BenchLeader

Claude Fable 5 vs Muse Spark 1.2

完整资料:Claude Fable 5(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 12 个来源

截至 2026年11月16日,Claude Fable 5 与 Muse Spark 1.2 的质量不相上下(BenchLeader Index 65.4 比 61.5,在 ±7.0 的误差范围内)。Muse Spark 1.2 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 均领先。Muse Spark 1.2 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 1.2 为 61.5(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 1.2 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 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 1 项基准测试中,Claude Fable 5 领先 1 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 55高
智能体与工具调用Claude Fable 5类别得分 61 比 55中
推理Claude Fable 5类别得分 80 比 68高
知识Claude Fable 5类别得分 66 比 65;GDP.pdf 30.0% 比 16.0%中
对话质量(人类偏好)均可Arena 投票 68 比 69均可
成本最低Muse Spark 1.2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Claude Fable 5首个回答 token 3.2 秒(Claude Fable 5)比 11.4 秒(Muse Spark 1.2 (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

  • Claude Fable 5 与 Muse Spark 1.2 (xhigh) 的质量不相上下(65.4 比 61.5,在 ±7.0 的误差范围内)。
  • Claude Fable 5 在智能体与工具、编程、知识、推理方面更强。
  • Muse Spark 1.2 (xhigh) 在人类偏好方面更强。
  • Muse Spark 1.2 (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)。
  • Muse Spark 1.2 (xhigh) 的输出速度是对方的 4.2 倍(208 比 50 token/秒)。

概览

规格Claude Fable 5Muse Spark 1.2
提供商AnthropicMeta
发布日期2026年6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 5Muse Spark 1.2 (xhigh)
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 1.2 (xhigh)领先者
推理80.168.1Claude Fable 5
编程75.554.7Claude Fable 5
智能体与工具60.555.4Claude Fable 5
数学–66.8无法比较
知识66.464.5Claude Fable 5
人类偏好67.768.6持平
多模态–65.3无法比较
长上下文–64.1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 1.2, 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, 知识: 64.5Muse Spark 1.2, 人类偏好: 68.6

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 1 项基准测试中,Claude Fable 5 领先 1 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 更强。

综合 IndexClaude Fable 5Muse Spark 1.2 (xhigh)领先者
BenchLeader Index65.461.5不相上下
Arena Text1504†1493Claude 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 1.2 (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$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/s208 tok/s
首次回答时间3.2 秒11.4 秒
完整回答耗时(最近一次测量 2026年11月13日)–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 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 1.2 (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 132 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 1.2 (xhigh)
BenchLeader IndexBenchLeader65.461.5
智能体与工具得分BenchLeader60.555.4
编程得分BenchLeader75.554.7
人类偏好得分BenchLeader67.768.6
知识得分BenchLeader66.464.5
推理得分BenchLeader80.168.1
长上下文得分BenchLeader–64.1
数学得分BenchLeader–66.8
多模态得分BenchLeader–65.3
混合价格(美元/百万 token)BenchLeader$20.00$2.00
输出速度BenchLeader50 tok/s208 tok/s
首次回答时间BenchLeader3.2 秒11.4 秒
上下文窗口BenchLeader1,000,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub85.9%†–
SimpleBenchSimpleBench81.9%†74.5%†
Arena Hard PromptsArena (LMArena)1530†1514
LiveBench 1.0 ReasoningLiveBench89.7%†90.0%
GPQA Diamond (AA)Artificial Analysis92.6%†90.4%
Humanity's Last Exam (AA)Artificial Analysis55.5%†45.5%
GPQA Diamond (Vals)Vals AI93.2%†–
EnigmaEvalScale AI SEAL39.3%†–
Kagi LLM BenchmarkKagi LLM Benchmark88.8%–
ARC-AGI-1ARC Prize98.5%†–
ARC-AGI-2ARC Prize89.2%†–
CritPtArtificial Analysis28.6%†17.7%
Arena ExpertArena (LMArena)1550†1503
Chess PuzzlesEpoch AI Benchmarking Hub47.0%†27.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub52.0%†–
LMCAEpoch AI Benchmarking Hub60.3%†48.4%
DTBenchEpoch AI Benchmarking Hub98.4%†94.7%
ForecastBenchForecastBench65.9%†–
BTF-3Epoch AI Benchmarking Hub13.0%†–
编程
SciCodeSciCode61.0%†57.4%
WeirdMLWeirdML91.9%†60.3%
FrontierCodeCognition53.5%–
GSO-BenchGSO-Bench78.4%–
Arena CodingArena (LMArena)1552†1542
Arena WebDevArena (LMArena)1625†1534
显示全部 132 项基准测试
指标发布方Claude Fable 5Muse Spark 1.2 (xhigh)
编程
LiveBench 1.0 CodingLiveBench86.0%†77.5%
LiveCodeBenchVals AI89.8%†–
IOIVals AI–21.8%
SWE-bench (Vals)Vals AI95.0%†86.6%
Code MigrationVals AI55.1%†29.9%
ProgramBenchVals AI2.0%†0.5%
Vibe Code Bench v1.1Vals AI90.3%†79.1%
SWE Atlas v1.0: Codebase QnAScale AI SEAL39.0%†–
SWE Atlas v1.0: RefactoringScale AI SEAL54.8%†–
SWE Atlas v1.0: Test WritingScale AI SEAL55.6%†–
MirrorCodeEpoch AI Benchmarking Hub70.0%†–
Surface Evolver BenchEpoch AI Benchmarking Hub95.0%†–
DeepSWE v1.1Epoch AI Benchmarking Hub69.7%†54.9%
ALE-BenchEpoch AI Benchmarking Hub2041.3†–
FrontierSWEEpoch AI Benchmarking Hub47.0%†12.0%
WeirdML v3WeirdML15.6%†–
Terminal-Bench 4.0 (AA)Artificial Analysis42.4%†7.1%
Terminal-Bench 2.1 (AA)Artificial Analysis84.6%†80.2%
Startrise FrontendStartrise73.8%†70.3%†
GameBench 2 OverallDuelLab GameBench 265.851.5†
GameBench 2 by reasoning settingDuelLab GameBench 258.1†56.9
Design Arena WebsiteDesign Arena12881309†
智能体与工具
Terminal-BenchTerminal-Bench44.9%†–
Remote Labor IndexScale AI / CAIS16.1%–
APEX-AgentsMercor63.6%45.4%†
Arena AgentArena (LMArena)7.3†-8.2
LiveBench Agentic CodingLiveBench62.2%†57.6%
Terminal-Bench HardArtificial Analysis62.9%†–
τ²-Bench Telecom (AA)Artificial Analysis98.5%†–
Terminal-Bench 2.1 (Vals)Vals AI80.5%†69.7%
MCP AtlasScale AI SEAL83.3%–
HiL-BenchScale AI SEAL56.3%–
τ³-bench Bankingτ²-bench39.7%†–
GDPval-AA v2.1Artificial Analysis1618†1478
τ³-Banking (AA)Artificial Analysis38.1%†34.9%
Analyst Agent (AA)Artificial Analysis48.8%†–
CyberBenchVals AI–69.5%
Finance Agent v2Vals AI56.3%†60.6%
Harvey's Legal Agent Benchmark v1Vals AI11.3%†25.4%
Legal Research BenchVals AI49.5%†43.8%
SkillsBenchVals AI–53.0%
SREBenchVals AI–0.0%
Tax Agent BenchVals AI38.3%†32.8%
Terminal-Bench 4.0 (Vals)Vals AI41.4%†6.1%
Terminal-Bench ScienceVals AI15.7%†–
Web Search IndexVals AI46.9%†–
Arena SearchArena (LMArena)1229†–
Arena Agent Task CompletionArena (LMArena)5.1†-9.8
PostTrainBenchEpoch AI Benchmarking Hub37.3%†–
GBAEvalEpoch AI Benchmarking Hub74.5%–
Vending-Bench 2Andon Labs4529.9–
AutomationBenchArtificial Analysis54.1%†40.6%
GDP.pdf (AA)Artificial Analysis24.0%†17.4%
EnterpriseOps-GymArtificial Analysis51.1%†47.3%
AA-Briefcase v1.1Artificial Analysis1536†1323
Design Arena AgenticDesign Arena12751185†
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%†43.0%†
LiveBench MathematicsLiveBench96.0%†91.2%
Arena MathsArena (LMArena)1520†1486
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%†–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub70.7%†60.3%
LiveBench 1.0 Data AnalysisLiveBench80.5%†76.5%
MMLU-ProVals AI91.5%†88.3%
LegalBenchVals AI88.6%†85.3%
CorpFinVals AI71.8%†70.9%
TaxEvalVals AI76.9%†80.4%
PRBench FinanceScale AI SEAL53.9%–
PRBench LegalScale AI SEAL52.6%–
BioMysteryBenchVals AI–64.8%
Excel Modeling BenchmarkVals AI73.7%†57.0%
MedCodeVals AI56.1%†49.4%
MedScribeVals AI88.5%†90.1%
Public Benefits Bench v1.1Vals AI70.4%†68.5%
Financial Coaching BenchVals AI–75.7%
Immigration BenchVals AI–66.5%
EBR-benchEpoch AI Benchmarking Hub39.5%†–
GDP.pdfEpoch AI Benchmarking Hub30.0%16.0%
指令遵循
LiveBench LanguageLiveBench90.7%†78.6%
LiveBench Instruction FollowingLiveBench75.8%†74.3%
IFBenchArtificial Analysis63.5%†–
Arena Instruction FollowingArena (LMArena)1509†1479
人类偏好
Arena TextArena (LMArena)1504†1493
EQ-Bench 4EQ-Bench1313–
EQ-Bench Creative Writing v3EQ-Bench19441842†
Arena Creative WritingArena (LMArena)1501†1443
Arena Multi-turnArena (LMArena)1517†1510
Arena Longer QueriesArena (LMArena)1522†1491
多模态
Arena VisionArena (LMArena)1326†1305
MMMU-Pro (Vals)Vals AI89.3%†86.1%
MortgageTaxVals AI68.9%†65.4%
Humanity's Sixth SenseScale AI SEAL34.5%†24.5%
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%†79.0%
Arena DocumentArena (LMArena)1500†–
MLCRArtificial Analysis20.6%†7.2%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub164.1155.0†
LiveBench 1.0LiveBench83.0%†78.0%
AA Intelligence Index v4.3.2Artificial Analysis49.6†39.6
AA Progress Index v1Artificial Analysis329.3†309.1
Vals RSI IndexVals AI24.3%†–
Vals Multimodal IndexVals AI74.2%†69.8%†
安全与诚实
DistressBenchScale AI SEAL69.4%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:BenchLeader Index 66.5 → 65.4。
  • Claude Fable 5:1 项分数修订。
  • Muse Spark 1.2 (xhigh):1 项新结果(GDPval-AA v2.1)。
  • Claude Fable 5:1 项分数修订。
  • Claude Fable 5:1 项分数修订。
  • Muse Spark 1.2 (xhigh):1 项分数修订。
  • Muse Spark 1.2 (xhigh):1 项分数修订。
  • Muse Spark 1.2 (xhigh):BenchLeader Index 62.2 → 61.6。
  • Muse Spark 1.2 (xhigh):1 项新结果(AA Progress Index v1)。
  • Muse Spark 1.2 (xhigh):价格 $1.29/M → $0.81/M。

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 1.2:常见问题

Claude Fable 5 比 Muse Spark 1.2 更好吗?
Claude Fable 5 与 Muse Spark 1.2 (xhigh) 的质量不相上下(65.4 比 61.5,在 ±7.0 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。
Claude Fable 5 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 $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 1.2 更好?
Claude Fable 5 在编程方面得分更高(类别得分 76 比 55,50 为平均水平)。
Claude Fable 5 和 Muse Spark 1.2 哪个更快?
Muse Spark 1.2 输出更快(3 倍以上;输出 208 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 1.2 更好?
Claude Fable 5 在智能体任务方面得分更高(类别得分 61 比 55,50 为平均水平)。
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 1.2 为 1,048,576)。
哪个延迟更低?
Claude Fable 5 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 3.2 秒比 11.4 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 1.2 的看法一致吗?
在两者都有结果的 1 项基准测试中,Claude Fable 5 领先 1 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 更强。
Muse Spark 1.2 是什么时候发布的?
Muse Spark 1.2 于 2026年8月5日 发布。