BenchLeader

Claude Opus 4.7 vs Muse Spark

完整资料:Claude Opus 4.7(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 10 个来源

截至 2026年11月16日,Claude Opus 4.7 与 Muse Spark 的质量不相上下(BenchLeader Index 63.1 比 64.2,在 ±5.1 的误差范围内)。看重数学(67 比 59)、智能体与工具(68 比 65)和多模态(67 比 64)选 Claude Opus 4.7;看重编程(65 比 61)和推理(67 比 64)选 Muse Spark。

要点(截至 2026年11月16日)

  • Claude Opus 4.7 的 BenchLeader Index 为 63.1,Muse Spark 为 64.2(BenchLeader,2026年11月16日)。
  • Claude Opus 4.7 每百万 token 混合价格为 $10.00(标价,2026年11月16日)。
  • 在两者都有结果的 16 项基准测试中,Claude Opus 4.7 领先 14 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Muse Spark类别得分 65 比 61;Arena Coding 1529 比 1547中
智能体与工具调用Claude Opus 4.7类别得分 68 比 65中
数学Claude Opus 4.7类别得分 67 比 59;Arena Maths 1490 比 1469高
推理Muse Spark类别得分 67 比 64;Humanity's Last Exam 40.6% 比 36.2%中
图像及其他媒体Claude Opus 4.7类别得分 67 比 64;Arena Vision 1319 比 1306中
对话质量(人类偏好)均可Arena 投票 67 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 Opus 4.7 与 Muse Spark 的质量不相上下(63.1 比 64.2,在 ±5.1 的误差范围内)。
  • Claude Opus 4.7 在智能体与工具、数学、多模态方面更强。
  • Muse Spark 在编程、人类偏好、推理方面更强。

概览

规格Claude Opus 4.7Muse Spark
提供商AnthropicMeta
发布日期2026年4月16日2026年4月8日
上下文窗口(token)1,000,000262,144
对比时的配置Claude Opus 4.7Muse Spark
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$5.00 / $25.00 / $0.500–

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 Opus 4.7Muse Spark领先者
推理63.667.4Muse Spark
编程60.965.1Muse Spark
智能体与工具67.965.0Claude Opus 4.7
数学66.759.1Claude Opus 4.7
知识–63.1无法比较
指令遵循–76.9无法比较
人类偏好67.368.1持平
多模态67.164.2Claude Opus 4.7
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数学多模态人类偏好Claude Opus 4.7, 推理: 63.6Claude Opus 4.7, 编程: 60.9Claude Opus 4.7, 智能体与工具: 67.9Claude Opus 4.7, 数学: 66.7Claude Opus 4.7, 多模态: 67.1Claude Opus 4.7, 人类偏好: 67.3Muse Spark, 推理: 67.4Muse Spark, 编程: 65.1Muse Spark, 智能体与工具: 65.0Muse Spark, 数学: 59.1Muse Spark, 多模态: 64.2Muse Spark, 人类偏好: 68.1

未绘制(测得的模型少于两个):知识, 指令遵循, 长上下文。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 16 项基准测试中,Claude Opus 4.7 领先 14 项,Muse Spark 领先 2 项。所有同时评测两者的综合评分都认为 Claude Opus 4.7 更强。

综合 IndexClaude Opus 4.7Muse Spark领先者
BenchLeader Index63.164.2不相上下
Arena Text14941489Claude Opus 4.7

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 Opus 4.7Muse Spark
每百万 token 混合价格$10.00–
每百万 token 输入 / 输出$5.00 / $25.00– / –
每百万 token 缓存输入$0.500–
每项任务价格:聊天回复$0.0095–
每项任务价格:总结一份 30 页的报告$0.075–
每项任务价格:代码编辑$0.068–
每项任务价格:智能体编程会话$0.400–
每项任务价格:结构化信息提取$0.015–
智能体编程会话(输入大多命中缓存)$0.198–
输出速度48 tok/s–
首次回答时间1.0 秒–

每个模型都按其排名最高的推理强度设置进行对比。Claude Opus 4.7 得分 63.1,首个回答 token 需 1 秒;Claude Opus 4.7 (high) 为 60.0(1 秒),Claude Opus 4.7 (max) 为 59.7(15 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 116 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 Opus 4.7Muse Spark
BenchLeader IndexBenchLeader63.164.2
智能体与工具得分BenchLeader67.965.0
编程得分BenchLeader60.965.1
人类偏好得分BenchLeader67.368.1
数学得分BenchLeader66.759.1
多模态得分BenchLeader67.164.2
推理得分BenchLeader63.667.4
指令遵循得分BenchLeader–76.9
知识得分BenchLeader–63.1
长上下文得分BenchLeader–63.6
混合价格(美元/百万 token)BenchLeader$10.00–
输出速度BenchLeader48 tok/s–
首次回答时间BenchLeader1.0 秒–
上下文窗口BenchLeader1,000,000 token262,144 token
推理
GPQA DiamondEpoch AI Benchmarking Hub86.4%†89.8%
Humanity's Last ExamScale AI / CAIS36.2%40.6%
SimpleBenchSimpleBench61.7%–
Arena Hard PromptsArena (LMArena)15191506
LiveBench 1.0 ReasoningLiveBench87.2%†–
GPQA Diamond (AA)Artificial Analysis91.4%†88.4%
Humanity's Last Exam (AA)Artificial Analysis42.3%†40.7%
GPQA Diamond (Vals)Vals AI90.2%†89.7%
Kagi LLM BenchmarkKagi LLM Benchmark73.3%–
ARC-AGI-3ARC Prize0.2%†–
CritPtArtificial Analysis12.0%†11.3%
Arena ExpertArena (LMArena)15341491
Chess PuzzlesEpoch AI Benchmarking Hub41.0%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub13.0%–
LMCAEpoch AI Benchmarking Hub52.2%†–
DTBenchEpoch AI Benchmarking Hub94.7%†–
ForecastBenchForecastBench62.8%–
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub83.5%†–
SciCodeSciCode54.5%†51.5%
WeirdMLWeirdML76.4%–
FrontierCodeCognition38.5%–
GSO-BenchGSO-Bench44.1%–
Arena CodingArena (LMArena)15471529
Arena WebDevArena (LMArena)1555–
LiveBench 1.0 CodingLiveBench82.1%†–
显示全部 116 项基准测试
指标发布方Claude Opus 4.7Muse Spark
编程
LiveCodeBenchVals AI85.1%†–
SWE-bench (Vals)Vals AI82.0%†74.4%
SWE-Bench ProScale AI SEAL–55.0%
Code MigrationVals AI43.9%†–
ProgramBenchVals AI0.0%†–
Vibe Code Bench v1.1Vals AI71.0%†19.7%
SWE-Bench Pro (private)Scale AI SEAL–44.7%
SWE Atlas v1.0: Codebase QnAScale AI SEAL40.3%24.2%
SWE Atlas v1.0: RefactoringScale AI SEAL48.6%–
SWE Atlas v1.0: Test WritingScale AI SEAL38.5%31.1%
MirrorCodeEpoch AI Benchmarking Hub31.1%†–
ALE-BenchEpoch AI Benchmarking Hub1323.0–
Terminal-Bench 2.1 (AA)Artificial Analysis83.2%†62.2%
Design Arena WebsiteDesign Arena–1253
智能体与工具
Terminal-BenchTerminal-Bench80.2%–
OSWorld-Verified 2.0OSWorld18.2%†–
APEX-AgentsMercor49.2%†–
LiveBench Agentic CodingLiveBench50.7%†–
Terminal-Bench HardArtificial Analysis51.5%†45.5%
τ²-Bench Telecom (AA)Artificial Analysis88.6%†91.5%
Terminal-Bench 2.1 (Vals)Vals AI68.5%†–
MCP AtlasScale AI SEAL79.1%†82.2%
HiL-BenchScale AI SEAL41.7%–
τ³-bench Bankingτ²-bench40.2%†–
GDPval-AA v2.1Artificial Analysis1361†1006
τ³-Banking (AA)Artificial Analysis34.6%†–
ITBench SRE (AA)Artificial Analysis46.7%†–
Analyst Agent (AA)Artificial Analysis43.8%†–
Finance Agent v2Vals AI51.5%†–
Harvey's Legal Agent Benchmark v1Vals AI6.7%†–
Legal Research BenchVals AI38.5%†–
Tax Agent BenchVals AI23.7%†–
Terminal-Bench 2.0 (Vals)Vals AI68.5%†59.5%
Arena SearchArena (LMArena)1210–
PostTrainBenchEpoch AI Benchmarking Hub24.3%†–
ExploitBenchEpoch AI Benchmarking Hub26.5%–
GBAEvalEpoch AI Benchmarking Hub43.8%–
Vending-Bench 2Andon Labs10936.8–
AA-Briefcase v1.1Artificial Analysis1252†646
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub70.2%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub31.7%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub86.7%†88.9%
ProofBenchVals AI54.0%†17.0%
LiveBench MathematicsLiveBench92.8%†–
AIME (Vals)Vals AI96.3%96.9%
AIME 2026MathArena95.8%†–
HMMT February 2026MathArena93.9%†–
MathArena ApexMathArena40.6%†–
Arena MathsArena (LMArena)14901469
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub51.7%†–
LiveBench 1.0 Data AnalysisLiveBench78.3%†–
MMLU-ProVals AI89.9%†87.3%
LegalBenchVals AI85.3%†84.2%
CorpFinVals AI66.1%†65.1%
TaxEvalVals AI75.3%†77.7%
PRBench FinanceScale AI SEAL–52.4%
PRBench LegalScale AI SEAL–52.3%
MultiNRCScale AI SEAL–59.0%
CaseLaw v2Vals AI68.4%63.1%
Excel Modeling BenchmarkVals AI63.7%†–
MedCodeVals AI54.9%†51.3%
MedScribeVals AI83.0%†85.9%
EBR-benchEpoch AI Benchmarking Hub19.1%†–
GDP.pdfEpoch AI Benchmarking Hub21.0%†–
指令遵循
LiveBench LanguageLiveBench77.9%†–
LiveBench Instruction FollowingLiveBench66.7%†–
IFBenchArtificial Analysis58.6%†75.9%
MultiChallengeScale AI SEAL–75.5%
TutorBenchScale AI SEAL–68.5%
Arena Instruction FollowingArena (LMArena)14931465
人类偏好
Arena TextArena (LMArena)14941489
EQ-Bench 4EQ-Bench1293–
EQ-Bench Creative Writing v3EQ-Bench1915–
Arena Creative WritingArena (LMArena)14821464
Arena Multi-turnArena (LMArena)15141493
Arena Longer QueriesArena (LMArena)15081476
多模态
Arena VisionArena (LMArena)13191306
MMMU-ProArtificial Analysis78.8%†80.5%
MMMU-Pro (Vals)Vals AI85.5%†87.4%
MortgageTaxVals AI70.3%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub24.5%–
Furniture AssemblyEpoch AI Benchmarking Hub33.3%†–
长上下文
AA-LCR v1.1Artificial Analysis78.7%†78.0%
Arena DocumentArena (LMArena)14941467
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub157.4153.1
LiveBench 1.0LiveBench76.5%†–
AA Intelligence Index v4.3.2Artificial Analysis40.7†31.3
AA Progress Index v1Artificial Analysis312.5†289.1
Vals RSI IndexVals AI19.1%†–
Vals Multimodal IndexVals AI67.4%†–
安全与诚实
FORTRESSScale AI SEAL–20.2%

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。

变化

  • Muse Spark:2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Muse Spark:BenchLeader Index 64.6 → 64.1。
  • Claude Opus 4.7:1 项分数修订。
  • Muse Spark:1 项分数修订。
  • Muse Spark:1 项新结果(AA Progress Index v1)。
  • Claude Opus 4.7:1 项分数修订。
  • Claude Opus 4.7:1 项新结果(Harvey's Legal Agent Benchmark v1)。
  • Claude Opus 4.7:1 项分数修订。
  • Claude Opus 4.7:1 项分数修订。

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 Opus 4.7 vs Muse Spark:常见问题

Claude Opus 4.7 比 Muse Spark 更好吗?
Claude Opus 4.7 与 Muse Spark 的质量不相上下(63.1 比 64.2,在 ±5.1 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 Opus 4.7 还是 Muse Spark 更好?
Muse Spark 在编程方面得分更高(类别得分 65 比 61,50 为平均水平)。在两者共同的最主要编程基准测试 Arena Coding 上,Claude Opus 4.7 为 1547,Muse Spark 为 1529。
智能体和工具调用用 Claude Opus 4.7 还是 Muse Spark 更好?
Claude Opus 4.7 在智能体任务方面得分更高(类别得分 68 比 65,50 为平均水平)。
处理长文档哪个更好?
Claude Opus 4.7 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 Opus 4.7 和 Muse Spark 的看法一致吗?
在两者都有结果的 16 项基准测试中,Claude Opus 4.7 领先 14 项,Muse Spark 领先 2 项。所有同时评测两者的综合评分都认为 Claude Opus 4.7 更强。
更多问题(1)
Claude Opus 4.7 是什么时候发布的?
Claude Opus 4.7 于 2026年4月16日 发布。