BenchLeader

Claude Fable 5.1 vs Muse Spark Open 816B A42B

完整资料:Claude Fable 5.1(Anthropic)和 Muse Spark Open 816B A42B(Meta),包括全部基准测试、价格和排名。

更新于 · 数据来自 11 个来源

截至 2026年11月16日,质量上 Claude Fable 5.1 领先 Muse Spark Open 816B A42B(BenchLeader Index 66.7 比 58.1)。不过,Muse Spark Open 816B A42B 更便宜,对方的价格是它的 10 倍(每百万 token 混合价格 $2.00 比 $20.00)。在两者都有成绩的所有类别中,Claude Fable 5.1 均领先。

要点(截至 2026年11月16日)

  • Claude Fable 5.1 的 BenchLeader Index 为 66.7,Muse Spark Open 816B A42B 为 58.1(BenchLeader,2026年11月16日)。
  • Claude Fable 5.1 每百万 token 混合价格为 $20.00(标价,2026年11月16日)。
  • Muse Spark Open 816B A42B 每百万 token 混合价格为 $2.00(标价,2026年11月16日)。
  • 在两者都有结果的 5 项基准测试中,Claude Fable 5.1 领先 5 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”。

用途推荐理由置信度
编程Claude Fable 5.1类别得分 70 比 65;SciCode 63.1% 比 58.5%中
数学Claude Fable 5.1类别得分 72 比 59;FrontierMath Tiers 1–3 90.2% 比 69.8%高
推理Claude Fable 5.1类别得分 69 比 63中
知识Claude Fable 5.1类别得分 69 比 62;SimpleQA Verified 70.8% 比 56.6%中
对话质量(人类偏好)–只有 Claude Fable 5.1 有 Arena 评分(类别得分 70)无法比较
成本最低Muse Spark Open 816B A42B每百万 token 混合价格 $2.00 比 $20.00;智能体编程会话 $0.092 比 $0.800–
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

  • 质量上 Claude Fable 5.1 (max) 领先:66.7 比 58.1。
  • Claude Fable 5.1 (max) 在编程、知识、数学、推理方面更强。
  • Muse Spark Open 816B A42B (xhigh) 更便宜,对方的价格是它的 10 倍(每百万 token 混合价格 $2.00 比 $20.00)。

概览

规格Claude Fable 5.1Muse Spark Open 816B A42B
提供商AnthropicMeta
发布日期2026年9月1日2026年10月15日
上下文窗口(token)1,000,0001,048,576
对比时的配置Claude Fable 5.1 (max)Muse Spark Open 816B A42B (xhigh)
开放权重否是
每百万 token 价格(输入 / 输出 / 缓存输入)$10.00 / $50.00 / $0.250$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Claude Fable 5.1 (max)Muse Spark Open 816B A42B (xhigh)领先者
推理69.463.2Claude Fable 5.1
编程69.765.1Claude Fable 5.1
智能体与工具59.7–无法比较
数学72.058.7Claude Fable 5.1
知识68.661.5Claude Fable 5.1
人类偏好69.7–无法比较
多模态67.5–无法比较
长上下文67.4–无法比较
综合70.8–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推理编程数学知识Claude Fable 5.1, 推理: 69.4Claude Fable 5.1, 编程: 69.7Claude Fable 5.1, 数学: 72.0Claude Fable 5.1, 知识: 68.6Muse Spark Open 816B A42B, 推理: 63.2Muse Spark Open 816B A42B, 编程: 65.1Muse Spark Open 816B A42B, 数学: 58.7Muse Spark Open 816B A42B, 知识: 61.5

未绘制(测得的模型少于两个):智能体与工具, 指令遵循, 长上下文, 多模态, 人类偏好。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 5 项基准测试中,Claude Fable 5.1 领先 5 项,Muse Spark Open 816B A42B 领先 0 项。所有同时评测两者的综合评分都认为 Claude Fable 5.1 更强。

综合 IndexClaude Fable 5.1 (max)Muse Spark Open 816B A42B (xhigh)领先者
BenchLeader Index66.758.1Claude Fable 5.1

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Claude Fable 5.1 (max)Muse Spark Open 816B A42B (xhigh)
每百万 token 混合价格$20.00$2.00
每百万 token 输入 / 输出$10.00 / $50.00$1.25 / $4.25
每百万 token 缓存输入$0.250$0.150
每项任务价格:聊天回复$0.019$0.0018
每项任务价格:总结一份 30 页的报告$0.150$0.018
每项任务价格:代码编辑$0.135$0.014
每项任务价格:智能体编程会话$0.800$0.092
每项任务价格:结构化信息提取$0.030$0.0034
智能体编程会话(输入大多命中缓存)$0.361$0.043
每项基准测试任务成本(AA Index)$12.99–
每项任务输出 token(AA Index)118k–
其中推理部分71k–
每项任务耗时(AA Index)22 min–
输出速度89 tok/s–
首次回答时间151.4 秒–
完整回答耗时(最近一次测量 2026年11月13日)386.7 秒–

每个模型都按其排名最高的推理强度设置进行对比。Claude Fable 5.1 (max) 得分 66.7,首个回答 token 需 151 秒;Claude Fable 5.1 为 66.4(4 秒),Claude Fable 5.1 (xhigh) 为 64.6(98 秒)。Muse Spark Open 816B A42B (xhigh) 得分 58.1。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 162 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Claude Fable 5.1 (max)Muse Spark Open 816B A42B (xhigh)
BenchLeader IndexBenchLeader66.758.1
智能体与工具得分BenchLeader59.7–
编程得分BenchLeader69.765.1
综合得分BenchLeader70.8–
人类偏好得分BenchLeader69.7–
知识得分BenchLeader68.661.5
长上下文得分BenchLeader67.4–
数学得分BenchLeader72.058.7
多模态得分BenchLeader67.5–
推理得分BenchLeader69.463.2
混合价格(美元/百万 token)BenchLeader$20.00$2.00
输出速度BenchLeader89 tok/s–
首次回答时间BenchLeader151.4 秒–
上下文窗口BenchLeader1,000,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub–88.6%
Humanity's Last ExamScale AI / CAIS46.5%†–
SimpleBenchSimpleBench86.6%†–
Arena Hard PromptsArena (LMArena)1522–
LiveBench 2.0 ReasoningLiveBench91.7%–
LiveBench 1.0 ReasoningLiveBench91.7%–
GPQA Diamond (AA)Artificial Analysis93.7%–
Humanity's Last Exam (AA)Artificial Analysis59.1%–
HLE-Diamond (AA)Artificial Analysis60.1%–
GPQA Diamond (Vals)Vals AI93.4%–
ARC-AGI-1ARC Prize97.5%–
ARC-AGI-2ARC Prize90.0%–
CritPtArtificial Analysis29.7%–
CritPt v2 hard subset (AA)Artificial Analysis52.5%–
MysteryMechanismVals AI47.8%–
HLE-Diamond (Scale)Scale AI SEAL51.3%†–
Arena ExpertArena (LMArena)1533–
Chess PuzzlesEpoch AI Benchmarking Hub48.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub58.0%–
LMCAEpoch AI Benchmarking Hub65.5%†–
DTBenchEpoch AI Benchmarking Hub97.6%†–
ForecastBenchForecastBench65.7%†–
编程
SciCodeSciCode63.1%58.5%
WeirdMLWeirdML92.9%–
FrontierCodeCognition50.9%†–
显示全部 162 项基准测试
指标发布方Claude Fable 5.1 (max)Muse Spark Open 816B A42B (xhigh)
编程
GSO-BenchGSO-Bench88.2%†–
Arena CodingArena (LMArena)1534–
Arena WebDevArena (LMArena)1742–
LiveBench 2.0 CodingLiveBench89.7%–
LiveBench 1.0 CodingLiveBench86.4%–
SciCode (AA)Artificial Analysis63.1%–
LiveCodeBenchVals AI90.5%–
IOIVals AI90.8%–
Code MigrationVals AI54.6%–
ProgramBenchVals AI7.0%–
SWE-bench MultimodalVals AI61.3%–
Vibe Code Bench 1-100Vals AI28.0%–
Vibe Code Bench v1.1Vals AI90.3%–
SWE Atlas v1.0: Codebase QnAScale AI SEAL60.0%†–
SWE Atlas v1.0: RefactoringScale AI SEAL56.7%†–
SWE Atlas v1.0: Test WritingScale AI SEAL67.0%†–
SWE Atlas v1.1Scale AI SEAL76.4%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL79.0%†–
SWE Atlas v1.1: Test WritingScale AI SEAL78.9%†–
SWE Atlas v1.1: RefactoringScale AI SEAL71.4%†–
SWE-Bench Pro V2Scale AI SEAL99.1%†–
SWE-Bench Pro V2 HARDScale AI SEAL92.2%†–
MirrorCodeEpoch AI Benchmarking Hub93.3%–
CursorBenchCursor51.8%–
ALE-BenchEpoch AI Benchmarking Hub2143.2†1590.1
FrontierSWEEpoch AI Benchmarking Hub56.3%–
WeirdML v3WeirdML26.0%†–
Terminal-Bench 4.0 (AA)Artificial Analysis52.0%–
Terminal-Bench 2.1 (AA)Artificial Analysis91.4%–
Startrise FrontendStartrise77.1%†–
GameBench 2 OverallDuelLab GameBench 287.1†–
GameBench 2 by reasoning settingDuelLab GameBench 294.0†–
Design Arena WebsiteDesign Arena1305†–
FrontierCode 1.1 (AA)Artificial Analysis49.0%–
FrontierCode 2.0 (AA)Artificial Analysis31.6%–
智能体与工具
Terminal-BenchTerminal-Bench57.3%–
Remote Labor IndexScale AI / CAIS17.9%†–
APEX-AgentsMercor68.6%†33.4%†
Arena AgentArena (LMArena)14.8–
LiveBench Long AgenticLiveBench74.2%–
LiveBench BrowserLiveBench89.8%–
LiveBench Agentic CodingLiveBench66.1%–
Terminal-Bench 2.1 (Vals)Vals AI85.0%†–
MCP AtlasScale AI SEAL87.2%†–
HiL-BenchScale AI SEAL61.5%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis62.7%–
GDPval-AA v2.1Artificial Analysis1765–
τ³-Banking (AA)Artificial Analysis47.2%–
ITBench SRE (AA)Artificial Analysis49.5%–
Analyst Agent (AA)Artificial Analysis57.5%–
CUA-benchVals AI13.2%–
CyberBenchVals AI70.4%–
Finance Agent v2Vals AI58.9%–
Harvey's Legal Agent Benchmark v1Vals AI6.7%–
Legal Research BenchVals AI55.3%–
Robo-benchVals AI5.8%–
SkillsBenchVals AI61.5%–
SREBenchVals AI22.9%–
Tax Agent BenchVals AI50.8%–
Terminal-Bench 4.0 (Vals)Vals AI58.1%–
Terminal-Bench ScienceVals AI40.0%–
Time Horizon Index: KSPVals AI63.3%–
Arena SearchArena (LMArena)1227†–
Arena Agent Task CompletionArena (LMArena)14.4–
PostTrainBenchEpoch AI Benchmarking Hub44.6%–
Vending-Bench 2Andon Labs5421.6†–
SpireClimbEpoch AI Benchmarking Hub2.0%–
AutomationBenchArtificial Analysis59.4%–
GDP.pdf (AA)Artificial Analysis26.2%–
Harvey LAB-AA v1.1Harvey6.4%–
AA-Briefcase v1.1Artificial Analysis1671–
GDPxGDPx by SemiAnalysis8.5%–
Design Arena AgenticDesign Arena1338†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis43.3%–
CWE-Bench (AA)Artificial Analysis50.8%–
DeepSec-Bench (AA)Artificial Analysis23.5%–
CyberGym end-to-end (AA)Artificial Analysis0.8%–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub90.2%69.8%
FrontierMath Tier 4Epoch AI Benchmarking Hub87.8%31.7%
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%98.1%
ProofBenchVals AI100.0%–
LiveBench MathematicsLiveBench97.0%–
Arena MathsArena (LMArena)1526–
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub70.8%56.6%
LiveBench 2.0 Data AnalysisLiveBench80.3%–
LiveBench ResearchLiveBench88.5%–
LiveBench 1.0 Data AnalysisLiveBench80.3%–
AA-Omniscience v1.1Artificial Analysis46.3–
MMLU-ProVals AI92.4%–
LegalBenchVals AI88.5%–
TaxEvalVals AI76.0%–
PRBench FinanceScale AI SEAL50.8%†–
PRBench LegalScale AI SEAL51.6%†–
Excel Modeling BenchmarkVals AI76.7%–
Excel Modeling Benchmark v1.1Vals AI76.7%–
MedCodeVals AI53.5%–
MedScribeVals AI91.3%–
Public Benefits Bench v1.1Vals AI74.9%–
Financial Coaching BenchVals AI75.7%–
Immigration BenchVals AI75.4%–
EBR-benchEpoch AI Benchmarking Hub57.1%–
GDP.pdfEpoch AI Benchmarking Hub27.6%–
AA-Omniscience v1.1: accuracyArtificial Analysis68.4%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis30.0%–
HealthBench Professional (AA)OpenAI57.8%–
指令遵循
LiveBench LanguageLiveBench89.5%–
LiveBench Instruction FollowingLiveBench73.0%–
Arena Instruction FollowingArena (LMArena)1501–
人类偏好
Arena TextArena (LMArena)1502–
EQ-Bench Creative Writing v3EQ-Bench2155†–
Arena Creative WritingArena (LMArena)1490–
Arena Multi-turnArena (LMArena)1485–
Arena Longer QueriesArena (LMArena)1510–
多模态
Arena VisionArena (LMArena)1322–
LiveBench DesignLiveBench81.6%–
MMMU-Pro (Vals)Vals AI90.6%–
MortgageTaxVals AI70.8%–
Humanity's Sixth SenseScale AI SEAL40.8%†–
GeoBenchGeoBench84.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub41.9%†–
Furniture AssemblyEpoch AI Benchmarking Hub70.0%–
Code2Video-AAArtificial Analysis1325–
AA-3DArtificial Analysis1139–
长上下文
AA-LCR v1.1Artificial Analysis85.3%–
Arena DocumentArena (LMArena)1498–
MLCRArtificial Analysis15.6%–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub167.0†–
LiveBench 2.0LiveBench84.0%–
LiveBench 1.0LiveBench83.4%–
AA Intelligence Index v5.0.1Artificial Analysis49.2–
AA Intelligence Index v4.3.2Artificial Analysis53.4–
AA Progress Index v1Artificial Analysis340.8–
Vals RSI IndexVals AI36.1%–
AA Cyber IndexArtificial Analysis25.0–
安全与诚实
FORTRESSScale AI SEAL13.7%†–
DistressBenchScale AI SEAL71.5%†–

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

  • Claude Fable 5.1 (max):37 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Claude Fable 5.1 (max):1 项新结果(GDPval-AA v2.1)。
  • Claude Fable 5.1 (max):BenchLeader Index 67.1 → 66.6。
  • Claude Fable 5.1 (max):1 项新结果(PostTrainBench);1 项分数修订。
  • Muse Spark Open 816B A42B (xhigh):BenchLeader Index 58.6 → 58.1。
  • Claude Fable 5.1 (max):1 项新结果(MirrorCode)。
  • Claude Fable 5.1 (max):1 项分数修订。
  • Claude Fable 5.1 (max):1 项分数修订。
  • Claude Fable 5.1 (max):1 项分数修订。
  • Claude Fable 5.1 (max):1 项分数修订。

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

Claude Fable 5.1 vs Muse Spark Open 816B A42B:常见问题

Claude Fable 5.1 比 Muse Spark Open 816B A42B 更好吗?
质量上 Claude Fable 5.1 (max) 领先:66.7 比 58.1。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,Claude Fable 5.1 (max) 总体领先,但请结合你的用途查看各类别得分。
Claude Fable 5.1 和 Muse Spark Open 816B A42B 哪个更便宜?价格会变吗?
目前 Muse Spark Open 816B A42B 更便宜:每百万 token $2.00 比 $20.00(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 Claude Fable 5.1 还是 Muse Spark Open 816B A42B 更好?
Claude Fable 5.1 在编程方面得分更高(类别得分 70 比 65,50 为平均水平)。在两者共同的最主要编程基准测试 SciCode 上,Claude Fable 5.1 为 63.1%,Muse Spark Open 816B A42B 为 58.5%。
处理长文档哪个更好?
两者都约为 1M token(Claude Fable 5.1 为 1,000,000,Muse Spark Open 816B A42B 为 1,048,576)。
第三方基准测试对 Claude Fable 5.1 和 Muse Spark Open 816B A42B 的看法一致吗?
在两者都有结果的 5 项基准测试中,Claude Fable 5.1 领先 5 项,Muse Spark Open 816B A42B 领先 0 项。所有同时评测两者的综合评分都认为 Claude Fable 5.1 更强。
更多问题(1)
Muse Spark Open 816B A42B 是什么时候发布的?
Muse Spark Open 816B A42B 于 2026年10月15日 发布。