BenchLeader

Claude Haiku 5.5 vs Muse Spark 1.3

完整资料:Claude Haiku 5.5(Anthropic)和 Muse Spark 1.3(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 Haiku 5.5 与 Muse Spark 1.3 的质量不相上下(BenchLeader Index 56.7 比 61.6,在 ±8.8 的误差范围内)。Claude Haiku 5.5 更便宜,对方的价格是它的 10 倍(每百万 token 混合价格 $0.200 比 $2.00)。看重数学(66 比 56)选 Claude Haiku 5.5;看重知识(81 比 49)和推理(71 比 57)选 Muse Spark 1.3。Muse Spark 1.3 的首次回答更快(2.6 秒 比 50.5 秒)。Claude Haiku 5.5 的输出更快(约 2 倍)。

要点(截至 2026年11月16日)

  • Claude Haiku 5.5 的 BenchLeader Index 为 56.7,Muse Spark 1.3 为 61.6(BenchLeader,2026年11月16日)。
  • Claude Haiku 5.5 每百万 token 混合价格为 $0.200(标价,2026年11月16日)。
  • Muse Spark 1.3 每百万 token 混合价格为 $2.00(标价,2026年11月16日)。
  • Claude Haiku 5.5 比 Muse Spark 1.3 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 2 项基准测试中,Muse Spark 1.3 领先 2 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
数学Claude Haiku 5.5类别得分 66 比 56高
推理Muse Spark 1.3类别得分 71 比 57;LMCA 53.9% 比 48.0%高
知识Muse Spark 1.3类别得分 81 比 49高
成本最低Claude Haiku 5.5每百万 token 混合价格 $0.200 比 $2.00;智能体编程会话 $0.008 比 $0.092–
首次回答最快Muse Spark 1.3首个回答 token 2.6 秒(Muse Spark 1.3)比 50.5 秒(Claude Haiku 5.5 (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 Haiku 5.5 (xhigh) 与 Muse Spark 1.3 的质量不相上下(56.7 比 61.6,在 ±8.8 的误差范围内)。
  • Claude Haiku 5.5 (xhigh) 在数学方面更强。
  • Muse Spark 1.3 在知识、推理方面更强。
  • Claude Haiku 5.5 (xhigh) 更便宜,对方的价格是它的 10 倍(每百万 token 混合价格 $0.200 比 $2.00)。
  • Claude Haiku 5.5 (xhigh) 的输出速度是对方的 1.4 倍(231 比 163 token/秒)。

概览

规格Claude Haiku 5.5Muse Spark 1.3
提供商AnthropicMeta
发布日期2026年10月7日2026年9月2日
上下文窗口(token)1,000,0001,048,576
对比时的配置Claude Haiku 5.5 (xhigh)Muse Spark 1.3
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$0.100 / $0.500 / $0.010$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 Haiku 5.5 (xhigh)Muse Spark 1.3领先者
推理57.371.0Muse Spark 1.3
编程58.7–无法比较
智能体与工具–61.3无法比较
数学66.156.3Claude Haiku 5.5
知识49.081.2Muse Spark 1.3
长上下文63.8–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推理数学知识Claude Haiku 5.5, 推理: 57.3Claude Haiku 5.5, 数学: 66.1Claude Haiku 5.5, 知识: 49.0Muse Spark 1.3, 推理: 71.0Muse Spark 1.3, 数学: 56.3Muse Spark 1.3, 知识: 81.2

未绘制(测得的模型少于两个):编程, 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 2 项基准测试中,Claude Haiku 5.5 领先 0 项,Muse Spark 1.3 领先 2 项。所有同时评测两者的综合评分都认为 Muse Spark 1.3 更强。

综合 IndexClaude Haiku 5.5 (xhigh)Muse Spark 1.3领先者
BenchLeader Index56.761.6不相上下
AA Intelligence Index v5.0.134.636.6†Muse Spark 1.3
Arena Text1421†1497Muse Spark 1.3

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 Haiku 5.5 (xhigh)Muse Spark 1.3
每百万 token 混合价格$0.200$2.00
每百万 token 输入 / 输出$0.100 / $0.500$1.25 / $4.25
每百万 token 缓存输入$0.010$0.150
每项任务价格:聊天回复$0.0002$0.0018
每项任务价格:总结一份 30 页的报告$0.0015$0.018
每项任务价格:代码编辑$0.0014$0.014
每项任务价格:智能体编程会话$0.0080$0.092
每项任务价格:结构化信息提取$0.0003$0.0034
智能体编程会话(输入大多命中缓存)$0.0040$0.043
每项基准测试任务成本(AA Index)$0.248–
每项任务输出 token(AA Index)136k–
其中推理部分97k–
每项任务耗时(AA Index)10 min–
输出速度231 tok/s163 tok/s
首次回答时间50.5 秒2.6 秒
完整回答耗时(最近一次测量 2026年11月13日)110.1 秒–

每个模型都按其排名最高的推理强度设置进行对比。Claude Haiku 5.5 (xhigh) 得分 56.7,首个回答 token 需 50 秒;Claude Haiku 5.5 (high) 为 55.3(18 秒),Claude Haiku 5.5 (max) 为 55.3(185 秒)。Muse Spark 1.3 得分 61.6,首个回答 token 需 3 秒;Muse Spark 1.3 (max) 为 60.6(31 秒),Muse Spark 1.3 (xhigh) 为 58.1(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 163 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 Haiku 5.5 (xhigh)Muse Spark 1.3
BenchLeader IndexBenchLeader56.761.6
编程得分BenchLeader58.7–
知识得分BenchLeader49.081.2
长上下文得分BenchLeader63.8–
数学得分BenchLeader66.156.3
推理得分BenchLeader57.371.0
智能体与工具得分BenchLeader–61.3
混合价格(美元/百万 token)BenchLeader$0.200$2.00
输出速度BenchLeader231 tok/s163 tok/s
首次回答时间BenchLeader50.5 秒2.6 秒
上下文窗口BenchLeader1,000,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub89.7%†–
Humanity's Last ExamScale AI / CAIS30.1%†–
SimpleBenchSimpleBench–81.8%
Arena Hard PromptsArena (LMArena)1449†1517†
LiveBench 2.0 ReasoningLiveBench82.4%†89.7%†
LiveBench 1.0 ReasoningLiveBench81.2%89.7%†
GPQA Diamond (AA)Artificial Analysis–93.5%†
Humanity's Last Exam (AA)Artificial Analysis42.7%48.7%†
HLE-Diamond (AA)Artificial Analysis28.8%33.7%†
ARC-AGI-1ARC Prize87.5%–
ARC-AGI-2ARC Prize61.3%–
ARC-AGI-3ARC Prize2.8%†–
CritPtArtificial Analysis22.6%24.9%†
CritPt v2 hard subset (AA)Artificial Analysis47.5%48.0%†
MysteryMechanismVals AI35.1%†36.0%†
HLE-Diamond (Scale)Scale AI SEAL–25.4%
Arena ExpertArena (LMArena)1465†1521†
Chess PuzzlesEpoch AI Benchmarking Hub55.0%†37.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub30.0%†25.0%†
LMCAEpoch AI Benchmarking Hub48.0%53.9%
DTBenchEpoch AI Benchmarking Hub87.2%96.5%
ForecastBenchForecastBench–65.5%†
BTF-3Epoch AI Benchmarking Hub–14.1%†
编程
SciCodeSciCode51.7%58.8%†
FrontierCodeCognition46.4%†–
显示全部 163 项基准测试
指标发布方Claude Haiku 5.5 (xhigh)Muse Spark 1.3
编程
Arena CodingArena (LMArena)1489†1534†
Arena WebDevArena (LMArena)1593†1655†
LiveBench 2.0 CodingLiveBench77.6%†84.4%†
LiveBench 1.0 CodingLiveBench76.4%81.1%†
IOIVals AI47.3%†56.6%†
Code MigrationVals AI44.6%†47.4%†
Code Migration v1.1Vals AI52.4%†–
ProgramBenchVals AI2.5%†2.5%†
SWE-bench MultimodalVals AI44.0%†43.1%†
Vibe Code Bench 1-100Vals AI20.4%†20.5%†
Vibe Code Bench v1.1Vals AI90.4%†85.9%†
SWE Atlas v1.1Scale AI SEAL59.4%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL62.1%†–
SWE Atlas v1.1: Test WritingScale AI SEAL63.3%†–
SWE Atlas v1.1: RefactoringScale AI SEAL52.9%†–
SWE-Bench Pro V2Scale AI SEAL87.2%†–
SWE-Bench Pro V2 HARDScale AI SEAL52.9%†–
MirrorCodeEpoch AI Benchmarking Hub78.9%†54.4%†
CursorBenchCursor44.3%41.6%†
ALE-BenchEpoch AI Benchmarking Hub1587†1688.3†
FrontierSWEEpoch AI Benchmarking Hub43.8%†25.8%†
WeirdML v3WeirdML11.7%6.7%†
Terminal-Bench 4.0 (AA)Artificial Analysis29.3%33.3%†
Terminal-Bench 2.1 (AA)Artificial Analysis–84.3%†
Startrise FrontendStartrise–74.7%
GameBench 2 OverallDuelLab GameBench 256.0†57.7
GameBench 2 by reasoning settingDuelLab GameBench 275.168.5†
Design Arena WebsiteDesign Arena1253†1353†
FrontierCode 1.1 (AA)Artificial Analysis45.5%40.6%†
FrontierCode 2.0 (AA)Artificial Analysis29.9%23.1%†
智能体与工具
Terminal-BenchTerminal-Bench40.0%†14.8%†
APEX-AgentsMercor56.1%†58.6%
Arena AgentArena (LMArena)0.5†2.2†
LiveBench Long AgenticLiveBench47.9%†47.9%†
LiveBench BrowserLiveBench69.5%†30.9%†
LiveBench Agentic CodingLiveBench51.4%64.1%†
Terminal-Bench 2.1 (Vals)Vals AI–79.0%†
HiL-BenchScale AI SEAL–66.9%
GDPval-AA v2.1, normalised scoreArtificial Analysis50.7%–
GDPval-AA v2.1Artificial Analysis15231681†
τ³-Banking (AA)Artificial Analysis–50.5%†
ITBench SRE (AA)Artificial Analysis–33.2%†
Analyst Agent (AA)Artificial Analysis53.8%†37.5%†
CUA-benchVals AI–5.8%†
CyberBenchVals AI75.5%†72.7%†
Finance Agent v2Vals AI54.1%†60.0%†
Finance Agent v2.1Vals AI65.4%†–
Harvey's Legal Agent Benchmark v1.1Vals AI4.2%†–
Harvey's Legal Agent Benchmark v1Vals AI1.3%†23.8%†
Legal Research BenchVals AI43.8%†55.3%†
SREBenchVals AI5.7%†3.8%†
Tax Agent BenchVals AI31.9%†42.4%†
Terminal-Bench 4.0 (Vals)Vals AI36.4%†24.8%†
Terminal-Bench ScienceVals AI10.0%†10.0%†
Arena Agent Task CompletionArena (LMArena)1.6†3.7†
Vending-Bench 2Andon Labs3602.5†–
AutomationBenchArtificial Analysis36.0%57.9%†
GDP.pdf (AA)Artificial Analysis18.2%26.6%†
Harvey LAB-AA v1.1Harvey2.8%8.9%†
AA-Briefcase v1.1Artificial Analysis15231581†
GDPxGDPx by SemiAnalysis4.9%†–
Design Arena AgenticDesign Arena–1283†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis18.1%10.9%†
CWE-Bench (AA)Artificial Analysis–60.8%†
DeepSec-Bench (AA)Artificial Analysis–12.5%†
CyberGym end-to-end (AA)Artificial Analysis–59.5%†
MKA (AA)Artificial Analysis41.0%†–
FACTS SearchGoogle80.3%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub75.1%†74.0%†
FrontierMath Tier 4Epoch AI Benchmarking Hub46.3%†46.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub98.9%99.2%†
ProofBenchVals AI89.0%†55.0%
LiveBench MathematicsLiveBench92.8%96.0%†
Arena MathsArena (LMArena)1451†1506†
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub23.8%†–
LiveBench 2.0 Data AnalysisLiveBench53.1%†79.6%†
LiveBench ResearchLiveBench84.3%†82.5%†
LiveBench 1.0 Data AnalysisLiveBench72.8%79.6%†
AA-Omniscience v1.1Artificial Analysis7.822.4†
PRBench FinanceScale AI SEAL–59.5%
PRBench LegalScale AI SEAL–61.6%
BioMysteryBenchVals AI70.4%†–
ClaimBenchVals AI100.0%†–
Excel Modeling BenchmarkVals AI59.0%†67.4%†
Excel Modeling Benchmark v1.1Vals AI65.5%†–
MedCodeVals AI51.5%†–
MedScribeVals AI89.5%†–
Public Benefits Bench v1.1Vals AI63.2%†–
Access to Justice BenchmarkVals AI–72.2%†
Financial Coaching BenchVals AI–70.3%†
Immigration BenchVals AI61.8%†64.9%†
DrugDiscoveryBenchScale AI SEAL–62.2%†
EBR-benchEpoch AI Benchmarking Hub43.8%†–
GDP.pdfEpoch AI Benchmarking Hub–27.6%
AA-Omniscience v1.1: accuracyArtificial Analysis33.8%38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis60.9%74.8%†
HealthBench Professional (AA)OpenAI58.4%†–
FACTS ParametricGoogle13.1%†–
指令遵循
LiveBench LanguageLiveBench63.5%82.8%†
LiveBench Instruction FollowingLiveBench66.5%78.0%†
MultiChallengeScale AI SEAL67.7%†–
Arena Instruction FollowingArena (LMArena)1426†1485†
人类偏好
Arena TextArena (LMArena)1421†1497†
EQ-Bench Creative Writing v3EQ-Bench–1907
Arena Creative WritingArena (LMArena)1361†1468†
Arena Multi-turnArena (LMArena)1412†1493†
Arena Longer QueriesArena (LMArena)1419†1498†
多模态
Arena VisionArena (LMArena)–1310†
LiveBench DesignLiveBench79.3%†74.8%†
MMMU-ProArtificial Analysis–82.0%†
SAGEVals AI89.8%†–
Humanity's Sixth SenseScale AI SEAL–37.4%†
GeoBenchGeoBench–86.0%
Blueprint-Bench 2Epoch AI Benchmarking Hub33.0%†–
Furniture AssemblyEpoch AI Benchmarking Hub47.5%†–
VIALS-AAHandshake AI49.1%†–
Code2Video-AAArtificial Analysis1192†1019†
AA-3DArtificial Analysis998†1032†
FACTS MultimodalGoogle38.9%†–
长上下文
AA-LCR v1.1Artificial Analysis78.3%83.0%†
Arena DocumentArena (LMArena)–1474†
MLCRArtificial Analysis15.0%13.9%†
FACTS GroundingGoogle57.0%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub160.4†158.2
LiveBench 2.0LiveBench68.9%†68.6%†
LiveBench 1.0LiveBench72.1%81.6%†
AA Intelligence Index v5.0.1Artificial Analysis34.636.6†
AA Intelligence Index v4.3.2Artificial Analysis41.348.1†
AA Progress Index v1Artificial Analysis322.2324.5†
Vals IndexVals AI58.7†–
Vals Finance IndexVals AI57.5%†–
Vals RSI IndexVals AI–19.6%†
Vals Science IndexVals AI38.5%†–
Vals Router IndexVals AI58.7%†–
Vals Legal IndexVals AI70.3%†–
AA Cyber IndexArtificial Analysis–44.3†
安全与诚实
FORTRESSScale AI SEAL9.5%†–
DistressBenchScale AI SEAL71.7%†84.9%

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

  • Muse Spark 1.3:BenchLeader Index 60.2 → 61.6。
  • Muse Spark 1.3:1 项分数修订。
  • Muse Spark 1.3:BenchLeader Index 59.2 → 60.2。
  • Claude Haiku 5.5 (xhigh):1 项新结果(GameBench 2 by reasoning setting)。
  • Muse Spark 1.3:2 项新结果(SimpleBench, GeoBench)。
  • Claude Haiku 5.5 (xhigh):BenchLeader Index 57.3 → 56.8。
  • Muse Spark 1.3:BenchLeader Index 57.7 → 59.2。
  • Muse Spark 1.3:4 项分数修订。
  • Claude Haiku 5.5 (xhigh):BenchLeader Index 56.8 → 57.3。
  • Muse Spark 1.3:BenchLeader Index 58.2 → 57.7。

排行榜: 综合最佳大模型 · 最适合智能体的大模型 · 便宜好用的大模型

Claude Haiku 5.5 vs Muse Spark 1.3:常见问题

Claude Haiku 5.5 比 Muse Spark 1.3 更好吗?
Claude Haiku 5.5 (xhigh) 与 Muse Spark 1.3 的质量不相上下(56.7 比 61.6,在 ±8.8 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 Haiku 5.5 和 Muse Spark 1.3 哪个更便宜?价格会变吗?
目前 Claude Haiku 5.5 更便宜:每百万 token $0.200 比 $2.00(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。
Claude Haiku 5.5 和 Muse Spark 1.3 哪个更快?
Claude Haiku 5.5 输出更快(约 2 倍;输出 231 比 163 token/秒,Artificial Analysis 7 日中位数)。
处理长文档哪个更好?
两者都约为 1M token(Claude Haiku 5.5 为 1,000,000,Muse Spark 1.3 为 1,048,576)。
哪个延迟更低?
Muse Spark 1.3 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 2.6 秒比 50.5 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
更多问题(2)
第三方基准测试对 Claude Haiku 5.5 和 Muse Spark 1.3 的看法一致吗?
在两者都有结果的 2 项基准测试中,Claude Haiku 5.5 领先 0 项,Muse Spark 1.3 领先 2 项。所有同时评测两者的综合评分都认为 Muse Spark 1.3 更强。
Claude Haiku 5.5 是什么时候发布的?
Claude Haiku 5.5 于 2026年10月7日 发布。