BenchLeader

Claude Fable 5 vs Muse Spark 1.1

完整资料:Claude Fable 5(Anthropic)和 Muse Spark 1.1(Meta),包括全部基准测试、价格和排名。

更新于 · 数据来自 9 个来源

截至 2026年11月16日,Claude Fable 5 与 Muse Spark 1.1 的质量不相上下(BenchLeader Index 65.4 比 62.2,在 ±7.4 的误差范围内)。Muse Spark 1.1 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)。看重推理(80 比 68)、编程(76 比 66)和智能体与工具(61 比 51)选 Claude Fable 5;看重知识(69 比 66)选 Muse Spark 1.1。Muse Spark 1.1 的首次回答更快(1.8 秒 比 3.2 秒)。Muse Spark 1.1 的输出更快(3 倍以上)。

要点(截至 2026年11月16日)

  • Claude Fable 5 的 BenchLeader Index 为 65.4,Muse Spark 1.1 为 62.2(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)。
  • Muse Spark 1.1 每百万 token 混合价格为 $2.00(标价,2026年11月16日)。
  • Muse Spark 1.1 比 Claude Fable 5 输出更快(3 倍以上;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 12 项基准测试中,Claude Fable 5 领先 8 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 66;Design Arena Website 1288 比 1263高
智能体与工具调用Claude Fable 5类别得分 61 比 51;APEX-Agents 63.6% 比 31.8%高
推理Claude Fable 5类别得分 80 比 68高
知识Muse Spark 1.1类别得分 69 比 66;PRBench Finance 55.0% 比 53.9%中
对话质量(人类偏好)Claude Fable 5Arena 投票 68 比 65中
成本最低Muse Spark 1.1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–
首次回答最快Muse Spark 1.1首个回答 token 1.8 秒(Muse Spark 1.1)比 3.2 秒(Claude Fable 5)–
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 1.1 的质量不相上下(65.4 比 62.2,在 ±7.4 的误差范围内)。
  • Claude Fable 5 在智能体与工具、编程、人类偏好、推理方面更强。
  • Muse Spark 1.1 在知识方面更强。
  • Muse Spark 1.1 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)。
  • Muse Spark 1.1 的输出速度是对方的 3.9 倍(193 比 50 token/秒)。

概览

规格Claude Fable 5Muse Spark 1.1
提供商AnthropicMeta
发布日期2026年6月9日2026年7月9日
上下文窗口(token)1,000,0001,048,576
对比时的配置Claude Fable 5Muse Spark 1.1
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$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 5Muse Spark 1.1领先者
推理80.167.8Claude Fable 5
编程75.565.8Claude Fable 5
智能体与工具60.550.9Claude Fable 5
数学–61.3无法比较
知识66.469.2Muse Spark 1.1
指令遵循–70.4无法比较
人类偏好67.764.5Claude Fable 5
多模态–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 1.1, 推理: 67.8Muse Spark 1.1, 编程: 65.8Muse Spark 1.1, 智能体与工具: 50.9Muse Spark 1.1, 知识: 69.2Muse Spark 1.1, 人类偏好: 64.5

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 12 项基准测试中,Claude Fable 5 领先 8 项,Muse Spark 1.1 领先 4 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 1.1领先者
BenchLeader Index65.462.2不相上下
Arena Text1504†1491Claude 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 1.1
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$1.00$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)$0.395$0.043
输出速度50 tok/s193 tok/s
首次回答时间3.2 秒1.8 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 1.1 得分 62.2,首个回答 token 需 2 秒;Muse Spark 1.1 (xhigh) 为 59.5(13 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 133 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 1.1
BenchLeader IndexBenchLeader65.462.2
智能体与工具得分BenchLeader60.550.9
编程得分BenchLeader75.565.8
人类偏好得分BenchLeader67.764.5
知识得分BenchLeader66.469.2
推理得分BenchLeader80.167.8
指令遵循得分BenchLeader–70.4
数学得分BenchLeader–61.3
多模态得分BenchLeader–63.6
混合价格(美元/百万 token)BenchLeader$20.00$2.00
输出速度BenchLeader50 tok/s193 tok/s
首次回答时间BenchLeader3.2 秒1.8 秒
上下文窗口BenchLeader1,000,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub85.9%†–
SimpleBenchSimpleBench81.9%†–
Arena Hard PromptsArena (LMArena)1530†1511
LiveBench 1.0 ReasoningLiveBench89.7%†87.7%†
GPQA Diamond (AA)Artificial Analysis92.6%†89.8%†
Humanity's Last Exam (AA)Artificial Analysis55.5%†46.2%†
GPQA Diamond (Vals)Vals AI93.2%†91.2%†
EnigmaEvalScale AI SEAL39.3%†–
Kagi LLM BenchmarkKagi LLM Benchmark88.8%–
ARC-AGI-1ARC Prize98.5%†–
ARC-AGI-2ARC Prize89.2%†–
CritPtArtificial Analysis28.6%†15.1%†
Arena ExpertArena (LMArena)1550†1504
Chess PuzzlesEpoch AI Benchmarking Hub47.0%†34.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub52.0%†–
LMCAEpoch AI Benchmarking Hub60.3%†49.9%†
DTBenchEpoch AI Benchmarking Hub98.4%†94.4%†
ForecastBenchForecastBench65.9%†–
BTF-3Epoch AI Benchmarking Hub13.0%†–
编程
SciCodeSciCode61.0%†58.8%
WeirdMLWeirdML91.9%†–
FrontierCodeCognition53.5%–
GSO-BenchGSO-Bench78.4%–
Arena CodingArena (LMArena)1552†1533
Arena WebDevArena (LMArena)1625†1542
显示全部 133 项基准测试
指标发布方Claude Fable 5Muse Spark 1.1
编程
LiveBench 1.0 CodingLiveBench86.0%†77.2%†
LiveCodeBenchVals AI89.8%†85.9%†
SWE-bench (Vals)Vals AI95.0%†82.0%†
SWE-Bench ProScale AI SEAL–61.5%
Code MigrationVals AI55.1%†31.1%†
ProgramBenchVals AI2.0%†0.0%†
Vibe Code Bench v1.1Vals AI90.3%†72.2%†
SWE-Bench Pro (private)Scale AI SEAL–51.5%
SWE Atlas v1.0: Codebase QnAScale AI SEAL39.0%†42.2%†
SWE Atlas v1.0: RefactoringScale AI SEAL54.8%†–
SWE Atlas v1.0: Test WritingScale AI SEAL55.6%†41.5%†
MirrorCodeEpoch AI Benchmarking Hub70.0%†–
Surface Evolver BenchEpoch AI Benchmarking Hub95.0%†52.5%†
DeepSWE v1.1Epoch AI Benchmarking Hub69.7%†53.3%
ALE-BenchEpoch AI Benchmarking Hub2041.3†–
FrontierSWEEpoch AI Benchmarking Hub47.0%†–
WeirdML v3WeirdML15.6%†–
Terminal-Bench 4.0 (AA)Artificial Analysis42.4%†6.1%†
Terminal-Bench 2.1 (AA)Artificial Analysis84.6%†77.9%†
Startrise FrontendStartrise73.8%†–
GameBench 2 OverallDuelLab GameBench 265.8–
GameBench 2 by reasoning settingDuelLab GameBench 258.1†–
Design Arena WebsiteDesign Arena12881263
智能体与工具
Terminal-BenchTerminal-Bench44.9%†–
Remote Labor IndexScale AI / CAIS16.1%–
APEX-AgentsMercor63.6%31.8%
Arena AgentArena (LMArena)7.3†-8
LiveBench Agentic CodingLiveBench62.2%†58.5%†
Terminal-Bench HardArtificial Analysis62.9%†–
τ²-Bench Telecom (AA)Artificial Analysis98.5%†–
Terminal-Bench 2.1 (Vals)Vals AI80.5%†69.3%†
MCP AtlasScale AI SEAL83.3%88.1%
HiL-BenchScale AI SEAL56.3%–
τ³-bench Bankingτ²-bench39.7%†40.5%†
GDPval-AA v2.1Artificial Analysis1618†1216†
τ³-Banking (AA)Artificial Analysis38.1%†31.8%†
Analyst Agent (AA)Artificial Analysis48.8%†–
Finance Agent v2Vals AI56.3%†57.2%†
Harvey's Legal Agent Benchmark v1Vals AI11.3%†20.0%†
Legal Research BenchVals AI49.5%†38.0%†
SkillsBenchVals AI–59.2%†
Tax Agent BenchVals AI38.3%†–
Terminal-Bench 4.0 (Vals)Vals AI41.4%†–
Terminal-Bench ScienceVals AI15.7%†–
Time Horizon Index: KSPVals AI–1.7%†
Web Search IndexVals AI46.9%†–
Arena SearchArena (LMArena)1229†–
Arena Agent Task CompletionArena (LMArena)5.1†-6.5
PostTrainBenchEpoch AI Benchmarking Hub37.3%†–
GBAEvalEpoch AI Benchmarking Hub74.5%7.9%
Vending-Bench 2Andon Labs4529.96520.5
AutomationBenchArtificial Analysis54.1%†38.9%†
GDP.pdf (AA)Artificial Analysis24.0%†14.4%†
EnterpriseOps-GymArtificial Analysis51.1%†–
AA-Briefcase v1.1Artificial Analysis1536†851†
Design Arena AgenticDesign Arena12751172
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub87.0%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub90.2%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub99.7%†–
ProofBenchVals AI95.0%†39.0%
LiveBench MathematicsLiveBench96.0%†87.1%†
Arena MathsArena (LMArena)1520†1493
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%†–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub70.7%†57.8%
LiveBench 1.0 Data AnalysisLiveBench80.5%†72.5%†
MMLU-ProVals AI91.5%†88.7%†
LegalBenchVals AI88.6%†85.0%†
CorpFinVals AI71.8%†71.3%†
TaxEvalVals AI76.9%†79.7%†
PRBench FinanceScale AI SEAL53.9%55.0%
PRBench LegalScale AI SEAL52.6%57.0%
MultiNRCScale AI SEAL–65.6%
Excel Modeling BenchmarkVals AI73.7%†56.4%†
MedCodeVals AI56.1%†–
MedScribeVals AI88.5%†88.9%†
Public Benefits Bench v1.1Vals AI70.4%†61.3%†
EBR-benchEpoch AI Benchmarking Hub39.5%†–
GDP.pdfEpoch AI Benchmarking Hub30.0%15.0%
指令遵循
LiveBench LanguageLiveBench90.7%†74.3%†
LiveBench Instruction FollowingLiveBench75.8%†69.6%†
IFBenchArtificial Analysis63.5%†–
MultiChallengeScale AI SEAL–75.3%
Arena Instruction FollowingArena (LMArena)1509†1473
人类偏好
Arena TextArena (LMArena)1504†1491
EQ-Bench 4EQ-Bench13131244
EQ-Bench Creative Writing v3EQ-Bench19441928
Arena Creative WritingArena (LMArena)1501†1443
Arena Multi-turnArena (LMArena)1517†1497
Arena Longer QueriesArena (LMArena)1522†1481
多模态
Arena VisionArena (LMArena)1326†1292
MMMU-Pro (Vals)Vals AI89.3%†86.6%†
MortgageTaxVals AI68.9%†66.1%†
Humanity's Sixth SenseScale AI SEAL34.5%†–
VTBScale AI SEAL–44.8%
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%†77.7%†
Arena DocumentArena (LMArena)1500†1480
MLCRArtificial Analysis20.6%†7.2%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub164.1154.9
LiveBench 1.0LiveBench83.0%†75.3%†
AA Intelligence Index v4.3.2Artificial Analysis49.6†33.7†
AA Progress Index v1Artificial Analysis329.3†302.7†
Vals RSI IndexVals AI24.3%†–
Vals Multimodal IndexVals AI74.2%†66.7%†
安全与诚实
FORTRESSScale AI SEAL–12.4%
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。
  • Claude Fable 5:1 项分数修订。
  • Muse Spark 1.1:1 项分数修订。
  • Claude Fable 5:1 项分数修订。
  • Muse Spark 1.1:2 项分数修订。
  • Claude Fable 5:BenchLeader Index 67.3 → 66.5。
  • Claude Fable 5:1 项分数修订。
  • Muse Spark 1.1:1 项分数修订。
  • Claude Fable 5:1 项新结果(Harvey's Legal Agent Benchmark v1)。

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 1.1:常见问题

Claude Fable 5 比 Muse Spark 1.1 更好吗?
Claude Fable 5 与 Muse Spark 1.1 的质量不相上下(65.4 比 62.2,在 ±7.4 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。
Claude Fable 5 和 Muse Spark 1.1 哪个更便宜?价格会变吗?
目前 Muse Spark 1.1 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 还是 Muse Spark 1.1 更好?
Claude Fable 5 在编程方面得分更高(类别得分 76 比 66,50 为平均水平)。
Claude Fable 5 和 Muse Spark 1.1 哪个更快?
Muse Spark 1.1 输出更快(3 倍以上;输出 193 比 50 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Claude Fable 5 还是 Muse Spark 1.1 更好?
Claude Fable 5 在智能体任务方面得分更高(类别得分 61 比 51,50 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 1.1 为 88.1%。
更多问题(4)
处理长文档哪个更好?
两者都约为 1M token(Claude Fable 5 为 1,000,000,Muse Spark 1.1 为 1,048,576)。
哪个延迟更低?
Muse Spark 1.1 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 1.8 秒比 3.2 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 和 Muse Spark 1.1 的看法一致吗?
在两者都有结果的 12 项基准测试中,Claude Fable 5 领先 8 项,Muse Spark 1.1 领先 4 项。所有同时评测两者的综合评分都认为 Claude Fable 5 更强。
Muse Spark 1.1 是什么时候发布的?
Muse Spark 1.1 于 2026年7月9日 发布。