Claude Sonnet 5.5 vs Muse Spark 1.3

ポジ 14 ／ ネガ 4 ／ 中立 4

ポジ 6 ／ ネガ 4 ／ 中立 1

2026-09-28（米国時間）公開の Anthropic の中位モデル（API は claude-sonnet-5-5）。9月22日の Opus 5.5 に続く「Claude 5.5 ファミリー」の2本目で、Sonnet 5 を置き換える。Anthropic は「Sonnet 5 より出力が30%以上速く、たいていの仕事で1つあたりの費用が最大30%下がる」と説明している（同社のテスト）。料金は Sonnet 5 と同じ入力$2／出力$10（キャッシュ書き込み$2.50。キャッシュ読み込みは発表時の$0.20から 2026-10-07 に$0.10へ半額になり、Anthropic は「エージェント作業の多くで約20%安くなる」と説明。2026-10-09 確認）。Claude アプリでは無料プランを含む全プランで同日から使え、API のほか AWS・Google Cloud・Microsoft Azure でも提供。第三者機関 Artificial Analysis の AA Intelligence Index は 56（v4.3.2・max 設定。安全装置が働いたときに別モデルへ切り替わる既定の状態で測定／2026-09-29 確認）で、本表では Opus 5.5 の 58 に次ぐ2番目、Fable 5.1・GPT-6 Astra の 53 を上回る。前の Sonnet 5 は 38 だったので18点の上昇。ただし max 設定では評価用の課題一式で4億1000万トークンを書いており（中央値は8800万）、1課題あたりの費用は$7.60と Opus 5.5（$5.98）より高い。同じ AA でも設定を下げると high で 47、medium で 41。Humanity's Last Exam は 56.9%（ツールなし。ツールありは 64.5%。公式システムカードの値。同じ表で Sonnet 5 はツールなし 43.1%／ツールあり 54.9% で、Sonnet 5 の発表時の 34.6%／46.8% とは測り方が違う）。SWE-bench Verified は Anthropic が Sonnet 5.5 では公表しておらず本表では「—」（Sonnet 5 の 85.2% は流用しません）。代わりに公表されたのは、より難しい SWE-bench Pro の 81.3%（Sonnet 5 は 63.2%、Opus 5.5 は 89.9%）。ほかの公式値は、コマンド操作で開発を進める Terminal-Bench 4.0 が 70.6%（Sonnet 5 は 10.3%、Opus 5.5 は 66.4%）、FrontierCode 1.1 が 46.2%、CursorBench 4.0 が 55.5%、パソコン操作の OSWorld 2.1 が 80.1%（部分点あり）、実務の出来を測る GDPval-AA v2.1 が 1844（Opus 5.5 は 1846）、AA-Briefcase v1.1 が 1811、グラフ読み取りの Chartography が 61.6%。GPQA・MMLU・AIME は公式未公表のため「—」。一度に読める量は100万トークン、一度に書ける量は最大12万8千トークン、知識は2026年6月まで。考える量（effort）の既定は API で high（Claude アプリと Claude Code は medium）。Sonnet で初めて、サイバー関連の危険度の高い作業は Sonnet 5 に自動で切り替わる安全装置がついた。考えるモードを切って使っていた開発者は、新しい設定 between_tools への移行が必要（そのままでは動かなくなる変更が5つある）。前の Sonnet 5 は公式ドキュメントで旧世代（Legacy）扱いになったが引き続き使え、提供終了は 2027-06-30 より前にはならない（Sonnet 5.5 自身は 2027-09-28 より前にはならない）。発表時に「数週間のうちに」続くとされた Claude Haiku 5.5 は 2026-10-07 に公開された（10万トークン以下の依頼で入力$0.10／出力$0.50、超える依頼は$0.50／$2.50。2026-10-09 確認）。本表の「一度に読める量」100万トークンは、Anthropic 公式の context window（会話の履歴と AI の返答を合わせた1つの枠で、返答ぶんの最大12万8千トークンも同じ枠から引かれる。入力だけで枠を超えるとエラーになる）。入力専用の上限を別に公表している Google・OpenAI とは数え方が違う（2026-09-29 に公式ドキュメントで確認）。

Meta Superintelligence Labs（MSL）の最上位モデルで、Meta のフロンティアが重みを公開する Llama から中身非公開の Muse へ移ったあとの現行世代。2026-09-02 公開。前世代 1.2（2026-08-05 公開）からの主な変更は、長時間ひとりで進める作業と複数の作業を並行して進める力の底上げ、分からない点を利用者に聞き返すようになったこと、指示への追従、そして自分にできること・できないことの自己申告の改善。Meta はコーディング作業で「道具を呼ぶ回数がおよそ20%減り、使うトークンがおよそ25%減った」としている。不正な指示の埋め込み（プロンプトインジェクション）への耐性も上がったと明記している。得意分野は「AI に任せっぱなしにする長いコーディング作業」——複数ファイルにまたがる書き直し、長時間のバグ取り、1回の指示では終わらない仕事を通しでこなすこと。料金は入力 $1.25／出力 $4.25、読み込んだ内容の使い回しは $0.15。本表はこの標準ティアの値。もうひとつ muse-spark-1.3-contributor という格安ティア（入力 $0.10／出力 $0.20＝入力で12.5分の1）もあるが、こちらは送った内容を Meta が今後のモデル学習に使う条件つきなので、業務利用では標準ティアを見ること。長い文章を入れても割増料金はかからないと明記されている。いちばん深く考える max reasoning は公開初日から使える（Meta AI Research のブログが「Muse Spark 1.3 with max reasoning is now available on Muse Code and Meta Model API」と明記。2026-09-05 に原文で再確認）。第三者機関 Artificial Analysis の AA Intelligence Index は 48（v4.3.2／max 設定・2026-09-23 確認。168モデル中17位）で、本表の多くの行と同じ max 設定での値。2026-09-08 の v4.3 では前世代 1.2 が 40（xhigh）、本モデルの xhigh が 45 だった。本表は 2026-09-08 に全行を v4.3 へそろえた（AA が指標を v4.2 から v4.3 に更新し、𝜏³-Banking が外れて AutomationBench-AA が入り、Terminal-Bench が v2.1 から v4.0 に上がったため、全モデルの点数がまとめて下がっている）。その後 AA は 2026-09-19 に v4.3.2 へ更新して全モデルを採点し直したが、本モデルは 48 のまま。Meta 公式が出しているベンチは Terminal Bench・DeepSWE・Meta 社内コードベンチ・GDPval で、公式ページでは数値が画像でしか示されていないため本表には載せていない。SWE-bench Verified・MMLU・GPQA・AIME・HLE はいずれも Meta 公式が数値を公表しておらず「—」（AA の独自実測では xhigh 設定で Humanity's Last Exam 47.5%・GPQA Diamond 94.1%、max 設定で 49.1%・93.8%＝いずれも 2026-09-04 確認）。入力はテキスト・画像・音声・動画に対応し、出力はテキストのみ。重みは配られていない（API 経由のみ）ので、Meta のオープン系を探すなら Llama 4 か、2026-08-10 に出た Muse Glimmer を見ること。本表の約105万トークン（1,048,576）は Meta 公式のモデルページの表記で、入力と出力の内訳は公表されていない（2026-09-04 確認）。

• → Anthropic：Introducing Claude Sonnet 5.5（2026-09-28・公式ベンチ表・料金・安全装置）
• → Anthropic：Claude Sonnet 5.5 システムカード（Table 8.1.A：SWE-bench Pro 81.3%・HLE ツールなし 56.9%／ツールあり 64.5%）
• → Anthropic 公式ドキュメント：Claude Sonnet 5.5 overview（公開日・料金・仕様・提供終了の目安）
• → Anthropic 公式ドキュメント：What's new in Claude Sonnet 5.5（between_tools ほか、そのままだと動かなくなる変更5つ）
• → Anthropic Models Overview（最新ラインナップ。Sonnet 5 は旧世代扱い）
• → Anthropic API 料金（$2 / $10 per MTok・キャッシュ読み込み $0.10〈2026-10-07 から。それまでは $0.20〉）
• → Artificial Analysis：Claude Sonnet 5.5（Intelligence Index v4.3.2 で 56・max 設定・2026-09-29 確認）
• → Anthropic：Claude Sonnet 5 発表（2026-06-30・前世代。SWE-bench Verified 85.2%）
• → Anthropic 公式ドキュメント：Claude Sonnet 5 overview（旧世代扱い・提供終了は 2027-06-30 より前にはならない）
• → Anthropic：コンテキストウィンドウの仕様（1Mは入力と出力を合わせた枠）

• → Meta Developer：Muse Spark モデルページ（料金2ティア・context 1M）
• → Meta Research Blog：Introducing Muse Spark 1.3（2026-09-02 公開。max reasoning が初日から利用可能・重み公開の予告）
• → Artificial Analysis：Muse Spark 1.3（Intelligence Index v4.3.2 で max 48・168モデル中17位・2026-09-23 確認。v4.3 では xhigh 45 / max 48・130モデル中13位）
• → Meta Developer Blog：Muse Spark 1.2 と Muse Code（2026-08-05 公開。前世代の記録）