Muse Spark vs Qwen3.6 Max
詳しいプロフィール:Muse Spark(Meta)とQwen3.6 Max(Alibaba)。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Qwen3.6 Maxの品質は互角です(BenchLeader Indexで64.2 対 62.1、±4.6の誤差範囲内)。コーディング(65 対 56)、推論(67 対 61)、人間の評価(68 対 65)を重視するならMuse Spark、エージェント・ツール(72 対 65)、数学(64 対 59)、長文コンテキスト(65 対 64)を重視するならQwen3.6 Max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、Qwen3.6 Maxが62.1です(BenchLeader、2026年11月16日)。
- Qwen3.6 Maxの100万トークンあたりのブレンド価格は$2.92です(定価、2026年11月16日)。
- 両モデルに結果がある23件のベンチマークのうち、Muse Sparkが14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 Spark | カテゴリスコア65 対 56;Arena Coding 1529 対 1510 | 高 |
| エージェント・ツール利用 | Qwen3.6 Max | カテゴリスコア72 対 65;Terminal-Bench Hard 43.9% 対 45.5% | 中 |
| 数学 | Qwen3.6 Max | カテゴリスコア64 対 59;Arena Maths 1471 対 1469 | 中 |
| 推論 | Muse Spark | カテゴリスコア67 対 61;GPQA Diamond 89.8% 対 87.4% | 中 |
| 知識 | Muse Spark | カテゴリスコア63 対 60;CorpFin 65.1% 対 66.5% | 中 |
| 長い文書 | Qwen3.6 Max | カテゴリスコア65 対 64;AA-LCR v1.1 80.7% 対 78.0% | 中 |
| 指示への追従 | Muse Spark | カテゴリスコア77 対 75;IFBench 75.9% 対 76.6% | 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Qwen3.6 Max (max)の品質は互角です(64.2 対 62.1、±4.6の誤差範囲内)。
- Muse Sparkはコーディング、人間の評価、指示追従、知識、推論で優れています。
- Qwen3.6 Max (max)はエージェント・ツール、長文コンテキスト、数学で優れています。
概要
| 仕様 | Muse Spark | Qwen3.6 Max |
|---|---|---|
| プロバイダー | Meta | Alibaba |
| リリース日 | 2026年4月8日 | 2026年4月20日 |
| コンテキストウィンドウ(トークン) | 262,144 | 262,144 |
| 比較した構成 | Muse Spark | Qwen3.6 Max (max) |
| 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) | – | $1.30 / $7.80 / $0.130 |
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 | Qwen3.6 Max (max) | トップ |
|---|---|---|---|
| 推論 | 67.4 | 60.8 | Muse Spark |
| コーディング | 65.1 | 55.9 | Muse Spark |
| エージェント・ツール | 65.0 | 72.1 | Qwen3.6 Max |
| 数学 | 59.1 | 64.4 | Qwen3.6 Max |
| 知識 | 63.1 | 59.7 | Muse Spark |
| 指示追従 | 76.9 | 74.7 | Muse Spark |
| 人間の評価 | 68.1 | 64.5 | Muse Spark |
| マルチモーダル | 64.2 | – | 比較不可 |
| 長文コンテキスト | 63.6 | 65.0 | Qwen3.6 Max |
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):マルチモーダル。
情報源で評価が分かれる点
両方に結果がある23件のベンチマークのうち、Muse Sparkのリードが14件、Qwen3.6 Maxのリードが9件です。両方を評価しているすべての総合指標で、Muse Sparkが上回っています。
| 総合Index | Muse Spark | Qwen3.6 Max (max) | トップ |
|---|---|---|---|
| BenchLeader Index | 64.2 | 62.1 | 互角 |
| Arena Text | 1489 | 1460 | Muse Spark |
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 | Qwen3.6 Max (max) |
|---|---|---|
| 100万トークンあたりのブレンド価格 | – | $2.92 |
| 100万トークンあたりの入力/出力 | – / – | $1.30 / $7.80 |
| 100万トークンあたりのキャッシュ入力 | – | $0.130 |
| タスクあたりの価格:チャットの返答 | – | $0.0029 |
| タスクあたりの価格:30ページのレポートを要約 | – | $0.020 |
| タスクあたりの価格:コード編集 | – | $0.019 |
| 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 | – | $0.109 |
| タスクあたりの価格:構造化データの抽出 | – | $0.0042 |
| 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) | – | $0.057 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Muse Sparkのスコアは64.2。Qwen3.6 Max (max)のスコアは62.1。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
63件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Muse Spark | Qwen3.6 Max (max) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 64.2 | 62.1 |
| エージェント・ツールスコア | BenchLeader | 65.0 | 72.1 |
| コーディングスコア | BenchLeader | 65.1 | 55.9 |
| 人間の評価スコア | BenchLeader | 68.1 | 64.5 |
| 指示追従スコア | BenchLeader | 76.9 | 74.7 |
| 知識スコア | BenchLeader | 63.1 | 59.7 |
| 長文コンテキストスコア | BenchLeader | 63.6 | 65.0 |
| 数学スコア | BenchLeader | 59.1 | 64.4 |
| マルチモーダルスコア | BenchLeader | 64.2 | – |
| 推論スコア | BenchLeader | 67.4 | 60.8 |
| ブレンド価格($/100万トークン) | BenchLeader | – | $2.92 |
| コンテキストウィンドウ | BenchLeader | 262,144トークン | 262,144トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 89.8% | 87.4% |
| Humanity's Last Exam | Scale AI / CAIS | 40.6% | – |
| SimpleBench | SimpleBench | – | 63.0% |
| Arena Hard Prompts | Arena (LMArena) | 1506 | 1481 |
| GPQA Diamond (AA) | Artificial Analysis | 88.4% | 88.8% |
| Humanity's Last Exam (AA) | Artificial Analysis | 40.7% | 30.8% |
| GPQA Diamond (Vals) | Vals AI | 89.7% | – |
| CritPt | Artificial Analysis | 11.3% | 3.7% |
| Arena Expert | Arena (LMArena) | 1491 | 1497 |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | – | 19.0%† |
| LMCA | Epoch AI Benchmarking Hub | – | 42.5% |
| DTBench | Epoch AI Benchmarking Hub | – | 87.2% |
| コーディング | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | – | 76.7% |
| SciCode | SciCode | 51.5% | – |
| Arena Coding | Arena (LMArena) | 1529 | 1510 |
| Arena WebDev | Arena (LMArena) | – | 1482 |
| SWE-bench (Vals) | Vals AI | 74.4% | 72.8% |
| SWE-Bench Pro | Scale AI SEAL | 55.0% | – |
| Vibe Code Bench v1.1 | Vals AI | 19.7% | – |
| 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% | – |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 62.2% | – |
| Design Arena Website | Design Arena | 1253 | – |
| エージェント・ツール | |||
| Terminal-Bench Hard | Artificial Analysis | 45.5% | 43.9% |
63件のベンチマークをすべて表示
| 指標 | 公開元 | Muse Spark | Qwen3.6 Max (max) |
|---|---|---|---|
| エージェント・ツール | |||
| τ²-Bench Telecom (AA) | Artificial Analysis | 91.5% | 95.9% |
| MCP Atlas | Scale AI SEAL | 82.2% | – |
| GDPval-AA v2.1 | Artificial Analysis | 1006 | – |
| Terminal-Bench 2.0 (Vals) | Vals AI | 59.5% | 51.7% |
| Vending-Bench 2 | Andon Labs | – | 4254.2 |
| AA-Briefcase v1.1 | Artificial Analysis | 646 | – |
| 数学 | |||
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 88.9% | 91.1% |
| ProofBench | Vals AI | 17.0% | – |
| AIME (Vals) | Vals AI | 96.9% | – |
| Arena Maths | Arena (LMArena) | 1469 | 1471 |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | – | 52.0% |
| MMLU-Pro | Vals AI | 87.3% | – |
| LegalBench | Vals AI | 84.2% | – |
| CorpFin | Vals AI | 65.1% | 66.5% |
| 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% | – |
| CaseLaw v2 | Vals AI | 63.1% | 47.9% |
| MedCode | Vals AI | 51.3% | – |
| MedScribe | Vals AI | 85.9% | – |
| 指示追従 | |||
| IFBench | Artificial Analysis | 75.9% | 76.6% |
| MultiChallenge | Scale AI SEAL | 75.5% | – |
| TutorBench | Scale AI SEAL | 68.5% | – |
| Arena Instruction Following | Arena (LMArena) | 1465 | 1451 |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1489 | 1460 |
| Arena Creative Writing | Arena (LMArena) | 1464 | 1438 |
| Arena Multi-turn | Arena (LMArena) | 1493 | 1466 |
| Arena Longer Queries | Arena (LMArena) | 1476 | 1473 |
| 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% | 80.7% |
| Arena Document | Arena (LMArena) | 1467 | – |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 153.1 | 149.8 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 31.3 | 28.4 |
| AA Progress Index v1 | Artificial Analysis | 289.1 | 297.1 |
| 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)。
- Qwen3.6 Max (max):BenchLeader Index 62.8 → 62.3。
- Muse Spark:BenchLeader Index 64.6 → 64.1。
- Muse Spark:スコアの改訂1件。
- Muse Spark:新しい結果1件(AA Progress Index v1)。
- Qwen3.6 Max (max):新しい結果1件(AA Progress Index v1)。
- Qwen3.6 Max (max):BenchLeader Index 63.3 → 62.8。
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
- Qwen3.6 Max vs Claude Fable 5.2
- Qwen3.6 Max vs Gemini 4 Carbon
- Qwen3.6 Max vs Claude Opus 5.5
- Qwen3.6 Max 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 Qwen3.6 Max:よくある質問
- Muse SparkはQwen3.6 Maxより優れていますか?
- Muse SparkとQwen3.6 Max (max)の品質は互角です(64.2 対 62.1、±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。
- コーディングにはMuse SparkとQwen3.6 Maxのどちらが向いていますか?
- コーディングでは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 56。50が平均)。共通するコーディングベンチマークのうち最も重要なArena Codingでは、Muse Sparkが1529、Qwen3.6 Maxが1510です。
- エージェントやツール利用にはMuse SparkとQwen3.6 Max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Qwen3.6 Maxの方がスコアが高くなっています(カテゴリ指標で72 対 65。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Terminal-Bench Hardでは、Muse Sparkが45.5%、Qwen3.6 Maxが43.9%です。
- 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Qwen3.6 Maxの方がスコアが高くなっています(65 対 64)。どちらも262,144トークンのコンテキストに対応しています。
- Muse SparkとQwen3.6 Max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23件のベンチマークのうち、Muse Sparkのリードが14件、Qwen3.6 Maxのリードが9件です。両方を評価しているすべての総合指標で、Muse Sparkが上回っています。
ほかの質問(1件)
- Qwen3.6 Maxはいつリリースされましたか?
- Qwen3.6 Maxは2026年4月20日にリリースされました。