.4%
Vals Science IndexVals AI–48.5%
Vals Router IndexVals AI–66.8%†
Vals Legal IndexVals AI–77.9%
安全性・誠実さ
FORTRESSScale AI SEAL20.2%–

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 Wonder Full (max):BenchLeader Index 62.6 → 61.7。
  • Muse Spark:BenchLeader Index 64.6 → 64.1。
  • Muse Spark:スコアの改訂1件。
  • Muse Wonder Full (max):スコアの改訂1件。
  • Muse Wonder Full (max):スコアの改訂1件。
  • Muse Wonder Full (max):新しい結果1件(Arena Agent)。
  • Muse Spark:新しい結果1件(AA Progress Index v1)。
  • Muse Wonder Full (max):新しい結果6件(AA Intelligence Index v5.0.1, AA Progress Index v1, HLE-Diamond (AA)…)、スコアの改訂2件。
  • Muse Wonder Full (max):新しい結果1件(Terminal-Bench-Science 0.1 (AA))。

ランキング: 総合ベストLLM · コーディングに最適なLLM · エージェントに最適なLLM · 安くて優秀なLLM

Muse Spark vs Muse Wonder Full:よくある質問

Muse SparkはMuse Wonder Fullより優れていますか?
Muse SparkとMuse Wonder Full (max)の品質は互角です(64.2 対 61.7、±4.2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 Wonder Fullのどちらが向いていますか?
コーディングではMuse Wonder Fullの方がスコアが高くなっています(カテゴリ指標で70 対 65。50が平均)。
エージェントやツール利用にはMuse SparkとMuse Wonder Full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 64。50が平均)。
長い文書にはどちらが向いていますか?
長文コンテキストのベンチマークではMuse Wonder Fullの方がスコアが高くなっています(67 対 64)。コンテキストはMuse Wonder Fullの方が長く、1,000,000トークンです(Muse Sparkは262,144トークン)。
Muse SparkとMuse Wonder Full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10件のベンチマークのうち、Muse Sparkのリードが1件、Muse Wonder Fullのリードが9件です。
ほかの質問(1件)
Muse Wonder Fullはいつリリースされましたか?
Muse Wonder Fullは2026年10月12日にリリースされました。