BenchLeader

Muse Spark vs Step 5 Preview

詳しいプロフィール:Muse Spark(Meta)とStep 5 Preview(StepFun)。すべてのベンチマーク、価格、順位を掲載しています。

更新 · 8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Step 5 Previewを上回ります(BenchLeader Indexで64.2 対 56.0)。エージェント・ツール(65 対 49)、推論(67 対 52)、コーディング(65 対 50)を重視するならMuse Spark、長文コンテキスト(69 対 64)、数学(60 対 59)を重視するならStep 5 Preview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、Step 5 Previewが56.0です(BenchLeader、2026年11月16日)。
  • Step 5 Previewの100万トークンあたりのブレンド価格は$1.43です(定価、2026年11月16日)。
  • 両モデルに結果がある19件のベンチマークのうち、Step 5 Previewが10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 50;Arena Coding 1529 対 1505高
エージェント・ツール利用Muse Sparkカテゴリスコア65 対 49;GDPval-AA v2.1 1006 対 1591高
数学Step 5 Previewカテゴリスコア60 対 59;Arena Maths 1470 対 1469中
推論Muse Sparkカテゴリスコア67 対 52;Arena Hard Prompts 1506 対 1477高
知識Muse Sparkカテゴリスコア63 対 54高
長い文書Step 5 Previewカテゴリスコア69 対 64;AA-LCR v1.1 88.3% 対 78.0%中
画像などのメディアMuse Sparkカテゴリスコア64 対 59;Arena Vision 1306 対 1263中
チャットの質(人間の評価)Muse SparkArenaの投票で68 対 63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

  • 品質ではMuse Sparkがリードしています:64.2 対 56.0。
  • 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、マルチモーダル、推論で優れています。
  • Step 5 Previewは長文コンテキスト、数学で優れています。

概要

仕様Muse SparkStep 5 Preview
プロバイダーMetaStepFun
リリース日2026年4月8日2026年9月18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 SparkStep 5 Preview
オープンウェイトなしあり
100万トークンあたりの価格(入力/出力/キャッシュ入力)–$1.00 / $2.70 / $0.105

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 SparkStep 5 Previewトップ
推論67.451.7Muse Spark
コーディング65.149.9Muse Spark
エージェント・ツール65.049.1Muse Spark
数学59.160.1Step 5 Preview
知識63.153.7Muse Spark
指示追従76.9–比較不可
人間の評価68.163.1Muse Spark
マルチモーダル64.259.3Muse Spark
長文コンテキスト63.669.0Step 5 Preview

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: 68.1Step 5 Preview, 推論: 51.7Step 5 Preview, コーディング: 49.9Step 5 Preview, エージェント・ツール: 49.1Step 5 Preview, 数学: 60.1Step 5 Preview, 知識: 53.7Step 5 Preview, 長文コンテキスト: 69.0Step 5 Preview, マルチモーダル: 59.3Step 5 Preview, 人間の評価: 63.1

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19件のベンチマークのうち、Muse Sparkのリードが9件、Step 5 Previewのリードが10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 SparkStep 5 Previewトップ
BenchLeader Index64.256.0Muse Spark
Arena Text14891449Muse 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 SparkStep 5 Preview
100万トークンあたりのブレンド価格–$1.43
100万トークンあたりの入力/出力– / –$1.00 / $2.70
100万トークンあたりのキャッシュ入力–$0.105
タスクあたりの価格:チャットの返答–$0.0012
タスクあたりの価格:30ページのレポートを要約–$0.014
タスクあたりの価格:コード編集–$0.010
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–$0.071
タスクあたりの価格:構造化データの抽出–$0.0025
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)–$0.030
ベンチマークのタスクあたりのコスト(AA Index)–$2.35
タスクあたりの出力トークン(AA Index)–113k
うち推論–80k
タスクあたりの時間(AA Index)–15 min
出力速度–124 tok/s
回答開始までの時間–23.5秒
回答が完了するまでの時間(最終測定2026年11月13日)–54.4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。Step 5 Previewのスコアは56.0、最初の回答トークンまで24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

115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 SparkStep 5 Preview
BenchLeader IndexBenchLeader64.256.0
エージェント・ツールスコアBenchLeader65.049.1
コーディングスコアBenchLeader65.149.9
人間の評価スコアBenchLeader68.163.1
指示追従スコアBenchLeader76.9–
知識スコアBenchLeader63.153.7
長文コンテキストスコアBenchLeader63.669.0
数学スコアBenchLeader59.160.1
マルチモーダルスコアBenchLeader64.259.3
推論スコアBenchLeader67.451.7
ブレンド価格($/100万トークン)BenchLeader–$1.43
出力速度BenchLeader–124 tok/s
回答開始までの時間BenchLeader–23.5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%–
Humanity's Last ExamScale AI / CAIS40.6%–
Arena Hard PromptsArena (LMArena)15061477
LiveBench 2.0 ReasoningLiveBench–83.8%†
GPQA Diamond (AA)Artificial Analysis88.4%–
Humanity's Last Exam (AA)Artificial Analysis40.7%46.5%
HLE-Diamond (AA)Artificial Analysis–24.3%
GPQA Diamond (Vals)Vals AI89.7%–
CritPtArtificial Analysis11.3%20.9%
CritPt v2 hard subset (AA)Artificial Analysis–32.5%
MysteryMechanismVals AI–18.5%
Arena ExpertArena (LMArena)14911489
コーディング
SciCodeSciCode51.5%58.9%
Arena CodingArena (LMArena)15291505
Arena WebDevArena (LMArena)–1573†
LiveBench 2.0 CodingLiveBench–67.6%†
SciCode (AA)Artificial Analysis–58.9%
IOIVals AI–38.1%
SWE-bench (Vals)Vals AI74.4%–
SWE-Bench ProScale AI SEAL55.0%–
Code MigrationVals AI–39.0%
Code Migration v1.1Vals AI–47.0%
SWE-bench MultimodalVals AI–40.8%
Vibe Code Bench v1.1Vals AI19.7%70.4%
SWE-Bench Pro (private)Scale AI SEAL44.7%–
115件のベンチマークをすべて表示
指標公開元Muse SparkStep 5 Preview
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–33.3%
Terminal-Bench 2.1 (AA)Artificial Analysis62.2%–
Design Arena WebsiteDesign Arena1253–
FrontierCode 1.1 (AA)Artificial Analysis–38.4%
FrontierCode 2.0 (AA)Artificial Analysis–12.0%
エージェント・ツール
Arena AgentArena (LMArena)–-3.7
LiveBench Long AgenticLiveBench–19.4%†
LiveBench BrowserLiveBench–24.8%†
Terminal-Bench HardArtificial Analysis45.5%–
τ²-Bench Telecom (AA)Artificial Analysis91.5%–
MCP AtlasScale AI SEAL82.2%–
GDPval-AA v2.1, normalised scoreArtificial Analysis–54.3%
GDPval-AA v2.1Artificial Analysis10061591
ITBench SRE (AA)Artificial Analysis–55.6%
Analyst Agent (AA)Artificial Analysis–35.0%
APEX-Agents (AA)Artificial Analysis–38.0%
Finance Agent v2Vals AI–50.7%
Finance Agent v2.1Vals AI–58.9%
Harvey's Legal Agent Benchmark v1.1Vals AI–12.9%
Harvey's Legal Agent Benchmark v1Vals AI–9.2%
Legal Research BenchVals AI–40.4%
SREBenchVals AI–0.4%
Tax Agent BenchVals AI–27.3%
Terminal-Bench 2.0 (Vals)Vals AI59.5%–
Terminal-Bench 4.0 (Vals)Vals AI–31.8%
Terminal-Bench ScienceVals AI–2.9%
Arena Agent Task CompletionArena (LMArena)–-1.5
AutomationBenchArtificial Analysis–51.0%
GDP.pdf (AA)Artificial Analysis–14.8%
EnterpriseOps-GymArtificial Analysis–47.2%
AA-Briefcase v1.1Artificial Analysis6461424
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–2.4%
CWE-Bench (AA)Artificial Analysis–52.5%
DeepSec-Bench (AA)Artificial Analysis–15.8%
CyberGym end-to-end (AA)Artificial Analysis–74.8%
MKA (AA)Artificial Analysis–27.6%
数学
OTIS Mock AIMEEpoch AI Benchmarking Hub88.9%–
ProofBenchVals AI17.0%42.0%
AIME (Vals)Vals AI96.9%–
Arena MathsArena (LMArena)14691470
知識
LiveBench 2.0 Data AnalysisLiveBench–63.5%†
LiveBench ResearchLiveBench–75.5%†
AA-Omniscience v1.1Artificial Analysis–16.4
MMLU-ProVals AI87.3%–
LegalBenchVals AI84.2%–
CorpFinVals AI65.1%–
TaxEvalVals AI77.7%–
PRBench FinanceScale AI SEAL52.4%–
PRBench LegalScale AI SEAL52.3%–
MultiNRCScale AI SEAL59.0%–
BioMysteryBenchVals AI–67.4%
CaseLaw v2Vals AI63.1%–
Excel Modeling BenchmarkVals AI–57.1%
Excel Modeling Benchmark v1.1Vals AI–69.5%
MedCodeVals AI51.3%–
MedScribeVals AI85.9%–
Public Benefits Bench v1.1Vals AI–58.1%
AA-Omniscience v1.1: accuracyArtificial Analysis–36.4%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–68.7%
指示追従
IFBenchArtificial Analysis75.9%–
MultiChallengeScale AI SEAL75.5%–
TutorBenchScale AI SEAL68.5%–
Arena Instruction FollowingArena (LMArena)14651450
人間の評価
Arena TextArena (LMArena)14891449
Arena Creative WritingArena (LMArena)14641413
Arena Multi-turnArena (LMArena)14931445
Arena Longer QueriesArena (LMArena)14761461
マルチモーダル
Arena VisionArena (LMArena)13061263
LiveBench DesignLiveBench–70.8%†
MMMU-ProArtificial Analysis80.5%76.4%
MMMU-Pro (Vals)Vals AI87.4%–
Code2Video-AAArtificial Analysis–821
AA-3DArtificial Analysis–859
長文コンテキスト
AA-LCR v1.1Artificial Analysis78.0%88.3%
Arena DocumentArena (LMArena)1467–
MLCRArtificial Analysis–18.3%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub153.1–
LiveBench 2.0LiveBench–54.9%†
AA Intelligence Index v5.0.1Artificial Analysis–28.5
AA Intelligence Index v4.3.2Artificial Analysis31.343.7
AA Progress Index v1Artificial Analysis289.1318.2
Vals IndexVals AI–54.8
Vals Finance IndexVals AI–55.4%
Vals Science IndexVals AI–29.6%
Vals Legal IndexVals AI–70.2%
AA Cyber IndexArtificial Analysis–47.7
安全性・誠実さ
FORTRESSScale AI SEAL20.2%–
メタデータ
AA Openness IndexArtificial Analysis–33.3

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

  • Step 5 Preview:BenchLeader Index 54.2 → 56.0。
  • Step 5 Preview:BenchLeader Index 54.7 → 54.2。
  • Muse Spark:新しい結果2件(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Step 5 Preview:スコアの改訂1件。
  • Step 5 Preview:スコアの改訂7件。
  • Muse Spark:BenchLeader Index 64.6 → 64.1。
  • Muse Spark:スコアの改訂1件。
  • Step 5 Preview:新しい結果2件(Vals Index, Harvey's Legal Agent Benchmark v1.1)。
  • Step 5 Preview:スコアの改訂1件。
  • Step 5 Preview:BenchLeader Index 58.0 → 54.7。

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 Step 5 Preview:よくある質問

Muse SparkはStep 5 Preview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 56.0。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Step 5 Preview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 50。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%、Step 5 Previewが58.9%です。
エージェントやツール利用にはMuse SparkとStep 5 Preview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 49。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Step 5 Previewの方がスコアが高くなっています(69 対 64)。コンテキストはStep 5 Preview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Step 5 Preview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19件のベンチマークのうち、Muse Sparkのリードが9件、Step 5 Previewのリードが10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)
Step 5 Previewはいつリリースされましたか?
Step 5 Previewは2026年9月18日にリリースされました。