BenchLeader

Muse Wonder vs Qwen3.6 Max

詳しいプロフィール:Muse Wonder(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 · 9件の情報源のデータ

2026年11月16日時点で、Muse WonderとQwen3.6 Maxの品質は互角です(BenchLeader Indexで64.4 対 62.1、±4.2の誤差範囲内)。価格はQwen3.6 Maxの方が2.7倍安く、100万トークンあたりのブレンド価格で$2.92 対 $8.00です。両方を測定できるすべてのカテゴリでMuse Wonderがリードしています。

要点(2026年11月16日時点)

  • BenchLeader IndexはMuse Wonderが64.4、Qwen3.6 Maxが62.1です(BenchLeader、2026年11月16日)。
  • Muse Wonderの100万トークンあたりのブレンド価格は$8.00です(定価、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4件のベンチマークのうち、Muse Wonderが4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
エージェント・ツール利用Muse Wonderカテゴリスコア76 対 72;Vending-Bench 2 9432.2 対 4254.2中
数学Muse Wonderカテゴリスコア70 対 64中
知識Muse Wonderカテゴリスコア77 対 60高
チャットの質(人間の評価)Muse WonderArenaの投票で70 対 65中
最低コストQwen3.6 Max100万トークンあたりブレンド価格$2.92 対 $8.00;エージェント型コーディングセッション$0.109 対 $0.320–
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 WonderとQwen3.6 Max (max)の品質は互角です(64.4 対 62.1、±4.2の誤差範囲内)。
  • Muse Wonderはエージェント・ツール、人間の評価、知識、数学で優れています。
  • Qwen3.6 Max (max)の方が2.7倍安くなっています(100万トークンあたりブレンド価格$2.92 対 $8.00)。

概要

仕様Muse WonderQwen3.6 Max
プロバイダーMetaAlibaba
リリース日2026年10月12日2026年4月20日
コンテキストウィンドウ(トークン)1,048,576262,144
比較した構成Muse WonderQwen3.6 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)$4.00 / $20.00 / $0.200$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 WonderQwen3.6 Max (max)トップ
推論–60.8比較不可
コーディング–55.9比較不可
エージェント・ツール75.672.1Muse Wonder
数学70.164.4Muse Wonder
知識77.159.7Muse Wonder
指示追従–74.7比較不可
人間の評価69.664.5Muse Wonder
長文コンテキスト–65.0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エージェント・ツール数学知識人間の評価Muse Wonder, エージェント・ツール: 75.6Muse Wonder, 数学: 70.1Muse Wonder, 知識: 77.1Muse Wonder, 人間の評価: 69.6Qwen3.6 Max, エージェント・ツール: 72.1Qwen3.6 Max, 数学: 64.4Qwen3.6 Max, 知識: 59.7Qwen3.6 Max, 人間の評価: 64.5

描画していないもの(測定済みのモデルが2つ未満):推論, コーディング, 指示追従, 長文コンテキスト, マルチモーダル。

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4件のベンチマークのうち、Muse Wonderのリードが4件、Qwen3.6 Maxのリードが0件です。両方を評価しているすべての総合指標で、Muse Wonderが上回っています。

総合IndexMuse WonderQwen3.6 Max (max)トップ
BenchLeader Index64.462.1互角
Arena Text1511†1460Muse Wonder

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 WonderQwen3.6 Max (max)
100万トークンあたりのブレンド価格$8.00$2.92
100万トークンあたりの入力/出力$4.00 / $20.00$1.30 / $7.80
100万トークンあたりのキャッシュ入力$0.200$0.130
タスクあたりの価格:チャットの返答$0.0076$0.0029
タスクあたりの価格:30ページのレポートを要約$0.060$0.020
タスクあたりの価格:コード編集$0.054$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$0.320$0.109
タスクあたりの価格:構造化データの抽出$0.012$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)$0.149$0.057
出力速度70 tok/s–
回答開始までの時間3.3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 Wonderのスコアは64.4、最初の回答トークンまで3秒。Muse Wonder (max)は60.8(20秒)、Muse Wonder (high)は56.2(13秒)。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

134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 WonderQwen3.6 Max (max)
BenchLeader IndexBenchLeader64.462.1
エージェント・ツールスコアBenchLeader75.672.1
人間の評価スコアBenchLeader69.664.5
知識スコアBenchLeader77.159.7
数学スコアBenchLeader70.164.4
コーディングスコアBenchLeader–55.9
指示追従スコアBenchLeader–74.7
長文コンテキストスコアBenchLeader–65.0
推論スコアBenchLeader–60.8
ブレンド価格($/100万トークン)BenchLeader$8.00$2.92
出力速度BenchLeader70 tok/s–
回答開始までの時間BenchLeader3.3秒–
コンテキストウィンドウBenchLeader1,048,576トークン262,144トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub–87.4%
SimpleBenchSimpleBench–63.0%
Arena Hard PromptsArena (LMArena)1531†1481
LiveBench 2.0 ReasoningLiveBench90.6%†–
LiveBench 1.0 ReasoningLiveBench90.6%†–
GPQA Diamond (AA)Artificial Analysis–88.8%
Humanity's Last Exam (AA)Artificial Analysis50.1%†30.8%
HLE-Diamond (AA)Artificial Analysis39.0%†–
CritPtArtificial Analysis28.3%†3.7%
CritPt v2 hard subset (AA)Artificial Analysis50.5%†–
MysteryMechanismVals AI27.5%†–
HLE-Diamond (Scale)Scale AI SEAL37.3%–
Arena ExpertArena (LMArena)1525†1497
Mystery Game PuzzlesEpoch AI Benchmarking Hub51.0%†19.0%†
LMCAEpoch AI Benchmarking Hub56.8%42.5%
DTBenchEpoch AI Benchmarking Hub95.2%87.2%
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub–76.7%
SciCodeSciCode60.3%†–
Arena CodingArena (LMArena)1542†1510
Arena WebDevArena (LMArena)1647†1482
LiveBench 2.0 CodingLiveBench74.9%†–
LiveBench 1.0 CodingLiveBench80.7%†–
IOIVals AI66.9%†–
SWE-bench (Vals)Vals AI–72.8%
Code MigrationVals AI62.5%†–
134件のベンチマークをすべて表示
指標公開元Muse WonderQwen3.6 Max (max)
コーディング
Code Migration v1.1Vals AI72.4%†–
SWE-bench MultimodalVals AI45.6%†–
Vibe Code Bench 1-100Vals AI26.6%†–
Vibe Code Bench v1.1Vals AI83.1%†–
SWE Atlas v1.1Scale AI SEAL64.8%–
SWE Atlas v1.1: Codebase QnAScale AI SEAL73.4%–
SWE Atlas v1.1: Test WritingScale AI SEAL61.1%–
SWE Atlas v1.1: RefactoringScale AI SEAL60.0%–
SWE-Bench Pro V2Scale AI SEAL96.7%†–
SWE-Bench Pro V2 HARDScale AI SEAL90.2%†–
MirrorCodeEpoch AI Benchmarking Hub45.6%†–
CursorBenchCursor50.4%†–
WeirdML v3WeirdML15.2%†–
Terminal-Bench 4.0 (AA)Artificial Analysis52.0%†–
GameBench 2 OverallDuelLab GameBench 264.8–
GameBench 2 by reasoning settingDuelLab GameBench 254.9†–
Design Arena WebsiteDesign Arena1378†–
FrontierCode 1.1 (AA)Artificial Analysis46.5%†–
FrontierCode 2.0 (AA)Artificial Analysis27.9%†–
エージェント・ツール
Terminal-BenchTerminal-Bench47.0%†–
APEX-AgentsMercor66.1%†–
Arena AgentArena (LMArena)1.8†–
LiveBench Long AgenticLiveBench46.2%†–
LiveBench BrowserLiveBench60.0%†–
LiveBench Agentic CodingLiveBench62.7%†–
Terminal-Bench HardArtificial Analysis–43.9%
τ²-Bench Telecom (AA)Artificial Analysis–95.9%
HiL-BenchScale AI SEAL79.7%–
GDPval-AA v2.1, normalised scoreArtificial Analysis63.5%†–
GDPval-AA v2.1Artificial Analysis1770†–
CUA-benchVals AI7.2%†–
CyberBenchVals AI80.4%†–
Finance Agent v2Vals AI56.6%†–
Finance Agent v2.1Vals AI65.5%†–
Harvey's Legal Agent Benchmark v1.1Vals AI23.8%†–
Harvey's Legal Agent Benchmark v1Vals AI17.1%†–
Legal Research BenchVals AI50.5%†–
Tax Agent BenchVals AI36.3%†–
Terminal-Bench 2.0 (Vals)Vals AI–51.7%
Terminal-Bench 4.0 (Vals)Vals AI49.5%†–
Terminal-Bench ScienceVals AI22.9%†–
Arena Agent Task CompletionArena (LMArena)5.4†–
PostTrainBenchEpoch AI Benchmarking Hub24.2%†–
Vending-Bench 2Andon Labs9432.24254.2
AutomationBenchArtificial Analysis68.1%†–
GDP.pdf (AA)Artificial Analysis30.6%†–
Harvey LAB-AA v1.1Harvey10.0%†–
AA-Briefcase v1.1Artificial Analysis1659†–
GDPxGDPx by SemiAnalysis6.8%†–
Design Arena AgenticDesign Arena1177†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis25.7%†–
MKA (AA)Artificial Analysis47.5%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub82.1%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub70.7%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub99.4%†91.1%
ProofBenchVals AI84.0%–
LiveBench MathematicsLiveBench96.5%†–
Arena MathsArena (LMArena)1490†1471
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub–52.0%
LiveBench 2.0 Data AnalysisLiveBench81.6%†–
LiveBench ResearchLiveBench93.0%†–
LiveBench 1.0 Data AnalysisLiveBench81.6%†–
AA-Omniscience v1.1Artificial Analysis25.1†–
CorpFinVals AI–66.5%
PRBench FinanceScale AI SEAL58.7%–
PRBench LegalScale AI SEAL58.4%–
BioMysteryBenchVals AI67.0%†–
CaseLaw v2Vals AI–47.9%
Excel Modeling BenchmarkVals AI67.1%†–
Excel Modeling Benchmark v1.1Vals AI72.5%†–
Public Benefits Bench v1.1Vals AI70.2%†–
Access to Justice BenchmarkVals AI73.0%†–
Financial Coaching BenchVals AI73.8%†–
Immigration BenchVals AI69.6%†–
EBR-benchEpoch AI Benchmarking Hub31.4%†–
GDP.pdfEpoch AI Benchmarking Hub30.8%†–
AA-Omniscience v1.1: accuracyArtificial Analysis38.0%†–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis79.1%†–
指示追従
LiveBench LanguageLiveBench82.9%†–
LiveBench Instruction FollowingLiveBench73.0%†–
IFBenchArtificial Analysis–76.6%
Arena Instruction FollowingArena (LMArena)1498†1451
人間の評価
Arena TextArena (LMArena)1511†1460
EQ-Bench 4EQ-Bench1325–
EQ-Bench Creative Writing v3EQ-Bench2007–
Arena Creative WritingArena (LMArena)1491†1438
Arena Multi-turnArena (LMArena)1525†1466
Arena Longer QueriesArena (LMArena)1507†1473
マルチモーダル
LiveBench DesignLiveBench70.9%†–
MMMU-ProArtificial Analysis83.8%†–
Humanity's Sixth SenseScale AI SEAL43.7%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub31.7%–
Furniture AssemblyEpoch AI Benchmarking Hub54.2%†–
VIALS-AAHandshake AI55.3%†–
Code2Video-AAArtificial Analysis997†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis80.7%†80.7%
MLCRArtificial Analysis22.2%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub161.7149.8
LiveBench 2.0LiveBench70.7%†–
LiveBench 1.0LiveBench81.2%†–
AA Intelligence Index v5.0.1Artificial Analysis43.6†–
AA Intelligence Index v4.3.2Artificial Analysis52.4†28.4
AA Progress Index v1Artificial Analysis335.8†297.1
Vals IndexVals AI64.9†–
Vals Finance IndexVals AI61.2%†–
Vals Science IndexVals AI39.1%†–
Vals Router IndexVals AI64.9%–
Vals Legal IndexVals AI75.3%†–
安全性・誠実さ
DistressBenchScale AI SEAL85.9%–

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

  • Muse Wonder:BenchLeader Index 63.0 → 64.4。
  • Muse Wonder:BenchLeader Index 63.5 → 63.0。
  • Qwen3.6 Max (max):BenchLeader Index 62.8 → 62.3。
  • Muse Wonder:新しい結果1件(Blueprint-Bench 2)。
  • Muse Wonder:BenchLeader Index 64.3 → 63.5。
  • Muse Wonder:スコアの改訂5件。
  • Muse Wonder:スコアの改訂1件。
  • Muse Wonder:新しい結果1件(Startrise Frontend)。
  • Qwen3.6 Max (max):新しい結果1件(AA Progress Index v1)。
  • Muse Wonder:スコアの改訂3件。

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 Wonder vs Qwen3.6 Max:よくある質問

Muse WonderはQwen3.6 Maxより優れていますか?
Muse WonderとQwen3.6 Max (max)の品質は互角です(64.4 対 62.1、±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。
Muse WonderとQwen3.6 Maxはどちらが安いですか?今後変わる予定はありますか?
現在はQwen3.6 Maxの方が安く、100万トークンあたり$2.92 対 $8.00です(出力1トークンにつき入力3トークンでブレンド)。どちらも価格変更は発表されていません。
エージェントやツール利用にはMuse Wonder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Muse Wonderの方がスコアが高くなっています(カテゴリ指標で76 対 72。50が平均)。
長い文書にはどちらが向いていますか?
コンテキストはMuse Wonderの方が長く、1,048,576トークンです(Qwen3.6 Maxは262,144トークン)。
Muse Wonder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4件のベンチマークのうち、Muse Wonderのリードが4件、Qwen3.6 Maxのリードが0件です。両方を評価しているすべての総合指標で、Muse Wonderが上回っています。
ほかの質問(1件)
Muse Wonderはいつリリースされましたか?
Muse Wonderは2026年10月12日にリリースされました。