BenchLeader

Claude Opus 5.5 vs Muse Spark 1.1

完整资料:Claude Opus 5.5(Anthropic)和 Muse Spark 1.1(Meta),包括全部基准测试、价格和排名。

更新于 · 数据来自 14 个来源

截至 2026年11月16日,质量上 Claude Opus 5.5 领先 Muse Spark 1.1(BenchLeader Index 68.4 比 62.2)。不过,Muse Spark 1.1 更便宜,对方的价格是它的 4.0 倍(每百万 token 混合价格 $2.00 比 $8.00)。在两者都有成绩的所有类别中,Claude Opus 5.5 均领先。Muse Spark 1.1 输出更快(约 1.5 倍)。

要点(截至 2026年11月16日)

  • Claude Opus 5.5 的 BenchLeader Index 为 68.4,Muse Spark 1.1 为 62.2(BenchLeader,2026年11月16日)。
  • Claude Opus 5.5 每百万 token 混合价格为 $8.00(标价,2026年11月16日)。
  • Muse Spark 1.1 每百万 token 混合价格为 $2.00(标价,2026年11月16日)。
  • Muse Spark 1.1 比 Claude Opus 5.5 输出更快(约 1.5 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 9 项基准测试中,Claude Opus 5.5 领先 9 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Claude Opus 5.5 的评分为 1815,Muse Spark 1.1 为 1542(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 5.5类别得分 79 比 66;Arena WebDev 1815 比 1542高
智能体与工具调用Claude Opus 5.5类别得分 61 比 51;APEX-Agents 73.5% 比 31.8%高
数学Claude Opus 5.5类别得分 73 比 61;ProofBench 100.0% 比 39.0%高
推理Claude Opus 5.5类别得分 72 比 68中
知识Claude Opus 5.5类别得分 73 比 69;SimpleQA Verified 72.2% 比 57.8%中
图像及其他媒体Claude Opus 5.5类别得分 70 比 64中
对话质量(人类偏好)–只有 Muse Spark 1.1 有 Arena 评分(类别得分 65)无法比较
成本最低Muse Spark 1.1每百万 token 混合价格 $2.00 比 $8.00;智能体编程会话 $0.092 比 $0.320–
首次回答最快Muse Spark 1.1首个回答 token 1.8 秒(Muse Spark 1.1)比 380.2 秒(Claude Opus 5.5 (max))–
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 5.5 (max) 领先:68.4 比 62.2。
  • Claude Opus 5.5 (max) 在智能体与工具、编程、知识、数学、多模态、推理方面更强。
  • Muse Spark 1.1 更便宜,对方的价格是它的 4.0 倍(每百万 token 混合价格 $2.00 比 $8.00)。
  • Muse Spark 1.1 的输出速度是对方的 1.7 倍(193 比 116 token/秒)。

概览

规格Claude Opus 5.5Muse Spark 1.1
提供商AnthropicMeta
发布日期2026年9月22日2026年7月9日
上下文窗口(token)1,000,0001,048,576
最大输出(token)128,000 (up to 300K on the Message Batches API (beta))–
输入类型文本、图像–
推理强度设置low, medium, high, xhigh, max–
对比时的配置Claude Opus 5.5 (max)Muse Spark 1.1
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$4.00 / $20.00 / $0.200$1.25 / $4.25 / $0.150
API 模型 IDclaude-opus-5-5–
使用渠道Claude API, Amazon Bedrock, Google Cloud, Microsoft Foundry–

上限、可用性和已公布的价格均来自厂商官方页面: platform.claude.com (2026年10月20日 核实)。其余内容均来自当日数据。

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 5.5 (max)Muse Spark 1.1领先者
推理72.167.8Claude Opus 5.5
编程78.865.8Claude Opus 5.5
智能体与工具61.350.9Claude Opus 5.5
数学73.261.3Claude Opus 5.5
知识72.569.2Claude Opus 5.5
指令遵循–70.4无法比较
人类偏好–64.5无法比较
多模态70.263.6Claude Opus 5.5
长上下文67.1–无法比较
综合70.2–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知识多模态Claude Opus 5.5, 推理: 72.1Claude Opus 5.5, 编程: 78.8Claude Opus 5.5, 智能体与工具: 61.3Claude Opus 5.5, 数学: 73.2Claude Opus 5.5, 知识: 72.5Claude Opus 5.5, 多模态: 70.2Muse Spark 1.1, 推理: 67.8Muse Spark 1.1, 编程: 65.8Muse Spark 1.1, 智能体与工具: 50.9Muse Spark 1.1, 数学: 61.3Muse Spark 1.1, 知识: 69.2Muse Spark 1.1, 多模态: 63.6

未绘制(测得的模型少于两个):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 9 项基准测试中,Claude Opus 5.5 领先 9 项,Muse Spark 1.1 领先 0 项。所有同时评测两者的综合评分都认为 Claude Opus 5.5 更强。

综合 IndexClaude Opus 5.5 (max)Muse Spark 1.1领先者
BenchLeader Index68.462.2Claude Opus 5.5
Arena Text1507†1491Claude Opus 5.5

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 5.5 (max)Muse Spark 1.1
每百万 token 混合价格$8.00$2.00
每百万 token 输入 / 输出$4.00 / $20.00$1.25 / $4.25
每百万 token 缓存输入$0.200$0.150
每项任务价格:聊天回复$0.0076$0.0018
每项任务价格:总结一份 30 页的报告$0.060$0.018
每项任务价格:代码编辑$0.054$0.014
每项任务价格:智能体编程会话$0.320$0.092
每项任务价格:结构化信息提取$0.012$0.0034
智能体编程会话(输入大多命中缓存)$0.149$0.043
每项基准测试任务成本(AA Index)$10.04–
每项任务输出 token(AA Index)173k–
其中推理部分120k–
每项任务耗时(AA Index)25 min–
输出速度116 tok/s193 tok/s
首次回答时间380.2 秒1.8 秒
完整回答耗时(最近一次测量 2026年11月13日)711.4 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 5.5 (max) 得分 68.4,首个回答 token 需 380 秒;Claude Opus 5.5 (high) 为 66.0(26 秒),Claude Opus 5.5 (xhigh) 为 65.4(78 秒)。Muse Spark 1.1 得分 62.2,首个回答 token 需 2 秒;Muse Spark 1.1 (xhigh) 为 59.5(13 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 189 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 5.5 (max)Muse Spark 1.1
BenchLeader IndexBenchLeader68.462.2
智能体与工具得分BenchLeader61.350.9
编程得分BenchLeader78.865.8
综合得分BenchLeader70.2–
知识得分BenchLeader72.569.2
长上下文得分BenchLeader67.1–
数学得分BenchLeader73.261.3
多模态得分BenchLeader70.263.6
推理得分BenchLeader72.167.8
人类偏好得分BenchLeader–64.5
指令遵循得分BenchLeader–70.4
混合价格(美元/百万 token)BenchLeader$8.00$2.00
输出速度BenchLeader116 tok/s193 tok/s
首次回答时间BenchLeader380.2 秒1.8 秒
上下文窗口BenchLeader1,000,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub90.6%–
SimpleBenchSimpleBench88.4%†–
Arena Hard PromptsArena (LMArena)1530†1511
LiveBench 2.0 ReasoningLiveBench92.2%–
LiveBench 1.0 ReasoningLiveBench92.2%87.7%†
GPQA Diamond (AA)Artificial Analysis–89.8%†
Humanity's Last Exam (AA)Artificial Analysis61.4%46.2%†
HLE-Diamond (AA)Artificial Analysis67.9%–
GPQA Diamond (Vals)Vals AI–91.2%†
ARC-AGI-1ARC Prize97.5%–
ARC-AGI-2ARC Prize91.7%–
CritPtArtificial Analysis31.7%15.1%†
CritPt v2 hard subset (AA)Artificial Analysis68.0%–
MysteryMechanismVals AI49.5%–
HLE-Diamond (Scale)Scale AI SEAL55.0%†–
Arena ExpertArena (LMArena)1545†1504
Chess PuzzlesEpoch AI Benchmarking Hub67.0%34.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub71.0%–
LMCAEpoch AI Benchmarking Hub68.2%49.9%†
DTBenchEpoch AI Benchmarking Hub98.9%94.4%†
编程
SciCodeSciCode66.9%58.8%
FrontierCodeCognition54.6%†–
Arena CodingArena (LMArena)1548†1533
Arena WebDevArena (LMArena)18151542
LiveBench 2.0 CodingLiveBench87.1%–
显示全部 189 项基准测试
指标发布方Claude Opus 5.5 (max)Muse Spark 1.1
编程
LiveBench 1.0 CodingLiveBench89.3%77.2%†
LiveCodeBenchVals AI–85.9%†
IOIVals AI95.1%–
SWE-bench (Vals)Vals AI–82.0%†
SWE-Bench ProScale AI SEAL–61.5%
Code MigrationVals AI66.7%31.1%†
Code Migration v1.1Vals AI81.0%–
ProgramBenchVals AI18.5%0.0%†
SWE-bench MultimodalVals AI70.2%–
Vibe Code Bench 1-100Vals AI30.4%†–
Vibe Code Bench v1.1Vals AI90.3%72.2%†
Vibe Code Bench 1-100 v1.1Vals AI30.9%–
SWE-Bench Pro (private)Scale AI SEAL–51.5%
SWE Atlas v1.0: Codebase QnAScale AI SEAL–42.2%†
SWE Atlas v1.0: Test WritingScale AI SEAL–41.5%†
SWE Atlas v1.1Scale AI SEAL77.4%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL77.4%†–
SWE Atlas v1.1: Test WritingScale AI SEAL77.8%†–
SWE Atlas v1.1: RefactoringScale AI SEAL77.1%†–
MirrorCodeEpoch AI Benchmarking Hub95.6%–
Surface Evolver BenchEpoch AI Benchmarking Hub–52.5%†
DeepSWE v1.1Epoch AI Benchmarking Hub–53.3%
CursorBenchCursor57.8%–
ALE-BenchEpoch AI Benchmarking Hub2147.4†–
FrontierSWEEpoch AI Benchmarking Hub62.3%–
WeirdML v3WeirdML31.2%†–
Terminal-Bench 4.0 (AA)Artificial Analysis59.6%6.1%†
Terminal-Bench 2.1 (AA)Artificial Analysis–77.9%†
Startrise FrontendStartrise80.2%†–
GameBench 2 OverallDuelLab GameBench 287.6†–
GameBench 2 by reasoning settingDuelLab GameBench 294.8†–
Design Arena WebsiteDesign Arena1326†1263
FrontierCode 1.1 (AA)Artificial Analysis52.2%–
FrontierCode 2.0 (AA)Artificial Analysis46.4%–
智能体与工具
Terminal-BenchTerminal-Bench65.8%–
Remote Labor IndexScale AI / CAIS21.3%†–
APEX-AgentsMercor73.5%31.8%
Arena AgentArena (LMArena)19.5-8
LiveBench Long AgenticLiveBench72.8%–
LiveBench BrowserLiveBench88.4%–
LiveBench Agentic CodingLiveBench71.7%58.5%†
Terminal-Bench 2.1 (Vals)Vals AI87.6%†69.3%†
MCP AtlasScale AI SEAL85.4%†88.1%
HiL-BenchScale AI SEAL59.0%†–
τ³-bench Bankingτ²-bench–40.5%†
GDPval-AA v2.1, normalised scoreArtificial Analysis68.3%–
GDPval-AA v2.1Artificial Analysis18661216†
τ³-Banking (AA)Artificial Analysis–31.8%†
ITBench SRE (AA)Artificial Analysis38.2%–
Analyst Agent (AA)Artificial Analysis56.3%–
CUA-benchVals AI14.0%–
CyberBenchVals AI55.4%–
Finance Agent v2Vals AI58.6%57.2%†
Finance Agent v2.1Vals AI67.8%–
Harvey's Legal Agent Benchmark v1.1Vals AI9.2%–
Harvey's Legal Agent Benchmark v1Vals AI3.8%20.0%†
Legal Research BenchVals AI50.5%38.0%†
Robo-benchVals AI14.6%–
SkillsBenchVals AI–59.2%†
SREBenchVals AI33.6%–
Tax Agent BenchVals AI44.5%–
Terminal-Bench 4.0 (Vals)Vals AI65.2%–
Terminal-Bench ScienceVals AI47.1%–
Time Horizon Index: KSPVals AI91.3%1.7%†
Web Search IndexVals AI53.8%–
Arena SearchArena (LMArena)1213†–
Arena Agent Task CompletionArena (LMArena)20.7-6.5
PostTrainBenchEpoch AI Benchmarking Hub43.8%–
GBAEvalEpoch AI Benchmarking Hub–7.9%
Vending-Bench 2Andon Labs9235.3†6520.5
SpireClimbEpoch AI Benchmarking Hub5.8%–
AutomationBenchArtificial Analysis69.5%38.9%†
GDP.pdf (AA)Artificial Analysis26.2%14.4%†
Harvey LAB-AA v1.1Harvey4.2%–
AA-Briefcase v1.1Artificial Analysis1801851†
GDPxGDPx by SemiAnalysis12.0%–
Design Arena AgenticDesign Arena1339†1172
Terminal-Bench-Science 0.1 (AA)Artificial Analysis59.0%–
CWE-Bench (AA)Artificial Analysis58.3%–
DeepSec-Bench (AA)Artificial Analysis26.9%–
CyberGym end-to-end (AA)Artificial Analysis0.8%–
MKA (AA)Artificial Analysis53.0%–
FACTS SearchGoogle88.4%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub91.2%–
FrontierMath Tier 4Epoch AI Benchmarking Hub95.0%–
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%–
ProofBenchVals AI100.0%39.0%
LiveBench MathematicsLiveBench97.1%87.1%†
ArXivMathMathArena82.6%†–
BrokenArXivMathArena77.3%†–
Arena MathsArena (LMArena)1514†1493
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub72.2%57.8%
LiveBench 2.0 Data AnalysisLiveBench80.3%–
LiveBench ResearchLiveBench88.9%–
LiveBench 1.0 Data AnalysisLiveBench80.3%72.5%†
AA-Omniscience v1.1Artificial Analysis48.1–
MMLU-ProVals AI–88.7%†
LegalBenchVals AI–85.0%†
CorpFinVals AI–71.3%†
TaxEvalVals AI–79.7%†
PRBench FinanceScale AI SEAL–55.0%
PRBench LegalScale AI SEAL47.6%†57.0%
MultiNRCScale AI SEAL–65.6%
BioMysteryBenchVals AI79.3%–
ClaimBenchVals AI100.0%–
Excel Modeling BenchmarkVals AI75.9%56.4%†
Excel Modeling Benchmark v1.1Vals AI75.8%–
MedCodeVals AI49.8%–
MedScribeVals AI91.4%88.9%†
Public Benefits Bench v1.1Vals AI70.6%61.3%†
Access to Justice BenchmarkVals AI73.8%–
Financial Coaching BenchVals AI76.2%–
Immigration BenchVals AI72.1%–
EBR-benchEpoch AI Benchmarking Hub71.4%–
GDP.pdfEpoch AI Benchmarking Hub30.6%15.0%
AA-Omniscience v1.1: accuracyArtificial Analysis65.5%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis49.7%–
HealthBench Professional (AA)OpenAI59.9%–
FACTS ParametricGoogle58.7%†–
指令遵循
LiveBench LanguageLiveBench86.3%74.3%†
LiveBench Instruction FollowingLiveBench65.7%69.6%†
MultiChallengeScale AI SEAL–75.3%
Arena Instruction FollowingArena (LMArena)1518†1473
人类偏好
Arena TextArena (LMArena)1507†1491
EQ-Bench 4EQ-Bench1340†1244
EQ-Bench Creative Writing v3EQ-Bench2051†1928
Arena Creative WritingArena (LMArena)1517†1443
Arena Multi-turnArena (LMArena)1502†1497
Arena Longer QueriesArena (LMArena)1520†1481
多模态
Arena VisionArena (LMArena)1324†1292
LiveBench DesignLiveBench83.3%–
MMMU-ProArtificial Analysis87.7%–
MMMU-Pro (Vals)Vals AI–86.6%†
MortgageTaxVals AI–66.1%†
SAGEVals AI91.3%–
Humanity's Sixth SenseScale AI SEAL44.6%†–
VTBScale AI SEAL–44.8%
Blueprint-Bench 2Epoch AI Benchmarking Hub51.2%†–
Furniture AssemblyEpoch AI Benchmarking Hub83.3%–
VIALS-AAHandshake AI61.5%–
Code2Video-AAArtificial Analysis1536–
AA-3DArtificial Analysis1202–
FACTS MultimodalGoogle56.4%†–
长上下文
AA-LCR v1.1Artificial Analysis84.7%77.7%†
Arena DocumentArena (LMArena)–1480
MLCRArtificial Analysis27.8%7.2%†
FACTS GroundingGoogle62.5%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub168.5†154.9
LiveBench 2.0LiveBench83.4%–
LiveBench 1.0LiveBench83.2%75.3%†
AA Intelligence Index v5.0.1Artificial Analysis59.1–
AA Intelligence Index v4.3.2Artificial Analysis57.633.7†
AA Progress Index v1Artificial Analysis350302.7†
Vals IndexVals AI70.1–
Vals Finance IndexVals AI65.3%–
Vals RSI IndexVals AI37.3%–
Vals Science IndexVals AI58.6%–
Vals Multimodal IndexVals AI–66.7%†
Vals Router IndexVals AI64.2%†–
Vals Legal IndexVals AI72.4%–
AA Cyber IndexArtificial Analysis28.7–
安全与诚实
FORTRESSScale AI SEAL5.8%12.4%
DistressBenchScale AI SEAL75.6%†–

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

  • Claude Opus 5.5 (max):38 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Claude Opus 5.5 (max):1 项新结果(PostTrainBench);1 项分数修订。
  • Claude Opus 5.5 (max):1 项新结果(MirrorCode);1 项分数修订。
  • Claude Opus 5.5 (max):BenchLeader Index 69.3 → 68.8。
  • Claude Opus 5.5 (max):2 项分数修订。
  • Claude Opus 5.5 (max):1 项分数修订。
  • Claude Opus 5.5 (max):1 项分数修订。
  • Muse Spark 1.1:1 项分数修订。
  • Claude Opus 5.5 (max):2 项分数修订。
  • Claude Opus 5.5 (max):2 项分数修订。

排行榜: 综合最佳大模型 · 最适合编程的大模型 · 最适合智能体的大模型 · 便宜好用的大模型

Claude Opus 5.5 vs Muse Spark 1.1:常见问题

Claude Opus 5.5 比 Muse Spark 1.1 更好吗?
质量上 Claude Opus 5.5 (max) 领先:68.4 比 62.2。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 5.5 (max) 总体领先,但请结合你的用途查看各类别得分。
Claude Opus 5.5 和 Muse Spark 1.1 哪个更便宜?价格会变吗?
目前 Muse Spark 1.1 更便宜:每百万 token $2.00 比 $8.00(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 5.5 还是 Muse Spark 1.1 更好?
Claude Opus 5.5 在编程方面得分更高(类别得分 79 比 66,50 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 5.5 为 1815,Muse Spark 1.1 为 1542。
Claude Opus 5.5 和 Muse Spark 1.1 哪个更快?
Muse Spark 1.1 输出更快(约 1.5 倍;输出 193 比 116 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Claude Opus 5.5 还是 Muse Spark 1.1 更好?
Claude Opus 5.5 在智能体任务方面得分更高(类别得分 61 比 51,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 APEX-Agents 上,Claude Opus 5.5 为 73.5%,Muse Spark 1.1 为 31.8%。
更多问题(4)
处理长文档哪个更好?
两者都约为 1M token(Claude Opus 5.5 为 1,000,000,Muse Spark 1.1 为 1,048,576)。
哪个延迟更低?
Muse Spark 1.1 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 1.8 秒比 380.2 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 5.5 和 Muse Spark 1.1 的看法一致吗?
在两者都有结果的 9 项基准测试中,Claude Opus 5.5 领先 9 项,Muse Spark 1.1 领先 0 项。所有同时评测两者的综合评分都认为 Claude Opus 5.5 更强。
Claude Opus 5.5 是什么时候发布的?
Claude Opus 5.5 于 2026年9月22日 发布。