BenchLeader

Claude Sonnet 4.6 vs Muse Spark 1.3

完整资料:Claude Sonnet 4.6(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 11 个来源

截至 2026年11月16日,Claude Sonnet 4.6 与 Muse Spark 1.3 的质量不相上下(BenchLeader Index 57.6 比 61.6,在 ±9.2 的误差范围内)。Muse Spark 1.3 更便宜,对方的价格是它的 3.0 倍(每百万 token 混合价格 $2.00 比 $6.00)。看重数学(63 比 56)选 Claude Sonnet 4.6;看重知识(81 比 58)、智能体与工具(61 比 53)和推理(71 比 64)选 Muse Spark 1.3。Claude Sonnet 4.6 的首次回答更快(0.6 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 Sonnet 4.6 的 BenchLeader Index 为 57.6,Muse Spark 1.3 为 61.6(BenchLeader,2026年11月16日)。
  • Claude Sonnet 4.6 每百万 token 混合价格为 $6.00(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 Sonnet 4.6 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 3 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Muse Spark 1.3类别得分 61 比 53高
数学Claude Sonnet 4.6类别得分 63 比 56中
推理Muse Spark 1.3类别得分 71 比 64中
知识Muse Spark 1.3类别得分 81 比 58高
对话质量(人类偏好)–只有 Claude Sonnet 4.6 有 Arena 评分(类别得分 61)无法比较
成本最低Muse Spark 1.3每百万 token 混合价格 $2.00 比 $6.00;智能体编程会话 $0.092 比 $0.240–
首次回答最快Claude Sonnet 4.6首个回答 token 0.6 秒(Claude Sonnet 4.6)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 Sonnet 4.6 与 Muse Spark 1.3 的质量不相上下(57.6 比 61.6,在 ±9.2 的误差范围内)。
  • Claude Sonnet 4.6 在数学方面更强。
  • Muse Spark 1.3 在智能体与工具、知识、推理方面更强。
  • Muse Spark 1.3 更便宜,对方的价格是它的 3.0 倍(每百万 token 混合价格 $2.00 比 $6.00)。
  • Muse Spark 1.3 的输出速度是对方的 3.8 倍(163 比 43 token/秒)。

概览

规格Claude Sonnet 4.6Muse Spark 1.3
提供商AnthropicMeta
发布日期2026年2月17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 Sonnet 4.6Muse Spark 1.3
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$3.00 / $15.00 / $0.300$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 Sonnet 4.6Muse Spark 1.3领先者
推理63.971.0Muse Spark 1.3
编程53.5–无法比较
智能体与工具52.661.3Muse Spark 1.3
数学63.156.3Claude Sonnet 4.6
知识58.181.2Muse Spark 1.3
人类偏好60.5–无法比较
多模态62.4–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知识Claude Sonnet 4.6, 推理: 63.9Claude Sonnet 4.6, 智能体与工具: 52.6Claude Sonnet 4.6, 数学: 63.1Claude Sonnet 4.6, 知识: 58.1Muse Spark 1.3, 推理: 71.0Muse Spark 1.3, 智能体与工具: 61.3Muse Spark 1.3, 数学: 56.3Muse Spark 1.3, 知识: 81.2

未绘制(测得的模型少于两个):编程, 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 3 项基准测试中,Claude Sonnet 4.6 领先 0 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 Sonnet 4.6Muse Spark 1.3领先者
BenchLeader Index57.661.6不相上下
Arena Text14721497†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 Sonnet 4.6Muse Spark 1.3
每百万 token 混合价格$6.00$2.00
每百万 token 输入 / 输出$3.00 / $15.00$1.25 / $4.25
每百万 token 缓存输入$0.300$0.150
每项任务价格:聊天回复$0.0057$0.0018
每项任务价格:总结一份 30 页的报告$0.045$0.018
每项任务价格:代码编辑$0.041$0.014
每项任务价格:智能体编程会话$0.240$0.092
每项任务价格:结构化信息提取$0.0090$0.0034
智能体编程会话(输入大多命中缓存)$0.118$0.043
输出速度43 tok/s163 tok/s
首次回答时间0.6 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 Sonnet 4.6 得分 57.6,首个回答 token 需 1 秒;Claude Sonnet 4.6 (max) 为 56.1(91 秒),Claude Sonnet 4.6 (high) 为 50.3(1 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 162 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 Sonnet 4.6Muse Spark 1.3
BenchLeader IndexBenchLeader57.661.6
智能体与工具得分BenchLeader52.661.3
编程得分BenchLeader53.5–
人类偏好得分BenchLeader60.5–
知识得分BenchLeader58.181.2
数学得分BenchLeader63.156.3
多模态得分BenchLeader62.4–
推理得分BenchLeader63.971.0
混合价格(美元/百万 token)BenchLeader$6.00$2.00
输出速度BenchLeader43 tok/s163 tok/s
首次回答时间BenchLeader0.6 秒2.6 秒
上下文窗口BenchLeader1,000,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub87.4%–
SimpleBenchSimpleBench–81.8%
Arena Hard PromptsArena (LMArena)15031517†
LiveBench 2.0 ReasoningLiveBench–89.7%†
LiveBench 1.0 ReasoningLiveBench84.8%†89.7%†
GPQA Diamond (AA)Artificial Analysis87.5%†93.5%†
Humanity's Last Exam (AA)Artificial Analysis33.6%†48.7%†
HLE-Diamond (AA)Artificial Analysis–33.7%†
GPQA Diamond (Vals)Vals AI85.6%†–
ARC-AGI-1ARC Prize86.0%†–
ARC-AGI-2ARC Prize58.3%†–
CritPtArtificial Analysis3.1%†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)15061521†
Chess PuzzlesEpoch AI Benchmarking Hub23.0%†37.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub14.0%25.0%†
LMCAEpoch AI Benchmarking Hub46.5%†53.9%
DTBenchEpoch AI Benchmarking Hub89.9%†96.5%
ForecastBenchForecastBench64.0%65.5%†
BTF-3Epoch AI Benchmarking Hub–14.1%†
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub75.2%–
SciCodeSciCode46.8%†58.8%†
WeirdMLWeirdML66.1%†–
显示全部 162 项基准测试
指标发布方Claude Sonnet 4.6Muse Spark 1.3
编程
FrontierCodeCognition24.3%–
Arena CodingArena (LMArena)15281534†
Arena WebDevArena (LMArena)15221655†
LiveBench 2.0 CodingLiveBench–84.4%†
LiveBench 1.0 CodingLiveBench79.3%†81.1%†
SciCode (AA)Artificial Analysis50.1%†58.8%†
LiveCodeBenchVals AI82.1%†–
IOIVals AI–56.6%†
SWE-bench (Vals)Vals AI77.4%†–
Code MigrationVals AI39.9%†47.4%†
ProgramBenchVals AI0.5%†2.5%†
SWE-bench MultimodalVals AI–43.1%†
Vibe Code Bench 1-100Vals AI–20.5%†
Vibe Code Bench v1.1Vals AI55.8%85.9%†
SWE Atlas v1.0: Codebase QnAScale AI SEAL31.2%–
SWE Atlas v1.0: RefactoringScale AI SEAL32.2%–
SWE Atlas v1.0: Test WritingScale AI SEAL31.8%–
MirrorCodeEpoch AI Benchmarking Hub–54.4%†
DeepSWE v1.1Epoch AI Benchmarking Hub29.9%†–
CursorBenchCursor–41.6%†
ALE-BenchEpoch AI Benchmarking Hub1327.3†1688.3†
FrontierSWEEpoch AI Benchmarking Hub–25.8%†
WeirdML v3WeirdML–6.7%†
Terminal-Bench 4.0 (AA)Artificial Analysis3.0%†33.3%†
Terminal-Bench 2.1 (AA)Artificial Analysis71.2%†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 Arena12771353†
FrontierCode 1.1 (AA)Artificial Analysis–40.6%†
FrontierCode 2.0 (AA)Artificial Analysis–23.1%†
智能体与工具
Terminal-BenchTerminal-Bench53.4%14.8%†
OSWorld-Verified 2.0OSWorld8.3%†–
APEX-AgentsMercor43.0%†58.6%
Arena AgentArena (LMArena)–2.2†
LiveBench Long AgenticLiveBench–47.9%†
LiveBench BrowserLiveBench–30.9%†
LiveBench Agentic CodingLiveBench42.6%†64.1%†
Terminal-Bench HardArtificial Analysis53.0%†–
τ²-Bench Telecom (AA)Artificial Analysis75.7%†–
Terminal-Bench 2.1 (Vals)Vals AI57.3%†79.0%†
MCP AtlasScale AI SEAL69.5%–
HiL-BenchScale AI SEAL–66.9%
GDPval-AA v2.1Artificial Analysis1240†1681†
τ³-Banking (AA)Artificial Analysis34.4%†50.5%†
ITBench SRE (AA)Artificial Analysis39.8%†33.2%†
Analyst Agent (AA)Artificial Analysis20.0%†37.5%†
APEX-Agents (AA)Artificial Analysis28.0%†–
CUA-benchVals AI–5.8%†
CyberBenchVals AI–72.7%†
Finance Agent v2Vals AI51.0%†60.0%†
Harvey's Legal Agent Benchmark v1Vals AI5.0%†23.8%†
Legal Research BenchVals AI38.5%†55.3%†
SkillsBenchVals AI49.0%†–
SREBenchVals AI–3.8%†
Tax Agent BenchVals AI25.8%†42.4%†
Terminal-Bench 2.0 (Vals)Vals AI59.5%†–
Terminal-Bench 4.0 (Vals)Vals AI–24.8%†
Terminal-Bench ScienceVals AI–10.0%†
Arena SearchArena (LMArena)1201–
Arena Agent Task CompletionArena (LMArena)–3.7†
DeepResearch BenchDeepResearch Bench54.9%†–
ExploitBenchEpoch AI Benchmarking Hub23.6%–
GBAEvalEpoch AI Benchmarking Hub48.8%–
Vending-Bench 2Andon Labs7204.1–
AutomationBenchArtificial Analysis20.1%†57.9%†
GDP.pdf (AA)Artificial Analysis15.8%†26.6%†
Harvey LAB-AA v1.1Harvey–8.9%†
AA-Briefcase v1.1Artificial Analysis1062†1581†
Design Arena AgenticDesign Arena11871283†
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 Hub–74.0%†
FrontierMath Tier 4Epoch AI Benchmarking Hub–46.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub85.8%99.2%†
ProofBenchVals AI45.0%†55.0%
LiveBench MathematicsLiveBench87.0%†96.0%†
AIME (Vals)Vals AI92.3%–
Arena MathsArena (LMArena)14611506†
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub32.8%†–
LiveBench 2.0 Data AnalysisLiveBench–79.6%†
LiveBench ResearchLiveBench–82.5%†
LiveBench 1.0 Data AnalysisLiveBench78.0%†79.6%†
AA-Omniscience v1.1Artificial Analysis–22.4†
MMLU-ProVals AI87.3%†–
LegalBenchVals AI82.1%†–
CorpFinVals AI65.3%†–
TaxEvalVals AI77.1%†–
MedQAVals AI92.1%–
PRBench FinanceScale AI SEAL–59.5%
PRBench LegalScale AI SEAL–61.6%
CaseLaw v2Vals AI64.0%–
Excel Modeling BenchmarkVals AI60.1%†67.4%†
Public Benefits Bench v1.1Vals AI62.5%†–
Access to Justice BenchmarkVals AI–72.2%†
Financial Coaching BenchVals AI–70.3%†
Immigration BenchVals AI–64.9%†
DrugDiscoveryBenchScale AI SEAL31.3%†62.2%†
GDP.pdfEpoch AI Benchmarking Hub18.0%†27.6%
AA-Omniscience v1.1: accuracyArtificial Analysis–38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–74.8%†
Global-MMLU-Lite (AA)Artificial Analysis90.5%†–
指令遵循
LiveBench LanguageLiveBench76.1%†82.8%†
LiveBench Instruction FollowingLiveBench63.2%†78.0%†
IFBenchArtificial Analysis56.6%†–
Arena Instruction FollowingArena (LMArena)14751485†
人类偏好
Arena TextArena (LMArena)14721497†
EQ-Bench 4EQ-Bench1197–
EQ-Bench Creative Writing v3EQ-Bench18111907
Arena Creative WritingArena (LMArena)14491468†
Arena Multi-turnArena (LMArena)14801493†
Arena Longer QueriesArena (LMArena)14921498†
多模态
Arena VisionArena (LMArena)12831310†
LiveBench DesignLiveBench–74.8%†
MMMU-ProArtificial Analysis73.3%†82.0%†
MMMU-Pro (Vals)Vals AI83.6%†–
MortgageTaxVals AI67.7%†–
Humanity's Sixth SenseScale AI SEAL–37.4%†
GeoBenchGeoBench73.0%86.0%
Blueprint-Bench 2Epoch AI Benchmarking Hub6.7%–
Code2Video-AAArtificial Analysis–1019†
AA-3DArtificial Analysis–1032†
长上下文
AA-LCR v1.1Artificial Analysis80.0%†83.0%†
Arena DocumentArena (LMArena)14781474†
MLCRArtificial Analysis7.8%†13.9%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub152.9158.2
LiveBench 2.0LiveBench–68.6%†
LiveBench 1.0LiveBench73.0%†81.6%†
AA Intelligence Index v5.0.1Artificial Analysis–36.6†
AA Intelligence Index v4.3.2Artificial Analysis30.1†48.1†
AA Progress Index v1Artificial Analysis293.6†324.5†
Vals RSI IndexVals AI–19.6%†
Vals Multimodal IndexVals AI60.6%†–
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

  • Claude Sonnet 4.6:BenchLeader Index 58.3 → 57.6。
  • Muse Spark 1.3:BenchLeader Index 60.2 → 61.6。
  • Claude Sonnet 4.6:2 项分数修订。
  • Muse Spark 1.3:1 项分数修订。
  • Muse Spark 1.3:BenchLeader Index 59.2 → 60.2。
  • Claude Sonnet 4.6:1 项新结果(GeoBench)。
  • 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。
  • Claude Sonnet 4.6:1 项新结果(Arena Search)。

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 Sonnet 4.6 vs Muse Spark 1.3:常见问题

Claude Sonnet 4.6 比 Muse Spark 1.3 更好吗?
Claude Sonnet 4.6 与 Muse Spark 1.3 的质量不相上下(57.6 比 61.6,在 ±9.2 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 Sonnet 4.6 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 $6.00(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 Sonnet 4.6 和 Muse Spark 1.3 哪个更快?
Muse Spark 1.3 输出更快(约 2 倍;输出 163 比 43 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Claude Sonnet 4.6 还是 Muse Spark 1.3 更好?
Muse Spark 1.3 在智能体任务方面得分更高(类别得分 61 比 53,50 为平均水平)。
处理长文档哪个更好?
两者都约为 1M token(Claude Sonnet 4.6 为 1,000,000,Muse Spark 1.3 为 1,048,576)。
更多问题(3)
哪个延迟更低?
Claude Sonnet 4.6 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 0.6 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 Sonnet 4.6 和 Muse Spark 1.3 的看法一致吗?
在两者都有结果的 3 项基准测试中,Claude Sonnet 4.6 领先 0 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。