BenchLeader

Claude Opus 4.7 vs Muse Spark Open

完整资料:Claude Opus 4.7(Anthropic)和 Muse Spark Open(Meta),包括全部基准测试、价格和排名。

更新于 · 数据来自 13 个来源

截至 2026年11月16日,质量上 Claude Opus 4.7 领先 Muse Spark Open(BenchLeader Index 63.1 比 53.5)。不过,Muse Spark Open 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)。在两者都有成绩的所有类别中,Claude Opus 4.7 均领先。Muse Spark Open 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 Open 为 53.5(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 Open 每百万 token 混合价格为 $2.00(标价,2026年11月16日)。
  • Muse Spark Open 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)。

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 36高
推理Claude Opus 4.7类别得分 64 比 51高
图像及其他媒体Claude Opus 4.7类别得分 67 比 63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 Open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 9.9 秒(Muse Spark Open (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

  • 质量上 Claude Opus 4.7 领先:63.1 比 53.5。
  • Claude Opus 4.7 在编程、多模态、推理方面更强。
  • Muse Spark Open (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 Open (xhigh) 的输出速度是对方的 3.8 倍(180 比 48 token/秒)。

概览

规格Claude Opus 4.7Muse Spark Open
提供商AnthropicMeta
发布日期2026年4月16日2026年10月15日
上下文窗口(token)1,000,0001,048,576
对比时的配置Claude Opus 4.7Muse Spark Open (xhigh)
开放权重否是
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 Open (xhigh)领先者
推理63.651.3Claude Opus 4.7
编程60.936.0Claude Opus 4.7
智能体与工具67.9–无法比较
数学66.7–无法比较
知识–58.8无法比较
人类偏好67.3–无法比较
多模态67.163.3Claude Opus 4.7
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推理编程多模态Claude Opus 4.7, 推理: 63.6Claude Opus 4.7, 编程: 60.9Claude Opus 4.7, 多模态: 67.1Muse Spark Open, 推理: 51.3Muse Spark Open, 编程: 36.0Muse Spark Open, 多模态: 63.3

未绘制(测得的模型少于两个):智能体与工具, 数学, 知识, 指令遵循, 长上下文, 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 0 项基准测试中,Claude Opus 4.7 领先 0 项,Muse Spark Open 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 Open (xhigh)领先者
BenchLeader Index63.153.5Claude 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 Open (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
每项基准测试任务成本(AA Index)–$2.02
每项任务输出 token(AA Index)–66k
其中推理部分–32k
每项任务耗时(AA Index)–6 min
输出速度48 tok/s180 tok/s
首次回答时间1.0 秒9.9 秒
完整回答耗时(最近一次测量 2026年11月13日)–39.9 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 Open (xhigh) 得分 53.5,首个回答 token 需 10 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 160 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 Open (xhigh)
BenchLeader IndexBenchLeader63.153.5
智能体与工具得分BenchLeader67.9–
编程得分BenchLeader60.936.0
人类偏好得分BenchLeader67.3–
数学得分BenchLeader66.7–
多模态得分BenchLeader67.163.3
推理得分BenchLeader63.651.3
知识得分BenchLeader–58.8
长上下文得分BenchLeader–63.8
混合价格(美元/百万 token)BenchLeader$10.00$2.00
输出速度BenchLeader48 tok/s180 tok/s
首次回答时间BenchLeader1.0 秒9.9 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%–
Arena Hard PromptsArena (LMArena)1519–
LiveBench 2.0 ReasoningLiveBench–73.7%†
LiveBench 1.0 ReasoningLiveBench87.2%†–
GPQA Diamond (AA)Artificial Analysis91.4%†89.0%
Humanity's Last Exam (AA)Artificial Analysis42.3%†43.9%
HLE-Diamond (AA)Artificial Analysis–26.3%
GPQA Diamond (Vals)Vals AI90.2%†–
Kagi LLM BenchmarkKagi LLM Benchmark73.3%–
ARC-AGI-1ARC Prize–89.0%
ARC-AGI-2ARC Prize–57.5%
ARC-AGI-3ARC Prize0.2%†0.4%
CritPtArtificial Analysis12.0%†14.9%
CritPt v2 hard subset (AA)Artificial Analysis–29.5%
HLE-Diamond (Scale)Scale AI SEAL–28.0%†
Arena ExpertArena (LMArena)1534–
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%†–
显示全部 160 项基准测试
指标发布方Claude Opus 4.7Muse Spark Open (xhigh)
编程
WeirdMLWeirdML76.4%–
FrontierCodeCognition38.5%–
GSO-BenchGSO-Bench44.1%–
Arena CodingArena (LMArena)1547–
Arena WebDevArena (LMArena)15551526†
LiveBench 2.0 CodingLiveBench–55.1%†
LiveBench 1.0 CodingLiveBench82.1%†–
SciCode (AA)Artificial Analysis–58.5%
LiveCodeBenchVals AI85.1%†–
SWE-bench (Vals)Vals AI82.0%†–
Code MigrationVals AI43.9%†21.2%
Code Migration v1.1Vals AI–26.9%
ProgramBenchVals AI0.0%†–
Vibe Code Bench v1.1Vals AI71.0%†76.2%
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%–
SWE Atlas v1.1Scale AI SEAL–42.3%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–50.0%†
SWE Atlas v1.1: Test WritingScale AI SEAL–41.1%†
SWE Atlas v1.1: RefactoringScale AI SEAL–35.7%†
SWE-Bench Pro V2Scale AI SEAL–95.0%
SWE-Bench Pro V2 HARDScale AI SEAL–82.3%
MirrorCodeEpoch AI Benchmarking Hub31.1%†–
ALE-BenchEpoch AI Benchmarking Hub1323.0–
Terminal-Bench 4.0 (AA)Artificial Analysis–8.1%
Terminal-Bench 2.1 (AA)Artificial Analysis83.2%†76.4%
GameBench 2 OverallDuelLab GameBench 2–55.3†
GameBench 2 by reasoning settingDuelLab GameBench 2–59.3
Design Arena WebsiteDesign Arena–1305
FrontierCode 1.1 (AA)Artificial Analysis–27.6%
FrontierCode 2.0 (AA)Artificial Analysis–7.6%
智能体与工具
Terminal-BenchTerminal-Bench80.2%–
OSWorld-Verified 2.0OSWorld18.2%†–
APEX-AgentsMercor49.2%†–
LiveBench Long AgenticLiveBench–12.1%†
LiveBench BrowserLiveBench–26.2%†
LiveBench Agentic CodingLiveBench50.7%†–
Terminal-Bench HardArtificial Analysis51.5%†–
τ²-Bench Telecom (AA)Artificial Analysis88.6%†–
Terminal-Bench 2.1 (Vals)Vals AI68.5%†–
MCP AtlasScale AI SEAL79.1%†–
HiL-BenchScale AI SEAL41.7%59.7%†
τ³-bench Bankingτ²-bench40.2%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis–45.1%
GDPval-AA v2.1Artificial Analysis1361†1401
τ³-Banking (AA)Artificial Analysis34.6%†–
ITBench SRE (AA)Artificial Analysis46.7%†–
Analyst Agent (AA)Artificial Analysis43.8%†–
Finance Agent v2Vals AI51.5%†61.3%
Finance Agent v2.1Vals AI–60.7%
Harvey's Legal Agent Benchmark v1.1Vals AI–25.0%
Harvey's Legal Agent Benchmark v1Vals AI6.7%†16.7%
Legal Research BenchVals AI38.5%†38.5%
Tax Agent BenchVals AI23.7%†26.3%
Terminal-Bench 2.0 (Vals)Vals AI68.5%†–
Terminal-Bench 4.0 (Vals)Vals AI–6.6%
Arena SearchArena (LMArena)1210–
PostTrainBenchEpoch AI Benchmarking Hub24.3%†–
ExploitBenchEpoch AI Benchmarking Hub26.5%–
GBAEvalEpoch AI Benchmarking Hub43.8%–
Vending-Bench 2Andon Labs10936.8–
AutomationBenchArtificial Analysis–49.7%
GDP.pdf (AA)Artificial Analysis–18.6%
AA-Briefcase v1.1Artificial Analysis1252†1280
GDPxGDPx by SemiAnalysis–1.7%†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–1.9%
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%†–
LiveBench MathematicsLiveBench92.8%†–
AIME (Vals)Vals AI96.3%–
AIME 2026MathArena95.8%†–
HMMT February 2026MathArena93.9%†–
MathArena ApexMathArena40.6%†–
ArXivMathMathArena–27.0%
BrokenArXivMathArena–30.1%
Arena MathsArena (LMArena)1490–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub51.7%†–
LiveBench 2.0 Data AnalysisLiveBench–60.2%†
LiveBench ResearchLiveBench–82.7%†
LiveBench 1.0 Data AnalysisLiveBench78.3%†–
AA-Omniscience v1.1Artificial Analysis–25.8
MMLU-ProVals AI89.9%†–
LegalBenchVals AI85.3%†–
CorpFinVals AI66.1%†–
TaxEvalVals AI75.3%†–
PRBench LegalScale AI SEAL–59.8%†
CaseLaw v2Vals AI68.4%–
Excel Modeling BenchmarkVals AI63.7%†53.7%
Excel Modeling Benchmark v1.1Vals AI–62.0%
MedCodeVals AI54.9%†–
MedScribeVals AI83.0%†–
EBR-benchEpoch AI Benchmarking Hub19.1%†–
GDP.pdfEpoch AI Benchmarking Hub21.0%†–
AA-Omniscience v1.1: accuracyArtificial Analysis–42.0%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–72.0%
指令遵循
LiveBench LanguageLiveBench77.9%†–
LiveBench Instruction FollowingLiveBench66.7%†–
IFBenchArtificial Analysis58.6%†–
MultiChallengeScale AI SEAL–74.2%†
Arena Instruction FollowingArena (LMArena)1493–
人类偏好
Arena TextArena (LMArena)1494–
EQ-Bench 4EQ-Bench1293–
EQ-Bench Creative Writing v3EQ-Bench1915–
Arena Creative WritingArena (LMArena)1482–
Arena Multi-turnArena (LMArena)1514–
Arena Longer QueriesArena (LMArena)1508–
多模态
Arena VisionArena (LMArena)1319–
LiveBench DesignLiveBench–58.1%†
MMMU-ProArtificial Analysis78.8%†80.9%
MMMU-Pro (Vals)Vals AI85.5%†–
MortgageTaxVals AI70.3%†–
SAGEVals AI–85.8%
Humanity's Sixth SenseScale AI SEAL–29.6%†
Blueprint-Bench 2Epoch AI Benchmarking Hub24.5%–
Furniture AssemblyEpoch AI Benchmarking Hub33.3%†–
长上下文
AA-LCR v1.1Artificial Analysis78.7%†78.3%
Arena DocumentArena (LMArena)1494–
MLCRArtificial Analysis–7.8%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub157.4155.4†
LiveBench 2.0LiveBench–48.5%†
LiveBench 1.0LiveBench76.5%†–
AA Intelligence Index v5.0.1Artificial Analysis–24.9
AA Intelligence Index v4.3.2Artificial Analysis40.7†38.9
AA Progress Index v1Artificial Analysis312.5†306.7
Vals IndexVals AI–48.6
Vals Finance IndexVals AI–53.0%
Vals RSI IndexVals AI19.1%†–
Vals Multimodal IndexVals AI67.4%†–
Vals Legal IndexVals AI–68.5%
安全与诚实
FORTRESSScale AI SEAL–7.6%†
DistressBenchScale AI SEAL–87.7%†
元数据
AA Openness IndexArtificial Analysis–27.8

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 Open (xhigh):1 项分数修订。
  • Claude Opus 4.7:1 项分数修订。
  • Muse Spark Open (xhigh):1 项新结果(GameBench 2 by reasoning setting);1 项分数修订。
  • Muse Spark Open (xhigh):BenchLeader Index 53.3 → 53.8。
  • Muse Spark Open (xhigh):1 项新结果(ARC-AGI-3)。
  • Muse Spark Open (xhigh):BenchLeader Index 59.5 → 53.3。
  • Muse Spark Open (xhigh):6 项新结果(AA Intelligence Index v5.0.1, AA Progress Index v1, HLE-Diamond (AA)…);3 项分数修订;价格 $0.84/M → $2.02/M。
  • 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)。
  • Muse Spark Open (xhigh):6 项新结果(MLCR, Code Migration v1.1, Excel Modeling Benchmark v1.1…);价格 $1.25/M → $0.15/M。

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 Open:常见问题

Claude Opus 4.7 比 Muse Spark Open 更好吗?
质量上 Claude Opus 4.7 领先:63.1 比 53.5。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,Claude Opus 4.7 总体领先,但请结合你的用途查看各类别得分。
Claude Opus 4.7 和 Muse Spark Open 哪个更便宜?价格会变吗?
目前 Muse Spark Open 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 Open 更好?
Claude Opus 4.7 在编程方面得分更高(类别得分 61 比 36,50 为平均水平)。
Claude Opus 4.7 和 Muse Spark Open 哪个更快?
Muse Spark Open 输出更快(3 倍以上;输出 180 比 48 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 Opus 4.7 为 1,000,000,Muse Spark Open 为 1,048,576)。
更多问题(2)
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 9.9 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
Muse Spark Open 是什么时候发布的?
Muse Spark Open 于 2026年10月15日 发布。