BenchLeader

Claude Opus 4.7 vs Muse Spark 1.2

完整资料:Claude Opus 4.7(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 11 个来源

截至 2026年11月16日,Claude Opus 4.7 与 Muse Spark 1.2 的质量不相上下(BenchLeader Index 63.1 比 61.5,在 ±6.2 的误差范围内)。Muse Spark 1.2 更便宜,对方的价格是它的 5.0 倍(每百万 token 混合价格 $2.00 比 $10.00)。看重智能体与工具(68 比 55)、编程(61 比 55)和多模态(67 比 65)选 Claude Opus 4.7;看重推理(68 比 64)和人类偏好(69 比 67)选 Muse Spark 1.2。Claude Opus 4.7 的首次回答更快(1.0 秒 比 11.4 秒)。Muse Spark 1.2 的输出更快(3 倍以上)。

要点(截至 2026年11月16日)

  • Claude Opus 4.7 的 BenchLeader Index 为 63.1,Muse Spark 1.2 为 61.5(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)。
  • 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 Opus 4.7 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 11 项基准测试中,Claude Opus 4.7 领先 11 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Claude Opus 4.7 的评分为 1555,Muse Spark 1.2 为 1534(LMArena,截至 2026年11月16日 的公布数据)。

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 Opus 4.7类别得分 61 比 55;Arena WebDev 1555 比 1534中
智能体与工具调用Claude Opus 4.7类别得分 68 比 55高
数学均可类别得分 67 比 67;Arena Maths 1490 比 1486均可
推理Muse Spark 1.2类别得分 68 比 64;Arena Hard Prompts 1514 比 1519中
图像及其他媒体Claude Opus 4.7类别得分 67 比 65;Arena Vision 1319 比 1305中
对话质量(人类偏好)Muse Spark 1.2Arena 投票 69 比 67中
成本最低Muse Spark 1.2每百万 token 混合价格 $2.00 比 $10.00;智能体编程会话 $0.092 比 $0.400–
首次回答最快Claude Opus 4.7首个回答 token 1.0 秒(Claude Opus 4.7)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 Opus 4.7 与 Muse Spark 1.2 (xhigh) 的质量不相上下(63.1 比 61.5,在 ±6.2 的误差范围内)。
  • Claude Opus 4.7 在智能体与工具、编程、多模态方面更强。
  • Muse Spark 1.2 (xhigh) 在人类偏好、数学、推理方面更强。
  • Muse Spark 1.2 (xhigh) 更便宜,对方的价格是它的 5.0 倍(每百万 token 混合价格 $2.00 比 $10.00)。
  • Muse Spark 1.2 (xhigh) 的输出速度是对方的 4.3 倍(208 比 48 token/秒)。

概览

规格Claude Opus 4.7Muse Spark 1.2
提供商AnthropicMeta
发布日期2026年4月16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 Opus 4.7Muse Spark 1.2 (xhigh)
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$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 Opus 4.7Muse Spark 1.2 (xhigh)领先者
推理63.668.1Muse Spark 1.2
编程60.954.7Claude Opus 4.7
智能体与工具67.955.4Claude Opus 4.7
数学66.766.8持平
知识–64.5无法比较
人类偏好67.368.6Muse Spark 1.2
多模态67.165.3Claude Opus 4.7
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 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, 数学: 66.8Muse Spark 1.2, 多模态: 65.3Muse Spark 1.2, 人类偏好: 68.6

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 11 项基准测试中,Claude Opus 4.7 领先 11 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 Opus 4.7 更强。

综合 IndexClaude Opus 4.7Muse Spark 1.2 (xhigh)领先者
BenchLeader Index63.161.5不相上下
Arena Text14941493Claude 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 1.2 (xhigh)
每百万 token 混合价格$10.00$2.00
每百万 token 输入 / 输出$5.00 / $25.00$1.25 / $4.25
每百万 token 缓存输入$0.500$0.150
每项任务价格:聊天回复$0.0095$0.0018
每项任务价格:总结一份 30 页的报告$0.075$0.018
每项任务价格:代码编辑$0.068$0.014
每项任务价格:智能体编程会话$0.400$0.092
每项任务价格:结构化信息提取$0.015$0.0034
智能体编程会话(输入大多命中缓存)$0.198$0.043
输出速度48 tok/s208 tok/s
首次回答时间1.0 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 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 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 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 Opus 4.7Muse Spark 1.2 (xhigh)
BenchLeader IndexBenchLeader63.161.5
智能体与工具得分BenchLeader67.955.4
编程得分BenchLeader60.954.7
人类偏好得分BenchLeader67.368.6
数学得分BenchLeader66.766.8
多模态得分BenchLeader67.165.3
推理得分BenchLeader63.668.1
知识得分BenchLeader–64.5
长上下文得分BenchLeader–64.1
混合价格(美元/百万 token)BenchLeader$10.00$2.00
输出速度BenchLeader48 tok/s208 tok/s
首次回答时间BenchLeader1.0 秒11.4 秒
上下文窗口BenchLeader1,000,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub86.4%†–
Humanity's Last ExamScale AI / CAIS36.2%–
SimpleBenchSimpleBench61.7%74.5%†
Arena Hard PromptsArena (LMArena)15191514
LiveBench 1.0 ReasoningLiveBench87.2%†90.0%
GPQA Diamond (AA)Artificial Analysis91.4%†90.4%
Humanity's Last Exam (AA)Artificial Analysis42.3%†45.5%
GPQA Diamond (Vals)Vals AI90.2%†–
Kagi LLM BenchmarkKagi LLM Benchmark73.3%–
ARC-AGI-3ARC Prize0.2%†–
CritPtArtificial Analysis12.0%†17.7%
Arena ExpertArena (LMArena)15341503
Chess PuzzlesEpoch AI Benchmarking Hub41.0%†27.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub13.0%–
LMCAEpoch AI Benchmarking Hub52.2%†48.4%
DTBenchEpoch AI Benchmarking Hub94.7%†94.7%
ForecastBenchForecastBench62.8%–
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub83.5%†–
SciCodeSciCode54.5%†57.4%
WeirdMLWeirdML76.4%60.3%
FrontierCodeCognition38.5%–
GSO-BenchGSO-Bench44.1%–
Arena CodingArena (LMArena)15471542
Arena WebDevArena (LMArena)15551534
LiveBench 1.0 CodingLiveBench82.1%†77.5%
显示全部 133 项基准测试
指标发布方Claude Opus 4.7Muse Spark 1.2 (xhigh)
编程
SciCode (AA)Artificial Analysis–57.4%
LiveCodeBenchVals AI85.1%†–
IOIVals AI–21.8%
SWE-bench (Vals)Vals AI82.0%†86.6%
Code MigrationVals AI43.9%†29.9%
ProgramBenchVals AI0.0%†0.5%
Vibe Code Bench v1.1Vals AI71.0%†79.1%
SWE Atlas v1.0: Codebase QnAScale AI SEAL40.3%–
SWE Atlas v1.0: RefactoringScale AI SEAL48.6%–
SWE Atlas v1.0: Test WritingScale AI SEAL38.5%–
MirrorCodeEpoch AI Benchmarking Hub31.1%†–
DeepSWE v1.1Epoch AI Benchmarking Hub–54.9%
ALE-BenchEpoch AI Benchmarking Hub1323.0–
FrontierSWEEpoch AI Benchmarking Hub–12.0%
Terminal-Bench 4.0 (AA)Artificial Analysis–7.1%
Terminal-Bench 2.1 (AA)Artificial Analysis83.2%†80.2%
Startrise FrontendStartrise–70.3%†
GameBench 2 OverallDuelLab GameBench 2–51.5†
GameBench 2 by reasoning settingDuelLab GameBench 2–56.9
Design Arena WebsiteDesign Arena–1309†
智能体与工具
Terminal-BenchTerminal-Bench80.2%–
OSWorld-Verified 2.0OSWorld18.2%†–
APEX-AgentsMercor49.2%†45.4%†
Arena AgentArena (LMArena)–-8.2
LiveBench Agentic CodingLiveBench50.7%†57.6%
Terminal-Bench HardArtificial Analysis51.5%†–
τ²-Bench Telecom (AA)Artificial Analysis88.6%†–
Terminal-Bench 2.1 (Vals)Vals AI68.5%†69.7%
MCP AtlasScale AI SEAL79.1%†–
HiL-BenchScale AI SEAL41.7%–
τ³-bench Bankingτ²-bench40.2%†–
GDPval-AA v2.1Artificial Analysis1361†1478
τ³-Banking (AA)Artificial Analysis34.6%†34.9%
ITBench SRE (AA)Artificial Analysis46.7%†–
Analyst Agent (AA)Artificial Analysis43.8%†–
CyberBenchVals AI–69.5%
Finance Agent v2Vals AI51.5%†60.6%
Harvey's Legal Agent Benchmark v1Vals AI6.7%†25.4%
Legal Research BenchVals AI38.5%†43.8%
SkillsBenchVals AI–53.0%
SREBenchVals AI–0.0%
Tax Agent BenchVals AI23.7%†32.8%
Terminal-Bench 2.0 (Vals)Vals AI68.5%†–
Terminal-Bench 4.0 (Vals)Vals AI–6.1%
Arena SearchArena (LMArena)1210–
Arena Agent Task CompletionArena (LMArena)–-9.8
PostTrainBenchEpoch AI Benchmarking Hub24.3%†–
ExploitBenchEpoch AI Benchmarking Hub26.5%–
GBAEvalEpoch AI Benchmarking Hub43.8%–
Vending-Bench 2Andon Labs10936.8–
AutomationBenchArtificial Analysis–40.6%
GDP.pdf (AA)Artificial Analysis–17.4%
EnterpriseOps-GymArtificial Analysis–47.3%
AA-Briefcase v1.1Artificial Analysis1252†1323
Design Arena AgenticDesign Arena–1185†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub70.2%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub31.7%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub86.7%†–
ProofBenchVals AI54.0%†43.0%†
LiveBench MathematicsLiveBench92.8%†91.2%
AIME (Vals)Vals AI96.3%–
AIME 2026MathArena95.8%†–
HMMT February 2026MathArena93.9%†–
MathArena ApexMathArena40.6%†–
Arena MathsArena (LMArena)14901486
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub51.7%†60.3%
LiveBench 1.0 Data AnalysisLiveBench78.3%†76.5%
MMLU-ProVals AI89.9%†88.3%
LegalBenchVals AI85.3%†85.3%
CorpFinVals AI66.1%†70.9%
TaxEvalVals AI75.3%†80.4%
BioMysteryBenchVals AI–64.8%
CaseLaw v2Vals AI68.4%–
Excel Modeling BenchmarkVals AI63.7%†57.0%
MedCodeVals AI54.9%†49.4%
MedScribeVals AI83.0%†90.1%
Public Benefits Bench v1.1Vals AI–68.5%
Financial Coaching BenchVals AI–75.7%
Immigration BenchVals AI–66.5%
EBR-benchEpoch AI Benchmarking Hub19.1%†–
GDP.pdfEpoch AI Benchmarking Hub21.0%†16.0%
指令遵循
LiveBench LanguageLiveBench77.9%†78.6%
LiveBench Instruction FollowingLiveBench66.7%†74.3%
IFBenchArtificial Analysis58.6%†–
Arena Instruction FollowingArena (LMArena)14931479
人类偏好
Arena TextArena (LMArena)14941493
EQ-Bench 4EQ-Bench1293–
EQ-Bench Creative Writing v3EQ-Bench19151842†
Arena Creative WritingArena (LMArena)14821443
Arena Multi-turnArena (LMArena)15141510
Arena Longer QueriesArena (LMArena)15081491
多模态
Arena VisionArena (LMArena)13191305
MMMU-ProArtificial Analysis78.8%†–
MMMU-Pro (Vals)Vals AI85.5%†86.1%
MortgageTaxVals AI70.3%†65.4%
Humanity's Sixth SenseScale AI SEAL–24.5%
Blueprint-Bench 2Epoch AI Benchmarking Hub24.5%–
Furniture AssemblyEpoch AI Benchmarking Hub33.3%†–
长上下文
AA-LCR v1.1Artificial Analysis78.7%†79.0%
Arena DocumentArena (LMArena)1494–
MLCRArtificial Analysis–7.2%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub157.4155.0†
LiveBench 1.0LiveBench76.5%†78.0%
AA Intelligence Index v4.3.2Artificial Analysis40.7†39.6
AA Progress Index v1Artificial Analysis312.5†309.1
Vals RSI IndexVals AI19.1%†–
Vals Multimodal IndexVals AI67.4%†69.8%†
安全与诚实
DistressBenchScale AI SEAL–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

  • Muse Spark 1.2 (xhigh):1 项新结果(GDPval-AA v2.1)。
  • Claude Opus 4.7:1 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。
  • Muse Spark 1.2 (xhigh):价格 $0.97/M → $1.29/M。
  • Claude Opus 4.7:1 项分数修订。
  • Muse Spark 1.2 (xhigh):1 项新结果(AA-Briefcase v1.1)。

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 1.2:常见问题

Claude Opus 4.7 比 Muse Spark 1.2 更好吗?
Claude Opus 4.7 与 Muse Spark 1.2 (xhigh) 的质量不相上下(63.1 比 61.5,在 ±6.2 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 Opus 4.7 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 $10.00(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 Opus 4.7 还是 Muse Spark 1.2 更好?
Claude Opus 4.7 在编程方面得分更高(类别得分 61 比 55,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,Claude Opus 4.7 为 1555,Muse Spark 1.2 为 1534。
Claude Opus 4.7 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 48 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Claude Opus 4.7 还是 Muse Spark 1.2 更好?
Claude Opus 4.7 在智能体任务方面得分更高(类别得分 68 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 Opus 4.7 为 1,000,000,Muse Spark 1.2 为 1,048,576)。
哪个延迟更低?
Claude Opus 4.7 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 1.0 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 Opus 4.7 和 Muse Spark 1.2 的看法一致吗?
在两者都有结果的 11 项基准测试中,Claude Opus 4.7 领先 11 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 Opus 4.7 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。