Agnes 2.5 Pro Beta vs Muse Wonder Full
完整资料:Agnes 2.5 Pro Beta(Sapiens AI)和 Muse Wonder Full(Meta),包括全部基准测试、价格和排名。
更新于 · 数据来自 4 个来源
截至 2026年11月16日,两者共同的基准测试太少,无法判断质量高下。在两者都有成绩的所有类别中,二者不相上下。
要点(截至 2026年11月16日)
- Agnes 2.5 Pro Beta 每百万 token 混合价格为 $0.150(标价,2026年11月16日)。
- 在两者都有结果的 7 项基准测试中,Muse Wonder Full 领先 7 项(BenchLeader,2026年11月16日)。
按用途怎么选
推荐模型的数值列在前面。类别得分采用 BenchLeader 标尺(50 为模型平均水平,15 分为一个标准差)。领先半个标准差及以上为“高”置信度;相差不到 1 分则视为“均可”。
主要差异
- 共同的基准测试太少,无法给出结论。
- Agnes 2.5 Pro Beta 在智能体与工具方面更强。
- Muse Wonder Full (max) 在长上下文方面更强。
概览
| 规格 | Agnes 2.5 Pro Beta | Muse Wonder Full |
|---|---|---|
| 提供商 | Sapiens AI | Meta |
| 发布日期 | 2026年8月26日 | 2026年10月12日 |
| 上下文窗口(token) | 1,000,000 | 1,000,000 |
| 对比时的配置 | Agnes 2.5 Pro Beta | Muse Wonder Full (max) |
| 开放权重 | 否 | 否 |
逐类别对比
类别得分采用 BenchLeader 标尺:50 为参评模型的平均水平,15 分为一个标准差。差距不到 1 分视为持平。
| 类别 | Agnes 2.5 Pro Beta | Muse Wonder Full (max) | 领先者 |
|---|---|---|---|
| 推理 | – | 65.8 | 无法比较 |
| 编程 | – | 69.9 | 无法比较 |
| 智能体与工具 | 64.4 | 63.6 | 持平 |
| 知识 | – | 62.3 | 无法比较 |
| 多模态 | 57.7 | – | 无法比较 |
| 长上下文 | 66.2 | 66.6 | 持平 |
同一图表对比
各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。
虚线:该模型在所经过的轴上没有结果,线条只连接相邻的点。
未绘制(这些模型没有结果):数学, 指令遵循, 人类偏好。
各来源的分歧
在两者都有结果的 7 项基准测试中,Agnes 2.5 Pro Beta 领先 0 项,Muse Wonder Full 领先 7 项。
各发布方使用各自的任务、评测框架和推理强度设置,因此总体结论可能不同;BenchLeader 将它们统一到同一标尺上。† 表示同一模型在另一推理强度设置下的测量值(发布方未测试本页对比的设置)。
价格、速度与延迟
标价按每 1 个输出 token 对应 3 个输入 token 混合计算。每项任务的价格采用方法论页面中的 token 数量。每项基准测试任务的成本、token 数和耗时均为实测值,取自 Artificial Analysis 整个 Intelligence Index 测试的平均值。
| 指标 | Agnes 2.5 Pro Beta | Muse Wonder Full (max) |
|---|---|---|
| 每项任务输出 token(AA Index) | – | 88k |
| 其中推理部分 | – | 55k |
每个模型都按其排名最高的推理强度设置进行对比。Agnes 2.5 Pro Beta。Muse Wonder Full (max) 得分 61.7。推理强度越高,回答前思考越久:得分更高,但等待更长、计费 token 也更多。 推理强度如何影响得分和成本
全部基准测试
共 66 项基准测试,按类别分组;点击名称可查看该排行榜及领先模型。† 表示同一模型在另一推理强度设置下的测量值,仅供参考,不计入胜场。
| 指标 | 发布方 | Agnes 2.5 Pro Beta | Muse Wonder Full (max) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | – | 61.7 |
| 智能体与工具得分 | BenchLeader | 64.4 | 63.6 |
| 长上下文得分 | BenchLeader | 66.2 | 66.6 |
| 多模态得分 | BenchLeader | 57.7 | – |
| 编程得分 | BenchLeader | – | 69.9 |
| 知识得分 | BenchLeader | – | 62.3 |
| 推理得分 | BenchLeader | – | 65.8 |
| 上下文窗口 | BenchLeader | 1,000,000 token | 1,000,000 token |
| 推理 | |||
| GPQA Diamond (AA) | Artificial Analysis | 90.5% | – |
| Humanity's Last Exam (AA) | Artificial Analysis | 37.5% | 53.6% |
| HLE-Diamond (AA) | Artificial Analysis | – | 48.5% |
| CritPt | Artificial Analysis | 15.7% | 32.9% |
| CritPt v2 hard subset (AA) | Artificial Analysis | – | 56.5% |
| MysteryMechanism | Vals AI | – | 35.1% |
| 编程 | |||
| Arena WebDev | Arena (LMArena) | – | 1724 |
| SciCode (AA) | Artificial Analysis | 48.8% | 62.6% |
| IOI | Vals AI | – | 79.8% |
| Code Migration | Vals AI | – | 61.0% |
| Code Migration v1.1 | Vals AI | – | 62.8% |
| ProgramBench | Vals AI | – | 0.5% |
| SWE-bench Multimodal | Vals AI | – | 47.3% |
| Vibe Code Bench 1-100 | Vals AI | – | 34.0% |
| Vibe Code Bench v1.1 | Vals AI | – | 86.0% |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | – | 57.1% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 69.7% | – |
| FrontierCode 1.1 (AA) | Artificial Analysis | – | 44.9% |
| FrontierCode 2.0 (AA) | Artificial Analysis | – | 37.8% |
| 智能体与工具 | |||
| Arena Agent | Arena (LMArena) | – | 9 |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 41.5% | 67.8% |
| GDPval-AA v2.1 | Artificial Analysis | 1335 | 1857 |
| τ³-Banking (AA) | Artificial Analysis | 35.7% | – |
| CyberBench | Vals AI | – | 73.6% |
| Finance Agent v2 | Vals AI | – | 59.1% |
显示全部 66 项基准测试
| 指标 | 发布方 | Agnes 2.5 Pro Beta | Muse Wonder Full (max) |
|---|---|---|---|
| 智能体与工具 | |||
| Finance Agent v2.1 | Vals AI | – | 67.6% |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | – | 23.3% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | – | 21.7% |
| Legal Research Bench | Vals AI | – | 53.4% |
| Robo-bench | Vals AI | – | 10.4% |
| SREBench | Vals AI | – | 11.8% |
| Tax Agent Bench | Vals AI | – | 43.0% |
| Terminal-Bench 4.0 (Vals) | Vals AI | – | 58.1% |
| Terminal-Bench Science | Vals AI | – | 37.1% |
| Arena Agent Task Completion | Arena (LMArena) | – | 11.1 |
| AutomationBench | Artificial Analysis | – | 71.3% |
| GDP.pdf (AA) | Artificial Analysis | – | 32.6% |
| Harvey LAB-AA v1.1 | Harvey | – | 13.1% |
| AA-Briefcase v1.1 | Artificial Analysis | – | 1729 |
| GDPx | GDPx by SemiAnalysis | – | 9.0% |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | – | 37.1% |
| 知识 | |||
| AA-Omniscience v1.1 | Artificial Analysis | – | 30.6 |
| LegalBench | Vals AI | – | 87.4% |
| BioMysteryBench | Vals AI | – | 73.3% |
| Excel Modeling Benchmark | Vals AI | – | 71.9% |
| Excel Modeling Benchmark v1.1 | Vals AI | – | 75.0% |
| MedCode | Vals AI | – | 49.9% |
| MedScribe | Vals AI | – | 89.3% |
| Public Benefits Bench v1.1 | Vals AI | – | 73.8% |
| Access to Justice Benchmark | Vals AI | – | 74.7% |
| Financial Coaching Bench | Vals AI | – | 75.0% |
| Immigration Bench | Vals AI | – | 71.2% |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | – | 41.0% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | – | 82.4% |
| 多模态 | |||
| MMMU-Pro | Artificial Analysis | 75.4% | – |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | 83.0% | 83.7% |
| MLCR | Artificial Analysis | – | 22.2% |
| 综合 | |||
| AA Intelligence Index v5.0.1 | Artificial Analysis | – | 50.1 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 35.2 | 55.8 |
| AA Progress Index v1 | Artificial Analysis | 299.1 | 343.2 |
| Vals Index | Vals AI | – | 66.8 |
| Vals Finance Index | Vals AI | – | 64.5% |
| Vals RSI Index | Vals AI | – | 24.4% |
| Vals Science Index | Vals AI | – | 48.5% |
| Vals Router Index | Vals AI | – | 66.8%† |
| Vals Legal Index | Vals AI | – | 77.9% |
数据截至 2026年11月16日。对比的是每个模型的最佳配置;每项分数的来源链接都在模型页面上。
变化
- Muse Wonder Full (max):BenchLeader Index 62.6 → 61.7。
- Muse Wonder Full (max):1 项分数修订。
- Muse Wonder Full (max):1 项分数修订。
- Muse Wonder Full (max):1 项新结果(Arena Agent)。
- Agnes 2.5 Pro Beta:1 项新结果(AA Progress Index v1)。
- Muse Wonder Full (max):6 项新结果(AA Intelligence Index v5.0.1, AA Progress Index v1, HLE-Diamond (AA)…);2 项分数修订。
- Muse Wonder Full (max):1 项新结果(Terminal-Bench-Science 0.1 (AA))。
- Muse Wonder Full (max):9 项新结果(Code Migration v1.1, Excel Modeling Benchmark v1.1, Finance Agent v2.1…)。
- Muse Wonder Full (max):1 项新结果(FrontierCode 1.1 (AA))。
- Muse Wonder Full (max):1 项新结果(Arena WebDev);2 项分数修订。
相关对比
- Muse Wonder Full vs Claude Fable 5.2
- Muse Wonder Full vs Gemini 4 Carbon
- Muse Wonder Full vs Claude Opus 5.5
- Muse Wonder Full vs GPT-6 Astra
- Agnes 2.5 Pro Beta vs Muse Spark 1.3
- Agnes 2.5 Pro Beta vs Claude Opus 5
- Agnes 2.5 Pro Beta vs GPT-6 Sol
- Agnes 2.5 Pro Beta vs Kimi K3
排行榜: 综合最佳大模型 · 最适合编程的大模型 · 最适合智能体的大模型 · 便宜好用的大模型
Agnes 2.5 Pro Beta vs Muse Wonder Full:常见问题
- 智能体和工具调用用 Agnes 2.5 Pro Beta 还是 Muse Wonder Full 更好?
- 两者在智能体任务方面持平(类别得分 64 比 64)。
- 处理长文档哪个更好?
- 两者在长上下文基准测试上持平(66 比 67)。两者都支持 1,000,000 token 的上下文。
- 第三方基准测试对 Agnes 2.5 Pro Beta 和 Muse Wonder Full 的看法一致吗?
- 在两者都有结果的 7 项基准测试中,Agnes 2.5 Pro Beta 领先 0 项,Muse Wonder Full 领先 7 项。
- Muse Wonder Full 是什么时候发布的?
- Muse Wonder Full 于 2026年10月12日 发布。