BenchLeader

Beam 1.0 501B A23B vs Muse Spark Open

完整资料:Beam 1.0 501B A23B(Reflection)和 Muse Spark Open(Meta),包括全部基准测试、价格和排名。

更新于 · 数据来自 10 个来源

截至 2026年11月16日,Beam 1.0 501B A23B 与 Muse Spark Open 的质量不相上下(BenchLeader Index 54.2 比 53.5,在 ±10.0 的误差范围内)。Beam 1.0 501B A23B 更便宜,对方的价格是它的 3.3 倍(每百万 token 混合价格 $0.600 比 $2.00)。在两者都有成绩的所有类别中,Beam 1.0 501B A23B 均领先。

要点(截至 2026年11月16日)

  • Beam 1.0 501B A23B 的 BenchLeader Index 为 54.2,Muse Spark Open 为 53.5(BenchLeader,2026年11月16日)。
  • Beam 1.0 501B A23B 每百万 token 混合价格为 $0.600(标价,2026年11月16日)。
  • Muse Spark Open 每百万 token 混合价格为 $2.00(标价,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”。

用途推荐理由置信度
编程Beam 1.0 501B A23B类别得分 52 比 36高
推理Beam 1.0 501B A23B类别得分 62 比 51高
对话质量(人类偏好)–只有 Beam 1.0 501B A23B 有 Arena 评分(类别得分 61)无法比较
成本最低Beam 1.0 501B A23B每百万 token 混合价格 $0.475 比 $2.00;智能体编程会话 $0.022 比 $0.092–
首次回答最快Beam 1.0 501B A23B首个回答 token 0.3 秒(Beam 1.0 501B A23B)比 9.9 秒(Muse Spark Open (xhigh))–
低预算大批量两者都不选通常更小的模型更合适:便宜好用的大模型、最快的大模型–

主要差异

  • Beam 1.0 501B A23B 与 Muse Spark Open (xhigh) 的质量不相上下(54.2 比 53.5,在 ±10.0 的误差范围内)。
  • Beam 1.0 501B A23B 在编程、推理方面更强。
  • Beam 1.0 501B A23B 更便宜,对方的价格是它的 3.3 倍(每百万 token 混合价格 $0.600 比 $2.00)。

概览

规格Beam 1.0 501B A23BMuse Spark Open
提供商ReflectionMeta
发布日期2026年10月5日2026年10月15日
上下文窗口(token)1,048,5761,048,576
对比时的配置Beam 1.0 501B A23BMuse Spark Open (xhigh)
开放权重是是
每百万 token 价格(输入 / 输出 / 缓存输入)$0.300 / $1.00 / $0.040$1.25 / $4.25 / $0.150

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Beam 1.0 501B A23BMuse Spark Open (xhigh)领先者
推理62.151.3Beam 1.0 501B A23B
编程52.036.0Beam 1.0 501B A23B
智能体与工具40.8–无法比较
数学65.2–无法比较
知识–58.8无法比较
人类偏好61.4–无法比较
多模态–63.3无法比较
长上下文–63.8无法比较

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。

2550 avg75推理编程智能体与工具数学知识长上下文多模态人类偏好Beam 1.0 501B A23B, 推理: 62.1Beam 1.0 501B A23B, 编程: 52.0Beam 1.0 501B A23B, 智能体与工具: 40.8Beam 1.0 501B A23B, 数学: 65.2Beam 1.0 501B A23B, 人类偏好: 61.4Muse Spark Open, 推理: 51.3Muse Spark Open, 编程: 36.0Muse Spark Open, 知识: 58.8Muse Spark Open, 长上下文: 63.8Muse Spark Open, 多模态: 63.3

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):指令遵循。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 0 项基准测试中,Beam 1.0 501B A23B 领先 0 项,Muse Spark Open 领先 0 项。

综合 IndexBeam 1.0 501B A23BMuse Spark Open (xhigh)领先者
BenchLeader Index54.253.5不相上下

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Beam 1.0 501B A23BMuse Spark Open (xhigh)
每百万 token 混合价格$0.475$2.00
每百万 token 输入 / 输出$0.300 / $1.00$1.25 / $4.25
每百万 token 缓存输入$0.040$0.150
每项任务价格:聊天回复$0.0004$0.0018
每项任务价格:总结一份 30 页的报告$0.0042$0.018
每项任务价格:代码编辑$0.0033$0.014
每项任务价格:智能体编程会话$0.022$0.092
每项任务价格:结构化信息提取$0.0008$0.0034
智能体编程会话(输入大多命中缓存)$0.010$0.043
每项基准测试任务成本(AA Index)–$2.02
每项任务输出 token(AA Index)–66k
其中推理部分–32k
每项任务耗时(AA Index)–6 min
输出速度193 tok/s180 tok/s
首次回答时间0.3 秒9.9 秒
完整回答耗时(最近一次测量 2026年11月13日)–39.9 秒

每个模型都按其排名最高的推理强度设置进行对比。Beam 1.0 501B A23B 得分 54.2,首个回答 token 需 0 秒。Muse Spark Open (xhigh) 得分 53.5,首个回答 token 需 10 秒。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 85 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Beam 1.0 501B A23BMuse Spark Open (xhigh)
BenchLeader IndexBenchLeader54.253.5
智能体与工具得分BenchLeader40.8–
编程得分BenchLeader52.036.0
人类偏好得分BenchLeader61.4–
数学得分BenchLeader65.2–
推理得分BenchLeader62.151.3
知识得分BenchLeader–58.8
长上下文得分BenchLeader–63.8
多模态得分BenchLeader–63.3
混合价格(美元/百万 token)BenchLeader$0.475$2.00
输出速度BenchLeader193 tok/s180 tok/s
首次回答时间BenchLeader0.3 秒9.9 秒
上下文窗口BenchLeader1,048,576 token1,048,576 token
推理
Arena Hard PromptsArena (LMArena)1461–
LiveBench 2.0 ReasoningLiveBench–73.7%†
GPQA Diamond (AA)Artificial Analysis–89.0%
Humanity's Last Exam (AA)Artificial Analysis–43.9%
HLE-Diamond (AA)Artificial Analysis–26.3%
ARC-AGI-1ARC Prize–89.0%
ARC-AGI-2ARC Prize–57.5%
ARC-AGI-3ARC Prize–0.4%
CritPtArtificial Analysis–14.9%
CritPt v2 hard subset (AA)Artificial Analysis–29.5%
HLE-Diamond (Scale)Scale AI SEAL–28.0%†
Arena ExpertArena (LMArena)1481–
编程
Arena CodingArena (LMArena)1505–
Arena WebDevArena (LMArena)14371526†
LiveBench 2.0 CodingLiveBench–55.1%†
SciCode (AA)Artificial Analysis–58.5%
Code MigrationVals AI–21.2%
Code Migration v1.1Vals AI–26.9%
Vibe Code Bench v1.1Vals AI–76.2%
SWE Atlas v1.1Scale AI SEAL–42.3%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–50.0%†
SWE Atlas v1.1: Test WritingScale AI SEAL–41.1%†
SWE Atlas v1.1: RefactoringScale AI SEAL–35.7%†
SWE-Bench Pro V2Scale AI SEAL–95.0%
SWE-Bench Pro V2 HARDScale AI SEAL–82.3%
显示全部 85 项基准测试
指标发布方Beam 1.0 501B A23BMuse Spark Open (xhigh)
编程
Terminal-Bench 4.0 (AA)Artificial Analysis–8.1%
Terminal-Bench 2.1 (AA)Artificial Analysis–76.4%
GameBench 2 OverallDuelLab GameBench 242.855.3†
GameBench 2 by reasoning settingDuelLab GameBench 239.1†59.3
Design Arena WebsiteDesign Arena–1305
FrontierCode 1.1 (AA)Artificial Analysis–27.6%
FrontierCode 2.0 (AA)Artificial Analysis–7.6%
智能体与工具
Arena AgentArena (LMArena)-5.9–
LiveBench Long AgenticLiveBench–12.1%†
LiveBench BrowserLiveBench–26.2%†
HiL-BenchScale AI SEAL–59.7%†
GDPval-AA v2.1, normalised scoreArtificial Analysis–45.1%
GDPval-AA v2.1Artificial Analysis–1401
Finance Agent v2Vals AI–61.3%
Finance Agent v2.1Vals AI–60.7%
Harvey's Legal Agent Benchmark v1.1Vals AI–25.0%
Harvey's Legal Agent Benchmark v1Vals AI–16.7%
Legal Research BenchVals AI–38.5%
Tax Agent BenchVals AI–26.3%
Terminal-Bench 4.0 (Vals)Vals AI–6.6%
Arena Agent Task CompletionArena (LMArena)-9.2–
AutomationBenchArtificial Analysis–49.7%
GDP.pdf (AA)Artificial Analysis–18.6%
AA-Briefcase v1.1Artificial Analysis–1280
GDPxGDPx by SemiAnalysis–1.7%†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–1.9%
数学
ArXivMathMathArena–27.0%
BrokenArXivMathArena–30.1%
Arena MathsArena (LMArena)1471–
知识
LiveBench 2.0 Data AnalysisLiveBench–60.2%†
LiveBench ResearchLiveBench–82.7%†
AA-Omniscience v1.1Artificial Analysis–25.8
PRBench LegalScale AI SEAL–59.8%†
Excel Modeling BenchmarkVals AI–53.7%
Excel Modeling Benchmark v1.1Vals AI–62.0%
AA-Omniscience v1.1: accuracyArtificial Analysis–42.0%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–72.0%
指令遵循
MultiChallengeScale AI SEAL–74.2%†
Arena Instruction FollowingArena (LMArena)1433–
人类偏好
Arena TextArena (LMArena)1434–
Arena Creative WritingArena (LMArena)1388–
Arena Multi-turnArena (LMArena)1432–
Arena Longer QueriesArena (LMArena)1438–
多模态
LiveBench DesignLiveBench–58.1%†
MMMU-ProArtificial Analysis–80.9%
SAGEVals AI–85.8%
Humanity's Sixth SenseScale AI SEAL–29.6%†
长上下文
AA-LCR v1.1Artificial Analysis–78.3%
MLCRArtificial Analysis–7.8%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–155.4†
LiveBench 2.0LiveBench–48.5%†
AA Intelligence Index v5.0.1Artificial Analysis–24.9
AA Intelligence Index v4.3.2Artificial Analysis–38.9
AA Progress Index v1Artificial Analysis–306.7
Vals IndexVals AI–48.6
Vals Finance IndexVals AI–53.0%
Vals Legal IndexVals AI–68.5%
安全与诚实
FORTRESSScale AI SEAL11.9%7.6%†
DistressBenchScale AI SEAL–87.7%†
元数据
AA Openness IndexArtificial Analysis–27.8

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。

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.

变化

  • Beam 1.0 501B A23B:输入价格 $0.40/M → $0.30/M;输出价格 $1.20/M → $1.00/M。
  • Beam 1.0 501B A23B:1 项分数修订。
  • Muse Spark Open (xhigh):1 项分数修订。
  • Beam 1.0 501B A23B:BenchLeader Index 54.9 → 54.2。
  • Beam 1.0 501B A23B:2 项分数修订。
  • Beam 1.0 501B A23B:1 项新结果(FORTRESS);1 项分数修订。
  • Beam 1.0 501B A23B:1 项分数修订。
  • Muse Spark Open (xhigh):1 项新结果(GameBench 2 by reasoning setting);1 项分数修订。
  • Muse Spark Open (xhigh):BenchLeader Index 53.3 → 53.8。
  • Beam 1.0 501B A23B:1 项分数修订。

排行榜: 综合最佳大模型 · 最适合智能体的大模型 · 便宜好用的大模型

Beam 1.0 501B A23B vs Muse Spark Open:常见问题

Beam 1.0 501B A23B 比 Muse Spark Open 更好吗?
Beam 1.0 501B A23B 与 Muse Spark Open (xhigh) 的质量不相上下(54.2 比 53.5,在 ±10.0 的误差范围内)。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,两者差距在误差范围内,请结合你的用途查看各类别得分。
Beam 1.0 501B A23B 和 Muse Spark Open 哪个更便宜?价格会变吗?
目前 Beam 1.0 501B A23B 更便宜:每百万 token $0.600 比 $2.00(按每 1 个输出 token 对应 3 个输入 token 混合计算)。两者均未公布价格调整。
编程用 Beam 1.0 501B A23B 还是 Muse Spark Open 更好?
Beam 1.0 501B A23B 在编程方面得分更高(类别得分 52 比 36,50 为平均水平)。
Beam 1.0 501B A23B 和 Muse Spark Open 哪个更快?
Beam 1.0 501B A23B 输出更快(输出 193 比 180 token/秒,Artificial Analysis 7 日中位数)。
处理长文档哪个更好?
两者都支持 1,048,576 token 的上下文。
更多问题(2)
哪个延迟更低?
Beam 1.0 501B A23B 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 0.3 秒比 9.9 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
Muse Spark Open 是什么时候发布的?
Muse Spark Open 于 2026年10月15日 发布。