BenchLeader

Muse Spark vs Qwen3.8 Max

詳しいプロフィール:Muse Spark(Meta)とQwen3.8 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 · 12件の情報源のデータ

2026年11月16日時点で、品質ではMuse SparkがQwen3.8 Maxを上回ります(BenchLeader Indexで64.2 対 58.7)。推論(67 対 52)、エージェント・ツール(65 対 59)、知識(63 対 58)を重視するならMuse Spark、数学(65 対 59)、マルチモーダル(66 対 64)、長文コンテキスト(65 対 64)を重視するならQwen3.8 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、Qwen3.8 Maxが58.7です(BenchLeader、2026年11月16日)。
  • Qwen3.8 Maxの100万トークンあたりのブレンド価格は$3.00です(定価、2026年11月16日)。
  • 両モデルに結果がある32件のベンチマークのうち、Qwen3.8 Maxが27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 62;Arena Coding 1529 対 1523中
エージェント・ツール利用Muse Sparkカテゴリスコア65 対 59;GDPval-AA v2.1 1006 対 1674中
数学Qwen3.8 Maxカテゴリスコア65 対 59;Arena Maths 1505 対 1469中
推論Muse Sparkカテゴリスコア67 対 52;Arena Hard Prompts 1506 対 1507高
知識Muse Sparkカテゴリスコア63 対 58;LegalBench 84.2% 対 83.6%中
長い文書Qwen3.8 Maxカテゴリスコア65 対 64;AA-LCR v1.1 80.3% 対 78.0%中
画像などのメディアQwen3.8 Maxカテゴリスコア66 対 64;Arena Vision 1312 対 1306中
チャットの質(人間の評価)どちらでもArenaの投票で68 対 68どちらでも
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

  • 品質ではMuse Sparkがリードしています:64.2 対 58.7。
  • Muse Sparkはエージェント・ツール、コーディング、人間の評価、知識、推論で優れています。
  • Qwen3.8 Max (max)は長文コンテキスト、数学、マルチモーダルで優れています。

概要

仕様Muse SparkQwen3.8 Max
プロバイダーMetaAlibaba
リリース日2026年4月8日2026年8月3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 SparkQwen3.8 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)–$2.00 / $6.00 / $0.250

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 SparkQwen3.8 Max (max)トップ
推論67.451.5Muse Spark
コーディング65.161.6Muse Spark
エージェント・ツール65.058.5Muse Spark
数学59.165.2Qwen3.8 Max
知識63.158.0Muse Spark
指示追従76.9–比較不可
人間の評価68.167.5互角
マルチモーダル64.265.7Qwen3.8 Max
長文コンテキスト63.664.8Qwen3.8 Max
総合–45.0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推論コーディングエージェント・ツール数学知識長文コンテキストマルチモーダル人間の評価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, 数学: 59.1Muse Spark, 知識: 63.1Muse Spark, 長文コンテキスト: 63.6Muse Spark, マルチモーダル: 64.2Muse Spark, 人間の評価: 68.1Qwen3.8 Max, 推論: 51.5Qwen3.8 Max, コーディング: 61.6Qwen3.8 Max, エージェント・ツール: 58.5Qwen3.8 Max, 数学: 65.2Qwen3.8 Max, 知識: 58.0Qwen3.8 Max, 長文コンテキスト: 64.8Qwen3.8 Max, マルチモーダル: 65.7Qwen3.8 Max, 人間の評価: 67.5

描画していないもの(測定済みのモデルが2つ未満):指示追従。

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32件のベンチマークのうち、Muse Sparkのリードが5件、Qwen3.8 Maxのリードが27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IndexMuse SparkQwen3.8 Max (max)トップ
BenchLeader Index64.258.7Muse Spark
Arena Text14891484Muse 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 SparkQwen3.8 Max (max)
100万トークンあたりのブレンド価格–$3.00
100万トークンあたりの入力/出力– / –$2.00 / $6.00
100万トークンあたりのキャッシュ入力–$0.250
タスクあたりの価格:チャットの返答–$0.0026
タスクあたりの価格:30ページのレポートを要約–$0.028
タスクあたりの価格:コード編集–$0.021
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–$0.144
タスクあたりの価格:構造化データの抽出–$0.0052
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)–$0.065
ベンチマークのタスクあたりのコスト(AA Index)–$10.02
タスクあたりの出力トークン(AA Index)–171k
うち推論–120k
タスクあたりの時間(AA Index)–48 min
出力速度–59 tok/s
回答開始までの時間–119.6秒
回答が完了するまでの時間(最終測定2026年11月13日)–294.1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。Qwen3.8 Max (max)のスコアは58.7、最初の回答トークンまで120秒。Qwen3.8 Max (xhigh)は56.6(3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

156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 SparkQwen3.8 Max (max)
BenchLeader IndexBenchLeader64.258.7
エージェント・ツールスコアBenchLeader65.058.5
コーディングスコアBenchLeader65.161.6
人間の評価スコアBenchLeader68.167.5
指示追従スコアBenchLeader76.9–
知識スコアBenchLeader63.158.0
長文コンテキストスコアBenchLeader63.664.8
数学スコアBenchLeader59.165.2
マルチモーダルスコアBenchLeader64.265.7
推論スコアBenchLeader67.451.5
総合スコアBenchLeader–45.0
ブレンド価格($/100万トークン)BenchLeader–$3.00
出力速度BenchLeader–59 tok/s
回答開始までの時間BenchLeader–119.6秒
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%92.7%†
Humanity's Last ExamScale AI / CAIS40.6%–
Arena Hard PromptsArena (LMArena)15061507
LiveBench 2.0 ReasoningLiveBench–88.2%
LiveBench 1.0 ReasoningLiveBench–88.2%
GPQA Diamond (AA)Artificial Analysis88.4%92.8%
Humanity's Last Exam (AA)Artificial Analysis40.7%43.1%
HLE-Diamond (AA)Artificial Analysis–24.0%
GPQA Diamond (Vals)Vals AI89.7%93.7%
CritPtArtificial Analysis11.3%20.0%
CritPt v2 hard subset (AA)Artificial Analysis–29.5%
MysteryMechanismVals AI–23.9%
Arena ExpertArena (LMArena)14911514
Chess PuzzlesEpoch AI Benchmarking Hub–46.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub–38.0%†
LMCAEpoch AI Benchmarking Hub–46.2%†
DTBenchEpoch AI Benchmarking Hub–92.0%†
コーディング
SciCodeSciCode51.5%53.2%
Arena CodingArena (LMArena)15291523
Arena WebDevArena (LMArena)–1676
LiveBench 2.0 CodingLiveBench–60.9%
LiveBench 1.0 CodingLiveBench–72.9%
SciCode (AA)Artificial Analysis–53.2%
LiveCodeBenchVals AI–87.8%
IOIVals AI–68.9%
156件のベンチマークをすべて表示
指標公開元Muse SparkQwen3.8 Max (max)
コーディング
SWE-bench (Vals)Vals AI74.4%85.6%
SWE-Bench ProScale AI SEAL55.0%–
Code MigrationVals AI–24.0%
ProgramBenchVals AI–0.0%
SWE-bench MultimodalVals AI–42.5%
Vibe Code Bench 1-100Vals AI–12.8%
Vibe Code Bench v1.1Vals AI19.7%64.7%
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–64.4%
SWE Atlas v1.1: Codebase QnAScale AI SEAL–81.5%
SWE Atlas v1.1: Test WritingScale AI SEAL–58.9%
SWE Atlas v1.1: RefactoringScale AI SEAL–52.9%
MirrorCodeEpoch AI Benchmarking Hub–52.2%†
DeepSWE v1.1Epoch AI Benchmarking Hub–57.5%†
ALE-BenchEpoch AI Benchmarking Hub–1679.1†
FrontierSWEEpoch AI Benchmarking Hub–17.8%†
Terminal-Bench 4.0 (AA)Artificial Analysis–38.9%
Terminal-Bench 2.1 (AA)Artificial Analysis62.2%88.8%
Startrise FrontendStartrise–71.3%
GameBench 2 OverallDuelLab GameBench 2–54.2†
GameBench 2 by reasoning settingDuelLab GameBench 2–69.6†
Design Arena WebsiteDesign Arena12531269
FrontierCode 1.1 (AA)Artificial Analysis–43.2%
FrontierCode 2.0 (AA)Artificial Analysis–23.4%
エージェント・ツール
Terminal-BenchTerminal-Bench–27.0%
APEX-AgentsMercor–63.3%
Arena AgentArena (LMArena)–0.1
LiveBench Long AgenticLiveBench–26.6%
LiveBench BrowserLiveBench–49.4%
LiveBench Agentic CodingLiveBench–64.7%
Terminal-Bench HardArtificial Analysis45.5%–
τ²-Bench Telecom (AA)Artificial Analysis91.5%–
Terminal-Bench 2.1 (Vals)Vals AI–67.4%
MCP AtlasScale AI SEAL82.2%–
τ³-bench Bankingτ²-bench–55.1%†
GDPval-AA v2.1, normalised scoreArtificial Analysis–58.3%
GDPval-AA v2.1Artificial Analysis10061674
τ³-Banking (AA)Artificial Analysis–51.3%
ITBench SRE (AA)Artificial Analysis–40.3%
Analyst Agent (AA)Artificial Analysis–45.0%
APEX-Agents (AA)Artificial Analysis–42.4%
CyberBenchVals AI–28.6%
Finance Agent v2Vals AI–50.6%
Harvey's Legal Agent Benchmark v1Vals AI–10.4%
Legal Research BenchVals AI–47.6%
SkillsBenchVals AI–42.0%
Tax Agent BenchVals AI–32.1%
Terminal-Bench 2.0 (Vals)Vals AI59.5%–
Terminal-Bench 4.0 (Vals)Vals AI–34.3%
Terminal-Bench ScienceVals AI–12.9%
Arena SearchArena (LMArena)–1227
Arena Agent Task CompletionArena (LMArena)–4.5
AutomationBenchArtificial Analysis–56.2%
GDP.pdf (AA)Artificial Analysis–22.8%
EnterpriseOps-GymArtificial Analysis–47.6%
AA-Briefcase v1.1Artificial Analysis6461604
GDPxGDPx by SemiAnalysis–3.5%
Design Arena AgenticDesign Arena–1264
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–11.9%
MKA (AA)Artificial Analysis–37.4%
FACTS SearchGoogle–85.0%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub–74.7%†
FrontierMath Tier 4Epoch AI Benchmarking Hub–46.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub88.9%100.0%†
ProofBenchVals AI17.0%58.0%
LiveBench MathematicsLiveBench–91.3%
AIME (Vals)Vals AI96.9%–
Arena MathsArena (LMArena)14691505
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub–47.3%†
LiveBench 2.0 Data AnalysisLiveBench–78.4%
LiveBench ResearchLiveBench–72.8%
LiveBench 1.0 Data AnalysisLiveBench–78.4%
AA-Omniscience v1.1Artificial Analysis–10.5
MMLU-ProVals AI87.3%88.6%
LegalBenchVals AI84.2%83.6%
CorpFinVals AI65.1%65.8%
TaxEvalVals AI77.7%75.5%
PRBench FinanceScale AI SEAL52.4%–
PRBench LegalScale AI SEAL52.3%–
MultiNRCScale AI SEAL59.0%–
CaseLaw v2Vals AI63.1%–
Excel Modeling BenchmarkVals AI–60.1%
Excel Modeling Benchmark v1.1Vals AI–66.0%
MedCodeVals AI51.3%40.7%
MedScribeVals AI85.9%85.0%
Public Benefits Bench v1.1Vals AI–67.1%
Access to Justice BenchmarkVals AI–76.4%
Financial Coaching BenchVals AI–75.6%
Immigration BenchVals AI–70.1%
GDP.pdfEpoch AI Benchmarking Hub–23.2%†
AA-Omniscience v1.1: accuracyArtificial Analysis–29.5%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–72.9%
FACTS ParametricGoogle–30.8%
指示追従
LiveBench LanguageLiveBench–79.7%
LiveBench Instruction FollowingLiveBench–74.1%
IFBenchArtificial Analysis75.9%–
MultiChallengeScale AI SEAL75.5%–
TutorBenchScale AI SEAL68.5%–
Arena Instruction FollowingArena (LMArena)14651478
人間の評価
Arena TextArena (LMArena)14891484
Arena Creative WritingArena (LMArena)14641472
Arena Multi-turnArena (LMArena)14931495
Arena Longer QueriesArena (LMArena)14761496
マルチモーダル
Arena VisionArena (LMArena)13061312
LiveBench DesignLiveBench–76.6%
MMMU-ProArtificial Analysis80.5%82.8%
MMMU-Pro (Vals)Vals AI87.4%88.0%
MortgageTaxVals AI–64.0%
SAGEVals AI–81.8%
Humanity's Sixth SenseScale AI SEAL–33.0%
Furniture AssemblyEpoch AI Benchmarking Hub–20.0%†
VIALS-AAHandshake AI–31.7%
Code2Video-AAArtificial Analysis–1021
AA-3DArtificial Analysis–954
FACTS MultimodalGoogle–51.5%
長文コンテキスト
AA-LCR v1.1Artificial Analysis78.0%80.3%
Arena DocumentArena (LMArena)1467–
MLCRArtificial Analysis–26.1%
FACTS GroundingGoogle–73.8%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub153.1157.6
LiveBench 2.0LiveBench–60.9%
LiveBench 1.0LiveBench–78.5%
AA Intelligence Index v5.0.1Artificial Analysis–33.6
AA Intelligence Index v4.3.2Artificial Analysis31.345.4
AA Progress Index v1Artificial Analysis289.1323.7
Vals RSI IndexVals AI–21.8%
Vals Multimodal IndexVals AI–65.4%
安全性・誠実さ
FORTRESSScale AI SEAL20.2%–
DistressBenchScale AI SEAL–77.6%

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

  • Qwen3.8 Max (max):スコアの改訂1件。
  • Muse Spark:新しい結果2件(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Qwen3.8 Max (max):スコアの改訂1件。
  • Qwen3.8 Max (max):スコアの改訂6件。
  • Muse Spark:BenchLeader Index 64.6 → 64.1。
  • Qwen3.8 Max (max):スコアの改訂1件。
  • Muse Spark:スコアの改訂1件。
  • Qwen3.8 Max (max):新しい結果1件(FACTS Search)、スコアの改訂1件。
  • Qwen3.8 Max (max):スコアの改訂1件、価格 $0.22/M → $0.25/M。
  • Qwen3.8 Max (max):価格 $0.25/M → $0.22/M。

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 Qwen3.8 Max:よくある質問

Muse SparkはQwen3.8 Maxより優れていますか?
品質ではMuse Sparkがリードしています:64.2 対 58.7。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日時点では総合でMuse Sparkが上回っていますが、用途に合わせてカテゴリ別のスコアも確認してください。
コーディングにはMuse SparkとQwen3.8 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 62。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SciCodeでは、Muse Sparkが51.5%、Qwen3.8 Maxが53.2%です。
エージェントやツール利用にはMuse SparkとQwen3.8 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 59。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Qwen3.8 Maxの方がスコアが高くなっています(65 対 64)。コンテキストはQwen3.8 Max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Qwen3.8 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32件のベンチマークのうち、Muse Sparkのリードが5件、Qwen3.8 Maxのリードが27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)
Qwen3.8 Maxはいつリリースされましたか?
Qwen3.8 Maxは2026年8月3日にリリースされました。