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 Spark | Muse Wonder Full |
|---|---|---|
| プロバイダー | Meta | Meta |
| 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) | 262,144 | 1,000,000 |
| 比較した構成 | Muse Spark | Muse 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 Spark | Muse Wonder Full (max) | トップ |
|---|---|---|---|
| 推論 | 67.4 | 65.8 | Muse Spark |
| コーディング | 65.1 | 69.9 | Muse Wonder Full |
| エージェント・ツール | 65.0 | 63.6 | Muse Spark |
| 数学 | 59.1 | – | 比較不可 |
| 知識 | 63.1 | 62.3 | 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 | 63.6 | 66.6 | Muse 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。
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。
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Index | Muse Spark | Muse Wonder Full (max) | トップ |
|---|---|---|---|
| BenchLeader Index | 64.2 | 61.7 | 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 Spark | Muse 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 Spark | Muse Wonder Full (max) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 64.2 | 61.7 |
| エージェント・ツールスコア | BenchLeader | 65.0 | 63.6 |
| コーディングスコア | BenchLeader | 65.1 | 69.9 |
| 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 | 62.3 |
| 長文コンテキストスコア | BenchLeader | 63.6 | 66.6 |
| 数学スコア | BenchLeader | 59.1 | – |
| マルチモーダルスコア | BenchLeader | 64.2 | – |
| 推論スコア | BenchLeader | 67.4 | 65.8 |
| コンテキストウィンドウ | BenchLeader | 262,144トークン | 1,000,000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 | – |
| GPQA Diamond (AA) | Artificial Analysis | 88.4% | – |
| Humanity's Last Exam (AA) | Artificial Analysis | 40.7% | 53.6% |
| HLE-Diamond (AA) | Artificial Analysis | – | 48.5% |
| GPQA Diamond (Vals) | Vals AI | 89.7% | – |
| CritPt | Artificial Analysis | 11.3% | 32.9% |
| CritPt v2 hard subset (AA) | Artificial Analysis | – | 56.5% |
| MysteryMechanism | Vals AI | – | 35.1% |
| Arena Expert | Arena (LMArena) | 1491 | – |
| コーディング | |||
| SciCode | SciCode | 51.5% | – |
| Arena Coding | Arena (LMArena) | 1529 | – |
| Arena WebDev | Arena (LMArena) | – | 1724 |
| SciCode (AA) | Artificial Analysis | – | 62.6% |
| IOI | Vals AI | – | 79.8% |
| SWE-bench (Vals) | Vals AI | 74.4% | – |
| SWE-Bench Pro | Scale AI SEAL | 55.0% | – |
| Code Migration | Vals AI | – | 61.0% |
| Code Migration v1.1 | Vals AI | – | 62.8% |
| ProgramBench | Vals AI | – | 0.5% |
| SWE-bench Multimodal | Vals AI | – | 47.3% |
| Vibe Code Bench 1-100 | Vals AI | – | 34.0% |
| Vibe Code Bench v1.1 | Vals AI | 19.7% | 86.0% |
| SWE-Bench Pro (private) | Scale AI SEAL | 44.7% | – |
106件のベンチマークをすべて表示
| 指標 | 公開元 | Muse Spark | Muse Wonder Full (max) |
|---|---|---|---|
| コーディング | |||
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | 24.2% | – |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | 31.1% | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | – | 57.1% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 62.2% | – |
| Design Arena Website | Design Arena | 1253 | – |
| 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 Agent | Arena (LMArena) | – | 9 |
| Terminal-Bench Hard | Artificial Analysis | 45.5% | – |
| τ²-Bench Telecom (AA) | Artificial Analysis | 91.5% | – |
| MCP Atlas | Scale AI SEAL | 82.2% | – |
| GDPval-AA v2.1, normalised score | Artificial Analysis | – | 67.8% |
| GDPval-AA v2.1 | Artificial Analysis | 1006 | 1857 |
| CyberBench | Vals AI | – | 73.6% |
| Finance Agent v2 | Vals AI | – | 59.1% |
| Finance Agent v2.1 | Vals AI | – | 67.6% |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | – | 23.3% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | – | 21.7% |
| Legal Research Bench | Vals AI | – | 53.4% |
| Robo-bench | Vals AI | – | 10.4% |
| SREBench | Vals AI | – | 11.8% |
| Tax Agent Bench | Vals AI | – | 43.0% |
| Terminal-Bench 2.0 (Vals) | Vals AI | 59.5% | – |
| Terminal-Bench 4.0 (Vals) | Vals AI | – | 58.1% |
| Terminal-Bench Science | Vals AI | – | 37.1% |
| Arena Agent Task Completion | Arena (LMArena) | – | 11.1 |
| AutomationBench | Artificial Analysis | – | 71.3% |
| GDP.pdf (AA) | Artificial Analysis | – | 32.6% |
| Harvey LAB-AA v1.1 | Harvey | – | 13.1% |
| AA-Briefcase v1.1 | Artificial Analysis | 646 | 1729 |
| GDPx | GDPx by SemiAnalysis | – | 9.0% |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | – | 37.1% |
| 数学 | |||
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 88.9% | – |
| ProofBench | Vals AI | 17.0% | – |
| AIME (Vals) | Vals AI | 96.9% | – |
| Arena Maths | Arena (LMArena) | 1469 | – |
| 知識 | |||
| AA-Omniscience v1.1 | Artificial Analysis | – | 30.6 |
| MMLU-Pro | Vals AI | 87.3% | – |
| LegalBench | Vals AI | 84.2% | 87.4% |
| CorpFin | Vals AI | 65.1% | – |
| TaxEval | Vals AI | 77.7% | – |
| PRBench Finance | Scale AI SEAL | 52.4% | – |
| PRBench Legal | Scale AI SEAL | 52.3% | – |
| MultiNRC | Scale AI SEAL | 59.0% | – |
| BioMysteryBench | Vals AI | – | 73.3% |
| CaseLaw v2 | Vals AI | 63.1% | – |
| Excel Modeling Benchmark | Vals AI | – | 71.9% |
| Excel Modeling Benchmark v1.1 | Vals AI | – | 75.0% |
| MedCode | Vals AI | 51.3% | 49.9% |
| MedScribe | Vals AI | 85.9% | 89.3% |
| Public Benefits Bench v1.1 | Vals AI | – | 73.8% |
| Access to Justice Benchmark | Vals AI | – | 74.7% |
| Financial Coaching Bench | Vals AI | – | 75.0% |
| Immigration Bench | Vals AI | – | 71.2% |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | – | 41.0% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | – | 82.4% |
| 指示追従 | |||
| IFBench | Artificial Analysis | 75.9% | – |
| MultiChallenge | Scale AI SEAL | 75.5% | – |
| TutorBench | Scale AI SEAL | 68.5% | – |
| Arena Instruction Following | Arena (LMArena) | 1465 | – |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1489 | – |
| Arena Creative Writing | Arena (LMArena) | 1464 | – |
| Arena Multi-turn | Arena (LMArena) | 1493 | – |
| Arena Longer Queries | Arena (LMArena) | 1476 | – |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1306 | – |
| MMMU-Pro | Artificial Analysis | 80.5% | – |
| MMMU-Pro (Vals) | Vals AI | 87.4% | – |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 78.0% | 83.7% |
| Arena Document | Arena (LMArena) | 1467 | – |
| MLCR | Artificial Analysis | – | 22.2% |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 153.1 | – |
| AA Intelligence Index v5.0.1 | Artificial Analysis | – | 50.1 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 31.3 | 55.8 |
| AA Progress Index v1 | Artificial Analysis | 289.1 | 343.2 |
| Vals Index | Vals AI | – | 66.8 |
| Vals Finance Index | Vals AI | – | 64.5% |
| Vals RSI Index | Vals AI | – | 24.4% |
| Vals Science Index | Vals AI | – | 48.5% |
| Vals Router Index | Vals AI | – | 66.8%† |
| Vals Legal Index | Vals AI | – | 77.9% |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | 20.2% | – |
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))。
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 Wonder Full vs Claude Fable 5.2
- Muse Wonder Full vs Gemini 4 Carbon
- Muse Wonder Full vs Claude Opus 5.5
- Muse Wonder Full vs GPT-6 Astra
- Muse Spark vs Muse Spark 1.3
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。