BenchLeader

Claude Fable 5.2 vs Muse Spark 1.2

完整资料:Claude Fable 5.2(Anthropic)和 Muse Spark 1.2(Meta),包括全部基准测试、价格和排名。

更新于 · 数据来自 13 个来源

截至 2026年11月16日,质量上 Claude Fable 5.2 领先 Muse Spark 1.2(BenchLeader Index 72.7 比 61.5)。不过,Muse Spark 1.2 更便宜,对方的价格是它的 8.0 倍(每百万 token 混合价格 $2.00 比 $16.00)。在两者都有成绩的所有类别中,Claude Fable 5.2 均领先。Muse Spark 1.2 输出更快(约 2 倍)。

要点(截至 2026年11月16日)

  • Claude Fable 5.2 的 BenchLeader Index 为 72.7,Muse Spark 1.2 为 61.5(BenchLeader,2026年11月16日)。
  • Claude Fable 5.2 每百万 token 混合价格为 $16.00(标价,2026年11月16日)。
  • Muse Spark 1.2 每百万 token 混合价格为 $2.00(标价,2026年11月16日)。
  • Muse Spark 1.2 比 Claude Fable 5.2 输出更快(约 2 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 17 项基准测试中,Claude Fable 5.2 领先 17 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 5.2类别得分 80 比 55;SciCode 67.7% 比 57.4%高
智能体与工具调用Claude Fable 5.2类别得分 77 比 55;Arena Agent 30.4 比 -8.2高
数学Claude Fable 5.2类别得分 75 比 67高
推理Claude Fable 5.2类别得分 76 比 68;Humanity's Last Exam (AA) 74.3% 比 45.5%高
知识Claude Fable 5.2类别得分 86 比 65;SimpleQA Verified 94.0% 比 60.3%高
长文档Claude Fable 5.2类别得分 66 比 64;AA-LCR v1.1 83.3% 比 79.0%中
对话质量(人类偏好)–只有 Muse Spark 1.2 有 Arena 评分(类别得分 69)无法比较
成本最低Muse Spark 1.2每百万 token 混合价格 $2.00 比 $16.00;智能体编程会话 $0.092 比 $0.640–
首次回答最快Muse Spark 1.2首个回答 token 11.4 秒(Muse Spark 1.2 (xhigh))比 232.1 秒(Claude Fable 5.2 (max))–
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 5.2 (max) 领先:72.7 比 61.5。
  • Claude Fable 5.2 (max) 在智能体与工具、编程、知识、长上下文、数学、推理方面更强。
  • Muse Spark 1.2 (xhigh) 更便宜,对方的价格是它的 8.0 倍(每百万 token 混合价格 $2.00 比 $16.00)。
  • Muse Spark 1.2 (xhigh) 的输出速度是对方的 1.9 倍(208 比 109 token/秒)。

概览

规格Claude Fable 5.2Muse Spark 1.2
提供商AnthropicMeta
发布日期2026年11月9日2026年8月5日
上下文窗口(token)1,000,0001,048,576
对比时的配置Claude Fable 5.2 (max)Muse Spark 1.2 (xhigh)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$8.00 / $40.00 / $0.200$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 5.2 (max)Muse Spark 1.2 (xhigh)领先者
推理75.768.1Claude Fable 5.2
编程79.754.7Claude Fable 5.2
智能体与工具77.355.4Claude Fable 5.2
数学74.566.8Claude Fable 5.2
知识86.364.5Claude Fable 5.2
人类偏好–68.6无法比较
多模态–65.3无法比较
长上下文66.464.1Claude Fable 5.2

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Claude Fable 5.2, 推理: 75.7Claude Fable 5.2, 编程: 79.7Claude Fable 5.2, 智能体与工具: 77.3Claude Fable 5.2, 数学: 74.5Claude Fable 5.2, 知识: 86.3Claude Fable 5.2, 长上下文: 66.4Muse Spark 1.2, 推理: 68.1Muse Spark 1.2, 编程: 54.7Muse Spark 1.2, 智能体与工具: 55.4Muse Spark 1.2, 数学: 66.8Muse Spark 1.2, 知识: 64.5Muse Spark 1.2, 长上下文: 64.1

未绘制(测得的模型少于两个):指令遵循, 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 17 项基准测试中,Claude Fable 5.2 领先 17 项,Muse Spark 1.2 领先 0 项。所有同时评测两者的综合评分都认为 Claude Fable 5.2 更强。

综合 IndexClaude Fable 5.2 (max)Muse Spark 1.2 (xhigh)领先者
BenchLeader Index72.761.5Claude Fable 5.2

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 5.2 (max)Muse Spark 1.2 (xhigh)
每百万 token 混合价格$16.00$2.00
每百万 token 输入 / 输出$8.00 / $40.00$1.25 / $4.25
每百万 token 缓存输入$0.200$0.150
每项任务价格:聊天回复$0.015$0.0018
每项任务价格:总结一份 30 页的报告$0.120$0.018
每项任务价格:代码编辑$0.108$0.014
每项任务价格:智能体编程会话$0.640$0.092
每项任务价格:结构化信息提取$0.024$0.0034
智能体编程会话(输入大多命中缓存)$0.289$0.043
每项基准测试任务成本(AA Index)$26.54–
每项任务输出 token(AA Index)274k–
其中推理部分193k–
每项任务耗时(AA Index)42 min–
输出速度109 tok/s208 tok/s
首次回答时间232.1 秒11.4 秒
完整回答耗时(最近一次测量 2026年11月13日)456.8 秒23.9 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 5.2 (max) 得分 72.7,首个回答 token 需 232 秒;Claude Fable 5.2 (xhigh) 为 69.7(73 秒),Claude Fable 5.2 (high) 为 68.4(27 秒)。Muse Spark 1.2 (xhigh) 得分 61.5,首个回答 token 需 11 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 144 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 5.2 (max)Muse Spark 1.2 (xhigh)
BenchLeader IndexBenchLeader72.761.5
智能体与工具得分BenchLeader77.355.4
编程得分BenchLeader79.754.7
知识得分BenchLeader86.364.5
长上下文得分BenchLeader66.464.1
数学得分BenchLeader74.566.8
推理得分BenchLeader75.768.1
人类偏好得分BenchLeader–68.6
多模态得分BenchLeader–65.3
混合价格(美元/百万 token)BenchLeader$16.00$2.00
输出速度BenchLeader109 tok/s208 tok/s
首次回答时间BenchLeader232.1 秒11.4 秒
上下文窗口BenchLeader1,000,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub93.9%–
SimpleBenchSimpleBench94.9%†74.5%†
Arena Hard PromptsArena (LMArena)–1514
LiveBench 2.0 ReasoningLiveBench88.8%†–
LiveBench 1.0 ReasoningLiveBench–90.0%
GPQA Diamond (AA)Artificial Analysis–90.4%
Humanity's Last Exam (AA)Artificial Analysis74.3%45.5%
HLE-Diamond (AA)Artificial Analysis80.2%–
ARC-AGI-1ARC Prize97.5%–
ARC-AGI-2ARC Prize92.5%–
ARC-AGI-3ARC Prize94.9%–
CritPtArtificial Analysis35.4%17.7%
CritPt v2 hard subset (AA)Artificial Analysis76.5%–
MysteryMechanismVals AI51.8%†–
HLE-Diamond (Scale)Scale AI SEAL72.4%†–
Arena ExpertArena (LMArena)–1503
Chess PuzzlesEpoch AI Benchmarking Hub79.0%27.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub90.0%–
LMCAEpoch AI Benchmarking Hub70.1%†48.4%
DTBenchEpoch AI Benchmarking Hub99.2%†94.7%
编程
SciCodeSciCode67.7%57.4%
WeirdMLWeirdML–60.3%
Arena CodingArena (LMArena)–1542
Arena WebDevArena (LMArena)1838†1534
LiveBench 2.0 CodingLiveBench79.2%†–
显示全部 144 项基准测试
指标发布方Claude Fable 5.2 (max)Muse Spark 1.2 (xhigh)
编程
LiveBench 1.0 CodingLiveBench–77.5%
IOIVals AI–21.8%
SWE-bench (Vals)Vals AI–86.6%
Code MigrationVals AI–29.9%
Code Migration v1.1Vals AI83.3%†–
ProgramBenchVals AI19.0%†0.5%
SWE-bench MultimodalVals AI62.3%†–
Vibe Code Bench v1.1Vals AI93.8%†79.1%
SWE Atlas v1.1Scale AI SEAL80.5%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL83.9%†–
SWE Atlas v1.1: Test WritingScale AI SEAL77.8%†–
SWE Atlas v1.1: RefactoringScale AI SEAL80.0%†–
DeepSWE v1.1Epoch AI Benchmarking Hub–54.9%
CursorBenchCursor60.0%–
ALE-BenchEpoch AI Benchmarking Hub2509.8†–
FrontierSWEEpoch AI Benchmarking Hub69.9%12.0%
Terminal-Bench 4.0 (AA)Artificial Analysis59.6%7.1%
Terminal-Bench 2.1 (AA)Artificial Analysis–80.2%
Startrise FrontendStartrise–70.3%†
GameBench 2 OverallDuelLab GameBench 295.0†51.5†
GameBench 2 by reasoning settingDuelLab GameBench 299.1†56.9
Design Arena WebsiteDesign Arena1352†1309†
FrontierCode 1.1 (AA)Artificial Analysis56.2%–
FrontierCode 2.0 (AA)Artificial Analysis48.8%–
智能体与工具
Terminal-BenchTerminal-Bench65.8%–
Remote Labor IndexScale AI / CAIS41.3%†–
APEX-AgentsMercor80.1%†45.4%†
Arena AgentArena (LMArena)30.4-8.2
LiveBench Long AgenticLiveBench82.9%†–
LiveBench BrowserLiveBench86.9%†–
LiveBench Agentic CodingLiveBench–57.6%
Terminal-Bench 2.1 (Vals)Vals AI–69.7%
HiL-BenchScale AI SEAL80.0%†–
GDPval-AA v2.1Artificial Analysis18311478
τ³-Banking (AA)Artificial Analysis–34.9%
CyberBenchVals AI–69.5%
Finance Agent v2Vals AI–60.6%
Finance Agent v2.1Vals AI69.5%†–
Harvey's Legal Agent Benchmark v1.1Vals AI5.0%†–
Harvey's Legal Agent Benchmark v1Vals AI–25.4%
Legal Research BenchVals AI46.1%†43.8%
SkillsBenchVals AI–53.0%
SREBenchVals AI–0.0%
Tax Agent BenchVals AI32.1%†32.8%
Terminal-Bench 4.0 (Vals)Vals AI65.2%†6.1%
Terminal-Bench ScienceVals AI55.7%†–
Arena Agent Task CompletionArena (LMArena)22-9.8
SpireClimbEpoch AI Benchmarking Hub15.3%–
AutomationBenchArtificial Analysis76.4%40.6%
GDP.pdf (AA)Artificial Analysis24.2%17.4%
Harvey LAB-AA v1.1Harvey7.2%–
EnterpriseOps-GymArtificial Analysis–47.3%
AA-Briefcase v1.1Artificial Analysis17851323
GDPxGDPx by SemiAnalysis16.4%–
Design Arena AgenticDesign Arena1373†1185†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis73.3%–
MKA (AA)Artificial Analysis56.6%–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub95.1%–
FrontierMath Tier 4Epoch AI Benchmarking Hub100.0%–
OTIS Mock AIMEEpoch AI Benchmarking Hub99.7%–
ProofBenchVals AI100.0%43.0%†
LiveBench MathematicsLiveBench–91.2%
Arena MathsArena (LMArena)–1486
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub94.0%60.3%
LiveBench 2.0 Data AnalysisLiveBench81.5%†–
LiveBench ResearchLiveBench94.5%†–
LiveBench 1.0 Data AnalysisLiveBench–76.5%
AA-Omniscience v1.1Artificial Analysis66.8–
MMLU-ProVals AI–88.3%
LegalBenchVals AI–85.3%
CorpFinVals AI–70.9%
TaxEvalVals AI–80.4%
PRBench FinanceScale AI SEAL47.1%†–
PRBench LegalScale AI SEAL49.0%†–
BioMysteryBenchVals AI83.7%†64.8%
Excel Modeling BenchmarkVals AI–57.0%
Excel Modeling Benchmark v1.1Vals AI77.4%†–
MedCodeVals AI–49.4%
MedScribeVals AI–90.1%
Public Benefits Bench v1.1Vals AI–68.5%
Financial Coaching BenchVals AI–75.7%
Immigration BenchVals AI74.0%†66.5%
EBR-benchEpoch AI Benchmarking Hub90.5%–
GDP.pdfEpoch AI Benchmarking Hub–16.0%
AA-Omniscience v1.1: accuracyArtificial Analysis79.1%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis40.7%–
HealthBench Professional (AA)OpenAI67.7%–
指令遵循
LiveBench LanguageLiveBench–78.6%
LiveBench Instruction FollowingLiveBench–74.3%
Arena Instruction FollowingArena (LMArena)–1479
人类偏好
Arena TextArena (LMArena)–1493
EQ-Bench Creative Writing v3EQ-Bench–1842†
Arena Creative WritingArena (LMArena)–1443
Arena Multi-turnArena (LMArena)–1510
Arena Longer QueriesArena (LMArena)–1491
多模态
Arena VisionArena (LMArena)–1305
LiveBench DesignLiveBench85.1%†–
MMMU-Pro (Vals)Vals AI–86.1%
MortgageTaxVals AI–65.4%
Humanity's Sixth SenseScale AI SEAL59.5%24.5%
Furniture AssemblyEpoch AI Benchmarking Hub90.0%–
VIALS-AAHandshake AI67.1%–
AA-3DArtificial Analysis1271–
长上下文
AA-LCR v1.1Artificial Analysis83.3%79.0%
MLCRArtificial Analysis43.9%7.2%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub173.4†155.0†
LiveBench 2.0LiveBench84.9%†–
LiveBench 1.0LiveBench–78.0%
AA Intelligence Index v5.0.1Artificial Analysis64.6–
AA Intelligence Index v4.3.2Artificial Analysis–39.6
AA Progress Index v1Artificial Analysis358309.1
Vals IndexVals AI71.3†–
Vals Finance IndexVals AI63.6%†–
Vals RSI IndexVals AI37.9%–
Vals Science IndexVals AI63.7%†–
Vals Multimodal IndexVals AI–69.8%†
Vals Legal IndexVals AI69.2%†–
安全与诚实
FORTRESSScale AI SEAL15.6%†–
DistressBenchScale AI SEAL–88.4%†

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 5.2 (max):1 项分数修订。
  • Muse Spark 1.2 (xhigh):1 项新结果(GDPval-AA v2.1)。
  • Claude Fable 5.2 (max):BenchLeader Index 74.9 → 72.7。
  • Claude Fable 5.2 (max):1 项新结果(Terminal-Bench)。
  • Claude Fable 5.2 (max):BenchLeader Index 72.1 → 74.9。
  • Claude Fable 5.2 (max):1 项新结果(Arena Agent)。
  • Claude Fable 5.2 (max):3 项新结果(SciCode, CursorBench, FrontierSWE)。
  • Claude Fable 5.2 (max):BenchLeader Index 69.4 → 72.1。
  • Claude Fable 5.2 (max):13 项新结果(GPQA Diamond, FrontierMath Tiers 1–3, FrontierMath Tier 4…)。
  • Muse Spark 1.2 (xhigh):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 5.2 vs Muse Spark 1.2:常见问题

Claude Fable 5.2 比 Muse Spark 1.2 更好吗?
质量上 Claude Fable 5.2 (max) 领先:72.7 比 61.5。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 5.2 (max) 总体领先,但请结合你的用途查看各类别得分。
Claude Fable 5.2 和 Muse Spark 1.2 哪个更便宜?价格会变吗?
目前 Muse Spark 1.2 更便宜:每百万 token $2.00 比 $16.00(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 5.2 还是 Muse Spark 1.2 更好?
Claude Fable 5.2 在编程方面得分更高(类别得分 80 比 55,50 为平均水平)。在两者共同的最主要编程基准测试 SciCode 上,Claude Fable 5.2 为 67.7%,Muse Spark 1.2 为 57.4%。
Claude Fable 5.2 和 Muse Spark 1.2 哪个更快?
Muse Spark 1.2 输出更快(约 2 倍;输出 208 比 109 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Claude Fable 5.2 还是 Muse Spark 1.2 更好?
Claude Fable 5.2 在智能体任务方面得分更高(类别得分 77 比 55,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 Arena Agent 上,Claude Fable 5.2 为 30.4,Muse Spark 1.2 为 -8.2。
更多问题(4)
处理长文档哪个更好?
Claude Fable 5.2 在长上下文基准测试上得分更高(66 比 64)。两者都约为 1M token(Claude Fable 5.2 为 1,000,000,Muse Spark 1.2 为 1,048,576)。
哪个延迟更低?
Muse Spark 1.2 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 11.4 秒比 232.1 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
第三方基准测试对 Claude Fable 5.2 和 Muse Spark 1.2 的看法一致吗?
在两者都有结果的 17 项基准测试中,Claude Fable 5.2 领先 17 项,Muse Spark 1.2 领先 0 项。所有同时评测两者的综合评分都认为 Claude Fable 5.2 更强。
Claude Fable 5.2 是什么时候发布的?
Claude Fable 5.2 于 2026年11月9日 发布。