BenchLeader

Claude Fable 5 vs Muse Spark

完整资料:Claude Fable 5(Anthropic)和 Muse Spark(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,Claude Fable 5 与 Muse Spark 的质量不相上下(BenchLeader Index 65.4 比 64.2,在 ±6.0 的误差范围内)。看重推理(80 比 67)、编程(76 比 65)和知识(66 比 63)选 Claude Fable 5;看重智能体与工具(65 比 61)选 Muse Spark。

要点(截至 2026年11月16日)

  • Claude Fable 5 的 BenchLeader Index 为 65.4,Muse Spark 为 64.2(BenchLeader,2026年11月16日)。
  • Claude Fable 5 每百万 token 混合价格为 $20.00(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 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类别得分 76 比 65;Design Arena Website 1288 比 1253高
智能体与工具调用Muse Spark类别得分 65 比 61;MCP Atlas 82.2% 比 83.3%中
推理Claude Fable 5类别得分 80 比 67高
知识Claude Fable 5类别得分 66 比 63;PRBench Finance 53.9% 比 52.4%中
对话质量(人类偏好)均可Arena 投票 68 比 68均可
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

  • Claude Fable 5 与 Muse Spark 的质量不相上下(65.4 比 64.2,在 ±6.0 的误差范围内)。
  • Claude Fable 5 在编程、知识、推理方面更强。
  • Muse Spark 在智能体与工具、人类偏好方面更强。

概览

规格Claude Fable 5Muse Spark
提供商AnthropicMeta
发布日期2026年6月9日2026年4月8日
上下文窗口(token)1,000,000262,144
对比时的配置Claude Fable 5Muse Spark
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$10.00 / $50.00 / $1.00–

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 5Muse Spark领先者
推理80.167.4Claude Fable 5
编程75.565.1Claude Fable 5
智能体与工具60.565.0Muse Spark
数学–59.1无法比较
知识66.463.1Claude Fable 5
指令遵循–76.9无法比较
人类偏好67.768.1持平
多模态–64.2无法比较
长上下文–63.6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知识人类偏好Claude Fable 5, 推理: 80.1Claude Fable 5, 编程: 75.5Claude Fable 5, 智能体与工具: 60.5Claude Fable 5, 知识: 66.4Claude Fable 5, 人类偏好: 67.7Muse Spark, 推理: 67.4Muse Spark, 编程: 65.1Muse Spark, 智能体与工具: 65.0Muse Spark, 知识: 63.1Muse Spark, 人类偏好: 68.1

未绘制(测得的模型少于两个):数学, 指令遵循, 长上下文, 多模态。

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 领先 5 项,Muse Spark 领先 0 项。所有同时评测两者的综合评分都认为 Claude Fable 5 更强。

综合 IndexClaude Fable 5Muse Spark领先者
BenchLeader Index65.464.2不相上下
Arena Text1504†1489Claude Fable 5

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 5Muse Spark
每百万 token 混合价格$20.00–
每百万 token 输入 / 输出$10.00 / $50.00– / –
每百万 token 缓存输入$1.00–
每项任务价格:聊天回复$0.019–
每项任务价格:总结一份 30 页的报告$0.150–
每项任务价格:代码编辑$0.135–
每项任务价格:智能体编程会话$0.800–
每项任务价格:结构化信息提取$0.030–
智能体编程会话(输入大多命中缓存)$0.395–
输出速度50 tok/s–
首次回答时间3.2 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 得分 65.4,首个回答 token 需 3 秒;Claude Fable 5 (max) 为 65.1(95 秒),Claude Fable 5 (high) 为 63.9(3 秒)。Muse Spark 得分 64.2。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 137 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 5Muse Spark
BenchLeader IndexBenchLeader65.464.2
智能体与工具得分BenchLeader60.565.0
编程得分BenchLeader75.565.1
人类偏好得分BenchLeader67.768.1
知识得分BenchLeader66.463.1
推理得分BenchLeader80.167.4
指令遵循得分BenchLeader–76.9
长上下文得分BenchLeader–63.6
数学得分BenchLeader–59.1
多模态得分BenchLeader–64.2
混合价格(美元/百万 token)BenchLeader$20.00–
输出速度BenchLeader50 tok/s–
首次回答时间BenchLeader3.2 秒–
上下文窗口BenchLeader1,000,000 token262,144 token
推理
GPQA DiamondEpoch AI Benchmarking Hub85.9%†89.8%
Humanity's Last ExamScale AI / CAIS–40.6%
SimpleBenchSimpleBench81.9%†–
Arena Hard PromptsArena (LMArena)1530†1506
LiveBench 1.0 ReasoningLiveBench89.7%†–
GPQA Diamond (AA)Artificial Analysis92.6%†88.4%
Humanity's Last Exam (AA)Artificial Analysis55.5%†40.7%
GPQA Diamond (Vals)Vals AI93.2%†89.7%
EnigmaEvalScale AI SEAL39.3%†–
Kagi LLM BenchmarkKagi LLM Benchmark88.8%–
ARC-AGI-1ARC Prize98.5%†–
ARC-AGI-2ARC Prize89.2%†–
CritPtArtificial Analysis28.6%†11.3%
Arena ExpertArena (LMArena)1550†1491
Chess PuzzlesEpoch AI Benchmarking Hub47.0%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub52.0%†–
LMCAEpoch AI Benchmarking Hub60.3%†–
DTBenchEpoch AI Benchmarking Hub98.4%†–
ForecastBenchForecastBench65.9%†–
BTF-3Epoch AI Benchmarking Hub13.0%†–
编程
SciCodeSciCode61.0%†51.5%
WeirdMLWeirdML91.9%†–
FrontierCodeCognition53.5%–
GSO-BenchGSO-Bench78.4%–
Arena CodingArena (LMArena)1552†1529
显示全部 137 项基准测试
指标发布方Claude Fable 5Muse Spark
编程
Arena WebDevArena (LMArena)1625†–
LiveBench 1.0 CodingLiveBench86.0%†–
SciCode (AA)Artificial Analysis61.0%†–
LiveCodeBenchVals AI89.8%†–
SWE-bench (Vals)Vals AI95.0%†74.4%
SWE-Bench ProScale AI SEAL–55.0%
Code MigrationVals AI55.1%†–
ProgramBenchVals AI2.0%†–
Vibe Code Bench v1.1Vals AI90.3%†19.7%
SWE-Bench Pro (private)Scale AI SEAL–44.7%
SWE Atlas v1.0: Codebase QnAScale AI SEAL39.0%†24.2%
SWE Atlas v1.0: RefactoringScale AI SEAL54.8%†–
SWE Atlas v1.0: Test WritingScale AI SEAL55.6%†31.1%
MirrorCodeEpoch AI Benchmarking Hub70.0%†–
Surface Evolver BenchEpoch AI Benchmarking Hub95.0%†–
DeepSWE v1.1Epoch AI Benchmarking Hub69.7%†–
ALE-BenchEpoch AI Benchmarking Hub2041.3†–
FrontierSWEEpoch AI Benchmarking Hub47.0%†–
WeirdML v3WeirdML15.6%†–
Terminal-Bench 4.0 (AA)Artificial Analysis42.4%†–
Terminal-Bench 2.1 (AA)Artificial Analysis84.6%†62.2%
Startrise FrontendStartrise73.8%†–
GameBench 2 OverallDuelLab GameBench 265.8–
GameBench 2 by reasoning settingDuelLab GameBench 258.1†–
Design Arena WebsiteDesign Arena12881253
智能体与工具
Terminal-BenchTerminal-Bench44.9%†–
Remote Labor IndexScale AI / CAIS16.1%–
APEX-AgentsMercor63.6%–
Arena AgentArena (LMArena)7.3†–
LiveBench Agentic CodingLiveBench62.2%†–
Terminal-Bench HardArtificial Analysis62.9%†45.5%
τ²-Bench Telecom (AA)Artificial Analysis98.5%†91.5%
Terminal-Bench 2.1 (Vals)Vals AI80.5%†–
MCP AtlasScale AI SEAL83.3%82.2%
HiL-BenchScale AI SEAL56.3%–
τ³-bench Bankingτ²-bench39.7%†–
GDPval-AA v2.1Artificial Analysis1618†1006
τ³-Banking (AA)Artificial Analysis38.1%†–
Analyst Agent (AA)Artificial Analysis48.8%†–
Finance Agent v2Vals AI56.3%†–
Harvey's Legal Agent Benchmark v1Vals AI11.3%†–
Legal Research BenchVals AI49.5%†–
Tax Agent BenchVals AI38.3%†–
Terminal-Bench 2.0 (Vals)Vals AI–59.5%
Terminal-Bench 4.0 (Vals)Vals AI41.4%†–
Terminal-Bench ScienceVals AI15.7%†–
Web Search IndexVals AI46.9%†–
Arena SearchArena (LMArena)1229†–
Arena Agent Task CompletionArena (LMArena)5.1†–
PostTrainBenchEpoch AI Benchmarking Hub37.3%†–
GBAEvalEpoch AI Benchmarking Hub74.5%–
Vending-Bench 2Andon Labs4529.9–
AutomationBenchArtificial Analysis54.1%†–
GDP.pdf (AA)Artificial Analysis24.0%†–
EnterpriseOps-GymArtificial Analysis51.1%†–
AA-Briefcase v1.1Artificial Analysis1536†646
Design Arena AgenticDesign Arena1275–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub87.0%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub90.2%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub99.7%†88.9%
ProofBenchVals AI95.0%†17.0%
LiveBench MathematicsLiveBench96.0%†–
AIME (Vals)Vals AI–96.9%
Arena MathsArena (LMArena)1520†1469
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%†–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub70.7%†–
LiveBench 1.0 Data AnalysisLiveBench80.5%†–
MMLU-ProVals AI91.5%†87.3%
LegalBenchVals AI88.6%†84.2%
CorpFinVals AI71.8%†65.1%
TaxEvalVals AI76.9%†77.7%
PRBench FinanceScale AI SEAL53.9%52.4%
PRBench LegalScale AI SEAL52.6%52.3%
MultiNRCScale AI SEAL–59.0%
CaseLaw v2Vals AI–63.1%
Excel Modeling BenchmarkVals AI73.7%†–
MedCodeVals AI56.1%†51.3%
MedScribeVals AI88.5%†85.9%
Public Benefits Bench v1.1Vals AI70.4%†–
EBR-benchEpoch AI Benchmarking Hub39.5%†–
GDP.pdfEpoch AI Benchmarking Hub30.0%–
指令遵循
LiveBench LanguageLiveBench90.7%†–
LiveBench Instruction FollowingLiveBench75.8%†–
IFBenchArtificial Analysis63.5%†75.9%
MultiChallengeScale AI SEAL–75.5%
TutorBenchScale AI SEAL–68.5%
Arena Instruction FollowingArena (LMArena)1509†1465
人类偏好
Arena TextArena (LMArena)1504†1489
EQ-Bench 4EQ-Bench1313–
EQ-Bench Creative Writing v3EQ-Bench1944–
Arena Creative WritingArena (LMArena)1501†1464
Arena Multi-turnArena (LMArena)1517†1493
Arena Longer QueriesArena (LMArena)1522†1476
多模态
Arena VisionArena (LMArena)1326†1306
MMMU-ProArtificial Analysis–80.5%
MMMU-Pro (Vals)Vals AI89.3%†87.4%
MortgageTaxVals AI68.9%†–
Humanity's Sixth SenseScale AI SEAL34.5%†–
GeoBenchGeoBench89.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub38.6%–
Furniture AssemblyEpoch AI Benchmarking Hub35.8%†–
长上下文
AA-LCR v1.1Artificial Analysis82.3%†78.0%
Arena DocumentArena (LMArena)1500†1467
MLCRArtificial Analysis20.6%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub164.1153.1
LiveBench 1.0LiveBench83.0%†–
AA Intelligence Index v4.3.2Artificial Analysis49.6†31.3
AA Progress Index v1Artificial Analysis329.3†289.1
Vals RSI IndexVals AI24.3%†–
Vals Multimodal IndexVals AI74.2%†–
安全与诚实
FORTRESSScale AI SEAL–20.2%
DistressBenchScale AI SEAL69.4%–

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:BenchLeader Index 66.5 → 65.4。
  • Claude Fable 5:1 项分数修订。
  • Muse Spark:2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Muse Spark:BenchLeader Index 64.6 → 64.1。
  • Claude Fable 5:1 项分数修订。
  • Muse Spark:1 项分数修订。
  • Claude Fable 5:1 项分数修订。
  • Muse Spark:1 项新结果(AA Progress Index v1)。
  • Claude Fable 5:BenchLeader Index 67.3 → 66.5。
  • Claude Fable 5:1 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 vs Muse Spark:常见问题

Claude Fable 5 比 Muse Spark 更好吗?
Claude Fable 5 与 Muse Spark 的质量不相上下(65.4 比 64.2,在 ±6.0 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。
编程用 Claude Fable 5 还是 Muse Spark 更好?
Claude Fable 5 在编程方面得分更高(类别得分 76 比 65,50 为平均水平)。
智能体和工具调用用 Claude Fable 5 还是 Muse Spark 更好?
Muse Spark 在智能体任务方面得分更高(类别得分 65 比 61,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 MCP Atlas 上,Claude Fable 5 为 83.3%,Muse Spark 为 82.2%。
处理长文档哪个更好?
Claude Fable 5 支持更长的上下文:1,000,000 token,Muse Spark 为 262,144 token。
第三方基准测试对 Claude Fable 5 和 Muse Spark 的看法一致吗?
在两者都有结果的 5 项基准测试中,Claude Fable 5 领先 5 项,Muse Spark 领先 0 项。所有同时评测两者的综合评分都认为 Claude Fable 5 更强。
更多问题(1)
Claude Fable 5 是什么时候发布的?
Claude Fable 5 于 2026年6月9日 发布。