BenchLeader

Claude Opus 4.7 vs Muse Spark 1.3

完整资料:Claude Opus 4.7(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 10 个来源

截至 2026年11月16日,Claude Opus 4.7 与 Muse Spark 1.3 的质量不相上下(BenchLeader Index 63.1 比 61.6,在 ±9.0 的误差范围内)。Muse Spark 1.3 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)。看重数学(67 比 56)和智能体与工具(68 比 61)选 Claude Opus 4.7;看重推理(71 比 64)选 Muse Spark 1.3。Claude Opus 4.7 的首次回答更快(1.0 秒 比 2.6 秒)。Muse Spark 1.3 的输出更快(约 2 倍)。

要点(截至 2026年11月16日)

  • Claude Opus 4.7 的 BenchLeader Index 为 63.1,Muse Spark 1.3 为 61.6(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 1.3 每百万 token 混合价格为 $2.00(标价,2026年11月16日)。
  • Muse Spark 1.3 比 Claude Opus 4.7 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 4 项基准测试中,Muse Spark 1.3 领先 3 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
智能体与工具调用Claude Opus 4.7类别得分 68 比 61;HiL-Bench 41.7% 比 66.9%中
数学Claude Opus 4.7类别得分 67 比 56高
推理Muse Spark 1.3类别得分 71 比 64;SimpleBench 81.8% 比 61.7%中
对话质量(人类偏好)–只有 Claude Opus 4.7 有 Arena 评分(类别得分 67)无法比较
成本最低Muse Spark 1.3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 2.6 秒(Muse Spark 1.3)–
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 1.3 的质量不相上下(63.1 比 61.6,在 ±9.0 的误差范围内)。
  • Claude Opus 4.7 在智能体与工具、数学方面更强。
  • Muse Spark 1.3 在推理方面更强。
  • Muse Spark 1.3 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 1.3 的输出速度是对方的 3.4 倍(163 比 48 token/秒)。

概览

规格Claude Opus 4.7Muse Spark 1.3
提供商AnthropicMeta
发布日期2026年4月16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 Opus 4.7Muse Spark 1.3
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 1.3领先者
推理63.671.0Muse Spark 1.3
编程60.9–无法比较
智能体与工具67.961.3Claude Opus 4.7
数学66.756.3Claude Opus 4.7
知识–81.2无法比较
人类偏好67.3–无法比较
多模态67.1–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推理智能体与工具数学Claude Opus 4.7, 推理: 63.6Claude Opus 4.7, 智能体与工具: 67.9Claude Opus 4.7, 数学: 66.7Muse Spark 1.3, 推理: 71.0Muse Spark 1.3, 智能体与工具: 61.3Muse Spark 1.3, 数学: 56.3

未绘制(测得的模型少于两个):编程, 知识, 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 4 项基准测试中,Claude Opus 4.7 领先 1 项,Muse Spark 1.3 领先 3 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 Opus 4.7Muse Spark 1.3领先者
BenchLeader Index63.161.6不相上下
Arena Text14941497†Muse 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 Opus 4.7Muse Spark 1.3
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/s163 tok/s
首次回答时间1.0 秒2.6 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 1.3 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 166 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 1.3
BenchLeader IndexBenchLeader63.161.6
智能体与工具得分BenchLeader67.961.3
编程得分BenchLeader60.9–
人类偏好得分BenchLeader67.3–
数学得分BenchLeader66.756.3
多模态得分BenchLeader67.1–
推理得分BenchLeader63.671.0
知识得分BenchLeader–81.2
混合价格(美元/百万 token)BenchLeader$10.00$2.00
输出速度BenchLeader48 tok/s163 tok/s
首次回答时间BenchLeader1.0 秒2.6 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%81.8%
Arena Hard PromptsArena (LMArena)15191517†
LiveBench 2.0 ReasoningLiveBench–89.7%†
LiveBench 1.0 ReasoningLiveBench87.2%†89.7%†
GPQA Diamond (AA)Artificial Analysis91.4%†93.5%†
Humanity's Last Exam (AA)Artificial Analysis42.3%†48.7%†
HLE-Diamond (AA)Artificial Analysis–33.7%†
GPQA Diamond (Vals)Vals AI90.2%†–
Kagi LLM BenchmarkKagi LLM Benchmark73.3%–
ARC-AGI-3ARC Prize0.2%†–
CritPtArtificial Analysis12.0%†24.9%†
CritPt v2 hard subset (AA)Artificial Analysis–48.0%†
MysteryMechanismVals AI–36.0%†
HLE-Diamond (Scale)Scale AI SEAL–25.4%
Arena ExpertArena (LMArena)15341521†
Chess PuzzlesEpoch AI Benchmarking Hub41.0%†37.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub13.0%25.0%†
LMCAEpoch AI Benchmarking Hub52.2%†53.9%
DTBenchEpoch AI Benchmarking Hub94.7%†96.5%
ForecastBenchForecastBench62.8%65.5%†
BTF-3Epoch AI Benchmarking Hub–14.1%†
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub83.5%†–
SciCodeSciCode54.5%†58.8%†
显示全部 166 项基准测试
指标发布方Claude Opus 4.7Muse Spark 1.3
编程
WeirdMLWeirdML76.4%–
FrontierCodeCognition38.5%–
GSO-BenchGSO-Bench44.1%–
Arena CodingArena (LMArena)15471534†
Arena WebDevArena (LMArena)15551655†
LiveBench 2.0 CodingLiveBench–84.4%†
LiveBench 1.0 CodingLiveBench82.1%†81.1%†
SciCode (AA)Artificial Analysis–58.8%†
LiveCodeBenchVals AI85.1%†–
IOIVals AI–56.6%†
SWE-bench (Vals)Vals AI82.0%†–
Code MigrationVals AI43.9%†47.4%†
ProgramBenchVals AI0.0%†2.5%†
SWE-bench MultimodalVals AI–43.1%†
Vibe Code Bench 1-100Vals AI–20.5%†
Vibe Code Bench v1.1Vals AI71.0%†85.9%†
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%†54.4%†
CursorBenchCursor–41.6%†
ALE-BenchEpoch AI Benchmarking Hub1323.01688.3†
FrontierSWEEpoch AI Benchmarking Hub–25.8%†
WeirdML v3WeirdML–6.7%†
Terminal-Bench 4.0 (AA)Artificial Analysis–33.3%†
Terminal-Bench 2.1 (AA)Artificial Analysis83.2%†84.3%†
Startrise FrontendStartrise–74.7%
GameBench 2 OverallDuelLab GameBench 2–57.7
GameBench 2 by reasoning settingDuelLab GameBench 2–68.5†
Design Arena WebsiteDesign Arena–1353†
FrontierCode 1.1 (AA)Artificial Analysis–40.6%†
FrontierCode 2.0 (AA)Artificial Analysis–23.1%†
智能体与工具
Terminal-BenchTerminal-Bench80.2%14.8%†
OSWorld-Verified 2.0OSWorld18.2%†–
APEX-AgentsMercor49.2%†58.6%
Arena AgentArena (LMArena)–2.2†
LiveBench Long AgenticLiveBench–47.9%†
LiveBench BrowserLiveBench–30.9%†
LiveBench Agentic CodingLiveBench50.7%†64.1%†
Terminal-Bench HardArtificial Analysis51.5%†–
τ²-Bench Telecom (AA)Artificial Analysis88.6%†–
Terminal-Bench 2.1 (Vals)Vals AI68.5%†79.0%†
MCP AtlasScale AI SEAL79.1%†–
HiL-BenchScale AI SEAL41.7%66.9%
τ³-bench Bankingτ²-bench40.2%†–
GDPval-AA v2.1Artificial Analysis1361†1681†
τ³-Banking (AA)Artificial Analysis34.6%†50.5%†
ITBench SRE (AA)Artificial Analysis46.7%†33.2%†
Analyst Agent (AA)Artificial Analysis43.8%†37.5%†
CUA-benchVals AI–5.8%†
CyberBenchVals AI–72.7%†
Finance Agent v2Vals AI51.5%†60.0%†
Harvey's Legal Agent Benchmark v1Vals AI6.7%†23.8%†
Legal Research BenchVals AI38.5%†55.3%†
SREBenchVals AI–3.8%†
Tax Agent BenchVals AI23.7%†42.4%†
Terminal-Bench 2.0 (Vals)Vals AI68.5%†–
Terminal-Bench 4.0 (Vals)Vals AI–24.8%†
Terminal-Bench ScienceVals AI–10.0%†
Arena SearchArena (LMArena)1210–
Arena Agent Task CompletionArena (LMArena)–3.7†
PostTrainBenchEpoch AI Benchmarking Hub24.3%†–
ExploitBenchEpoch AI Benchmarking Hub26.5%–
GBAEvalEpoch AI Benchmarking Hub43.8%–
Vending-Bench 2Andon Labs10936.8–
AutomationBenchArtificial Analysis–57.9%†
GDP.pdf (AA)Artificial Analysis–26.6%†
Harvey LAB-AA v1.1Harvey–8.9%†
AA-Briefcase v1.1Artificial Analysis1252†1581†
Design Arena AgenticDesign Arena–1283†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–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%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub70.2%†74.0%†
FrontierMath Tier 4Epoch AI Benchmarking Hub31.7%†46.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub86.7%†99.2%†
ProofBenchVals AI54.0%†55.0%
LiveBench MathematicsLiveBench92.8%†96.0%†
AIME (Vals)Vals AI96.3%–
AIME 2026MathArena95.8%†–
HMMT February 2026MathArena93.9%†–
MathArena ApexMathArena40.6%†–
Arena MathsArena (LMArena)14901506†
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub51.7%†–
LiveBench 2.0 Data AnalysisLiveBench–79.6%†
LiveBench ResearchLiveBench–82.5%†
LiveBench 1.0 Data AnalysisLiveBench78.3%†79.6%†
AA-Omniscience v1.1Artificial Analysis–22.4†
MMLU-ProVals AI89.9%†–
LegalBenchVals AI85.3%†–
CorpFinVals AI66.1%†–
TaxEvalVals AI75.3%†–
PRBench FinanceScale AI SEAL–59.5%
PRBench LegalScale AI SEAL–61.6%
CaseLaw v2Vals AI68.4%–
Excel Modeling BenchmarkVals AI63.7%†67.4%†
MedCodeVals AI54.9%†–
MedScribeVals AI83.0%†–
Access to Justice BenchmarkVals AI–72.2%†
Financial Coaching BenchVals AI–70.3%†
Immigration BenchVals AI–64.9%†
DrugDiscoveryBenchScale AI SEAL–62.2%†
EBR-benchEpoch AI Benchmarking Hub19.1%†–
GDP.pdfEpoch AI Benchmarking Hub21.0%†27.6%
AA-Omniscience v1.1: accuracyArtificial Analysis–38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–74.8%†
指令遵循
LiveBench LanguageLiveBench77.9%†82.8%†
LiveBench Instruction FollowingLiveBench66.7%†78.0%†
IFBenchArtificial Analysis58.6%†–
Arena Instruction FollowingArena (LMArena)14931485†
人类偏好
Arena TextArena (LMArena)14941497†
EQ-Bench 4EQ-Bench1293–
EQ-Bench Creative Writing v3EQ-Bench19151907
Arena Creative WritingArena (LMArena)14821468†
Arena Multi-turnArena (LMArena)15141493†
Arena Longer QueriesArena (LMArena)15081498†
多模态
Arena VisionArena (LMArena)13191310†
LiveBench DesignLiveBench–74.8%†
MMMU-ProArtificial Analysis78.8%†82.0%†
MMMU-Pro (Vals)Vals AI85.5%†–
MortgageTaxVals AI70.3%†–
Humanity's Sixth SenseScale AI SEAL–37.4%†
GeoBenchGeoBench–86.0%
Blueprint-Bench 2Epoch AI Benchmarking Hub24.5%–
Furniture AssemblyEpoch AI Benchmarking Hub33.3%†–
Code2Video-AAArtificial Analysis–1019†
AA-3DArtificial Analysis–1032†
长上下文
AA-LCR v1.1Artificial Analysis78.7%†83.0%†
Arena DocumentArena (LMArena)14941474†
MLCRArtificial Analysis–13.9%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub157.4158.2
LiveBench 2.0LiveBench–68.6%†
LiveBench 1.0LiveBench76.5%†81.6%†
AA Intelligence Index v5.0.1Artificial Analysis–36.6†
AA Intelligence Index v4.3.2Artificial Analysis40.7†48.1†
AA Progress Index v1Artificial Analysis312.5†324.5†
Vals RSI IndexVals AI19.1%†19.6%†
Vals Multimodal IndexVals AI67.4%†–
AA Cyber IndexArtificial Analysis–44.3†
安全与诚实
DistressBenchScale AI SEAL–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。
  • Muse Spark 1.3:2 项新结果(SimpleBench, GeoBench)。
  • Muse Spark 1.3:BenchLeader Index 57.7 → 59.2。
  • Muse Spark 1.3:4 项分数修订。
  • Muse Spark 1.3:BenchLeader Index 58.2 → 57.7。
  • Claude Opus 4.7:1 项分数修订。
  • Muse Spark 1.3:1 项分数修订。
  • Muse Spark 1.3:1 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 1.3:常见问题

Claude Opus 4.7 比 Muse Spark 1.3 更好吗?
Claude Opus 4.7 与 Muse Spark 1.3 的质量不相上下(63.1 比 61.6,在 ±9.0 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 Opus 4.7 和 Muse Spark 1.3 哪个更便宜?价格会变吗?
目前 Muse Spark 1.3 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。
Claude Opus 4.7 和 Muse Spark 1.3 哪个更快?
Muse Spark 1.3 输出更快(约 2 倍;输出 163 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 1.3 更好?
Claude Opus 4.7 在智能体任务方面得分更高(类别得分 68 比 61,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 HiL-Bench 上,Claude Opus 4.7 为 41.7%,Muse Spark 1.3 为 66.9%。
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 1.3 为 1,048,576)。
更多问题(3)
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 2.6 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 1.3 的看法一致吗?
在两者都有结果的 4 项基准测试中,Claude Opus 4.7 领先 1 项,Muse Spark 1.3 领先 3 项。所有同时评测两者的综合评分都认为 Muse Spark 1.3 更强。
Muse Spark 1.3 是什么时候发布的?
Muse Spark 1.3 于 2026年9月2日 发布。