BenchLeader

Claude Opus 5 vs Muse Spark 1.1

完整资料:Claude Opus 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,Claude Opus 5 与 Muse Spark 1.1 的质量不相上下(BenchLeader Index 65.0 比 62.2,在 ±5.9 的误差范围内)。Muse Spark 1.1 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(64 比 51)、数学(70 比 61)和多模态(67 比 64)选 Claude Opus 5;看重知识(69 比 65)和推理(68 比 66)选 Muse Spark 1.1。Muse Spark 1.1 的首次回答更快(1.8 秒 比 48.5 秒)。Muse Spark 1.1 的输出更快(约 2 倍)。

要点(截至 2026年11月16日)

  • Claude Opus 5 的 BenchLeader Index 为 65.0,Muse Spark 1.1 为 62.2(BenchLeader,2026年11月16日)。
  • Claude Opus 5 每百万 token 混合价格为 $10.00(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 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 17 项基准测试中,Claude Opus 5 领先 14 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Claude Opus 5 的评分为 1691,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类别得分 67 比 66;Arena WebDev 1691 比 1542中
智能体与工具调用Claude Opus 5类别得分 64 比 51;APEX-Agents 65.8% 比 31.8%高
数学Claude Opus 5类别得分 70 比 61;Arena Maths 1515 比 1493高
推理Muse Spark 1.1类别得分 68 比 66;Arena Hard Prompts 1511 比 1513中
知识Muse Spark 1.1类别得分 69 比 65;SimpleQA Verified 57.8% 比 59.9%中
图像及其他媒体Claude Opus 5类别得分 67 比 64中
对话质量(人类偏好)Claude Opus 5Arena 投票 68 比 65中
成本最低Muse Spark 1.1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Muse Spark 1.1首个回答 token 1.8 秒(Muse Spark 1.1)比 48.5 秒(Claude Opus 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

  • Claude Opus 5 (max) 与 Muse Spark 1.1 的质量不相上下(65.0 比 62.2,在 ±5.9 的误差范围内)。
  • Claude Opus 5 (max) 在智能体与工具、编程、人类偏好、数学、多模态方面更强。
  • Muse Spark 1.1 在知识、推理方面更强。
  • Muse Spark 1.1 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 1.1 的输出速度是对方的 2.4 倍(193 比 80 token/秒)。

概览

规格Claude Opus 5Muse Spark 1.1
提供商AnthropicMeta
发布日期2026年7月24日2026年7月9日
上下文窗口(token)1,000,0001,048,576
对比时的配置Claude Opus 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)$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 5 (max)Muse Spark 1.1领先者
推理66.167.8Muse Spark 1.1
编程67.065.8Claude Opus 5
智能体与工具63.850.9Claude Opus 5
数学69.861.3Claude Opus 5
知识65.269.2Muse Spark 1.1
指令遵循–70.4无法比较
人类偏好68.164.5Claude Opus 5
多模态67.263.6Claude Opus 5
长上下文64.3–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人类偏好Claude Opus 5, 推理: 66.1Claude Opus 5, 编程: 67.0Claude Opus 5, 智能体与工具: 63.8Claude Opus 5, 数学: 69.8Claude Opus 5, 知识: 65.2Claude Opus 5, 多模态: 67.2Claude Opus 5, 人类偏好: 68.1Muse 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: 63.6Muse Spark 1.1, 人类偏好: 64.5

未绘制(测得的模型少于两个):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 17 项基准测试中,Claude Opus 5 领先 14 项,Muse Spark 1.1 领先 3 项。所有同时评测两者的综合评分都认为 Muse Spark 1.1 更强。

综合 IndexClaude Opus 5 (max)Muse Spark 1.1领先者
BenchLeader Index65.062.2不相上下
Arena Text14891491Muse Spark 1.1

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 (max)Muse Spark 1.1
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)$11.82–
每项任务输出 token(AA Index)118k–
其中推理部分73k–
每项任务耗时(AA Index)25 min–
输出速度80 tok/s193 tok/s
首次回答时间48.5 秒1.8 秒
完整回答耗时(最近一次测量 2026年11月13日)191.6 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 5 (max) 得分 65.0,首个回答 token 需 49 秒;Claude Opus 5 (high) 为 64.4(17 秒),Claude Opus 5 为 63.2(2 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 150 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 (max)Muse Spark 1.1
BenchLeader IndexBenchLeader65.062.2
智能体与工具得分BenchLeader63.850.9
编程得分BenchLeader67.065.8
人类偏好得分BenchLeader68.164.5
知识得分BenchLeader65.269.2
长上下文得分BenchLeader64.3–
数学得分BenchLeader69.861.3
多模态得分BenchLeader67.263.6
推理得分BenchLeader66.167.8
指令遵循得分BenchLeader–70.4
混合价格(美元/百万 token)BenchLeader$10.00$2.00
输出速度BenchLeader80 tok/s193 tok/s
首次回答时间BenchLeader48.5 秒1.8 秒
上下文窗口BenchLeader1,000,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub93.9%–
SimpleBenchSimpleBench80.6%†–
Arena Hard PromptsArena (LMArena)15131511
LiveBench 1.0 ReasoningLiveBench91.2%87.7%†
GPQA Diamond (AA)Artificial Analysis93.2%89.8%†
Humanity's Last Exam (AA)Artificial Analysis54.9%46.2%†
HLE-Diamond (AA)Artificial Analysis44.8%–
GPQA Diamond (Vals)Vals AI93.4%†91.2%†
ARC-AGI-1ARC Prize97.5%–
ARC-AGI-2ARC Prize90.4%–
ARC-AGI-3ARC Prize30.2%†–
CritPtArtificial Analysis29.1%15.1%†
CritPt v2 hard subset (AA)Artificial Analysis50.0%–
MysteryMechanismVals AI37.4%–
HLE-Diamond (Scale)Scale AI SEAL38.6%†–
Arena ExpertArena (LMArena)15301504
Chess PuzzlesEpoch AI Benchmarking Hub43.0%34.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub59.0%–
LMCAEpoch AI Benchmarking Hub63.3%49.9%†
DTBenchEpoch AI Benchmarking Hub97.6%94.4%†
ForecastBenchForecastBench66.6%–
BTF-3Epoch AI Benchmarking Hub12.0%†–
编程
SciCodeSciCode56.4%58.8%
WeirdMLWeirdML91.8%–
FrontierCodeCognition53.4%–
显示全部 150 项基准测试
指标发布方Claude Opus 5 (max)Muse Spark 1.1
编程
Arena CodingArena (LMArena)15281533
Arena WebDevArena (LMArena)16911542
LiveBench 1.0 CodingLiveBench81.5%77.2%†
LiveCodeBenchVals AI89.0%85.9%†
IOIVals AI84.3%–
SWE-bench (Vals)Vals AI97.0%†82.0%†
SWE-Bench ProScale AI SEAL–61.5%
Code MigrationVals AI57.5%31.1%†
ProgramBenchVals AI3.0%0.0%†
Vibe Code Bench 1-100Vals AI28.5%–
Vibe Code Bench v1.1Vals AI88.4%†72.2%†
SWE-Bench Pro (private)Scale AI SEAL–51.5%
SWE Atlas v1.0: Codebase QnAScale AI SEAL63.2%†42.2%†
SWE Atlas v1.0: Test WritingScale AI SEAL62.2%†41.5%†
SWE-Bench Pro V2Scale AI SEAL99.4%†–
SWE-Bench Pro V2 HARDScale AI SEAL98.0%†–
MirrorCodeEpoch AI Benchmarking Hub87.8%–
Surface Evolver BenchEpoch AI Benchmarking Hub–52.5%†
DeepSWE v1.1Epoch AI Benchmarking Hub73.7%53.3%
CursorBenchCursor46.6%–
ALE-BenchEpoch AI Benchmarking Hub2164.6†–
FrontierSWEEpoch AI Benchmarking Hub52.0%–
WeirdML v3WeirdML19.0%†–
Terminal-Bench 4.0 (AA)Artificial Analysis49.0%6.1%†
Terminal-Bench 2.1 (AA)Artificial Analysis89.1%77.9%†
Startrise FrontendStartrise82.3%†–
GameBench 2 OverallDuelLab GameBench 276.5†–
GameBench 2 by reasoning settingDuelLab GameBench 284.8†–
Design Arena WebsiteDesign Arena1304†1263
FrontierCode 2.0 (AA)Artificial Analysis31.1%–
智能体与工具
Terminal-BenchTerminal-Bench52.1%–
OSWorld-Verified 2.0OSWorld31.4%–
APEX-AgentsMercor65.8%31.8%
Arena AgentArena (LMArena)7.2-8
LiveBench Agentic CodingLiveBench65.2%58.5%†
Terminal-Bench 2.1 (Vals)Vals AI84.6%†69.3%†
MCP AtlasScale AI SEAL85.8%†88.1%
HiL-BenchScale AI SEAL57.0%†–
τ³-bench Bankingτ²-bench48.7%40.5%†
GDPval-AA v2.1Artificial Analysis17291216†
τ³-Banking (AA)Artificial Analysis42.1%31.8%†
Analyst Agent (AA)Artificial Analysis53.8%–
CUA-benchVals AI9.0%–
CyberBenchVals AI65.4%–
Finance Agent v2Vals AI58.6%57.2%†
Harvey's Legal Agent Benchmark v1Vals AI6.7%20.0%†
Legal Research BenchVals AI55.3%38.0%†
SkillsBenchVals AI60.4%59.2%†
SREBenchVals AI12.2%–
Tax Agent BenchVals AI47.1%–
Terminal-Bench 4.0 (Vals)Vals AI53.5%–
Terminal-Bench ScienceVals AI27.1%–
Time Horizon Index: KSPVals AI18.8%1.7%†
Arena SearchArena (LMArena)1213†–
Arena Agent Task CompletionArena (LMArena)10.2-6.5
BALROGBALROG63.4%–
PostTrainBenchEpoch AI Benchmarking Hub35.7%†–
GBAEvalEpoch AI Benchmarking Hub79.6%†7.9%
Vending-Bench 2Andon Labs11181.9†6520.5
AutomationBenchArtificial Analysis56.6%38.9%†
GDP.pdf (AA)Artificial Analysis21.6%14.4%†
EnterpriseOps-GymArtificial Analysis47.5%–
AA-Briefcase v1.1Artificial Analysis1654851†
Design Arena AgenticDesign Arena1270†1172
Terminal-Bench-Science 0.1 (AA)Artificial Analysis28.6%–
DeepSec-Bench (AA)Artificial Analysis25.9%–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub85.6%–
FrontierMath Tier 4Epoch AI Benchmarking Hub73.2%–
OTIS Mock AIMEEpoch AI Benchmarking Hub98.9%–
ProofBenchVals AI99.0%39.0%
LiveBench MathematicsLiveBench95.7%87.1%†
Arena MathsArena (LMArena)15151493
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub59.9%57.8%
LiveBench 1.0 Data AnalysisLiveBench74.5%72.5%†
AA-Omniscience v1.1Artificial Analysis37.6–
MMLU-ProVals AI91.6%88.7%†
LegalBenchVals AI87.0%85.0%†
CorpFinVals AI73.2%†71.3%†
TaxEvalVals AI75.1%†79.7%†
PRBench FinanceScale AI SEAL–55.0%
PRBench LegalScale AI SEAL–57.0%
MultiNRCScale AI SEAL–65.6%
BioMysteryBenchVals AI79.3%–
Excel Modeling BenchmarkVals AI73.6%56.4%†
MedCodeVals AI63.6%–
MedScribeVals AI91.0%88.9%†
Public Benefits Bench v1.1Vals AI76.9%61.3%†
DrugDiscoveryBenchScale AI SEAL53.7%–
EBR-benchEpoch AI Benchmarking Hub45.7%–
GDP.pdfEpoch AI Benchmarking Hub24.0%15.0%
AA-Omniscience v1.1: accuracyArtificial Analysis60.9%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis40.6%–
FACTS ParametricGoogle48.8%†–
指令遵循
LiveBench LanguageLiveBench88.7%74.3%†
LiveBench Instruction FollowingLiveBench63.8%69.6%†
MultiChallengeScale AI SEAL–75.3%
Arena Instruction FollowingArena (LMArena)14941473
人类偏好
Arena TextArena (LMArena)14891491
EQ-Bench 4EQ-Bench1365†1244
EQ-Bench Creative Writing v3EQ-Bench2135†1928
Arena Creative WritingArena (LMArena)14731443
Arena Multi-turnArena (LMArena)14861497
Arena Longer QueriesArena (LMArena)15021481
多模态
Arena VisionArena (LMArena)1318†1292
MMMU-ProArtificial Analysis84.7%–
MMMU-Pro (Vals)Vals AI89.9%86.6%†
MortgageTaxVals AI72.1%†66.1%†
Humanity's Sixth SenseScale AI SEAL30.5%–
VTBScale AI SEAL–44.8%
Blueprint-Bench 2Epoch AI Benchmarking Hub30.4%†–
Furniture AssemblyEpoch AI Benchmarking Hub60.8%–
长上下文
AA-LCR v1.1Artificial Analysis79.3%77.7%†
Arena DocumentArena (LMArena)1486†1480
MLCRArtificial Analysis11.1%7.2%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub164.7†154.9
LiveBench 1.0LiveBench80.1%75.3%†
AA Intelligence Index v5.0.1Artificial Analysis44.2–
AA Intelligence Index v4.3.2Artificial Analysis50.833.7†
AA Progress Index v1Artificial Analysis333.7302.7†
Vals RSI IndexVals AI33.0%–
Vals Science IndexVals AI47.9%–
Vals Multimodal IndexVals AI73.9%†66.7%†
安全与诚实
FORTRESSScale AI SEAL16.8%†12.4%
DistressBenchScale AI SEAL70.2%†–

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。

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 (max):25 项新结果(LiveCodeBench, MMLU-Pro, IOI…)。
  • Claude Opus 5 (max):1 项新结果(GDPval-AA v2.1)。
  • Claude Opus 5 (max):1 项新结果(MirrorCode)。
  • Claude Opus 5 (max):BenchLeader Index 65.5 → 65.0。
  • Claude Opus 5 (max):7 项新结果(AA Intelligence Index v5.0.1, HLE-Diamond (AA), AA-Omniscience v1.1…)。
  • Muse Spark 1.1:1 项分数修订。
  • Claude Opus 5 (max):1 项新结果(MirrorCode)。
  • Claude Opus 5 (max):1 项分数修订。
  • Muse Spark 1.1:2 项分数修订。
  • Claude Opus 5 (max):BenchLeader Index 66.3 → 65.5。

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 5 vs Muse Spark 1.1:常见问题

Claude Opus 5 比 Muse Spark 1.1 更好吗?
Claude Opus 5 (max) 与 Muse Spark 1.1 的质量不相上下(65.0 比 62.2,在 ±5.9 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 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 $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 5 还是 Muse Spark 1.1 更好?
Claude Opus 5 在编程方面得分更高(类别得分 67 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 为 1691,Muse Spark 1.1 为 1542。
Claude Opus 5 和 Muse Spark 1.1 哪个更快?
Muse Spark 1.1 输出更快(约 2 倍;输出 193 比 80 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Claude Opus 5 还是 Muse Spark 1.1 更好?
Claude Opus 5 在智能体任务方面得分更高(类别得分 64 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 为 65.8%,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 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 48.5 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 和 Muse Spark 1.1 的看法一致吗?
在两者都有结果的 17 项基准测试中,Claude Opus 5 领先 14 项,Muse Spark 1.1 领先 3 项。所有同时评测两者的综合评分都认为 Muse Spark 1.1 更强。
Claude Opus 5 是什么时候发布的?
Claude Opus 5 于 2026年7月24日 发布。